1,出现了什么问题(用统计分析,综合评价,分类判别)
(一)综合评价类(五大要素:被评价对象,问题中所研究的对象或者系统
评价指标,评价对象或系统的运行发展状况的基本要素
权重系数,针对评价目的,各评价指标之间的重要性
综合评价模型,多个指标总合成一个整体的评价指标
评价者,直接参与评价的人)
(步骤:1确定综合评价目的(分类,排序)
2建立指标评价体系
3对指标数据作预处理(一致化,无量纲化处理)
4
)
一,判断对象属于哪一类:模糊综合评价算法(经济学领域多因素,多层次的复杂问题)
灰色关联分析法(数据量较小,样本数据具有时间序列特性)
topsis综合评价算法(指标相对较多,各指标之间保持独立)
神经网络算法(评价新颖问题,传统方法难获得指标权重)
二,对评价对象进行排名:主成分评价算法,
因子分析,
投影寻综合评价
(二)分类与判别(监督分类:聚类,非监督分类)
一,分类算法:模糊聚类
层次聚类
系统聚类
密度聚类
k-mean聚类
二,判别算法:贝叶斯判别
费舍尔判别
模糊识别
神经网络
支持向量机
2,现象如何发生(关联与因果分析,比较分析)
(一)关联与因果
一,两个变量之间:person相关系数
sperman相关系数
kendall秩相关系数
copula相关系数
二,一个变量对多个变量:标准化回归算法
路径分析算法
三,多个变量对多个变量:典型相关系数
偏最小二乘法
四 ,研究多个变量之间的内部关系:主成分分析
因子分析
岭回归
五,因果检验:格兰杰因果检验
协型检验
3,未来如何发展(预测与预报分析)
(一)预测与预报(定性预测,定量预测,综合预测)
一,单序列预测:灰色预测(数据量较小,进行中短期预测)
时间序列预测(定量预测)(预测随时间变化,进行中长期预测){移动平均
指数平滑
bos-jenkins法
}
小波分析预测
马尔科夫预测(系统未来时刻的情况之和现在有关和过去无关)
神经网络预测(少见)(数据量较大,自变量维度较高)
二,回归分析预测(定量预测)(自变量和因变量之间的逻辑相关性):线性回归
非线性回归
logistics回归
probit回归
微分方程回归
向量自回归
偏最小二乘回归
4,现在应如何优化控制(优化与控制分析)
(一)优化与控制(有无约束最优化或是否线性规划):
线性规划(目标函数与约束函数均为线性函数)
参数规划
0-1规划
非线性规划与智能优化算法
多目标规划和目标规划
动态规划
网络优化
排队论与计算机仿真
模糊规划
随机优化