数学建模读书笔记.docVIP

数学建模是通过对实际问题进行抽象、简化，反复探索，构件一个能够刻划客观原形的本质特征的数学模型，并用来分析、研究和解决实际问题的一种创新活动过程。 数学建模的几个过程: 模型准备 ：了解问题的实际背景，明确其实际意义，掌握对象的各种信息。用数学语言来描述问题。 模型假设 ：根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。 模型建立 ：在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构。（尽量用简单的数学工具） 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）。 模型分析 ：对所得的结果进行数学上的分析。 模型检验 ：将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差,则应该修改假设，在次重复建模过程。 模型应用 ：应用方式因问题的性质和建模的目的而异 数学建模就是建立数学模型，建立数学模型的过程就是数学建模的过程， 数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻划并解决实际问题的一种强有力的数学手段。 数学模型的分类 （1）按模型的应用领域分类： 生物数学模型，医学数学模型，地质数学模型，数量经济学模型，数学社会学模型等。 （2）按是否考虑随机因素分类： 　 确定性模型与随机性模型 （3）按是否考虑模型的变化分类： 　 静态模型与动态模型 （4）按应用离散方法或连续方法分类： 　 离散模型与连续模型 （5）按建立模型的数学方法分类： 　 几何模型，微分方程模型，图论模型，规划论模型，马氏链模型等。 （6）按人们对是物发展过程的了解程度分类： 白箱模型：指那些内部规律比较清楚的模型。如力学、热学、电学以及相关的工程技术问题。灰箱模型：指那些内部规律尚不十分清楚，在建立和改善模型方面都还不同程度地有许多工作要做的问题。如气象学、生态学经济学等领域的模型。黑箱模型：指一些其内部规律还很少为人们所知的现象。如生命科学、社会科学等方面的问题。但由于因素众多、关系复杂，也可简化为灰箱模型来研究。 数学建模方法 （一）、机理分析法 从基本物理定律以及系统的结构数据来推导出模型。 1. 比例分析法--建立变量之间函数关系的最基本最常用的方法。2. 代数方法--求解离散问题（离散的数据、符号、图形）的主要方法。 3. 逻辑方法--是数学理论研究的重要方法，对社会学和经济学等领域的实际问题，在决策，对策等学科中得到广泛应用。 4. 常微分方程--解决两个变量之间的变化规律，关键是建立瞬时变化率的表达式。 5. 偏微分方程--解决因变量与两个以上自变量之间的变化规律。 （二）、数据分析法 从大量的观测数据利用统计方法建立数学模型。 1. 回归分析法--用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法。2. 时序分析法--处理的是动态的相关数据，又称为过程统计方法。3. 回归分析法--用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法。4. 时序分析法--处理的是动态的相关数据，又称为过程统计方法。（三）、仿真和其他方法 1. 计算机仿真（模拟）--实质上是统计估计方法，等效于抽样试验。① 离散系统仿真--有一组状态变量。 ② 连续系统仿真--有解析表达式或系统结构图。 2. 因子试验法--在系统上作局部试验，再根据试验结果进行不断分析修改，求得所需的模型结构。 3. 人工现实法--基于对系统过去行为的了解和对未来希望达到的目标，并考虑到系统有关因素的可能变化，人为地组成一个系统。 微分方程模型 微分方程是表达事物发展过程的一种很有用的工具，它能更全面、更深刻地揭示实际事物内在的动态关系。建立起这样的模型，可以帮助我们去解释各种有关的现象，做出相应的决策或者对未来的发展进行某种预测。建立数学模型的第一步，是把对一个实际问题的描述翻译成数学语言，翻译的过程同中学时解“应用题”的过程很相似，根据问题中给出的已知条件和要求达到的目的，设定若干变量，有时还需要添加或补充一些假设条件，由此推导并建立起变量间的用等式描述的关系。所不同的是，微分方程中的等式关系是微观的、瞬时的关系。 建立微分方程模型的一般过程 我们知道解应用题是没有通用法则可循的，必须具体问题具体分析，建立微分方程模型也是如此。下面只是列出在建模过程中通常需要注意的一些地方。在刚开始学习构造微分方程模型时，总是习惯地用代数方程来思考 ， 仅仅考虑问题中各个量之间的静