数学建模:评价性模型学习——灰色关联分析法(GRA模型)

这篇具有很好参考价值的文章主要介绍了数学建模:评价性模型学习——灰色关联分析法(GRA模型)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

前言

一、灰色关联分析

1.什么是灰色关联分析?

2.流程介绍

二、综合评价

1.数据无量纲化处理

2.确定参考序列

3.确定权重

4.计算灰色关联系数

 5.计算灰色加权关联度

6.代码

总结


前言

        继续学习数学建模涉及的评价性模型,这篇会介绍如何使用灰色关联分析法进行综合评价以及分析灰色关联分析法的适用条件和优缺点。


一、灰色关联分析

1.什么是灰色关联分析?

        对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,称为关联度。在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。因此,灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。

        灰色关联分析主要有两个作用:一是综合评价,给出研究对象或者方案的优劣排名。二是系统分析,判断影响系统发展的因素的重要性。

2.流程介绍

  1. 数据无量纲化处理
  2. 确定参考序列
  3. 确定权重
  4. 计算灰色关联系数
  5. 计算灰色加权关联度

二、综合评价

这里沿用上篇文章用到的案例的拓展,有兴趣可以点进查看CSDNhttps://mp.csdn.net/mp_blog/creation/editor/126567801

针对以下七个因素对五个城市(厦门、杭州、成都、长沙、桂林)的旅游竞争力进行排名:

数学建模:评价性模型学习——灰色关联分析法(GRA模型)

1.数据无量纲化处理

        由于每个影响因素的维度不同,因此对每个量纲进行标准化。标准化方法很多,如z-score法(每个数据减去均值再除以方差)、平均值法(每个数据除以该子序列的均值)、max-min方法(每个数据减去最小值再除以最大值与最小值的差)等等。
        由于我数据处理时采用了极大型数据,即数字越大越相关,因此采用max-min方法:

数学建模:评价性模型学习——灰色关联分析法(GRA模型)

原始数据构成的矩阵:数学建模:评价性模型学习——灰色关联分析法(GRA模型)

无量纲化后的矩阵(matlab代码下文给出):数学建模:评价性模型学习——灰色关联分析法(GRA模型)

2.确定参考序列

        由于原始数据为极大型数据,因此选取每个指标标准化后的最大值为参考序列,在此为 A 0 = (1,…, 1 )

3.确定权重

        在这里通常有两种方法,一是等权重,二是采用层次分析法所确定的权重。这里采用上篇介绍层次分析法所确定的权重,感兴趣的可以点进卡片学个方法。CSDNhttps://mp.csdn.net/mp_blog/creation/editor/126567801计算得:W = ( 0.08265, 0.02755, 0.13156, 0.52624, 0.02429, 0.14778, 0.05993 )

4.计算灰色关联系数

对于某一个因素,其中的每个维度进行计算,得到一个新的序列,这个序列中的每个点就代表着该子序列与参考序列对应维度上的关联性(数字越大,代表关联性越强)

数学建模:评价性模型学习——灰色关联分析法(GRA模型)

 在这里, 表示每个数据与该行参考序列数据的差的绝对值。是是分辨系数,一般位于[0,1]之间,往往取0.5。

运用matlab计算结果如下(代码下文给出):

数学建模:评价性模型学习——灰色关联分析法(GRA模型)

 5.计算灰色加权关联度

若权重为等权,只需求出该列的均值即为最终得分;若采用层次分析法确定的权重,则将该列数据与权重对应相乘即为最终得分:

数学建模:评价性模型学习——灰色关联分析法(GRA模型)

数学建模:评价性模型学习——灰色关联分析法(GRA模型)

最终排名如上图,成都的旅游竞争力在这五座城市里面位于首席。

6.代码

%读取数据
a=xlsread('data.xlsx');

%无量纲化
for i =[1:7] 
a(i,:)=(a(i,:)-min(a(i,:)))/(max(a(i,:))-min(a(i,:))) 
end

%选出参考序列
t = max(a.');
t = repmat(t.',1,5); 

%灰色相关系数 
m = t-a; 
mmin = min(min(m)); 
mmax = max(max(m));
rho = 0.5; 
coefficient = (mmin + rho*mmax)./(m + rho*mmax); 

%权重
w = [0.08265, 0.02755, 0.13156, 0.52624, 0.02429, 0.14778, 0.05993];  

%灰色关联度
correlation = w * coefficient; 

三、分析总结

优点:对需要样本量无要求,计算简单,结果与定性结果吻合;

缺点:数据指标和方法部分带有主观因素,对要求定量分析的数据所得结果较不精确


总结

    文章属于个人学习笔记类型,介绍的也许不太详细,可以结合例子揣摩一下下或者结合其他文章学习,当然也非常欢迎评论区或私信讨论!

    求一个赞哦!文章来源地址https://www.toymoban.com/news/detail-443687.html

到了这里,关于数学建模:评价性模型学习——灰色关联分析法(GRA模型)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数学建模综合评价模型与决策方法

    评价方法主要分为两类,其主要区别在确定权重的方法上 一类是主观赋权法,多次采取综合资讯评分确定权重,如综合指数法,模糊综合评判法,层次评判法,功效系数法等 另一类是客观赋权法,根据各指标间的相关关系或各指标变异程度来确定权数,如主成分分析法,因

    2024年04月23日
    浏览(44)
  • 数学建模常用模型(七) :模糊综合评价法

    模糊综合评价法(Fuzzy Comprehensive Evaluation Method)是一种基于模糊数学理论的评价方法,用于处理模糊、不确定或多指标的决策问题。该方法将模糊集合理论与数学模型相结合,通过量化和综合各种评价指标的模糊信息,得出最终的评价结果。 模糊综合评价法在许多领域中应

    2024年01月21日
    浏览(56)
  • 数学建模—评价模型—灰色关联度分析Vs灰色综合评价

            黑色系统:只明确系统和环境的关系,内部未知         白色系统:内部结构、元素、组成、实现机理已知         灰色系统:部分明确系统与环境见关系、系统结构、实现过程。 灰色系统实例:(1)社会经济系统(企业收入、相关因素) 灰色系统理论

    2024年02月04日
    浏览(52)
  • 数学建模学习(3):综合评价类问题整体解析及分析步骤

    对物体进行评价,用具体的分值评价它们的优劣 选这两人其中之一当男朋友,你会选谁? 不同维度的权重会产生不同的结果 所以找到 每个维度的权重是最核心的问题 0.25 供应商 ID 可靠性 指标 2 指标 3 指标 4 指标 5 1 1 4 100 56 1000 2 2 6 105 55 2000 正向指标处理:即越大越好的指标

    2024年02月16日
    浏览(52)
  • 2015年亚太杯APMCM数学建模大赛B题城市公共交通服务水平动态评价模型求解全过程文档及程序

    原题再现    城市公共交通服务评价是城市公共交通系统建设和提高公共交通运营效率的重要组成部分。对于公交企业,管理和规划部门,传统公交车站、线路和换乘枢纽的规划数据只是基于主管部门收集的统计数据和人工盘点。    在自动采集技术日益发展的今天,如果

    2024年02月07日
    浏览(58)
  • 【2023年电工杯竞赛】B题 人工智能对大学生学习影响的评价 数学建模方案和python代码

    B题 人工智能对大学生学习影响的评价 人工智能简称AI,最初由麦卡锡、明斯基等科学家于1956年在美国达特茅斯学院开会研讨时提出。 2016年,人工智能AlphaGo 4:1战胜韩国围棋高手李世石,期后波士顿动力公司的人形机器人Atlas也展示了高超的感知和控制能力。2022年,人工智能

    2024年02月06日
    浏览(51)
  • 【数学建模】历年数学建模国赛评价类题目汇总

    年份 题目 模型/算法/解题方法 1993B题:足球甲级联赛排名问题 评价与决策 2005A题:长江水质的评价与预测问题 综合评价和预测问题(非常典型和传统的问题) 2005C题:雨量预报方法的评价问题 综合评价问题 2006B题:艾滋病疗法的评价及预测问题 评价和预测(分类、拟合、线性

    2024年02月07日
    浏览(55)
  • 数学建模--综合评价方法

    提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 例如:第一章 Python 机器学习入门之pandas的使用 提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档 评价方法大体上可分为两类,其主要区别在确定权重的方法上。一类是主观赋权

    2024年02月10日
    浏览(45)
  • 【数学建模】-- 模糊综合评价

    模糊综合评价(Fuzzy Comprehensive Evaluation)是一种用于处理不确定性和模糊性信息的决策分析方法。它通常用于解决复杂的多指标决策问题,其中各指标之间可能存在交叉影响和模糊性的情况。模糊综合评价通过将不确定性和模糊性量化,将多个指标的信息综合起来,得出一个

    2024年02月10日
    浏览(56)
  • 数学建模:模糊综合评价分析

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 构成综合评价类问题的五个要素: 被评价对象 评价指标 权重系数 综合评价模型 评价者 综合评价的一般步骤: 确定综合评价的目的(分类?排序?实现程度) 建立评价指标体系 对指标数据进行 预处理 :一致化和无量纲化

    2024年02月09日
    浏览(61)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包