[工学]C3数学模型概述.ppt

C3.数学模型概述 §1.数学模型的定义和特征 §2.数学模型的分类 §3.数学模型的建立过程 §4.模型参数的估值方法 §5.模型的验证与误差分析 §6.灵敏度分析 本章重点及难点： 数学模型建立的过程及原理 §1.数学模型的定义和特征 数学模型的定义 §1.数学模型的定义和特征 数学模型的定义 §1.数学模型的定义和特征 数学模型的定义 根据对研究对象所观察到的现象及其实践经验，归结成一套反映数量关系的数学公式和具体算法，用来描述对象的运动规律，这套公式和算法称为数学模型。 数学模型的特征 （1）抽象性 （2）可任意改变模型参数的数值 （3）数学模拟速度快，费用低 （4）可以提供更多的分析功能 　　（5）存在一定的局限性 §2.数学模型的分类 按照时间和变量的关系 动态模型、稳态模型 按照变量之间的关系 线性模型、非线性模型 按照变量的变化规律 确定性模型、随机模型 按照模型的用途 模拟模型、管理模型 按照模型中参数的性质 集中参数模型、分布参数模型 §3.数学模型的建立 对模型的要求 （1）模型的依据要充分 （2）模型要有足够的精确度 （3）模型的形式要简单实用 （4）模型中应该有可控变量 模型的建立过程 （1）数据的收集与分析 （2）模型结构的选择 （3）估计模型的参数 （4）模型的检验和修正 （5）模型的应用和反馈 §3.数学模型的建立 （2）模型结构的选择 例1： §4.模型参数的估计方法 图解法 凡给定公式可以直接描述一条直线，或经适当处理后能转换为直线时，均可用图解法估计参数。作图时，将自变量x和因变量y的各对应点画在直角坐标纸上，用直尺将所有的点连成一条直线，使该直线尽可能靠近每一个点。如果直线的表达式为 y=b+mx 则上述直线的斜率就是式中的m，y轴上的截矩就是式中的b。 例3： §4.模型参数的估值方法 一元线性回归分析 线性回归分析又称最小二乘法。线性回归分析有两个假定：一是所有自变量的值均不存在误差，因变量的值则含有测量误差；二是与各测量点拟合最好的直线为能使各点到直线的竖向偏差（因变量偏差）的平方和最小的直线。 §4.模型参数的估值方法 一元线性回归分析 设有n对x、y的值适合线性方程y=b+mx，如果已知b和m的数值，就可以根据自变是xi的值计算对应的因变量的值，设为yi′。已知相应于xi的测量值为yi，令di为计算与测量值的偏差，则 由此可以求得最佳的b和m的估计值： 例4： §4.模型参数的估值方法 多元线性回归分析 多元线性回归分析用于估计一个变量与两个或两个以上的因素之间的线性相关关系。多元线性回归的原理和一元线性回归相同，以二元问题为例，设 例5： 2.基于搜索的方法 最优化方法（梯度法或称快速下降法） 2.基于搜索的方法 最优化方法（梯度法或称快速下降法） 2.基于搜索的方法 最优化方法（梯度法或称快速下降法） 最优化方法（梯度法或称快速下降法） 最优化方法 例6： 例6： 2.基于搜索的方法 网格法 3.基于试验和经验的方法 §5.模型的验证与误差分析 图形表示法 将观测数据为横坐标，模型的计算值点为纵坐标绘在直角坐标图上。如果模型的计算值和观测值很接近，则所有的点都应该在通过坐标原点的一条45°斜线附近摆动。但由于环境问题的复杂性，对于大系统，有的文献认为，对于观测值和计算值在2倍误差范围内都认为满意。 相关系数法 相对误差法 相对误差法 §6.灵敏度分析 误差分析是直接验证模型计算结果与实测值的差异，针对一些零散值而作的，而灵敏度分析是从另一角度考虑该模型参数的误差大小对状态变量所引起的计算误差和对目标函数所引起的误差的一种敏感程度。 §6.灵敏度分析 1. 什么是灵敏度分析 2. 灵敏度研究的主要内容 2. 灵敏度研究的主要内容 3. 状态与目标对参数的灵敏度 3. 状态与目标对参数的灵敏度 3. 状态与目标对参数的灵敏度 例7： 4. 目标对约束的灵敏度 College of Environment Science and Engineering , Ocean University of China 中国海洋大学环境科学与工程学院 College of Environment Science and Engineering , Ocean University of China 中国海洋大学环境科学与工