數學建模分析方法
預測模塊：灰色預測、時間序列預測、神經網路預測、曲線擬合（線性回歸）；
歸類判別：歐氏距離判別、fisher判別等 ；
圖論：最短路徑求法 ；
最優化：列方程組 用lindo 或 lingo軟體解 ；
其他方法：層次分析法 馬爾可夫鏈 主成分析法 等 。
建模常用演算法，僅供參考：
蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決 問題的演算法，同時間=可以通過模擬可以來檢驗自己模型的正確性，是比賽時必 用的方法） 。
數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數 據需要處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab 作為工具） 。
線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多 數問題屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通 常使用Lindo、Lingo 軟體實現） 。
圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等算 法，涉及到圖論的問題可以用這些方法解決，需要認真准備） 。
動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是算 法設計中比較常用的方法，很多場合可以用到競賽中） 。
最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些 問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助， 但是演算法的實現比較困難，需慎重使用） 。
網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很 多競賽題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種 暴力方案，最好使用一些高級語言作為編程工具） 。
一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計 算機只認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替 積分等思想是非常重要的） 。
數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分 析中常用的演算法比如方程組求解、矩陣運算、函數積分等演算法就需要額外編 寫庫函數進行調用） 。
圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文 中也應該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問 題，通常使用Matlab 進行處理）。
㈡ 關於數學建模數據分析的方法
建議使用層次分析法，就是將指標通過專家打分，分別賦權重，然後構造一個指標函數，在通過Spss或其他統計軟體，進行求解。
模型的建立：目標函數的建立，以第一個，即經濟效益為例，你可以查閱經濟書本，找到這些指標同經濟效益的關系，來建立函數，一般是線性模型；
模型的求解：
你先用Spss，進行這5個指標的因子分析，得到貢獻率高的因子，並得到它的權重系數，這就是你指標函數的權重值，這樣你的指標函數就求出來了；
接著你可以用其他軟體（一般我用matlab)，將具體歷年的數據代入指標函數，得到理念的經濟效益值，最後做一個歷年效益數據分析。
理論就是這樣，實際就要自己操作了。
㈢ 數學建模主要有哪些分析方法
2常用的建模方法(I)初等數學法。主要用於一些靜態、線性、確定性的模型。例如，席位分配問題，學生成績的比較，一些簡單的傳染病靜態模型。(2)數據分析法。從大量的觀測數據中，利用統計方法建立數學模型，常見的有：回歸分析法，時序分析法。(3)模擬和其他方法。主要有計算機模擬(是一種統計估計方法，等效於抽樣試驗，可以離散系統模擬和連續系統模擬)，因子試驗法(主要是在系統上做局部試驗，根據試驗結果進行不斷分析修改，求得所需模型結構)，人工現實法(基於對系統的了解和所要達到的目標，人為地組成一個系統)。(4)層次分析法。主要用於有關經濟計劃和管理、能源決策和分配、行為科學、軍事科學、軍事指揮、運輸、農業、教育、人才、醫療、環境等領域，以便進行決策、評價、分析、預測等。該方法關鍵的一步是建立層次結構模型。
㈣ 數學建模中的分析方法有哪些
數學建模分析方法大體分為機理分析和測試分析兩種。
機理分析：根據對客觀事物特性的認識，找出反映內部機理的數量規律，建立的模型常有明確的物理或現實意義。
測試分析：將研究的對象看做一個「黑箱」系統（意思是它的內部機理看不清楚），通過對系統輸入、輸出數據的測量和統計分析，按照一定的准則找出與數據擬合最好的模型。
希望對你有幫助
㈤ 數學建模有哪些方法
一、機理分析法 從基本物理定律以及系統的結構數據來推導出模型。
1. 比例分析法--建立變數之間函數關系的最基本最常用的方法。
2. 代數方法--求解離散問題（離散的數據、符號、圖形）的主要方 法。
3. 邏輯方法--是數學理論研究的重要方法，對社會學和經濟學等領域的實際問題，在決策，對策等學科中得到廣泛應用。
4. 常微分方程--解決兩個變數之間的變化規律，關鍵是建立"瞬時變化率"的表達式。
5. 偏微分方程--解決因變數與兩個以上自變數之間的變化規律。
二、數據分析法 從大量的觀測數據利用統計方法建立數學模型。
1. 回歸分析法--用於對函數f（x）的一組觀測值（xi, fi）i=1,2… n，確定函數的表達式，由於處理的是靜態的獨立數據，故稱為數理統計方法。
2. 時序分析法--處理的是動態的相關數據，又稱為過程統計方法。
三、模擬和其他方法
1. 計算機模擬（模擬）--實質上是統計估計方法，等效於抽樣試驗
① 離散系統模擬--有一組狀態變數。
② 連續系統模擬--有解析表達式或系統結構圖。
2. 因子試驗法--在系統上作局部試驗，再根據試驗結果進行不斷分析修改，求得所需的模型結構。
3. 人工現實法--基於對系統過去行為的了解和對未來希望達到的目標，並考慮到系統有關因素的可能變化，人為地組成一個系統。
㈥ 數學建模中綜合評價的方法有哪些
綜合評價有許多不同的方法：
1、綜合指數法：
綜合指數法是先綜合，後對比平均,其最大優點在於不僅可以反映復雜經濟現象總體的變動方向和程度,而且可以確切地、定量地說明現象變動所產生的實際經濟效果。但它要求原始資料齊全。平均指數法是先對比,後綜合平均，雖不能直接說明現象變動的絕對效果，但較綜合指數法靈活,便於實際工作中的運用。
2、TOPSIS法：
其基本原理，是通過檢測評價對象與最優解、最劣解的距離來進行排序，若評價對象最靠近最優解同時又最遠離最劣解，則為最好；否則不為最優。其中最優解的各指標值都達到各評價指標的最優值。最劣解的各指標值都達到各評價指標的最差值。
3、層次分析法：
運用層次分析法有很多優點，其中最重要的一點就是簡單明了。層次分析法不僅適用於存在不確定性和主觀信息的情況，還允許以合乎邏輯的方式運用經驗、洞察力和直覺。也許層次分析法最大的優點是提出了層次本身，它使得買方能夠認真地考慮和衡量指標的相對重要性。
另外還有RSR法、模糊綜合評價法、灰色系統法等，這些方法各具特色，各有利弊。
(6)數學建模分析方法擴展閱讀：
綜合評價的一般步驟
1、根據評價目的選擇恰當的評價指標，這些指標具有很好的代表性、區別性強，而且往往可以測量，篩選評價指標主要依據專業知識，即根據有關的專業理論和實踐，來分析各評價指標對結果的影響，挑選那些代表性、確定性好，有一定區別能力又互相獨立的指標組成評價指標體系。
2、根據評價目的，確定諸評價指標在對某事物評價中的相對重要性，或各指標的權重；
3、合理確定各單個指標的評價等級及其界限；
4、根據評價目的，數據特徵，選擇適當的綜合評價方法，並根據已掌握的歷史資料，建立綜合評價模型；
5、確定多指標綜合評價的等級數量界限，在對同類事物綜合評價的應用實踐中，對選用的評價模型進行考察，並不斷修改補充，使之具有一定的科學性、實用性與先進性，然後推廣應用。
㈦ 數學建模的基本方法
有(線性規劃，整數規劃，非線性規劃，動態規劃，圖與網路，排隊論，對策論，層次分析法，插值與擬合，數據統計描述和分析，方差分析，回歸分析，微分方程建模，穩定狀態模型，常微分方程的解法，差分方程模型，馬氏鏈模型等等）已經發給你了