數學建模中用於預測的模型有哪些

　　數學建模中的評估模型有：

　　1、層次分析法，構造兩兩比較判斷矩陣，單一準則下元素相對權重計算及一致性檢驗，一致性檢驗，計算各層元素對目標層的總排序權重；

　　2、灰色關聯分析體系；

　　3、DEA評價體系，比率模式，超級效率模式，線性規劃模式，超級效率之多階排序模型；

　　4、模糊數學評價模型。

　　數學建模就是根據實際問題來建立數學模型，對數學模型來進行求解，然後根據結果去解決實際問題。

　　當需要從定量的角度分析和研究一個實際問題時，人們就要在深入調查研究、瞭解物件資訊、作出簡化假設、分析內在規律等工作的基礎上，用數學的符號和語言作表述來建立數學模型。

　　1、蛛網模型：運用彈性原理解釋某些生產週期較長的商品在失去均衡時發生的不同波動情況的一種動態分析理論。

　　2、層次分析法：將與決策總是有關的元素分解成目標、準則、方案等層次，在此基礎之上進行定性和定量分析的決策方法。

　　3、熵權法：按照資訊理論基本原理的解釋，資訊是系統有序程度的一個度量，熵是系統無序程度的一個度量；如果指標的資訊熵越小，該指標提供的資訊量越大，在綜合評價中所起作用理當越大，權重就應該越高。

　　1、決策樹方法。其核心思想是選取具有最高資訊增益的屬性，即相對於資訊熵最高的屬性，可參考維基百科中二者的計算公式作為當前節點的分裂屬性。

　　2、人工神經網路。人工神經網路，是對人腦若干基本特性的抽象。它由大量神經元透過豐富的連線構成多層網路，用以模擬人腦功能。

　　3、支援向量機。支援向量機，是20世紀90年代Vapnik等人根據統計學習理論中結構風險最小化原則提出的一種機器學習方法。

　　4、正則化方法。正則化方法用模型係數的絕對值函式作為懲罰來壓縮模型係數，使絕對值較小