数据处理方法在数学建模竞赛中应用.docVIP

数据处理方法在数学建模竞赛中应用 　　摘要：在归纳数学建模竞赛历年试题求解方法的基础上，从数据分析、插值与拟合、数据仿真和回归分析4个方面总结了数据处理方法和数学软件在数据建模竞赛中的应用，可为数学建模中合理选择数据处理方法提供参考借鉴。 　　关键词：数学建模； 数据处理； 数学软件； Matlab； SPSS 　　DOIDOI：10.11907/rjdk.143753 　　中图分类号：TP434 　　文献标识码：A 文章编号文章编号2015）001020002 　　0 引言 　　数学建模通过数学语言对实际问题进行简化、抽象和描述，建立一个可以求解的数学模型，利用计算机软件对该数学模型进行分析和求解，并对求解出的结果进行分析和检验，最终找到解决实际问题的方案。在数学建模过程中，大量实验数据需要处理，需要利用计算机软件来辅助快速整理和分析，这一过程即为数据建模中的数据处理。必须利用一定处理方法从实???数据中提炼出其内在规律，甚至可以把表面上看起来毫无关联的数据联系在一起。 　　在模型建立初期，通过一定数据处理方法可以分析出问题所描述的模型变量之间的关系，形成初步计划。部分模型可以利用统计方法从大量的实验数据中直接建立，例如回归分析法和时序分析法等。实际建模中，亦可直接利用实验数据估计出模型参数值，或利用数据进行模型检验，用所建立模型计算理论值与实际数据之间的误差。数据处理是建模的关键，直接影响数学建模的效率和结果。本文着重介绍常用数据处理方法及数学软件在数学建模竞赛中的具体应用。 　　1 数据分析 　　一般来说，数据建模收集和提供的原始数据绝大多数都是以Excel文件的形式保存，Excel软件具有数据排序、筛选、有效性、分类汇总、内部函数计算等诸多功能，可用来对数据进行初步处理，如按关键字排序、按值或范围筛选数据，按类汇总，计算最大值、最小值、频数、方差等，还可以利用其强大的绘图功能绘制散点图、曲线图、直方图，对数据的发展趋势进行观察分析。 　　2 插值与拟合方法 　　在建模竞赛中进行数据处理时经常会用到数据插值和数据拟合方法。如1998年美国赛A题中的生物组织切片用到三维插值方法；1994年国赛A题在计算山体海拔高度时也用到了数据插值方法；2001年国赛中血管三维重建问题用到了数据插值和数据拟合方法；2003年国赛“非典”问题用到数据拟合方法观察数据走向并进行处理；2004年国赛饮酒驾车也是一个拟合问题；2005年国赛雨量预报的评价用到了插值计算；2006年国赛B题艾滋病疗法的评价及疗效的预测问题也用到了数据拟合方法；2011年国赛中的城市表层土壤重金属污染问题也用到插值与拟合方法。 　　拟合问题通过实验数据确定某已知函数的参数或寻求某个近似函数，使所得到的近似函数与已知数据有较高的拟合度。如果在确认数据有误差的前提下不要求近似函数通过所有的数据点，只要求得出一定程度上反映数据变化规律的近似函数即称为数据拟合。数据插值是根据已知数据点的实验数据按照某种插值方法确定未知数据点的数据。 　　（1）数据插值。当受实验条件限制以及实验数据量不足，且已有数据可信时，通常利用函数插值方法可插值出两数据点之间的一系列数据点，所绘制的数据曲线会严格地经过每一个实验数据点。所选用插值函数的类型不同，逼近的效果和光滑程度也有所不同。常用的插值方法有： lagrange插值、分段线性插值、Hermite插值和三次样插值等，这些插值都是分段插值。Matlab中提供的功能函数可实现分段插值而不需要编制函数程序，如：interp1（一维插值）、interp2（二维）、interp3（三维）、intern（n维） ，其中一维和二维插值用得最多。一维插值函数的格式为：yi=interp1（x，y，xi，method），其中（x，y）为插值节点，xi为被插值点，yi为在xi处的插值结果，默认情况下插值方法为分段线性插值，nearest为最邻近插值，linear为线性插值，spline为三次样条插值，cubic为立方插值。值得注意的是，所有插值方法中要求x必须是单调的，并且xi不能超过x的取值范围。二维插值函数的格式为：z=interp2（x0，y0，z0，x，y，method）。 　　（2）数据拟合。对于较复杂的问题，可以直接使用实验数据进行建模，找出因果变量之间的数量关系，从而对未知情形进行预测，所组建的模型称为拟合模型。通过拟合模型主要将实验数据误差控制在一定范围内，使用数学表达式从数量上近似表达因果变量之间的关系。组建拟合模型需要通过对有关变量的实验数据进行观察、分析，选择恰当的拟合函数。拟合模型大致可分为线性拟合、多项式拟合和曲线拟合。在Matlab中可通过函数polyval（）和lsqcurvef