数学建模chap要点.pptVIP

灵敏度分析 灵敏度分析，就是分析数学模型的某个参数变化时模型的解答的变化程度，可以在其他参数固定不变的情况下，考察某个参数发生微小变化时模型解答所发生的变化。这里所说的变化是相对变化，即该变量与原值的比值。 本例要求评估参数g或r的变化对模型解答的影响。 定义 变量t对参数r的灵敏度： 如果r改变了△r，则r的相对改变量为△r/r。 导致t改变量△t，相对改变量为△t/t 令△r→0，于是两个相对改变量的比值有极限。 称这个极限值为t对r的灵敏度，记为 S(t,r)。 灵敏度定义 灵敏度分析 研究 r, g变化时对模型结果的影响 估计r=2， g=0.1 设g=0.1不变 t 对r 的（相对）灵敏度 生猪每天体重增加量r 增加1%，出售时间推迟3%。 r t 灵敏度分析 估计r=2， g=0.1 研究 r, g变化时对模型结果的影响 设r=2不变 t 对g的（相对）灵敏度 生猪价格每天的降低量g增加1%，出售时间提前3%。 g t 模型的稳健性 一个数学模型称为是稳健的，是指即使这个模型不完全精确：假设不完全切合实际、答案仅仅是某种程度的近似，但其结果仍是可信的、可用的。 虽然数学模型力求完美，但这是不可能达到的。一个更确切的说法是数学模型力求接近完美。因此，在数学模型问题中关于稳健性的讨论是很有必要的。 稳健性分析 保留生猪直到利润的增值等于每天的费用时出售 由 S(t,r)=3 建议过一周后(t=7)重新估计 , 再作计算。 研究 r, g不是常数时对模型结果的影响 w=80+rt ?w = w(t) p=8-gt ? p =p(t) 若 (10%), 则 （30%） 每天利润的增值 每天投入的资金 1）模型准备： 了解问题的实际背景，明确建模目的，掌握对象的各种信息如统计数据等，弄清实际对象的特征。 有时需查资料或到有关单位了解情况等。 模型检验 用模型计算2000年美国人口，与实际数据比较 实际为281.4 (百万) 模型应用——预报美国2010年的人口 加入2000年人口数据后重新估计模型参数 Logistic 模型在经济领域中的应用(如耐用消费品的售量) 阻滞增长模型(Logistic模型) r=0.2490, xm=434.0 x(2010)=306.0 数学建模的全过程 现实对象的信息 数学模型 现实对象的解答 数学模型的解答 表述 求解 解释 验证 (归纳) (演绎) 表述 求解 解释 验证 根据建模目的和信息将实际问题“翻译”成数学问题 选择适当的数学方法求得数学模型的解答 将数学语言表述的解答“翻译”回实际对象 用现实对象的信息检验得到的解答 实践 现实世界 数学世界 理论 实践 数学建模的基本方法 机理分析 测试分析 根据对客观事物特性的认识， 找出反映内部机理的数量规律 将对象看作“黑箱”,通过对量测数据的 统计分析，找出与数据拟合最好的模型 机理分析没有统一的方法，主要通过实例研究 (Case Studies)来学习。以下建模主要指机理分析。 二者结合 用机理分析建立模型结构, 用测试分析确定模型参数 1.4 数学建模的方法和步骤 数学建模的一般步骤 模型准备 模型假设 模型构成 模型求解 模型分析 模型检验 模型应用 模 型 准 备 了解实际背景 明确建模目的 搜集有关信息 掌握对象特征 形成一个 比较清晰 的‘问题’ 模 型 假 设 针对问题特点和建模目的 作出合理的、简化的假设 在合理与简化之间作出折中 模 型 构 成 用数学的语言、符号描述问题 发挥想像力 使用类比法 尽量采用简单的数学工具 数学建模的一般步骤 模型 求解 各种数学方法、软件和计算机技术 如结果的误差分析、统计分析、 模型对数据的稳定性分析 模型 分析 模型 检验 与实际现象、数据比较， 检验模型的合理性、适用性 模型应用 数学建模的一般步骤 1.5 数学模型的特点和分类 模型的逼真性和可行性 模型的渐进性与简洁性 模型的强健性 模型的可转移性 模型的非预制性 模型的条理性 模型的技艺性 模型的局限性 数学模型的特点 数学模型的分类 应用领域 人口、交通、经济、生态 … … 数学方法 初等数学、微分方程、规划、统计 … … 表现特性 描述、优化、预报、决策 … … 建模目的 了解程度 白箱 灰箱 黑箱 确定和随机 静态和动态 线性和非线性 离散和连续 1.6 怎样学习数学建模 1. 要会学习：不断扩充知识面。 2. 要会实践：会在实践中发现和提出问题，会搜集资料，组建模