数字建模讲义教学PPT数学建模简介.pptVIP

Malthus模型求解：设人口数量N(t)和时间t的关系为 求 a,b使 最小 法方程组 令 clear;clf t=0:10:200; N=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92.0 106.5... 123.2 131.7 150.7 179.3 204.0 226.5 251.4]; plot(t+1790,N,k.,markersize,20); axis([1790 2000 2 300]); grid; hold on pause n=15; %以1790-1940年150年统计数据拟合Malthus模型 a=sum(t(1:n)); b=sum(t(1:n).*t(1:n)); c=sum(log(N(1:n))); d=sum(log(N(1:n)).*t(1:n)); A=[n a;a b]; B=[c;d]; p=inv(A)*B T=0:10:210; f=exp(p(1)+p(2)*T); plot(T+1790,f,ro-,linewidth,2) Malthus模型求解程序 p = [1.5214 0.0252] 模型：Logistic模型（1838年） 求解： 变形： （常数k为环境最大容纳量） 模型4: 阻滞增长模型(Logistic模型) Logistic模型求解：设人口数量N(t)和时间t的关系为 求 a,b使 最小 法方程组 令 clear;clf T=0:10:200; N=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92.0 106.5... 123.2 131.7 150.7 179.3 204.0 226.5 251.4]; plot(T+1790,N,k.,markersize,20); axis([1790 2000 2 300]); grid; hold on pause k=434;M=1./N-1/k; n=15; %以1790-1940年150年统计数据拟合Logistic模型 a=sum(T(1:n)); b=sum(T(1:n).*T(1:n)); c=sum(log(M(1:n))); d=sum(log(M(1:n)).*T(1:n)); A=[n a;a b]; B=[c;d]; p=inv(A)*B t=0:10:210; f=1./(1/k+exp(p(1)+p(2)*t)); plot(t+1790,f,ro-,linewidth,2) Logistic模型求解程序 p = [-1.4769 -0.0275] 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 7 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 8 matlab曲线拟合。 线性拟合 例：输入 x=[1,2,3,4,5]; y=[2,3,5,2,1]; cftool(x,y) 弹出拟合工具箱 如图： 点击Fitting按钮弹出fitting窗口，点击Newfit按钮, type of fit 栏中选择polynomial(多项式拟合)，再在polynomial栏中选择linear polynomial 点击Apply曲线拟合窗口生成拟合直线如图： 并且在“fitting”窗口的Results栏中显示结果： 直线的系数（斜率和截距）保留在p1和p2中，其中p1＝－0.3，p2＝3.5，它们在95%置信度下的置信区间分别为(-1.974, 1.374)和(-2.052, 9.052) 对于非线性曲线拟合，可用lsqcurvefit命令来实现，但有些可转换成线性拟合。 例如指数增长模型 ， 可令y(t)=ln(x(t))，则 。 作业：人口增长模型 某地区人口数据如上，建立模型估计出该地区2010年的人口 ，画出拟合效果的图形 。按照数学建模论文的要求写，特别是要有摘要，参数估计。 三个人为一组，一组交一篇论文。 年 份 1800 1810