《系统建模》课程知识要点.docxVIP

《系统建模》课程知识要点第2章 系统结构模型建模方法邻接矩阵的表示及其特性。可达矩阵的计算及其特性。结构模型（方法1）：基于可达矩阵的图的层次化。结构模型（方法2）：建立递阶结构模型的规范方法。区域划分级位划分提取骨架矩阵多级递阶有向图绘制结构模型（方法3）：建立递阶结构模型的实用方法。判断二元关系，建立可达矩阵及其缩减矩阵。对可达矩阵的缩减矩阵进行层次化处理。绘制多级递阶有向图。第3章 系统动力学建模方法因果关系图的绘制首先分析要素之间的相互关系，构造反馈环；依据反馈环的动态作用，画出系统因果关系图；根据因果关系图，确定起主导作用的反馈环（主环）。系统流图的绘制明确问题及其构成要素；绘制要素间相互作用关系的因果关系图。注意一定要形成回路；确定变量类型（L变量、R变量和A变量）。原则：水准L变量是积累变量，可定义在任何时点；而速率R变量只在一个时段才有意义。决策者最为关注和需要输出的要素一般被处理成L变量。在反馈控制回路中，两个L变量或两个R变量不能直接相连。为降低系统的阶次，应尽可能减少回路中L变量的个数。故在实际系统描述中，辅助A变量在数量上一般是较多的。系统流图的数学模型建立数学模型包括：流位方程流率方程辅助方程初值方程系统流图的DYNAMO仿真模型建立注：特别提示搞清楚几个典型结构的DYNAMO模拟计算（一阶正反馈回路，一阶负反馈回路，两阶负反馈回路），因为它们是基础的东西，所有的复杂应用都是建立在这个基础上的。第4章 模糊数学建模方法一级模糊综合评判的计算步骤：（1）确定因素集（2）确定评判集（3）进行单因素评判得到（4）构造综合评判矩阵：（5）综合评判：对于权重计算，并根据隶属度最大原则作出评判。注：1、熟悉理解各种模糊合成算法的含义及其区别。 2、权重的计算。二级模糊综合评判的计算步骤：将因素集划分成若干组；先对第二级因素集的因素进行单因素评判，得单因素评判矩阵，求得综合评判为 再对第一级因素集作综合评判，其中总评判矩阵为： 模糊聚类分析（方法1）：如果模糊相似矩阵是模糊等价矩阵，将模糊等价矩阵转化为等价的Boole矩阵（截矩阵），形成一个动态的聚类图。模糊聚类分析（方法2）：如果模糊相似矩阵是模糊相似矩阵，求将模糊相似矩阵的传递闭包，按照截距阵形成一个动态的聚类图。模糊聚类分析（方法3）：直接聚类法原则：当不同相似类出现公共元素时，将公共元素所在类合并。元素对所在不同类合并。注：在模糊聚类分析中要注意以下2点：模糊相似矩阵是怎么得到的？有几种方法可以得到（见课件）。数据矩阵如何规格化？有4钟常用方法（见课件）。基于三角模糊函数的模糊层次分析法权重的确定：构造三角模糊判断矩阵确定初始权重去模糊化，得到最终权重确定其他层次的各指标权重：利用相同的方法，得到下一层次的指标Ai权重指标的总权重确定：等于各种权重之和。指标的打分（有定性和定量2种，请区别对待）：对定性指标的处理：专家评估来得到模糊判断矩阵。用FAHP中的三角模糊数来表示指标打分（与上面权重的确定过程相同）。对定量指标的处理：只需标准化统计值来获得打分。评价：权重*打分，值大的为最优。基于梯形模糊数的模糊层次分析法构造区间数表达的比较判断矩阵（注意一致性检验问题）求解区间数权向量各层元素对总目标的权重合成备选方案排序注：特征向量法，求特征向量；矩阵求最大特征值的方法。第5章 神经网络建模方法神经元计算模型（即MP模型）（结构、传递函数、数学模型等）感知机模型（结构、传递函数、学习算法等）BP网络（结构、、输入输出变换关系、传递函数、学习算法、工作过程等）基于单一训练样本的学习算法基于一批训练样本的学习算法第6章 统计分析建模方法主成分分析法（方法1-基于协方差矩阵方法）由X的协方差阵Σx，求出其特征根；求出分别所对应的特征向量；计算累积贡献率，给出恰当的主成分个数；计算所选出的k个主成分的得分。将原始数据的中心化值。主成分分析法（方法2-基于相关系数矩阵方法）计算相关系数矩阵；计算特征值与特征向量；计算主成分贡献率及累计贡献率；计算主成分载荷；各主成分的得分。聚类分析法（方法1-直接聚类法）原理：先把各个分类对象单独视为一类，然后根据距离最小的原则，依次选出一对分类对象，并成新类。性质1：如果其中一个分类对象已归于一类，则把另一个也归入该类；性质2：如果一对分类对象正好属于已归的两类，则把这两类并为一类。每一次归并，都划去该对象所在的列与列序相同的行。经过n-1次就可以把全部分类对象归为一类，根据归并的先后顺序作出聚类谱系图。聚类分析法（方法2- k-means聚类算法）选择一个含有随机选择样本的k个簇的初始划分，计算这些簇的质心。根据距离把剩余的每个样本分配到距离它最近的簇质心的一个划分。计算被分配到每个簇的样本的均值向量，作为新的簇的质心。重复2,3步