第一篇建立数学模型1技术分析.ppt

参数估计 用指数增长模型或阻滞增长模型作人口 预报，必须先估计模型参数 r 或 r, xm 利用统计数据用最小二乘法作拟合 例：美国人口数据（单位~百万） 1860 1870 1880 …… 1960 1970 1980 1990 31.4 38.6 50.2 …… 179.3 204.0 226.5 251.4 专家估计 阻滞增长模型(Logistic模型) r=0.2557, xm=392.1 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 数学建模的基本方法和步骤 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 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 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 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 数学建模与其说是一门技术，不如说是一门艺术 技术大致有章可循 艺术无法归纳成普遍适用的准则 想像力 洞察力 判断力 学习、分析、评价、改进别人作过的模型 亲自动手，认真作几个实际题目 ?*产生新的科研手段：基于数学基础的仿真技术. 序言 一. 数学科学的重要性 * 科学技术是第一生产力； * 信息时代高科技的竞争本质上是数学的竞争； * “高技术”本质上是一种数学技术； * 数学科学是一种关键的、普遍的、能够实行 的技术； * 计算机的飞速发展促使数学得以广泛应用； * 在经济竞争中数学科学是必不可少的; 现代数学： 在理论上更抽象； 在方法上更加综合； 在应用上更为广泛。 * 数学很重要的一方面在于数学知识与数学方法的应用. *更重要的方面是数学的思维方式的确立. 21世纪科技人才应具备的数学素质与能力 数学运算能力 逻辑推理能力 数学建模能力 数据处理能力 空间想象能力 抽象思维能力 更新数学知识能力 使用数学软件能力 二.? 数学模型与数学建模 数学模型（Mathematical Model）：重结果； 数学建模（Mathematical Modeling）：重过程 模型:所研究的客观事物有关属性的模拟,具有事物中感兴趣的主要性质。 * 对实体本身的模拟 如:飞机形状进行模拟的模型飞机； * 对实体某些属性的模拟 如:对飞机性能进行模拟的航模比赛飞机； * 对实体某些属性的抽象 如:一张地质图是某地区地貌情况的抽象 任何一个模型仅为一个真实系统某一方面 的理想化，决不是真实系统的重现