预测模型
| 模型与算法 |
特点 |
| CNN-神经网络预测 |
编程能力要求高、适用于图像处理、文本分析 |
| 灰色预测 |
数量非常少、数据完整性和可靠性较低的数据序列，灰色预测模型一般只适用于短期预测，只适合指数增长的预测，比如人口数量，航班数量，用水量预测，工业产值预测等 |
| 拟合插值预测（线性拟合） |
各领域的插值法有所不同，如地理信息（GIS）中的克里金插值法 |
| 时间序列预测 |
处理类似股票、气象等，具有趋势性和季节（周期）性的问题 |
| 马尔可夫链预测 |
用于时间序列分析、金融市场预测、天气预测等领域。未来状态的预测仅依赖于当前状态，而与过去的状态无关。 |
| 微分方程预测 |
化学反应、打气运动、人口数量变化、传染病发展规律 |
| Logistic模型 |
种群生长速率 |
| 岭回归 |
岭回归是一种非常实用的回归分析方法，特别是在数据特征存在一定程度的共线性时。通过适当的正则化，它可以提高模型的泛化能力，减少过拟合的风险（小样本） |
数学建模算法学习matlab (github.com)
数学建模常见模型及Python实现 (github.com)
优化模型
| 模型与算法 |
特点 |
| 规划模型(目标规划、线性规划、非线性规划、整数规划、动态规划) |
Lingo软件，或者Python的第三方库 |
| 禁忌搜索算法(Tube) |
求复杂函数数值解、求解TSP(旅行商问题) |
| 图论模型（Dijska、Kruskal） |
最短路径 |
| 排队论模型 |
顾客需要和服务机构的规模之间进行权衡决策，使其达到合理的平衡，有排队就可以用【数学建模】排队论（最优化）-CSDN博客 |
神经网络模型(CNN) |
回归拟合的优化 |
| 遗传算法(GA) |
工程优化问题、能够处理多变量、非线性、多目标等问题，遗传算法的效率可能比其他传统的优化方法低，并且容易过早收敛 |
| 模拟退火算法(SA) |
求复杂函数数值解。TSP等离散问题也可求解但是禁忌搜索(Tube)更好 |
| 蚁群算法 |
图问题 |
| 元胞自动机（CA） |
森林火灾模拟、生命游戏、传染病 |
评价模型(模型需要相互结合使用)
| 模型与算法 |
特点 |
| 模糊综合评价法(FCE) |
多因素决策方法，尤其适合于那些难以用精确数值表示的评价问题 |
| 层次分析法(AHP) |
多准则决策方法、较为主观需要一致性检验、将复杂的决策问题分解为多个组成因素，并在不同的层次上进行分析和综合，以计算出各因素的相对权重，最终得出决策的优先级或最佳方案 |
| 聚类分析法 |
将数据集中的样本划分为多个不同组别或“簇”的统计分析方法，目的是使得同一个簇内的样本之间相似度高，而不同簇内的样本之间相似度低。市场研究、社交网络分析、生物信息学、图像分割 |
| 主成分分析法(PCA) |
降维、数据压缩和模式识别。噪声影响大、需要预处理 |
| 灰色综合评价法 |
难以用精确数值表示的评价问题、较为主观. |
| 人工神经网络评价法 |
金融风控、医疗诊断、产品质量评价。数据量和质量的要求较高，以及模型的可解释性较差 |
| TOPSIS |
较备选方案与理想解和负理想解的距离来进行排序和选择。假设准则之间是独立的，且不考虑准则的交互作用。此外，TOPSIS对准则的权重分配非常敏感，权重的选择可能会显著影响最终的决策结果。 |
敏感度分析
