应用数学研究中的模型化方法.ppt

  1. 1、本文档共30页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
应用数学研究中的模型化方法

血液凝结的生理学概述 血浆中的凝血系统; 血小板; 纤溶系统。 瀑布机制学说与现代观点 19世纪初,Thackrah和de Blainville已经发现组织损伤会引起血液凝固。 1982年Schmidt提出,存在凝血活酶(thromboplastin)可以将凝血酶原… 转变为凝血酶… 1950年,Morawitz提出凝血的两步理论:凝血活酶将凝血酶原变成凝血酶;男系,凝血酶将纤维蛋白原变成纤维蛋白。 40年代来,Conley发现血液按接触表面改变可激发血液凝血。 凝血过程的模型化研究历史与现状 凝血瀑布机制的提出为使用数学方法研究凝血问题提供了良好的生化模型。因此,仅仅在瀑布学说提出两年,Levine就利用酶促动力学,对1964年Davine提出的酶反应模式图建立了线性模型。通过线性微分方程组对凝血机制中各因子的变化作动态描述。进一步结合数学定理分析与计算机数值模拟,对凝血系统的解的局部与全局性态进行研究,并对实验或病理、生理结果进行预测与分析。这一方法已经取得了一系列与实验及临床相符的结论。 [线性化模型] [非线性模型与动力学分析] [计算机模拟工作] 外源性凝血瀑布机制非线性动力学模型的建立 针对凝血模式中存在着正反馈环路,而反应的凝血因子常常是多种因子的联合作用,1989年, Khamin, M.A.和Semenov, V.V. 首先对外源性凝血的瀑布机制建立了非线性模型,并对该模型进行了定态稳定性分析,得到了与生化理论相一致的外源性凝血的基本特征:外部刺激强度必须超过一个阈值,凝血瀑布机制才能启动且稳定运行。 热乎乎科技后;可好机 * * 应用数学研究中的模型化方法 2、在线文本自动分析 3、血液凝固过程的动力学研究 1、绵纺质量控制问题 模型化方法是数学应用的重心。 介绍应用数学研究中与数学建模密切相关的几个课题: 棉条不匀率调控问题 棉片拉出棉条,需要从传感器测出的厚度值适时地计算出棉条的均匀程度,以便从输入端调整输入量,保证棉条的良好均匀度。 专业模型和目标: 由8台车检测记录了棉条厚度度量数据形成了一段时间内对每车、附带不匀率的时间序列。如何从这些数据提取特征、形成参数,使得可以由参数值适时评判棉条不匀度的合格与不合格。 时间序列是数据模型。 数学模型的思路:寻找时间序列数据的特征和对应的参数使得该参数与给出的不匀度是单调相关的。 利用分形理论计算时间序列的分维数,寻找分维数和不匀率的可能的相关性。 这是建立唯象模型。 建立棉条不匀率的单一判定指标的数学模型 由于时间系列数据和问题本身显然是一个非线性问题,尝试用分形与频谱分析两种方法。 通过FFT从功率谱没有发现明显的特征。 具体模型建立: 为了研究分维数和不匀率的“二维”关系,需要将时间序列中相同不匀率的棉条厚度数据集中成一定宽度窗口的一个序列,进而寻找不匀率与分维数的二元关系; 在确定了不匀率与分维数的二元关系后,回到原始的时间序列数据中,寻找对应时间序列的不匀率数据和分维数数据关于时间的同步性。 如果不匀率数据和分维数数据关于时间的同步,则分维数可以代替不匀率作为评判棉条均匀性的适时控制参数。 1、分形图的主要特征:分维数 严格的数学定义 从Hausdorff测度 Hausdorff维数 应用的计算定义 盒维数(box dimension): Nr: 与E相交的r-网立方体个数. 分维数与不匀率的关系 2、计算原理   对每个r值计算Nr(E),对于存在盒维数的数据,不同r值的logNr(E)与logr,是线性回归的,因此要计算不同r值的维数,选择最敏感地表现特征的r值。 Nr(E)的计算: r 3、计算过程: 设: 连续,又设 ,如果 是 网正方形与图形 相交正方形的个数,则: 其中:m为大于等于 的最小整数则: (设F是 上任一非空的有界子集, 是直径最大为 ,可以覆盖F的集的最少个数) 4、数值实验 A.数据清理: 实际数据中非法字符消除,数量很大,随机分布. B.数据整合:   对于时间序列的分形维数计算需要足够的数据密度,数据太少则误差很大,在实测数据中,有些车的某些不匀度的数据量太少,最多与最少的数据量可以相差万倍。因此,必须删除数据量太少的(车、不匀率)的数据。结果用于计算分维数的数据,各车不同,计算结果如下: 795k 1145k 884k 559k 351k 210k 104k 平均578.3k 0号车:横坐标为不匀率,纵坐标为分维数 结论:

文档评论(0)

tmd2017 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档