数学建模中的思维训练要点.pptVIP

* 数学家与相似性 * * * * * * 分三档记：低流行度（1—20次），中等流行度（21—100次），高流行度（101—2400次）。预测准确率达到84%。 * * * 2. 联系——后知识体系的建构 人们的知识体系是否完善不应只包括掌握知识数量的多少，还应包括应用这些知识的“软件”能力。类似于一个数据库的功能是否强大，不仅取决于数据存储量的大小，还要取决于输入输出及检索功能的强弱。数学建模教学应更多地关注于学习者这种关于知识的“应用软件”的形成与强化。也就是说，我们在学习中应有意识地将注意力放在“联系”二字上，包括知识与知识之间的“联系”，知识与问题之间的“联系”。 数学建模中的思维训练 概括地说， “后知识体系”=“知识+联系” 成功的建模来自于两个理解：对问题的理解与对方法的理解。 牛顿——万有引力定律 数学建模中的思维训练 “最小二乘法”与“擦黑板” 最高响应比优先（HRRN）调度策略。 效率与公平兼顾 案例3. 眼科病床的合理安排 数学建模中的思维训练 案例4. 水文观测站调整 数学建模中的思维训练 　　　某地区内有１２个气象观测站（位置如图）。１０年来各站测得的年降水量如表一。为了节省开支，想要适当减少气象观测站。问题：减少哪些观测站可以使得所得到的降水量的信息量仍然足够大？ 表一：10年降水量信息 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 1981 276.2 324.5 158.6 412.5 292.8 258.4 334.1 303.2 292.9 243.2 159.7 331.2 1982 251.6 287.3 349.5 297.4 227.8 453.6 321.5 451.0 466.2 307.5 421.1 455.1 1983 192.7 438.2 289.9 366.3 466.2 239.1 357.4 219.7 245.7 411.1 357.0 353.2 1984 246.2 232.4 243.7 372.5 460.4 158.9 298.7 314.5 256.6 327.0 296.5 423.0 1985 291.7 311.0 502.4 254.0 245.6 324.8 401.0 266.5 251.3 289.9 255.4 362.1 1986 466.5 158.9 223.5 425.1 251.4 321.0 315.4 317.4 246.2 227.5 304.2 410.7 1987 258.6 327.4 432.1 403.9 256.6 282.9 389.7 413.2 466.5 199.3 282.1 387.6 1988 453.4 365.5 357.6 258.1 278.8 467.2 355.2 228.4 453.6 315.6 456.3 407.2 1989 158.5 271.0 410.2 344.2 250.0 360.7 376.4 179.4 159.2 342.4 331.2 377.7 1990 324.8 406.5 235.7 288.8 192.6 284.9 290.5 343.7 283.4 281.2 243.7 411.1 数学建模中的思维训练 问题可以分解为以下几个问题： ① 删除哪几个站？ ② 如何预测被删除站的降水量信息？ ③ 如何度量被删除站的降水量预测信息量是否充分？ 标准差——降水量信息个性特征丰富程度的度量 表二：各站年降水量标准差 x x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 σx 95.1 76.8 102.7 60.7 89.3 89.4 36.1 80.7 103.8 54.3 82.1 34.9 数学建模中的思维训练 数学建模中的思维训练 关联主义（connectivism）将学习看作创建连接和构建网络的过程。知识可被视为培养和遍历这些连接的能力，并能及时获得专业信息。 3. 求异——批判精神与深度思考习惯的养成 批判精神以及深度思考能力的弱化现象。 案例5. 行走步长问题——脚的运动速度 v？ 2v？ 数学建模中的思维训练 案例6. 锁具装箱问题——序贯销售 数学建模中的思维训练 装箱分奇偶两类，按槽高H 及字典序从小到大装箱。