[理学]数学建模方法.pptVIP

经验模型的建立 * 解决实际问题时，分析出问题的初态和 目标态很困难. * 未清晰地描述出问题的“初态”和“目标态”之前，过早地进入解决问题的阶段，会条件不清、目标不明. 尽量拓展思路的基础上, 再进行充分分析 得到的问题分解结果： 例5．飞行管理问题 初态：现有飞机的飞行状态（数据）与碰撞条件 过程：建立碰撞的判别准则，优化管理方案及相应算法. 目标态：实时调整，避免碰撞。 二、基于数据分析的建模方法 * 在建立数学模型的过程中,经常需要建立 变量之间的关系. *由于对研究对象的内部机理不甚了解,不 能通过合理的假设,或根据物理定律、原理, 经过机理分析法而得到. 问题 解决思路 *选择适当的数学式对变量间的关系进行拟合. *通过对数据充分观察和分析, 获得数据所含 信息; *揭示变量间的内在联系; x o y * 借助于由实验或测量得到的一批离散数据. 两类变量关系 确定性关系 确定的函数关系 相关关系 存在相依关系,但未达到相互确定的程度. 两类数据 已知规律(函数)的测试数据(在特定时间点或距离上的数据) 呈现随机性的数据,可看成具有某种概率分布的随机样本值. 针对两种不同类型的数据, 有不同的建立模型方法: 1. 数据拟合法(适用于第一类数据) 基本思想 已知函数 y= f(x) 的一组测试数据 (xi , yi)， (i=1，2，…，n)， 寻求一个函数ψ(x)，使ψ(x)对上述测试数据 的误差较小，即ψ(xi)≈yi，于是可以用ψ(x) 来近似替代f (x). 常用的数据拟合方法：一般插值法、最小二乘法、样条函数光顺法等. 插值法的基本思想 寻找 f(x)的近似替代函数 φ(x), 在插值节点xi 上满足 φ( xi )=yi， (i=1,2,…，n)， 其余点用φ(x)近似替代f (x ), 称φ(x)为f (x)的 插值函数. 最小二乘法基本思想 寻找 f (x)的近似替代 函数φ(x), 使 2. 随机分析方法 对于随机数据进行拟合,可用统计学中的 回归分析方法或时间序列分析方法. 以上两种建模方法都是建立在对数据进行充分分析的基础上. 寻找或选择适当的函数拟合变量之间的关系 (函数关系或回归关系)是重要的环节. 一般步骤 1）绘制数据散布图； 2）分析数据散布图； 3）选择函数关系形式. 1) 通过分析数据散布图可以获得对变量间关系的感性认识, 形成初步的看法, 以便于对问题做进一步的分析. 2）分析数据散布图； 对数据散布图进行分析,可以分析出变量的 关系是： 1）线性的还是非线性的？ 2）有无周期性？ 3）呈现何种变化趋势？变化率如何？ …，等等有用的初步结论. 例1、 建立一个简洁的函数关系式来描述 某个地区人的身高和体重的对应关系. 曲线特征是体重W 随身高H 的增长而单调增长，但可以观察到是非线性增长. 身高－体重数据散布图 练习 试分析以下问题 海浪潮高度x 随时间t 的数据散布图. 3）选择函数关系形式 1. 形式尽可能简洁, 尽可能线性化； 原则 2. 依据实际问题的精度要求,合乎实际规律. 续例 选择幂函数 W= , 描述身高 体重关系. 优点 此函数可以线性化. 两边取对数, 有 变换为线性函数 数据是建立数学模型的重要依据！ 三、层次分析法 背景 日常工作、生活中的决策问题 涉及经济、社会等方面的因素 作比较判断时人的主观选择起相当大的作用，各因素的重要性难以量化 Saaty于1970年代提出层次分析法 AHP (Analytic Hierarchy Process) AHP——一种定性与定量相结合的、系统化、层次化的分析方法 * * 一、几种创新思维方法 二、基于数据的建模方法 三、层次分析法 内容提要 数学模型(E.A.Bendar 定义)： 关于部分现实世界为一定目的而做的抽象、简化的数学结构。 重要的科学思维方式之一是创新思维，创新思维是创新能力的核心与灵魂。 一、几种创新思维方法 现 实 世 界 数 学 世 界 建立数学模型 推理演绎求解 翻译为实际解答 实际解答：如对现实对象的分析、预报、 决策、控制等结果。 始于现实世界并终于现实世界 数学模型是现实世界与数学世界的理想桥梁， * 数学建模没有普遍适用的方法与技巧. * 有一些普遍适用的思想方法与思维方式. 整个数学建模过程由若干个有 明显差别的阶段性工作