扩散问题的偏微分方程模型,数学建模
第七节 扩散问题的偏微分方程模型
物质的扩散问题，在石油开采、环境污染、疾病流行、化学反应、新闻传播、煤矿瓦斯爆炸、农田墒情、水利工程、生态问题、房屋基建、神经传导、药物在人体内分布以及超导、液晶、燃烧等诸多自然科学与工程技术领域，十分普遍地存在着. 显然，对这些问题的研究是十分必要的，其中的数学含量极大. 事实上，凡与反应扩散有关的现象，大都能由线性或非线性抛物型偏微分方程作为数学模型来定量或定性地加以解决.
ＭＣＭ的试题来自实际，是“真问题⊕数学建模⊕计算机处理”的“三合一”准科研性质的一种竞赛，对上述这种有普遍意义和数学含量高，必须用计算机处理才能得到数值解的扩散问题，当然成为试题的重要来源，例如，ＡＭＣＭ-90Ａ，就是这类试题；ＡＭＣＭ-90Ａ要研究治疗帕金森症的多巴胺（dopamine ）在人脑中的分布，此药液注射后在脑子里经历的是扩散衰减过程，可以由线性抛物型方程这一数学模型来刻划. ＡＭＣＭ-90Ａ要研究单层住宅混凝土地板中的温度变化，也属扩散（热传导）问题，其数学模型与ＡＭＣＭ-90Ａ一样，也是线性抛物型方程.
本文交代扩散问题建模的思路以及如何推导出相应的抛物型方程，如何利用积分变换求解、如何确定方程与解的表达式中的参数等关键数学过程，且以ＡＭＣＭ-90Ａ题为例，显示一个较细致的分析、建模、求解过程.
§1 抛物型方程的导出
设(,,,)u x y z t 是t 时刻点(,,)x y z 处一种物质的浓度. 任取一个闭曲面S ，它所围的区域是Ω，由于扩散，从t 到t t +?时刻这段时间内，通过S 流入Ω的质量为
2
221(cos cos cos )dSd t t
t
S
u u u
M a b c t x y z
αβγ+????=++????
??. 由高斯公式得
2222
221222()d d d d t t
t
u u u M a b c x y z t x y z +?Ω
???=++????
???. （1） 其中，222,,a b c 分别是沿,,x y z 方向的扩散系数. 由于衰减（例如吸收、代谢等），Ω内的质量减少为
2
2d d d d t t
t
M k u x y z t +?Ω
=?
???，
（2） 其中2
k 是衰减系数.
由物质不灭定律，在Ω内由于扩散与衰减的合作用，积存于Ω内的质量为12M M -.
换一种角度看，Ω内由于深度之变化引起的质量增加为
3[(,,,)(,,,)]d d d d d d d . (3)t t
t
M u x y z t t u x y z t x y z
u
x y z t t Ω
+?Ω
=+?-?=?????
???
显然312M M M =-，即
222
2222222
d d d d ()d d d d .t t
t
t t
t
u
x y z t t u u u a b c k u x y z t x y z
+?Ω
+?Ω
?????=++-????
????
???
由,,t t ?Ω之任意性得
222
2222
222
u u u u a b c k u t x y z
????=++-???? （4） 方程（４）是常系数线性抛物型方程，它就是有衰减的扩散过程的数学模型，对于具体问题，尚需与相应的定解条件（初始条件与边界条件等）匹配才能求得确定情况下的解.
§2 Ｄirac 函数
物理学家Dirac 为了物理模型之需要，硬是引入了一个当时颇遭微词的，使得数学与物理学传统密切关系出现裂痕的“怪”函数：
0,0,() ()1.,0,x x x dx x δδ+∞
-∞
≠?==?∞=?? （5）
它的背景是清晰的，以一条无穷长的杆子为例，沿杆建立了一维坐标系，点的坐标为x ，杆的线密度是()x ρ，在(,]x -∞段，杆子质量为()m x ，则有
d ()
(), ()d ().d x m x x x x m x x
ρρ-∞==?. （6）
设此无穷长的杆子总质量为１，质量集中在0x x =点，则应有
001,,
()0,,
x x m x x x >?=?
1,0,
()0,0,
x H x x >?=?
00,,
(),0.
x x x x ρ≠?=?
∞=?
且
0()d ()x
x x H x x ρ-∞
=-?
，
于是得
()d 1.x x ρ+∞
-∞
=?
. （7）
但是，从传统数学观点看，若一个函数除某点处处为零，则不论哪种意义下的积分，都必定为零，（7）式岂能成立！但是，δ函数对于物理学而言是如此之有用，以致物理学家正当地拒绝放弃它. 尽管当时数学家们大都嘲笑这种函数，但Ｐ.Ａ.Ｍ.Ｄirac 及其追随者们在物理领域却收获颇丰，Dirac 于1933年获诺贝尔物理奖. 当然Dirac 也意识到()x δ不是一个通常的函数，至于找一种什么办法来阐明()x δ这一符号的合法性，那就是数学家的任务了. 1940年，法国数学家许瓦兹（L.Schwartz ）严格证明了应用()x δ的正确性，把δ函数置于坚实的
数学基础上；1950年，L. Schwartz 获数学界最高奖Fields 奖.
δ函数的重要性质有：
1）0()d 1x x x δ+∞
-∞-=?. （8） 2）00()()d ()x x f x x f x δ+∞-∞
-=?
. （9）
其中()(,)f x C ∈-∞+∞，即0()x x δ-摘出了()f x 在0x x =的值.
3）
00()
()dH x x x x dx
δ-=-. （10）
4）()x δ的导数是存在的，不过要到积分号下去理解：
00()()(),x x f x dx f x δ+∞
-∞''-=-? （11） ()()00()()(1)().n n n x x f x dx f x δ+∞-∞
-=-?
（12）
事实上，由于0()x x δ-在,+∞-∞处为零，则形式地用分部积分公式
000()()
()()d ()()d ,
x x f x x x f x x
x x f x x δδδ+∞
+∞
-∞
-∞
+∞-∞
'---'=-??
其中，()(,)n f x C ∈-∞+∞，于是有（11）与（12）公式.
5）对于()(,)x C ?∈-∞+∞，有
000()()()()x x x x x x ?δ?δ-=-. （13）
6）
1
()() (0)||
bx x b b δδ=≠. （14） 7）000000(,,)()()()x x y y z z x x y y z z δδδδ---=---. （15）
8）付立叶变换
00[()].i x y y e λδ--=F （16） [()] 1.x δ=F （17）
11221122[()()][()][()].C x x C x x C x x C x x δδδδ-+-=-+-F F F （18） 9）拉普拉斯变换
00[(),[() 1.x x x e x δδδ--==F F （19） 11221122[()]()][()[()].C x x C x x C x x C x x δδδδ-+-=-+-F F F （20）
从上面的定义与性质看出，Delta 函数()x δ与一般可微函数还是有重大区别的，我们说它是“广义函数. ”
§3 Cauchy 问题的解
设扩散源在点000(,,)x y z 处，则此扩散问题满足Cauchy 问题
222
2222
222000, (21)(,,,0)()()(). (22)
u u u u a b c k u t
x y z u x y z M x x y y z z δδδ?????=++-???????=---?
对（21）（22）进行付立叶变换，且令
123?(,,), (,)[(,,,)]u
t u x y z t λλλλλ==F ， 由于
22222
2123222???[], [], [],u u u u
u u x y z
λλλ???=-=-=-???F F F 102030000()[(,,,0)]
[()][()][()] ,
i x y z u x y z M x x y y z z Me λλλδδδ-++=---=F F F F 故得常微分方程Cauchy 问题
1020302222222
123()?()0,?(0,).i x y z du a b c k u
dt
u Me
λλλλλλλ-++?++++=???=? 得唯一解
2222222123102030()()
?(,)a b c k t i x y z u
t Me λλλλλλλ-+++-++=. （23）
对（23）求逆变换1
-F
，由于
2
122
1
4[]a x
a e λ-
--=F ，
2
110
2
1
240[]()i x e a
a e
x x λλ--
--=
-F ， 故得
12222000222
?(,,,)[]()()()exp 444u x y z t u
x x y y z z k t a t b t c t -=??---=
----????
F
2222000222
()()().444x x y y z z k t a t b t c t ??---=----????
（24） 如果认为经过了相当长时间后，扩散已经终止，物质分布处于平衡状态，则方程（4）中的
0u
t
?=?，于是有线性椭圆型方程的边值问题 222
2222222
0, (,,)(,,)(,,).
D u u u a b c k u x y z D x
y z u x y z x y z ??????++-=∈??????=?
也可以用付立叶变换求解. 当然，根据实际情况，还可以考虑第二边条件(,,)D
u
x y z n ??=ψ?或第三边条件[](,,)D u
u x y z n
α
βρ??+=?等，其中D ?是区域D 的边界，n 是外法线方向，,αβ是实常数.
§4 参数估计
在Cauchy 问题（21）（22）的解（23）中，有四个未知的参数,,,a b c k ，它们分别是扩散与衰减过程中的扩散系数与衰减系数的算术平方根. 至于点源的质量与位置000,(,,)M x y z 是已知的.设观测取样为：11112222(,,,), (,,,),,(,,,),n n n n x y z m x y z m x y z m 取样时刻为1t =（不然设00, t t t τ=是取样时间，则（21）变成2200t xx yy U t a U t b U =++ 2200zz t c U t k U -，对τ而言，取样时间为１,而方程形状与（21）一致），把在(,,)i i i x y z 点观测到的物质密度i m 与公式（24）都取对数，令1t =，则
2222
000222()()()ln (,,,1)ln []444x x y y z z u x y z abc k a b c ---=--+++. （25） 令222000222()()()111
,,,,,,444x x y y z z X Y Z a b c αβγ---=
===-=-=-
2
ln abc k ε=--，则（25）写成 ln (,,,1)W u x y z X Y Z αβγε==+++， （26）
而我们已观测得(,,,)1,2,,i i i i X Y Z W i n = 的数据，用三元回归分析方法求出,,,αβγε的
估计值如下：
????()W X Y Z ε
αβγ=-++， （27） 其中
1111
1111, , , ,n n n n
k i i i k k k k W W X X Y Y Z Z n n n n ========∑∑∑∑
???,,α
βγ满足方程组 11121310
2122232031323330???,,???,,???,.
l l l l l l l l l l l l αβγαβγαβγ?++=??++=??++=?? 其中
102011
3012
2
211223311
1
121311
23211
()(), ()(),
()(),
(), (), (),()(), ()(),
()(), n n
k k k k k k n
k k k n
n n
k k k k k k n
n
k k k k k k n
k k k l W X W W l Y Y W W l Z Z W W l X X l Y Y l Z Z l X X Y Y l X X Z Z l Y Y Z Z l ==========--=--=--=-=-=-=--=--=--∑∑∑∑∑∑∑∑∑1231133223, , .
l l l l l ===
由???,,α
βγ可求得222,,a b c 的估计值，即2
22111
???, , ?a b c
αβγ
=-=-=-. 又由于 2
ln k abc ε=+-， （28） 由（27）式可得?ε
，再把???,,a b c 代入（28）得 2
?????ln k
abc ε=+-. （29）
至此得到参数2222,,,a b c k 的估计值2222????,,,a b c k ，把它们代入（24）分别替代2222,,,a b c k ，
则得不含未知参数的解(,,,)u x y z t 的近似表达式.
§5 竞赛试题分析
AMCM-90A 不可用本文的思路与方法加以解决；该试题由东华盛顿大学数学系Ｙves Nievergelt 提供，要求研究药物在脑中的分布，题文称：
“研究脑功能失调的人员欲测试新的药物的效果，例如治疗帕金森症往脑部注射多巴胺（Dopamine ）的效果，为了精确估计药物影响到的脑部区域，它们必须估计注射后药物在脑内空间分布区域的大小和形状.
“研究数据包括50个圆柱体组织样本的每个样本药物含量的测定值（如图6-1），每个圆柱体长0.76mm ，直径0.66mm ，这些互相平行的圆柱体样本的中心位于网格距为1m m ×0.76×m m ×1mm 的格点上，所以圆柱体互相间在底面上接触，侧面互不接触. 注射是在最高计数的那个圆柱体的中心附近进行的. 自然在圆柱体之间以及由圆柱体样本的覆盖的区域外也有药物.
“试估计受到药物影响的区域中药物的分布. ”
“一个单位表示一个闪烁微粒的计数，或多巴胺的4.753×10-18克分子量，例如表6-1指出位于后排当中那个圆柱体的含药量是28353个单位. ”
后方垂直截面
164
442 1320 414 188 480 7022 14411 5158 352 2091 23027 28353 13138 681 789 21260 20921 11731 727 213 1303
3765
1715
453
前方垂直截面
163 324 432 243
166 712 1055 6098 1048 232 2137 15531 19742 4785 330 444 11431 14960 3182 301 294
2061
1036 258
188
图6-1
数学模型只是实际问题的近似，要建立数学模型，一般首先要对所研究的实际问题进行必要和允许的简化与假设，而且，不同的简化与假设，又可能导致不同的数学模型，例如[2]
是抛物型方程模型，而[3]则是椭圆方程模型.
假设：
（1）注射前大脑中的多巴胺含量可以忽略不计.
（2）大脑中多巴胺注射液经历着扩散与衰减的过程，且沿,,x y z 三个方向的扩散系数分别是常数，衰减使质量之减少与深度成正比.
（3）注射点在后排中央那个圆柱中心，即注射点的坐标000(,,)x y z 已知，注射量有医疗记录可查，是已知的.
（4）注射瞬间完成，可视为点源delta 函数. （5）取样也是瞬间完成，取样时间已知为1t =.
（6）样本区域与整个大脑相比可以忽略，样本组织远离脑之边界，不受大脑边界面的影响.
在以上假设之下，显然可以用本文前面讲过的思路来建模，于是得AMCM-90A 的数学模型为Cauchy 问题（21）（22），解的表达式为（24），且用三元回归分析来估出参数,,,a b c k ，于是可以求得任意位置任意时刻药物的深度.
如果所给数据认为是在平衡状态测得的，药物注射进脑后，从高深度处向低深度处扩散，与扩散同时，一部分药物进入脑细胞被吸收固定，扩散系数与吸收系数都是常数，但过一段时间，所有药物都被脑细胞所固定，达到了平衡态. 在这种假设下，[3]给出了下述的分析、建模、求解过程.
设(,,,)v x y z t 是t 时刻在(,,)x y z 点处游离的药物浓度，(,,,)w x y z t 是t 时刻(,,)
x y z 点处吸收固定的药物浓度，
(,,)u x y z 是达到平衡态时(,,)x y z 点处吸收固定的药物浓度. 又设游离药物在各方向上有相同的扩散系数k ，吸收系数为h ，于是有
v
k v hv t
?=?-?. （30） 又
w
hv t
?=?，即吸收速度与游离的浓度成正比，代入（30）得 ()v k w w t h t t
???=?-???. （31） 对（31）关于t 从０到+∞积分得
t t t k v
w w
h
+∞+∞+∞====
?-. （32）
由于最后无游离药物，故(,,,)0v x y z +∞=，又开始时(0)t =无被吸收的药物，故
(,,,0)0, (,,,0)0w x y z w x y z =?=；平衡状态在t =+∞时达到，这时(,,)u x y z =
(,,,)w x y z +∞，于是由（32）得
(,,,0)k
u u v x y z h
-?+=， （33） 其中(,,,0)v x y z 是开始时的浓度分布，近似于注射点的点源脉冲函数. 把此注射点取为坐标
原点(0,0,0)，则(,,,0)(,,),v x y z L x y z L δ=是注射量，于是2
k h σ??= ??
?记
2(,,)u u L x y z σδ-?+=， （34）
作付立叶变换得
22222222??(),?,
1()
s u u L L
u
s σξησξη+++==+++ 再作反变换得
u σ-=-， （35）
其中C 是可计算常数.
如果考虑各向不同性，设,,x y z 方向上扩散系数分别为222,,a b c ，注射点在000(,,)
x y z ，则 222222000222()()()u u u a b c u L x x y y z z x y z δδδ??
???-+++=--- ??????
， 于是解为
(,,)u x y z =
exp 1????? ，（36）
（36）中的D 可计算常数.
用前面类似的方法可以进行参数估计.
在建模过程中，点源函数的使用显然与实况有差别；尤其是认为扩散系数与吸收系数都是常数，对于人脑这种有复杂结构的区域，这种假设与实际不会完全符合；夜间与白天（睡与醒）对这些系数有无影响？脑中各点这些系数是否有变？除时间位置应考虑外，可能还与药液浓度有关. 如此看来，脑内药液分布的数学模型很可能不是常系数线性偏微分方程，而是函数系数的线性微分方程甚至是非线性偏微分方程. 这时，其解不再能用封闭公式来表达，求解过程会变得极为复杂，所以也可以考虑是否试用其他数学模型来解，例如在平衡态的假设下，用回归分析方法建立药液的模拟分布(,,)u f x y z =.
对一个实际问题，其数学模型未必唯一，各模型间孰优孰劣，没有一般的判别法，须经实践来检验.
参 考 文 献
[1]叶其孝，大学生数学建模竞赛辅导教材，湖南教育出版社，1993.
[2]Christopher, R. Malone, Gian Pauletto, James, I. Zoellick, Distribution of Dopamine in the Brain, The Journal of Under graduate Mathematics, and its Applications, vol. 12(1991), Special Issue: The 1991 Mathematical Contest in Modeling, pp. 211-223.
[3]孙晓东，荆秦，梁俊，脑中药物分布的数学模型，数学的实践与认识，1991年No. 4，63-69. [4]中国科学院数理统计组，常用数理统计方法，科学出版社，19784.
2011数学建模A题优秀论文
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 参赛队员(打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人(打印并签名)： 日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
基于系统综合评价的城市表层土壤重金属污染分析 摘要 本文针对城市表层土壤重金属污染问题，首先对各重金属元素进行分析，然后对各种重金属元素的基本数据进行统计分析及无量纲化处理，再对各金属元素进行相关性分析，最后针对各个问题建立模型并求解。 针对问题一，我们首先利用EXCEL 和 SPSS 统计软件对各金属元素的数据进行处理，再利用Matlab 软件绘制出该城区内8种重金属元素的空间分布图最后通过内梅罗污染 模型：2 /12 max 22?? ? ? ??+=P P P 平均综，其中平均P 为所有单项污染指数的平均值，max P 为土壤环境中 针对问题二,我们首先利用EXCELL 软件画出8种元素在各个区内相对含量的柱状图，由图可以明显地看出各个区内各种元素的污染情况，然后再根据重金属元素污染来源及传播特征进行分析，可以得出工业区及生活区重金属的堆积和迁移是造成污染的主要原因，Cu 、Hg 、Zn 主要在工业区和交通区如公路、铁路等交通设施的两侧富集，随时间的推移，工业区、交通区的土壤重金属具有很强的叠加性，受人类活动的影响较大。同时城市人口密度，土地利用率，机动车密度也是造成重金属污染的原因。 针对问题三，我们从两个方面考虑建模即以点为传染源和以线为传染源。针对以点为传染源我们建立了两个模型：无约束优化模型()[]()[]() 22y i y x i x m D -+-=，得到污染源的位置坐标()6782,5567；有衰减的扩散过程模型得位置坐标（8500,5500），模型为： u k z u c y u b x u a h u 222 2222222-??+??+??=??， 针对以线为传染源我们建立了l c be u Y ?-+=0模型，并通过线性拟合分析线性污染源的位置。 针对问题四，我们在已有信息的基础上，还应收集不同时间内的样点对应的浓度以及各污染源重金属的产生率。根据高斯浓度模型建立高斯修正模型，得到浓度关于时间和空间的表达式ut e C C -?=0。 在本题求解过程中，我们所建立的模型与实际紧密联系，有很好的通用性和推广性。但在求点污染源时，我们假设只有一个污染源，而实际上可能有多个点污染源，从而使得误差增大，或者使污染源的位置够不准确。 关键词 内梅罗污染模型 无量纲化 相关性 回归模型 高斯浓度模型
高斯扩散模型.
大气污染扩散 第一节大气结构与气象 有效地防止大气污染的途径，除了采用除尘及废气净化装置等各种工程技术手段外，还需充分利用大气的湍流混合作用对污染物的扩散稀释能力，即大气的自净能力。污染物从污染源排放到大气中的扩散过程及其危害程度，主要决定于气象因素，此外还与污染物的特征和排放特性，以及排放区的地形地貌状况有关。下面简要介绍大气结构以及气象条件的一些基本概念。 一、大气的结构 气象学中的大气是指地球引力作用下包围地球的空气层，其最外层的界限难以确定。通常把自地面至1200 km左右范围内的空气层称做大气圈或大气层，而空气总质量的98．2％集中在距离地球表面30 km以下。超过1200 km的范围，由于空气极其稀薄，一般视为宇宙空间。 自然状态的大气由多种气体的混合物、水蒸气和悬浮微粒组成。其中，纯净干空气中的氧气、氮气和氩气三种主要成分的总和占空气体积的99.97％，它们之间的比例从地面直到90km高空基本不变，为大气的恒定的组分；二氧化碳由于燃料燃烧和动物的呼吸，陆地的含量比海上多，臭氧主要集中在55～60km高空，水蒸气含量在4％以下，在极地或沙漠区的体积分数接近于零，这些为大气的可变的组分；而来源于人类社会生产和火山爆发、森林火灾、海啸、地震等暂时性的灾害排放的煤烟、粉尘、氯化氢、硫化氢、硫氧化物、氮氧化物、碳氧化物为大气的不定的组分。 大气的结构是指垂直（即竖直）方向上大气的 密度、温度及其组成的分布状况。根据大气温度在 垂直方向上的分布规律，可将大气划分为四层：对 流层、平流层、中间层和暖层，如图5－1所示。 1. 对流层 对流层是大气圈最靠近地面的一层，集中了大 气质量的75％和几乎全部的水蒸气、微尘杂质。受 太阳辐射与大气环流的影响，对流层中空气的湍流 运动和垂直方向混合比较强烈，主要的天气现象云 雨风雪等都发生在这一层，有可能形成污染物易于 扩散的气象条件，也可能生成对环境产生有危害的 逆温气象条件。因此，该层对大气污染物的扩散、输送和转化影响最大。 大气对流层的厚度不恒定，随地球纬度增高而降低，且与季节的变化有关，赤道附近约
偏微分方程的历史与应用
偏微分方程的历史及应用 数学与信息科学学院 09级数学与应用数学专业 学号 09051140129 姓名项猛猛 摘要 偏微分方程是反映有关的未知变量关于时间的导数和关于空间变量的导数之间制约关系的等式。许多领域中的数学模型都可以用偏微分方程来描述，很多重要的物理、力学等学科的基本方程本身就是偏微分方程。偏微分方程已经成为当代数学中的一个重要的组成部分，是纯粹数学的许多分支和自然科学及工程技术等领域之间的一座重要的桥梁。本文旨在介绍偏微分方程的起源和历史，以及偏微分方程在人口调查、传染病动力学等实际问题中的应用。了解偏微分方程曲折的发展史并了解其广阔的应用前景，从而激励读者更深入的学习和研究偏微分方程。 关键字偏微分方程偏微分方程历史偏微分方程应用 引言 偏微分方程已经成为当代数学中的一个重要的组成部分，是纯粹数学的许多分支和自然科学及工程技术等领域之间的一座重要的桥梁.本文阐述了偏微分方程的发展历史及在实际生活中的应用，为以后更深入的研究及更广的应用提供了例证。 正文 一、偏微分方程的起源及历史 微积分方程这门学科产生于十八世纪，欧拉在他的著作中最早提出了弦振动的二阶偏微分方程，随后不久，法国数学家达朗贝尔也在他的著作《论动力学》中提出了特殊的偏微分方程。这些著作当时没有引起多大注意。1746年，达朗贝尔在他的论文《张紧的弦振动时形成的曲线的研究》中，提议证明无穷多种和正弦曲线不同的曲线是振动的模式。这样就由对弦振动的研究开创了偏微分方程这门学科。 和欧拉同时代的瑞士数学家丹尼尔·贝努利也研究了数学物理方面的问题，提出了解弹性系振动问题的一般方法，对偏微分方程的发展起了比较大的影响。拉格朗日也讨论了一阶偏微分方程，丰富了这门学科的内容。 对物理学中出现的偏微分方程研究在十八世纪中叶导致了分析学的一个新的分支------数学物理方程的建立。 J.达朗贝尔（D’Alembert）（1717-1783）、L.欧拉（Euler）（1707-1783）、D.伯努利(Bernoulli)（1700-1782）、J.拉格朗日(Lagrange)（1736-1813）、P.拉普拉斯(Laplace)（1749-1827）、S.泊松(Poisson)（1781-1840）、J.傅里叶(Fourier)（1768-1830）等人的工作为这一学科分支奠定了基础。它们在考察具体的数学物理问题中，所提出的思想与方法，竟适用于众多类型的微分方程，成为十九世纪末偏微分方程一般理论发展的基础。 十九世纪，偏微分方程发展的序幕是由法国数学家傅里叶拉开的，他于1822
数学建模(关于扩散问题的建模)
关于金属汞扩散的问题 引言： 我们都知道，重金属丢弃到土地后会严重污染环境，同时对人体健康造成危害。著名的秦始皇陵墓，据专家在陵墓周围取数据观测，周围的汞含量呈现出外渗的趋势。也就是说，随着外围半径的扩大，汞含量浓度递减，并且随着时间的增加，汞渗透的半径越来越大。这就证明了汞金属在泥土中会发生扩散。因此，我们就提出，能否通过在外部取样的观察数据，建立一个数学模型，来判断陵墓中心处汞的浓度呢？ 模型的提出： 由于汞的扩散快慢跟本身的化学性质,物理性质有关。还有，由于在土堆里头，在各个方向上受到的力不相同和各种因素的影响，因此扩散的速度也会有差异。例如东西方向和南北方向会因为地球的自传而扩散速度会不一样。另一方面，汞在扩散的过程，由于泥土的吸收，化学反应等因数的影响，也会影响到汞的扩散。 为此我们引入一个函数u(x, y, z, t)，它表示t时刻在（x,y,z）处汞的浓度。我们的目标就是利用所观测到的数据，来推断出这个函数的表达式。 模型符号的引入： 为了表示汞在想x,y,z 方向上的扩散速度，我们在此引
入扩散系数： 2 a ：x 方向上的扩散系数 2 b ：y 方向上的扩散系数 2 c ：z 方向上的扩散系数 2 k ：由于泥土吸收，化学反应而引起的衰减系数 M ：扩散源汞的质量 模型假设： 1。假设有一汞扩散源，汞从扩散源沿 x ，y ，z 三个方向向四周扩散。 2。扩散前周围空间此物质的浓度为零。 3。扩散过程中没有人为因素的影响。 模型建立： u(x, y, z, t) 是 t 时刻点 (x, y , z) 处某物质的浓度。任取一个闭曲面 S ，它所围的区域是Ω，由于扩散，从 t 到 t t +? 时刻这段时间内，通过 S 流入Ω的质量为 1 M 2 2 2 1(cos cos cos )d d t t t S u u u M a b c S t x y z αβγ+????= ++???? ?? 其中 2 a ,2 b ,2 c 分别是沿 x ，y ，z 方向的扩散系数。 由高斯公式 ： ? ??? ?+Ω ??+??+??= t t t t z y x z u c y u b x u a M d d d d )(2 2 2 2 2 2 2 2 2 1
数学建模笔记
数学模型按照不同的分类标准有许多种类: 1。按照模型的数学方法分，有几何模型，图论模型，微分方程模型.概率模型，最优控制模型,规划论模型,马氏链模型. ２。按模型的特征分,有静态模型和动态模型,确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型. 3.按模型的应用领域分,有人口模型,交通模型,经济模型，生态模型，资源模型。环境模型。 4.按建模的目的分,有预测模型，优化模型,决策模型，控制模型等。 ５.按对模型结构的了解程度分，有白箱模型,灰箱模型,黑箱模型。 数学建模的十大算法： 1.蒙特卡洛算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性,比较好用的算法。) 2.数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理,而处理数据的关键就在于这些算法,通常使用matlａb作为工具。) 3.线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题,很多时候这些问题可以用数学规划算法来描述,通常使用lingｏ、linｇdo软件实现) 4.图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法,涉及到图论的问题可以用这些方法解决，需要认真准备。) 5.动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6.最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法(这些问题时用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助,但是算法的实现比较困难，需谨慎使用） 7.网格算法和穷举法(当重点讨论模型本身而情史算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8.一些连续离散化方法（很多问题都是从实际来的，数据可以是连续的,而计算机只认得是离散的数据,因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。
数学建模中的图论方法
数学建模中的图论方法 一、引言 我们知道，数学建模竞赛中有问题A和问题B。一般而言，问题A是连续系统中的问题，问题B是离散系统中的问题。由于我们在大学数学教育内容中，连续系统方面的知识的比例较大，而离散数学比例较小。因此很多人有这样的感觉，A题入手快，而B题不好下手。 另外，在有限元素的离散系统中，相应的数学模型又可以划分为两类，一类是存在有效算法的所谓P类问题，即多项式时间内可以解决的问题。但是这类问题在MCM中非常少见，事实上，由于竞赛是开卷的，参考相关文献，使用现成的算法解决一个P类问题，不能显示参赛者的建模及解决实际问题能力之大小；还有一类所谓的NP问题，这种问题每一个都尚未建立有效的算法，也许真的就不可能有有效算法来解决。命题往往以这种NPC问题为数学背景，找一个具体的实际模型来考验参赛者。这样增加了建立数学模型的难度。但是这也并不是说无法求解。一般来说，由于问题是具体的实例，我们可以找到特殊的解法，或者可以给出一个近似解。 图论作为离散数学的一个重要分支，在工程技术、自然科学和经济管理中的许多方面都能提供有力的数学模型来解决实际问题，所以吸引了很多研究人员去研究图论中的方法和算法。应该说，我们对图论中的经典例子或多或少还是有一些了解的，比如，哥尼斯堡七桥问题、中国邮递员问题、四色定理等等。图论方法已经成为数学模型中的重要方法。许多难题由于归结为图论问题被巧妙地解决。而且，从历年的数学建模竞赛看，出现图论模型的频率极大，比如： AMCM90B－扫雪问题； AMCM91B－寻找最优Steiner树； AMCM92B－紧急修复系统的研制(最小生成树) AMCM94B－计算机传输数据的最小时间(边染色问题) CMCM93B－足球队排名(特征向量法) CMCM94B－锁具装箱问题(最大独立顶点集、最小覆盖等用来证明最优性) CMCM98B－灾情巡视路线(最优回路) 等等。这里面都直接或是间接用到图论方面的知识。要说明的是，这里图论只是解决问题的一种方法，而不是唯一的方法。 本文将从图论的角度来说明如何将一个工程问题转化为合理而且可求解的数学模型，着重介绍图论中的典型算法。这里只是一些基础、简单的介绍，目的在于了解这方面的知识和应用，拓宽大家的思路，希望起到抛砖引玉的作用，要掌握更多还需要我们进一步的学习和实践。
偏微分方程的应用
偏微分方程在生物学上的应用 刘富冲pb06007143 1偏微分方程的发展 偏微分方程是反映有关的未知变量关于时间的导数和关于空间变量的导数之间制约关系的等式。许多领域中的数学模型都可以用偏微分方程来描述，物理学中的许多基本方程本身就是偏微分方程。早在微积分理论刚形成后不久，人们就开始用偏微分方程来描述、解释或预见各种自然现象，并将所得到的研究方法和研究成果运用于各门科学和工程技术中，不断地取得了显著的成效，显示了偏微分方程对于人类认识自然界基本规律的重要性。逐渐地，以物理、力学等各门科学中的实际问题为背景的偏微分方程的研究成为传统应用数学中的一个最主要的内容，它直接联系着众多自然现象和实际问题，不断地提出和产生出需要解决的新课题和新方法，不断地促进着许多相关数学分支(如泛函分析、微分几何、计算数学等)的发展，并从它们之中引进许多有力的解决问题的工具。偏微分方程已经成为当代数学中的一个重要的组成部分，是纯粹数学的许多分支和自然科学及工程技术等领域之间的一座重要的桥梁。 在国外，对偏微分方程的应用发展是相当重视的。很多大学和研究单位都有应用偏微分方程的研究集体，并得到国家工业、科学部门及军方、航空航天等方面的大力资助。比如在国际上有重大影响的美国的Courant研究所、法国的信息与自动化国立研究所等都集中了相当多的偏微分方程的研究人员，并把数学模型、数学方法、应用软件及实际应用融为一体，在解决实际课题、推动学科发展及加速培养人才等方面都起了很大的作用。 2偏微分方程的应用 在科技和经济发展中，很多重要的实际课题都需要求解偏微分方程，为相应的工程设计提供必要的数据，保证工程安全可靠且高效地完成任务。 在很多的实际课题中，有不少课题(特别是国防课题)是不能或很难用工程试验的方法来进行研究的(一方面是危险系数大，另一方面是耗费大)，因此就需要尽可能地减少试验的次数或在试验前给出比较准确的预计。 随着电子计算机的出现及计算技术的发展，电子计算机成为解决这些实际课题的重要工具。但是有效地利用电子计算机，必须具备如下先决条件： 针对所考虑的实际问题建立合理的数学模型，而这些能精确描述问题的模型大都是通过偏微分方程给出的。 对相应的偏微分方程模型进行定性的研究。 根据所进行的定性研究，寻求或选择有效的求解方法。 编制高效率的程序或建立相应的应用软件，利用电子计算机对实际问题进行模拟。 因此，总体上来说，上述这些先决条件都属于偏微分方程应用的研究范围，这些问题解决的好坏直接影响到使用电子计算机所得结果的精确性及耗费的大小。如果解决得好，就会对整个问题的解决起到事半功倍的效果。 到目前为止，偏微分方程已经在解决有关人口问题、传染病动力学、高速飞行、石油开发及城市交通等方面的实际课题中做出了重大的贡献。 下面主要讲一下大家比较熟悉的人口问题及传染病动力学问题，详细阐述偏微分方程在解决实际问题中的应用。
数学建模中常见的十大模型
数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 1. 蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。 8. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话，那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MA TLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98 年美国赛A 题，生物组织切片的三维插值处理，94 年A 题逢山开路，山体海拔高度的插值计算，还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的
污染物扩散模型-深圳数学建模
赛区评阅编号（由赛区组委会填写）： 2015高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号（从A/B/C/D中选择一项填写）： C 我们的报名参赛队号（12位数字全国统一编号）： 参赛学校（完整的学校全称，不含院系名）：温州医科大学 参赛队员 (打印并签名) ：1. 章成俊 2. 杨超 3. 谢锦 指导教师或指导教师组负责人 (打印并签名)： 日期：年月日
赛区评阅编号（由赛区组委会填写）： 2015高教社杯全国大学生数学建模竞赛 编号专用页 送全国评阅统一编号（由赛区组委会填写）： 全国评阅随机编号（由全国组委会填写）：
对垃圾处理厂污染的动态监控及居民补偿 摘要 城市垃圾处理问题是一个世界性难题。目前垃圾焚烧正逐步成为中国垃圾处理的主要手段之一。本论文构根据题目设置的垃圾处理厂规模，建立了环境动态监控体系，并根据潜在污染风险对周围居民进行了合理经济补偿的设计。 对于问题（1），为了实现对垃圾焚烧厂烟气排放及相关环境影响状况的动态监控，本论文在高斯烟羽模型的基础上进行改进，引入温度、降雨对污染物扩散的影响，建立了新的污染物扩散模型。本论文创新性的提出了风雨影响指数M,用来衡量风向、降雨对颗粒物扩散的影响。本论文将抽象的污染物含量形象化，利用空气污染指数API描述具体的污染程度及其给周围居民带来的影响。并且从不同角度给出了模型检验，验证了所建模型的准确性。 对于问题（1）具体赔偿方案的制定，在综合考虑了不同方位风向频率、受污染时间、受污染程度的基础上，本论文使用了层次分析法，并且进行了一致性检验，使得赔偿方案具有说服力。通过MATLAB编程，计算出当政府和垃圾处理厂共支付风险赔偿金为N时，得出居住地的每位居民应得的赔偿金额计算公式。对于监测点的设置，经计算共需21个，具体布置情况见后文。 对于问题（2），在题目所述的发生事故的情况下，对污染物的具体含量进行了合理的预测与假设。模拟出酸性物质与颗粒物的影响范围，并根据具体的污染程度设置不同的污染区。对每个污染区的不同情况设置更改监测点的设置，并且在问题（1）的基础上对居民的经济补偿进行合理修改。 关键词：高斯烟羽模型，层次分析法，空气污染指数，烟气抬升公式 一、问题重述 “垃圾围城”是世界性难题，在今天的中国显得尤为突出。数据显示，目前全国三分之二以上的城市面临“垃圾围城”问题，垃圾堆放累计侵占土地75万亩。因此，垃圾焚烧正逐步成为中国垃圾处理的主要手段之一。然而，由于政府监管不力、投资者目光短浅等多方面的原因，致使前些年各地建设的垃圾焚烧电厂在运营中出现了环境污染问题，给垃圾焚烧技术在我国的推广造成了很大阻力，许多城市的新建垃圾焚烧厂选址都出现因居民反对而难以落地的局面。在垃圾焚烧厂运行监管方面，目前主要是在垃圾焚烧厂内进行测量监控，缺少从周边环境视角出发的外围动态监控，因而难以形成为民众所信服的全方位垃圾焚烧厂环境监控体系。 深圳市某地点计划建立一个中型的垃圾焚烧厂，计划处理垃圾量1950吨/天（设置三台可处理垃圾650吨/天的焚烧炉，排烟口高度80米，每天24小时运转）。从构建环境动态监控体系、并根据潜在污染风险对周围居民进行合理经济补偿的需求出发，有关部门希望能综合考虑垃圾焚烧厂对周围带来环境污染以及其他危害的多种因素（例如，焚烧炉的污染物排放量、居住点离开垃圾焚烧厂的距离、风力和风向及降雨等气象条件、地形地貌以及建筑物的遮挡程度等等），在进行科学定量分析的基础
双曲型偏微分方程的求解及其应用[文献综述]
毕业论文文献综述 信息与计算科学 双曲型偏微分方程的求解及其应用 一、前言部分 在科学技术日新月异的发展过程中，人们研究的许多问题用一个自变量的函数来描述已经显得不够了，不少问题有多个变量的函数来描述。比如，从物理角度来说，物理量有不同的性质，温度、密度等是用数值来描述的叫做纯量；速度、电场的引力等，不仅在数值上有不同，而且还具有方向，这些量叫做向量；物体在一点上的张力状态的描述出的量叫做张量，等等。这些量不仅和时间有关系，而且和空间坐标也有联系，这就要用多个变量的函数来表示。 应该指出，对于所有可能的物理现象用某些多个变量的函数表示，只能是理想化的，如介质的密度，实际上“在一点”的密度是不存在的。而我们把在一点的密度看作是物质的质量和体积的比当体积无限缩小的时候的极限，这就是理想化的。介质的温度也是这样。这样就产生了研究某些物理现象的理想了的多个变量的函数方程，这种方程就是偏微分方程[1]。 随着物理科学所研究的现象在广度和深度两方面的扩展，偏微分方程的应用范围更广泛。从数学自身的角度看，偏微分方程的求解促使数学在函数论、变分法、级数展开、常微分方程、代数、微分几何等各方面进行发展。从这个角度说，偏微分方程变成了数学的中心。 其中，可以变的标准型有：椭圆型、双曲型、抛物型。而基本方程可以归结为四大类：波动、热传导、传输[2]。 随着电子计算机的出现和发展, 偏微分方程的数值解得到了前所未有的发展和应用.在科学的计算机化进程中,科学与工程计算作为工具性、方法性、边缘交叉性的新学科开始了自己的新发展.由于科学基本规律大多是通过偏微分方程来描述的，因此科学与工程计算的主要任务就是求解形形色色的偏微分方程，特别是一些大规模、非线性、几何非规则性的方程. 双曲型和抛物型方程描述了物质扩散和波动等不定常物理过程，这两类偏微分方程的定解问题在力学、热传导理论、燃烧理论、化学、空气动力学、电磁学和经济数学等方面都有
数学建模模拟题,图论,回归模型,聚类分析,因子分析等 (48)
第11章第2题 摘要 本题分析4 种化肥和3 个小麦品种对小麦产量的影响，以及二者交互作用对小麦产量的影响，可视为两因素方差分析，即化肥和小麦品种两个因素，4种化肥可看作是化肥的四个不同水平，3个小麦品种也可以看作是小麦品种的三个不同水平。 试验的目的是分析化肥的四个不同水平以及小麦品种的三个不同水平对小麦产量有无显着性影响。 关键词：方差分析显着性化肥种类小麦品种
一．问题重述 为了分析4 种化肥和3 个小麦品种对小麦产量的影响，把一块试验田等分成36个小块，分别对3种种子和四种化肥的每一种组合种植3 小块田，产量如表1所示（单位公斤），问不同品种、不同种类的化肥及二者的交互作用对小麦产量有无显着影响。 二．问题分析 本题意在分析四种化肥和三种小麦品种对小麦产量的影响，以及二者交互作用对小麦产量的影响，为两因素方差分析问题，即化肥和小麦品种两个因素，4种化肥可看作是化肥的四个不同水平，3个小麦品种也可以看作是小麦品种的三个不同水平。通过对这两种因素的不同水平及交互作用的分析，从而分析 4 种化肥和3 个小麦品种对小麦产量的影响。 三．模型假设 1.假设只有化肥种类和小麦品种两个因素，其他因素对试验结果不构成影响。 2.假设不存在数据记录错误。 3.假设每一块试验田本身各项指标相同，不会影响结果。 四．符号说明 数字1,2,3,4——不同的化肥种类 数字1,2,3——不同的小麦品种 五．模型建立 将化肥种类和小麦品种视为两个因素，四种化肥种类看作是化肥种类的四个不同水平，三个小麦品种看作是小麦品种的三个不同水平，将表1的数据进行整理，如表2所示。
六．模型求解 将表2数据导入到spss软件中，进行两因素方差检验，得到结果如下：表3
数据建模目前有两种比较通用的方式
数据建模目前有两种比较通用的方式1983年，数学建模作为一门独立的课程进入我国高等学校，在清华大学首次开设。1987年高等教育出版社出版了国内第一本《数学模型》教材。20多年来，数学建模工作发展的非常快，许多高校相继开设了数学建模课程，我国从1989年起参加美国数学建模竞赛，1992年国家教委高教司提出在全国普通高等学校开展数学建模竞赛，旨在“培养学生解决实际问题的能力和创新精神，全面提高学生的综合素质”。近年来，数学模型和数学建模这两个术语使用的频率越来越高，而数学模型和数学建模也被广泛地应用于其他学科和社会的各个领域。本文主要介绍了数学建模中常用的方法。 一、数学建模的相关概念 原型就是人们在社会实践中所关心和研究的现实世界中的事物或对象。模型是指为了某个特定目的将原型所具有的本质属性的某一部分信息经过简化、提炼而构造的原型替代物。一个原型，为了不同的目的可以有多种不同的模型。数学模型是指对于现实世界的某一特定对象，为了某个特定目的，进行一些必要的抽象、简化和假设，借助数学语言，运用数学工具建立起来的一个数学结构。 数学建模是指对特定的客观对象建立数学模型的过程，是现实的现象通过心智活动构造出能抓住其重要且有用的特征的表示，常常是形象化的或符号的表示，是构造刻画客观事物原型的数学模型并用以分析、研究和解决实际问题的一种科学方法。 二、教学模型的分类 数学模型从不同的角度可以分成不同的类型，从数学的角度，按建立模型的数学方法主要分为以下几种模型：几何模型、代数模型、规划模型、优化模型、微分方程模型、统计模型、概率模型、图论模型、决策模型等。 三、数学建模的常用方法 1.类比法 数学建模的过程就是把实际问题经过分析、抽象、概括后，用数学语言、数学概念和数学符号表述成数学问题，而表述成什么样的问题取决于思考者解决问题的意图。类比法建模一般在具体分析该实际问题的各个因素的基础上，通过联想、归纳对各因素进行分析，并且与已知模型比较，把未知关系化为已知关系，
数学建模高斯扩散模型培训资料
数学建模高斯扩散模 型
§4-2高斯扩散模式 ū —平均风速； Q—源强是指污染物排放速率。与空气中污染物质的浓度成正比，它是研究空气污染问题的基础数据。通常： （ⅰ）瞬时点源的源强以一次释放的总量表示； （ⅱ）连续点源以单位时间的释放量表示； （ⅲ）连续线源以单位时间单位长度的排放量表示； （ⅳ）连续面源以单位时间单位面积的排放量表示。 δy—侧向扩散参数，污染物在y方向分布的标准偏差，是距离y的函数，m； δz—竖向扩散参数，污染物在z方向分布的标准偏差，是距离z的函数，m； 未知量—浓度c、待定函数A(x)、待定系数a、b； 式①、②、③、④组成一方程组，四个方程式有四个未知数，故方程式可解。 二、高斯扩散模式 （一）连续点源的扩散 连续点源一般指排放大量污染物的烟囱、放散管、通风口等。排放口安置在地面的称为地面点源，处于高空位置的称为高架点源。 1. 大空间点源扩散 高斯扩散公式的建立有如下假设：①风的平均流场稳定，风速均匀，风向平直；②污染物的浓度在y、z轴方向符合正态分布；③污染物在输送扩散中质量守恒； ④污染源的源强均匀、连续。 图5－9所示为点源的高斯扩散模式示意图。有效源位于坐标原点o处，平均风向与x轴平行，并与x轴正向同向。假设点源在没有任何障碍物的自由空间扩散，不考虑下垫面的存在。大气中的扩散是具有y与z两个坐标方向的二维正态分布，当两坐
标方向的随机变量独立时，分布密度为每个坐标方向的一维正态分布密度函数的乘积。由正态分布的假设条件②，参照正态分布函数的基本形式式（5－15），取μ＝0，则在点源下风向任一点的浓度分布函数为： （5－16）式中 C—空间点（x，y，z）的污染物的浓度，mg/m3； A（x）—待定函数； σy、σz—分别为水平、垂直方向的标准差，即y、x方向的扩散参数，m。 由守恒和连续假设条件③和④，在任一垂直于x轴的烟流截面上有： （5－17） 式中 q—源强，即单位时间内排放的污染物，μg/s； u—平均风速，m/s。 将式（5－16）代入式（5－17）, 由风速稳定假设条件①，A与y、z无关，考虑到③和④，积分可得待定函数A（x）： （5－18） 将式（5－18）代入式（5－16），得大空间连续点源的高斯扩散模式 （5－19） 式中，扩散系数σy、σz与大气稳定度和水平距离x有关，并随x的增大而增加。当y＝0，z＝0时，A（x）＝C（x，0,0），即A（x）为x轴上的浓度，也是垂直于x轴截面上污染物的最大浓度点C max。当x→∞，σy及σz→∞，则C→0，表明污染物以在大气中得以完全扩散。 2．高架点源扩散
技术扩散模型
技术扩散模型 一、贝叶斯模型 （一）、提出理论 托马斯?贝叶斯(Thomas Bayes) ，英国数学家.1702年出生于伦敦，做过神甫。1742年成为英国皇家学会会员。1763年4月7日逝世。贝叶斯在数学方面主要研究概率论。他首先将归纳推理法用于概率论基础理论，并创立了贝叶斯统计理论，对于统计决策函数、统计推断、统计的估算等做出了贡献.1763年发表了这方面的论著，对于现代概率论和数理统计都有很重要的作用。贝叶斯的另一著作《机会的学说概论》发表于1758年。贝叶斯所采用的许多术语被沿用至今。 （二）、模型的主要内容及假设 贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。 贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。 贝叶斯推理的问题是条件概率推理问题，这一领域的探讨对揭示人们对概率信息的认知加工过程与规律、指导人们进行有效的学习和判断决策都具有十分重要的理论意义和实践意义。 贝叶斯决策法是最常见的以期望为标准的分析方法。它是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。 贝叶斯定理也称贝叶斯推理，早在18世纪，英国学者贝叶斯(1702～1761)曾提出计算条件概率的公式用来解决如下一类问题：假设H[,1],H[,2]…互斥且构成一个完全事件，已知它们的概率P(H[,i],i=1,2,…，现观察到某事件A与H[,1],H[,2]…相伴随而出现，且已知条件概率P(A/H[,i])，求P(H[,i]/A)。 1、重点 是一种以动态模型为研究对象的时间序列预测方法，在做统计推断时，一般模式是： 先验信息+总体分布信息+样本信息→后验分布信息 可以看出贝叶斯模型不仅利用了前期的数据信息，还加入了决策者的经验和判断等信息，并将客观因素和主观因素结合起来，对异常情况的发生具有较多的灵活性。这里以美国1960—2005年的出口额数据为例，探讨贝叶斯统计预测方法的应用。
数学建模常用算法模型
数学模型的分类 按模型的数学方法分： 几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等 按模型的特征分： 静态模型和动态模型，确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型等 按模型的应用领域分： 人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等。 按建模的目的分： 预测模型、优化模型、决策模型、控制模型等 一般研究数学建模论文的时候，是按照建模的目的去分类的，并且是算法往往也和建模的目的对应 按对模型结构的了解程度分： 有白箱模型、灰箱模型、黑箱模型等 比赛尽量避免使用，黑箱模型、灰箱模型，以及一些主观性模型。 按比赛命题方向分： 国赛一般是离散模型和连续模型各一个，2016美赛六个题目（离散、连续、运筹学/复杂网络、大数据、环境科学、政策） 数学建模十大算法 1、蒙特卡罗算法 （该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，比较好用的算法） 2、数据拟合、参数估计、插值等数据处理算法 （比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题 （建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现） 4、图论算法 （这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备）
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法 （这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法 （这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用） 7、网格算法和穷举法 （当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8、一些连续离散化方法 （很多问题都是从实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9、数值分析算法 （如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用） 10、图象处理算法 （赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的这些图形如何展示，以及如何处理就是需要解决的问题，通常使用Matlab进行处理） 算法简介 1、灰色预测模型（必掌握） 解决预测类型题目。由于属于灰箱模型，一般比赛期间不优先使用。 满足两个条件可用： ①数据样本点个数少，6-15个 ②数据呈现指数或曲线的形式 2、微分方程预测（高大上、备用） 微分方程预测是方程类模型中最常见的一种算法。近几年比赛都有体现，但其中的要求，不言而喻。学习过程中 无法直接找到原始数据之间的关系，但可以找到原始数据变化速度之间的关系，通过公式推导转化为原始数据的关系。 3、回归分析预测（必掌握） 求一个因变量与若干自变量之间的关系，若自变量变化后，求因变量如何变化； 样本点的个数有要求： ①自变量之间协方差比较小，最好趋近于0，自变量间的相关性小； ②样本点的个数n＞3k+1，k为自变量的个数；
扩散问题的偏微分方程模型,数学建模
第七节 扩散问题的偏微分方程模型 物质的扩散问题，在石油开采、环境污染、疾病流行、化学反应、新闻传播、煤矿瓦斯爆炸、农田墒情、水利工程、生态问题、房屋基建、神经传导、药物在人体内分布以及超导、液晶、燃烧等诸多自然科学与工程技术领域，十分普遍地存在着. 显然，对这些问题的研究是十分必要的，其中的数学含量极大. 事实上，凡与反应扩散有关的现象，大都能由线性或非线性抛物型偏微分方程作为数学模型来定量或定性地加以解决. ＭＣＭ的试题来自实际，是“真问题⊕数学建模⊕计算机处理”的“三合一”准科研性质的一种竞赛，对上述这种有普遍意义和数学含量高，必须用计算机处理才能得到数值解的扩散问题，当然成为试题的重要来源，例如，ＡＭＣＭ-90Ａ，就是这类试题；ＡＭＣＭ-90Ａ要研究治疗帕金森症的多巴胺（dopamine ）在人脑中的分布，此药液注射后在脑子里经历的是扩散衰减过程，可以由线性抛物型方程这一数学模型来刻划. ＡＭＣＭ-90Ａ要研究单层住宅混凝土地板中的温度变化，也属扩散（热传导）问题，其数学模型与ＡＭＣＭ-90Ａ一样，也是线性抛物型方程. 本文交代扩散问题建模的思路以及如何推导出相应的抛物型方程，如何利用积分变换求解、如何确定方程与解的表达式中的参数等关键数学过程，且以ＡＭＣＭ-90Ａ题为例，显示一个较细致的分析、建模、求解过程. §1 抛物型方程的导出 设(,,,)u x y z t 是t 时刻点(,,)x y z 处一种物质的浓度. 任取一个闭曲面S ，它所围的区域是Ω，由于扩散，从t 到t t +?时刻这段时间内，通过S 流入Ω的质量为 2 221(cos cos cos )dSd t t t S u u u M a b c t x y z αβγ+????=++???? ??. 由高斯公式得 2222 221222()d d d d t t t u u u M a b c x y z t x y z +?Ω ???=++???? ???. （1） 其中，222,,a b c 分别是沿,,x y z 方向的扩散系数. 由于衰减（例如吸收、代谢等），Ω内的质量减少为 2 2d d d d t t t M k u x y z t +?Ω =? ???， （2） 其中2 k 是衰减系数. 由物质不灭定律，在Ω内由于扩散与衰减的合作用，积存于Ω内的质量为12M M -. 换一种角度看，Ω内由于深度之变化引起的质量增加为 3[(,,,)(,,,)]d d d d d d d . (3)t t t M u x y z t t u x y z t x y z u x y z t t Ω +?Ω =+?-?=????? ??? 显然312M M M =-，即
数学建模常用算法模型
按模型的数学方法分： 几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等 按模型的特征分： 静态模型和动态模型，确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型等 按模型的应用领域分： 人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等。 按建模的目的分： 预测模型、优化模型、决策模型、控制模型等 一般研究数学建模论文的时候，是按照建模的目的去分类的，并且是算法往往也和建模的目的对应 按对模型结构的了解程度分： 有白箱模型、灰箱模型、黑箱模型等 比赛尽量避免使用，黑箱模型、灰箱模型，以及一些主观性模型。 按比赛命题方向分： 国赛一般是离散模型和连续模型各一个，2016美赛六个题目（离散、连续、运筹学/复杂网络、大数据、环境科学、政策） 数学建模十大算法 1、蒙特卡罗算法 （该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，比较好用的算法） 2、数据拟合、参数估计、插值等数据处理算法 （比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具）
3、线性规划、整数规划、多元规划、二次规划等规划类问题 （建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现） 4、图论算法 （这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备） 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法 （这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法 （这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用） 7、网格算法和穷举法 （当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8、一些连续离散化方法 （很多问题都是从实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9、数值分析算法 （如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）10、图象处理算法 （赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的这些图形如何展示，以及如何处理就是需要解决的问题，通常使用Matlab进行处理） 算法简介 1、灰色预测模型（必掌握）