《决策支持系统及其开发实验报告》由会员分享，可在线阅读，更多相关《决策支持系统及其开发实验报告（43页珍藏版）》请在金锄头文库上搜索。
1、决策支持系统及其开发实验报告学期 11- 12学年第2学期 专业 地理信息系统 班级 0912班 学号 0 姓名 任课教师 苏州科技学院环境科学与工程学院目录实验一 -2实验二 -6实验三 -9实验四 -12实验五 -18实验六 -23实验一认识决策模型一、实验目的认识模型，区分模型的类别，明确模型的形式，加深理解模型的意义及对决策的作用。二、内容与要求熟悉并了解创建运行环境、运行程序模型；掌握样本、变量、输入、输出的概念和原理；掌握模型概念、类型、形式、数学模型、程序模型等。三、实验步骤1.上网搜索或查看本实验参考资料第一部分和教材，找出模型概念、分类和表示形式。2.运行实验资源中的应用数学
2、软件包。3.阅读本实验参考材料第二部分。4.设计建模环境。四、实验结果1 模型类别模型的概念：模型是对现实世界的简化和抽象，将对世界的结构、联系、机理、过程等认识的符号描述，即思维过程简约化表示。模型的分类：根据采用的符号系统模型可分为：物理模型：用实体模拟、类比，如地球仪。数学模型：用数学语言描述的一类模型，类似数学公式的形式。结构模型：反映系统的结构特点和因果关系的模型，具体为各种图模型。仿真模型：计算机上运行的程序化表达的模型。常用的决策模型多为数学模型，而空间决策支持中常用的是数学模型和结构模型。数学模型是通过变量与参数构成的方程式模拟世界的演变，现实中若实现模型的值，就达到追求的目标
3、。广义数学模型类别有：1、原理性模型 2、系统学模型 3、规划模型 4、预测模型 5、管理决策模型 6、仿真模型 7、计量经济模型西蒙根据决策的合理性将决策过程分为三种模型： ( l ）理想模型根据主观期望效用理论（subjective expected utility ）的这种模型要求：决策者有一个明确定义的效用函数， 假定决策者有一个十分完备的可选择方案集合；假定决策者能确定未来事件发生的概率分布；进而决策者可以按照效用函数极大的准则进行决策。 ( 2 ）行为模型人们在进行决策时，常常要受到各种行为和心理因素的影响。由于有各种行为因素的影响，西蒙提出了有限合理性（ bounded rati
4、onality ）原则。他认为现实世界的决策由于必然要受到行为因素的影响，因而应该使用行为模型，但也只能达到有限的合理性。( 3 ）直觉模型直觉模型是指决策者完全凭主观进行决策，即通俗讲的靠“拍脑袋”进行决策。这种模型可以看成是行为模型的一种特例，它受当事人行为因素的影响更大，合理性的局限也更大。在实际生活中，这种模型的使用是大量的。对于直觉模型的合理性要进行分析，并不能一概排斥。当一个人使用直觉进行决策时，可能非常迅速，连他本人也说不出为什么做出这样的决策。但实际上他是应用了长期积累的经验、知识以及其特有的素质，这个决策也可能是正确的。以上所谓模型可理解为决策的过程模型。需与模型加以区分。作
5、为DSS基础的模型，“教材”将模型从总体上分为物理模型、数学模型、结构模型、仿真模型。当然从不同的角度，可有不同的划分结果。DSS中涉及最多的是数学模型和仿模型。2 模型表示形式模型的很多类别，其根本形式可分有数学模型和程序模型，程序模型又可分源程序和目标程序形式。3 应用数学软件的软件构成软件由常用统计方法，多元统计方法，线性代数计算，关于，概述，图像显示，最优化方法，回归分析八部分组成。其中常用统计方法，多元统计方法，线性代数计算，最优化方法和回归分析为数学模型，图像显示为仿真模型，关于和概述为结构模型。应用数学软件的软件构成是模型集合。4 应用数学软件的表示形式形式涵盖了数学模型和程序模
6、型，比如说数学原理均为数学的表现形式，而操作演示和实际操作均为程序模型。5 应用数学软件的数据来源其数据来源包括了很多方面，由程序自带的数据库，也有人机对话输入。实验参考材料第二部分：样本为54位被随机选取的某种特殊肝脏手术的病患的存活情形(Y)，变量为X1：血液凝结指数 X2：预后指数(涵盖有病人的年龄)X3：酵素功能检查指数 X4：肝功能检查指数输入为：四个变量（X1、X2、X3、X4）与存活情形（Y）以及LOGY（残差分析Y对应转换）输出为：Y相对与四个变量的线性回归模型数学模型为：计量经济模型线性回归模型，使用的为STEPWISE（逐步回归法），除此之外还有FORWARD（前进选择法）
7、、BACKWARD（后退消去法）、MAXR（最大R-SQUARE）、MINR（最小R-SQUARE）四种方法来选取适当的变量。程序模型为：目标程序 6 软件包应用基于此软件包，可以进行多模型辅助决策五、实验体会（收获）1模型对决策的重要性在以往的学习中，我们知道，管理信息系统在本质上是属于更高一级的电子数据处理，它能提高数据处理的速度，提高工作效率。但是，高效率仅仅是系统业务处理中所追求的一个“过程目标”，而不是建造系统所追求的“最终目标”。高效率并不等于高效益，只有科学的、正确的决策才能带来好的效益，为企业带来活力与旺盛的生命力。否则将相去甚远，在错误决策下的高效率只能加重损失的程度。因此，
8、企业所追求的最终目标，应该是决策的正确性、科学性和有效性，高效率只有在这个前提下才能发挥它对企业积极的、促进的作用。可见，是管理自身的要求需要尽快地从 MIS发展到 DSS ，即由数据管理向模型管理发展。 DSS 与 MIS 相比更先进一步，是因为它强调以下三点：(1)将模型并入信息系统软件；(2)为高层管理提供有用信息，以便支持那些相对而言结构化程度比较低的决策行为，如支持半结构化的决策活动； (3)提供给用户强有力、然而并不难掌握的与系统之间的人一机交互能力，即用户能够用较为简单的语言向系统咨询，并从系统得到科学的、有效的决策支持。以上三个观点虽然在 MIS 中没有被忽视，但不能否认，它们
9、也没有被加以重视，这也使得 MIS 只是强调数据处理能力的提高，但它所收集、存储，处理和提供的信息，还远未能够对管理工作产生积极的影响，没有强调对决策工作积极的支持。 DSS 则面向决策，针对半结构化甚至于非结构化的决策问题，不光重视数据管理，更强调模型管理对于决策的支持作用。可见， MIS 发展到 DSS 也标志着由数据管理到模型管理的扩展。DSS依赖模型而得以发展，DSS由模型驱动而运行。因此模型是DSS的根本。在 DSS中，对话部件支持决策者来使用这个系统，数据部件提供存取来作为制定决策的原始资料，而模型部件则是给决策者以通过推理、比较、选择来分析解答整个问题的能力。实际上，正是将模型引
10、人信息系统才使得 MIS 向前进一步发展并成为决策支持系统。因此，不难看出，在 DSS 中模型部件的地位是十分重要的。2设计建模环境SAS： SAS系统功能包括客户机/服务器计算、数据访问、数据存储及管理、应用开发、图形处理、数据分析、报告编制、质量控制、项目管理、运筹学方法、计量经济学与预测等。实际使用时可以根据需要选择相应的模块。 Matlab：Matlab集数值分析、矩阵运算、信号处理和图形显示于一体。在这个环境下，对所要求解的问题，用户只需简单地列出数学表达式、其结果便以人们十分熟悉的数值或图形方式显示出来。 Lindo：LINDO可以用来求解线性规划 (LP-Linear Progr
11、amming)、整数规划 (IP-Integer Programming) 和二次规划 (QP-Quadratic Programming) 等问题。LINDO易于规划问题的输入、求解和分析，程序执行速度很快。Lingo： LINGO 则用于求解非线性规划（NLPNONLINEAR PROGRAMMING）和二次规则（QPQUARATIC PROGRAMING）其中LINGO .0学生版最多可版最多达300个变量和150个约束的规则问题，其标准版的求解能力亦再104量级以上。 SPSS：SPSS最突出的特点就是操作界面极为友好，输出结果美观漂亮SPSS采用类似EXCEL表格的方式输入与管理数据
12、，数据接口较为通用，能方便的从其他数据库中读入数据。其统计过程包括了常用的、较为成熟的统计过程，完全可以满足非统计专业人士的工作需要。 Excell：Excel 是微软办公套装软件的一个重要的组成部分，它可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。3实验感想通过这次的实验，我认识了模型，同时清晰了解到模型的分类与表示形式，加深了对模型意义的理解，并且通过实例认识决策系统相关概念的内容以及体会到了模型在决策中的作用。实验二数学模型一、实验目的掌握数学模型及其构建方法二、实验内容构建一个数学模型三、方案设计与要求1、参考本实验后附材料或教学演示，确定
13、用于建模的决策问题。2、明确变量和逻辑关系，必要时用假设简化问题，设定变量符号。3、借用基本数学形式表达变量间的关系，需要时筛选变量，形成初步的模型形式。在无法进行严格的数学推导时, 可以使用“不严格”的数学形式。理解模型的语义含义和功能。4、尽量使用实际资料检验数学结果，并用恰当的学科语言表达数学结果。5、确定最终的模型。四、实验结果（结论）1应用建模流程图1)建模准备（实际问题）：要了解问题的实际背景，明确建模的目的，掌握对象的各种信息，弄清实际对象的特征，情况明才能方法对。(2)建模假设：根据实际对象的特征和建模的目的，在掌握必要资料的基础上，对原型进行抽象、简化并且用精确的语言作出假设
14、，是建模过程关键的一步。(3)模型建立：在建模假设的基础上，利用恰当的数学工具构造出刻画实际问题的数学模型。（数学工具越简单越好）(4)模型求解：利用获取的数据资料，对模型的所有参数做出计算（估计）。(5)模型分析：对模型求解的结果进行数学上的分析。 (6)模型检验：将结果与实际比较，用实际现象、数据等检验模型的合理性和适用性，看它是否符合客观实际，若不符合，就修改或增减假设条件，重新建模，循环往复，不断完善，直到获得满意结果。(7)模型应用：一个成功的数学模型，必须根据建模的目的，将其用于分析、研究和解决实际问题，充分发挥数学模型在生产和科研中的特殊作用。2建模过程（1）实际问题：雨中行走问题人们外出行走，途中遇雨，未带雨伞势必淋雨，那么这个人就会走快，以减少淋雨的时间。一个简单的情形是只考虑人在雨中沿直线从一处向另一处走时，雨的速度大小和方向已知，问行人走的速度多大才能使淋雨量最少？（2）抽象化简假设把人体视为长方体，身高h(m)，宽度w(m)，厚度d(m)。淋雨总量用C升来记。雨滴下落的速度为r(m/s)降雨大小用降雨强度I(cm/h)来描述，降雨强度指单位时间平面上的降下水的厚度。在这里可视其为一常量。降雨的角度（雨滴下落的反方向与人前进
