数据处理与数学建模方法PPT.ppt

; 浅谈数学建模;Part A 对数学建模竞赛的认识; Part B数学建模实践活动;运用学过的数学知识和计算机（包括选择合适的数学软件）分析和解决实际问题的能力;Part B数学建模实践活动; ; ; ; ; ; ; ; ; ;;21世纪的社会是信息社会，其影响最终将要比十九世纪由农业社会转向工业社会更加深刻。 “一个国家总的信息流的平均增长与工业潜力的平方成正比”。 信息资源与自然资源和物质资源被称为人类生存与发展的三大资源。; 实际中大量信息或海量信息对应着大量的数据或海量数据，从这些数据中寻求所需要的问题答案--数据建模问题。 通过实际对象过去或当前的相关信息，研究两个方面问题： （1）分析研究实际对象所处的状态和特征，依此做出评价和决策； （2）分析预测实际对象未来的变化状况和趋势，为科学决策提供依据。; 数据处理与数据建模方法;实际对象都客观存在着一些反映其特征的相关数据信息； 如何综合利用这些数据信息对实际对象的现状做出综合评价，或预测未来的发展趋势，制定科学的决策方案？ --数据建模的综合评价、综合排序、预测与决策等问题。 ;综合评价是科学、合理决策的前提。 综合评价的基础是信息的综合利用。 综合评价的过程是数据建模的过程。 数据建模的基础是数据的标准化处理。 ; 依据相关信息对实际对象所进行的客观、公正、合理的全面评价。 如果把被评价对象视为系统，则问题： 在若干个(同类)系统中，如何确定哪个系统的运行(或发展)状况好，哪个状况差？即哪个优，哪个劣？ 一类多属性(指标)的综合评价问题。;综合评价问题的五个要素 ;综合评价过程的流程; 二、数据处理的一般方法; 二、数据处理的一般方法; 二、数据处理的一般方法; 2. 数据指标的无量纲化处理方法 ; 二、数据处理的一般方法;　　按国家的评价标准,评价因素一般分为五个等级，如A，B，C，D，E。 如何将其量化？若A-，B+，C-，D+等又如何合理量化？ 根据实际问题，构造模糊隶属函数的量化方法是一种可行有效的方法。　;　　假设有多个评价人对某项因素评价为A，B，C，D,E共5个等级: {v1 ,v2 ,v3 ,v4,v5}。 譬如：评价人对某事件“满意度”的评价可分为 {很满意，满意，较满意，不太满意，很不满意} 将其5个等级依次对应为5，4，3，2，1。 这里为连续量化，取偏大型柯西分布和对数函数作为隶属函数：; 二、数据处理的一般方法; 二、数据处理的一般方法; 模糊定性指标量化的应用案例; 三、数据建模的综合评价方法; 2. 非线性加权综合法 ; 三、数据建模的综合评价方法; 三、数据建模的综合评价方法;返回; 综合评价方法的应用案例; 四、数据建模的动态加权综合方法; 四、数据建模的动态加权方法; 四、数据建模的动态加权方法; 四、数据建模的动态加权方法;返回; 四、数据建模的动态加权方法; 五、数据建模的综合排序方法; 五、数据建模的综合排序方法; 动态加权与综合排序的应用案例; 六、数据建模的常用预测方法; 六、数据建模的常用预测方法; 六、数据建模的常用预测方法; ; ; ; ; ; ; ; ; ; ; ; ;;;谢谢大家