3 建立数学模型方法和步骤

合集下载

建立数学模型的一般过程或步骤

建立数学模型的一般过程或步骤

1.问题识别和定义建立数学模型的第一步是明确识别和定义需要解决的实际问题。

这个阶段包括:a) 确定研究对象: 明确我们要研究的系统、现象或过程是什么。

b) 明确目标: 确定我们希望通过模型解决什么问题,或得到什么样的结果。

c) 界定范围: 确定模型的适用范围和限制条件。

d) 收集背景信息: 了解问题的背景,包括已有的相关研究和理论。

e) 提出假设: 根据对问题的初步理解,提出一些合理的假设。

这个阶段的关键是要尽可能清晰、准确地描述问题,为后续的模型构建奠定基础。

2.变量选择和定义在明确问题后,下一步是确定模型中的关键变量:a) 识别相关变量: 列出所有可能影响问题的变量。

b) 分类变量: 将变量分为自变量、因变量、参数等。

c) 定义变量: 明确每个变量的含义、单位和取值范围。

d) 简化变量: 去除次要变量,保留最关键的变量以简化模型。

e) 考虑变量间关系: 初步分析变量之间可能存在的关系。

变量的选择直接影响模型的复杂度和准确性,需要在简化和精确之间找到平衡。

3.数据收集和分析为了构建和验证模型,我们需要收集相关数据:a) 确定数据需求: 根据选定的变量,明确需要收集哪些数据。

b) 选择数据来源: 可以是实验、观察、文献资料或已有数据库。

c) 设计数据收集方案: 包括采样方法、实验设计等。

d) 数据预处理: 对原始数据进行清洗、标准化等处理。

e) 探索性数据分析: 使用统计方法和可视化技术初步分析数据特征和规律。

f) 识别异常值和缺失值: 处理数据中的异常情况。

高质量的数据对于构建准确的模型至关重要。

4.模型结构选择基于问题定义、变量选择和数据分析,我们可以开始选择适当的模型结构:a) 考虑问题类型: 如静态或动态、确定性或随机性、线性或非线性等。

b) 研究已有模型: 调研该领域是否已有成熟的模型可以借鉴。

c) 选择数学工具: 如微分方程、概率论、优化理论等。

d) 确定模型类型: 如回归模型、微分方程模型、状态空间模型等。

数学建模方法和步骤

数学建模方法和步骤

数学建模的主要步骤:第一、模型准备首先要了解问题的实际背景,明确建模目的,搜集必需的各种信息,尽量弄清对象的特征. 第二、模型假设根据对象的特征和建模目的,对问题进行必要的、合理的简化,用精确的语言作出假设,是建模至关重要的一步.如果对问题的所有因素一概考虑,无疑是一种有勇气但方法欠佳的行为,所以高超的建模者能充分发挥想象力、洞察力和判断力,善于辨别主次,而且为了使处理方法简单,应尽量使问题线性化、均匀化.第三、模型构成根据所作的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量间的等式关系或其它数学结构.这时,我们便会进入一个广阔的应用数学天地,这里在高数、概率老人的膝下,有许多可爱的孩子们,他们是图论、排队论、线性规划、对策论等许多许多,真是泱泱大国,别有洞天.不过我们应当牢记,建立数学模型是为了让更多的人明了并能加以应用,因此工具愈简单愈有价值.第四、模型求解可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法,特别是计算机技术.一道实际问题的解决往往需要纷繁的计算,许多时候还得将系统运行情况用计算机模拟出来,因此编程和熟悉数学软件包能力便举足轻重.第五、模型分析对模型解答进行数学上的分析."横看成岭侧成峰,远近高低各不?quot;,能否对模型结果作出细致精当的分析,决定了你的模型能否达到更高的档次.还要记住,不论那种情况都需进行误差分析,数据稳定性分析.数学建模采用的主要方法有:(一)、机理分析法:根据对客观事物特性的认识从基本物理定律以及系统的结构数据来推导出模型.1、比例分析法:建立变量之间函数关系的最基本最常用的方法.2、代数方法:求解离散问题(离散的数据、符号、图形)的主要方法.3、逻辑方法:是数学理论研究的重要方法,对社会学和经济学等领域的实际问题,在决策,对策等学科中得到广泛应用.4、常微分方程:解决两个变量之间的变化规律,关键是建立“瞬时变化率”的表达式.5、偏微分方程:解决因变量与两个以上自变量之间的变化规律.(二)、数据分析法:通过对量测数据的统计分析,找出与数据拟合最好的模型1、回归分析法:用于对函数f(x)的一组观测值(xi,fi)i=1,2,…,n,确定函数的表达式,由于处理的是静态的独立数据,故称为数理统计方法.2、时序分析法:处理的是动态的相关数据,又称为过程统计方法.3、回归分析法:用于对函数f(x)的一组观测值(xi,fi)i=1,2,…,n,确定函数的表达式,由于处理的是静态的独立数据,故称为数理统计方法.4、时序分析法:处理的是动态的相关数据,又称为过程统计方法.(三)、仿真和其他方法1、计算机仿真(模拟):实质上是统计估计方法,等效于抽样试验.①离散系统仿真,有一组状态变量.②连续系统仿真,有解析表达式或系统结构图.2、因子试验法:在系统上作局部试验,再根据试验结果进行不断分析修改,求得所需的模型结构.3、人工现实法:基于对系统过去行为的了解和对未来希望达到的目标,并考虑到系统有关因素的可能变化,人为地组成一个系统.。

数学模型建立步骤

数学模型建立步骤

数学模型建立步骤数学模型是用数学语言描述现实问题的工具,建立数学模型的过程通常包括以下步骤:1. 问题定义:清晰地定义问题,明确需要解决的具体问题是什么。

将实际问题转化为数学问题的第一步是准确地理解和描述问题。

2. 建立变量:确定与问题相关的各种变量,并对它们进行定义。

这些变量可以是时间、空间、数量等与问题相关的量。

3. 制定假设:为了简化问题或使问题更容易处理,可能需要引入一些假设。

这些假设可能涉及到变量之间的关系、影响因素等。

4. 建立数学关系:将问题中的变量之间的关系用数学公式或方程表示。

这可能包括线性关系、非线性关系、微分方程、差分方程等,取决于问题的性质。

5. 解析求解或数值求解:对于一些简单的模型,可以尝试找到解析解,即用代数方法求解方程。

对于较为复杂的模型,可能需要使用数值方法,如数值模拟、计算机模拟等。

6. 模型验证:验证模型的准确性和可靠性。

通过实验数据或实际观测数据来检验模型的有效性,对模型的输出结果进行比较和分析。

7. 模型分析:分析模型的性质,如稳定性、收敛性、敏感性等。

理解模型的特点有助于更好地解释模型的行为和结果。

8. 模型优化:在验证和分析的基础上,对模型进行优化。

优化可能涉及调整参数、修正假设、改进数学形式等。

9. 模型应用:使用建立好的模型解决实际问题。

模型应用可能包括对未来情景的预测、对政策决策的支持、对系统行为的理解等。

10. 结果解释:将模型的输出结果转化为对实际问题的解释和建议。

这需要将数学语言翻译为实际问题的语言,并确保结果对决策者或问题的相关方具有实际意义。

建立数学模型是一个迭代的过程,可能需要多次调整和修改,以适应实际问题的复杂性和变化。

这一过程需要数学建模者有深厚的领域知识、数学技能以及对实际问题的深刻理解。

数学建模的方法和步骤

数学建模的方法和步骤

数学建模的方法和步骤数学建模(Mathematical modeling)是指运用数学方法及理论来描述某一实际问题,并在此基础上构建数学模型,进而对问题进行分析和求解的过程。

数学建模是一个综合应用学科,它将数学、物理、化学、工程、统计学、计算机科学等学科有机结合起来,用数学语言对现实世界进行描述,可用于各种领域的问题求解,如经济、金融、环境、医学等多个领域。

下面我将从数学建模的方法和步骤两方面来探讨这一学科。

一、数学建模的方法数学建模方法是指解决某一具体问题时所采用的数学建模策略和概念。

数学建模方法可分为以下几类:1.现象模型法:这种方法总是从某一实际问题的具体现象入手,把事物之间的关系量化为一种数学模型。

2.实验模型法:这种方法通过一些特定的实验,首先收集实验数据,然后通过分析数据建立一种数学模型,模型中考虑实验误差的影响。

3.参数优化法:这种方法通常是指通过找到最优参数的一种方法建立一个数学模型。

4.时间序列模型法:这种方法主要是通过观察时间内某一变量的变化,构建该变量的时间序列特征,从而建立一个时间序列模型。

二、数学建模的步骤数学建模步骤是指解决一个实际问题时所采用的数学建模过程,根据一些经验和规律推导出一个可行的模型。

数学建模步骤通常分为以下几步:1.钟情问题的主要方面并进行分析:首先要分析问题的背景和主要的影响因素,以便制定一个可行的局部策略。

2.建立初步模型:通过向原问题中引入某些常数或替换一些符号为某一特定变量,以使模型更方便或更加精确地描述问题。

3.策略选择和评估:要选择一个最优的策略,需要在模型的基础上进行评估,包括确定哪个方案更优等。

4.内容不断完善:在初步模型的基础上,不断加深对问题的理解,以逐步提高模型描述问题的准确度和逼真度。

5.模型的验证和验证:要验证模型,需要将模型应用到一些简单问题中,如比较不同方案的结果,并比较模型结果与实际情况。

总之,数学建模是一种复杂的、长期的、有启发性的过程,它要求从一个模糊的、自由的问题开始,通过有计划、有方法的工作,构建出一个能够解决实际问题的数学模型。

数学模型的建立

数学模型的建立

数学模型的建立引言数学模型是将现实世界中的实际问题转化为数学形式的表示。

通过建立数学模型,我们可以更好地理解和分析问题,并提供解决方案。

本文将讨论数学模型的基本概念、建立过程以及一些常用的建模方法。

数学模型的基本概念数学模型是一种以数学符号和方程组的形式来描述现实问题的工具。

它由变量、参数、约束条件和目标函数组成。

变量表示问题中的待求量,参数表示问题中的已知量,约束条件表示问题中的限制条件,目标函数表示问题中的目标。

数学模型的建立过程数学模型的建立通常包括以下几个步骤:1. 研究问题:首先,我们需要深入研究和了解问题的背景和相关知识,明确问题的目标和要求。

2. 定义变量和参数:根据问题的特点,我们需要定义适当的变量和参数来表示问题中的各个要素。

3. 建立方程或不等式:根据问题的描述和已知条件,我们可以建立方程或不等式来描述问题中的关系。

4. 添加约束条件:将问题中的限制条件加入到模型中,确保模型的可行性和准确性。

5. 确定目标函数:根据问题的目标,确定一个合适的目标函数,以便我们可以通过最大化或最小化目标函数来求解问题。

6. 解模型并验证:使用合适的数学工具和方法求解模型,并验证模型的解是否符合实际情况。

常用的建模方法建立数学模型的方法多种多样,常见的建模方法包括:- 数理统计方法:通过收集和分析数据,利用统计学方法建立数学模型。

- 最优化方法:使用最优化理论和方法,通过最大化或最小化目标函数来建立模型。

- 离散事件模拟方法:将连续事件转化为离散事件,使用模拟技术来解决问题。

- 动态系统建模方法:将问题描述为动态系统,通过建立微分方程和差分方程来建模。

- 概率模型方法:通过概率论的知识,建立和分析随机现象的数学模型。

结论数学模型的建立是解决实际问题的重要工具。

通过合理的建模方法和技巧,我们可以更好地理解问题,并提供有效的解决方案。

不同的问题需要选择适合的建模方法,根据实际情况进行灵活应用。

建立数学模型需要综合运用数学、统计学和实际领域的知识,从多个角度综合分析问题,得出准确的结果。

3建立数学模型方法和步骤

3建立数学模型方法和步骤

3建立数学模型方法和步骤建立数学模型是将实际问题转化为数学问题,以便进行定量分析和求解的过程。

建立数学模型能够帮助我们更好地理解问题背后的本质,为决策和预测提供依据。

下面将介绍建立数学模型的方法和步骤。

方法一:方程法方程法是一种常用的建立数学模型的方法,其基本步骤包括以下四个方面:1.确定问题的基本要素,包括变量、参数和指标。

变量是问题中可变的量,可以进行测量和观察,而参数是固定的量,通常是由以前的实验或者经验确定的。

指标是评价问题结果的标准。

2.建立数学方程或者不等式,用变量、参数和指标之间的关系来描述问题。

这些方程或者不等式可以是线性的,也可以是非线性的。

可以根据问题背景和要求,选择适当的数学模型,常见的数学模型包括数学规划模型、统计模型、差分方程模型等。

3.对建立的数学方程或者不等式进行求解,得到问题的解。

求解方法可以是数值求解,也可以是符号求解,具体方法取决于问题的特点和求解的难度。

4.对问题的解进行分析和解释,对模型的有效性进行验证。

通过对问题解的分析和解释,可以得出有关问题的结论,并对建立的模型的准确性和可靠性进行评估。

方法二:概率论和统计学方法概率论和统计学是建立数学模型的重要工具,其基本步骤如下:1.通过对问题的分析和理解,确定问题的基本要素,包括变量、参数和指标。

与方程法相似,变量是问题中可变的量,参数是固定的量,指标是评价问题结果的标准。

2.基于问题的特点和要求,选择适当的概率分布,建立数学模型。

常见的概率分布包括正态分布、泊松分布、指数分布等。

3.通过对问题相关数据的收集和分析,估计模型中的参数。

可以使用最大似然估计、矩估计等方法。

4.利用统计推断的方法对问题进行分析和预测。

可以通过置信区间、假设检验等方法对问题进行定量分析。

5.对模型的有效性和可靠性进行评估。

通过对实际数据和推断结果的比较,可以评估模型的准确性和可信度。

方法三:系统动力学模型系统动力学模型是一种常用的建立动态系统模型的方法,其基本步骤如下:1.确定问题的系统边界。

如何建立数学模型

如何建立数学模型

如何建立数学模型建立数学模型是指将实际问题抽象化,通过数学语言和符号来描述和解决问题的过程。

数学模型的建立可以帮助我们更好地理解问题的本质,分析问题的规律,预测问题的结果,以及优化问题的解决方案。

以下是建立数学模型的一般步骤和方法。

一、明确问题:首先,需要明确所要解决的问题以及问题所涉及的背景和条件。

确保对问题的理解准确明确,同时将问题与数学建模相结合。

二、问题建模:1.确定变量:将问题中涉及的各种因素抽象为数学模型中的变量。

变量可以是数值、时间、物理量等,具体根据问题的特点进行确定。

2.建立关系:确定各个变量之间的关系,包括线性关系、非线性关系、概率关系等。

可以通过实际观测数据、统计分析等方法来确定变量之间的关系。

3.建立约束条件:确定对变量的约束条件,包括等式约束、不等式约束等。

这些约束条件可以是问题中固有的限制,也可以是为了使得模型更加逼真和实际而添加的额外限制条件。

三、数学描述:1.建立数学方程:将问题中的各个变量之间的关系用数学方程来表示。

可以根据问题的特点选择合适的数学公式和方程,如线性方程组、非线性方程、微分方程等。

2.建立目标函数:如果问题是优化问题,需要建立一个目标函数,该函数描述了所要优化的目标以及变量之间的关系。

目标函数可以是最大化、最小化或者使得一些条件满足的函数。

四、求解模型:建立完数学模型后,可以通过数学方法来求解模型。

具体的求解方法根据模型的特点和问题的要求而定,例如数值计算、迭代方法、优化算法等。

求解模型的目的是得到模型的解或近似解,以用于问题的研究和应用。

五、模型验证:对建立的数学模型进行验证是非常重要的。

通过将模型的解与实际数据进行比较,或者进行模拟实验来验证模型的有效性和准确性。

如果模型的结果与实际情况相符合或者较为接近,那么该模型可以被认为是有效的。

六、模型分析和应用:对于建立的数学模型,可以进行进一步的分析和应用。

例如,可以通过灵敏度分析,研究模型对于初始条件和参数变化的敏感度;通过稳定性分析,研究模型在不同情况下的行为;通过模型的推广和延伸,应用于解决其他类似问题等。

建立数学模型的方法步骤特点及分类

建立数学模型的方法步骤特点及分类

建立数学模型的方法步骤特点及分类方法:1.归纳法:通过观察和分析问题的特点,总结规律,建立数学模型。

这种方法适用于一些具有规律性的问题。

2.拟合法:通过收集和分析实际数据,找到数据之间的关系,并用数学函数来拟合数据,建立数学模型。

这种方法常用于实际问题中的数据分析和预测。

3.分析法:通过对问题进行分析,找出问题的关键因素和数学关系,建立数学模型。

这种方法适用于复杂和抽象的问题。

步骤:1.确定问题:明确问题的背景、条件和目标。

2.收集数据:收集相关的实际数据,了解问题的现状。

3.建立假设:对问题进行分析,提出一些可能的假设。

4.建立模型:根据问题的性质和假设,选择合适的数学方法和函数,建立数学模型,将实际问题转化为数学问题。

5.求解模型:通过数学计算和推理,解决建立的数学模型,得出结论。

6.模型验证:将模型的结果与实际情况进行比较和分析,检验模型的准确性和可靠性。

7.结果解释:将模型的结果解释给决策者或用户,提供对问题的认识和决策依据。

特点:1.抽象性:数学模型对实际问题进行了抽象和简化,从而能够更好地描述和解决问题。

2.精确性:数学模型具有精确的语言和推理,能够给出准确的数值结果。

3.可行性:数学模型能够通过计算和推理得出结果,帮助解决实际问题。

4.替代性:数学模型可以替代实验或观测,节省时间和成本。

分类:1.数量模型:用数学表达式和符号来描述问题的数量关系,包括线性模型、非线性模型、离散模型、连续模型等。

2.质量模型:用数学方法描述问题的质量关系,包括概率模型、统计模型、优化模型等。

3.动态模型:描述问题随时间变化的规律和趋势,包括微分方程模型、差分方程模型、随机过程模型等。

4.静态模型:描述问题的状态和平衡点,包括线性规划模型、非线性规划模型、输入输出模型等。

总之,建立数学模型是解决实际问题的重要方法之一、根据问题的性质和要求,选择合适的建模方法和模型类型,通过建立、求解和验证数学模型,可以得出有关问题的结论和解决方案。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

数学模型(0349)
模型准备 模型检验 模型应用
模型假设 模型分析
模型构成 模型求解
数学模型(0349)
模型准备 首先要了解问题实际背景, 明确建模的目的,搜集建模必需的各种信 息如现象、数据等,尽量弄清对象的特征, 由此初步确定用哪一类模型,总之是做好 建模的准备工作。情况明才能方法对,这 一步一定不能忽视,碰到问题要虚心向从 事实际工作的同志请教,尽量掌握第一手 资料。
前面说过,建模可以看成一门艺术。艺术在 某种意义下是无法归纳出几条准则或方法的。一 名出色的艺术家需要大量的观摩和前辈的指教, 更需要亲身的实践。类似地,掌握建模这门艺术, 培养想象力和洞察力,一要大量阅读、思考别人 做过的模型,二要亲自动手,认真做几个实际题 目。后者是更为重要的。为了这个目的本书采用 实例研究方法。一方面给出在各个应用领域不同 数学方法建模的大量实例,另一方面通过习题提 供若干实际题目让读者自己练习。
1.6 数学模型的特点 和建模能力的培养
我们已经看到建模是利用数学工具解 决实际问题的重要手段。数学模型有许多 优点,也有弱点。建模需要相当丰富的知 识、经验和各方面的能力,同时应注意掌 握分寸。下面归纳出数学模型的若干特点:
数学模型(0349)
模型的逼真性和可行性 一般说来总 是希望模型尽可能逼近研究对象,但是一 个非常逼真的模型在数学上常常是难于处 理的,因而不容易达到通过建模对现实对 象进行分析、预报、决策或者控制的目的, 即实用上不可行。
数学模型(0349)
理想化方法是从观察和经验中通过想 象和逻辑思维,把对象简化、纯化,使其 升华到理想状态,以期更本质地揭示对象 的固有规律。在一定条件下把物体看着质 点,把实际位置看作数学上的点、线等都 是理想化的结果。
数学模型(0349)
建模过程是一种创造性思维过程,除 了想象、洞察、判断这些属于形象思维、 逻辑思维范畴的能力之外,直觉和灵感往 往也起着不可忽视的作用。直觉是人们对 新事物本质的极敏锐的领悟、理解或推断。 灵感指在人们有意识或下意识思考过程中 迸发出来的猜测、思路或判断。二者都具 有突发性,且思维者本人往往说不清它的 来路和道理。
数学模型(0349)
建立数学模型的方法和步骤
一般说来建立数学模型的方法大体上 可分为两大类,一类是机理分析方法,一 类是测试分析方法。
数学模型(0349)
机理分析是根据对现实对象特性的认识, 分析其因果关系,找出反映内部机理的规 律,建立的模型常有明确的物理或现实意 义。1.2~1.4节的示例都属于机理分析方法。
数学模型(0349)
模型的非预制性 虽然已经发展了许 多应用广泛的模型,但是实际问题是各种 各样、变化万千的,不可能要求把各种模 型做成预制品供你在建模时使用。模型的 这种非预制性使得建模本身常常是事先没 有答案的问题。在建立新的模型的过程中 甚至会伴随着新的数学方法或数学概念产 生。
数学模型(0349)
数学模型(0349)
另一方面,越逼真的模型常常越复杂, 即使数学上能处理,这样的模型应用时所 需要的“费用”也相当高,而高“费用” 不一定与复杂模型取得的“效益”相匹配。 所以建模时往往需要在模型的逼真性与可 行性,“费用”与“效益”之间作出折衷 和抉择。
数学模型(0349)
模型的渐进性 稍微复杂一些的实际 问题的建模通常不可能一次成功,要经过 上一节描述的建模过程的反复迭代,包括 由简到繁,也包括删繁就简,以获得越来 越满意的模型。在科学发展过程中随着人 们认识和实践能力的提高,各门学科中的 数学模型也存在着一个不断完善或者推陈 出新的过程。
数学模型(0349)
测试分析将研究对象视为一个“黑箱” 系统,内部机理无法直接寻求,可以测量 系统的输入输出数据,并以此为基础运用 统计分析方法,按照事先确定的准则在某 一类模型中选出一个与数据拟合得最好的 模型。这种方法称为系统辨识。将这两种 方法结合起来也是常用的建模方法,即用 机理分析建立模型的结构,用系统辨识确 定模型的参数。
数学模型(0349)
模型的局限性结论虽然具 有通用性和精确性,但是因为模型是现实 对象简化、理想化的产物,所以一旦将模 型的结论应用于实际问题,就回到了现实 世界,那些被忽视、简化的因素必须考虑, 于是结论的通用性和精确性只是相对的和 近似的。
数学模型(0349)
数学模型(0349)
想象力指人们在原有知识的基础上, 将新感知的形象与记忆中的形象相互比较、 重新组合、加工处理,创造出新的形象, 是一种形象思维活动。洞察力指人们在充 分占有资料的基础上,经过初步分析能迅 速抓住主要矛盾,舍弃次要因素,简化问 题的层次,对可以用哪些方法解决面临的 问题,以及不同方法的优劣作出判断。
数学模型(0349)
模型检验 把数学上分析的结果翻译回 到实际问题,并用实际的现象、数据与之 比较,检验模型的合理性和适用性。这一 步对于建模的成败是非常重要的,要以严 肃认真的态度来对待。模型检验的结果如 果不符合或者部分不符合实际,问题通常 出在模型假设上,应该修改、补充假设, 重新建模。有些模型要经过几次反复,不 断完善,直到检验结果获得某种程度上的 满意。
数学模型(0349)
模型求解 可以采用解方程、画 图形、证明定理、逻辑运算、数值计 算等各种传统的和近代的数学方法, 特别是计算机技术。
数学模型(0349)
模型分析 对模型解答进行数学上的 分析,有时要根据问题的性质分析变量间 的依赖关系或稳定状况,有时是根据所得 结果给出数学上的预报,有时则可能要给 出数学上的最优决策或控制。不论哪种情 况还常常需要进行误差分析、模型对数据 的稳定性或灵敏性分析等。
数学模型(0349)
当由于各种限制利用已有知识难以对 研究对象作出有效的推理和判断时,凭借 相似、类比、猜测、外推等思维方式及不 完整、不连续、不严密的,带启发性的直 觉和灵感,去“战略性”地认识对象,是 人类创造性思维的特点之一,也是人脑比 按程序逻辑工作的计算机、机器人的高明 之处。
数学模型(0349)
模型的条理性 从建模的角度考虑问题 可以促使人们对现实对象的分析更全面、 更深入、更具条理性,这样即使建立的模 型由于种种原因尚未达到实用的程度,对 问题的研究也是有利的。
数学模型(0349)
模型的技艺性 建模的方法与其他一些 数学方法如方程解法、规划解法等是根本 不同的,无法归纳出若干条普遍适用的建 模准则和技巧。有人说,建模目前与其说 是一门技术,不如说是一种艺术,是技艺 性很强的技巧。经验、想象力、洞察力、 判断力以及直觉、灵感等在建模过程中起 的作用往往比一些具体的数学知识更大。
第二,由于人们认识能力和科学技术 包括数学本身发展水平的限制,还有不少 实际问题很难得到有着实用价值的数学模 型。
第三,还有些领域中的问题今天尚未 发展到用建模方法寻求数量规律的阶段。
数学模型(0349)
在详细分析了建立数学模型的全过程 的数学模型的特点以后,我们看到用建模 方法解决实际问题,首先是用数学语言表 述问题即构造模型,其次才是用数学工具 求解构成的模型。用数学语言表述问题, 包括模型假设、模型构造等,除了要有广 博的知识(包括数学知识和各种实际知识) 和足够的经验之外,特别需要丰富的想象 力和敏锐的洞察力。
数学模型(0349)
模型假设 根据对象的特征和建模的 目的,对问题进行必要的、合理的简化, 用精确的语言作出假设,可以说是建模的 关键一步。一般地说,一个实际问题不经 过简化假设,就很难翻译成数学问题,即 使可能,也很难求解。不同的简化假设会 得到不同的模型。
数学模型(0349)
假设作得不合理或过份简单,会导 致模型失败或部分失败,于是应该修改 和补充假设;假设作得过分详细,试图 把复杂对象的各方面因素都考虑进去, 可能使你很难甚至无法继续下一步的工 作。
如果对象的内部机理基本上不掌握, 模型也不用于分析内部特性,譬如仅用来 作输出预报,则可以系统辨识方法为主。 系统辨识是一门专门学科,需要一定的控 制理论和随机过程方面的知识。以下所谓 建模方法只指机理分析。
数学模型(0349)
建模要经过哪些步骤并没有一定的 模式,通常与实际问题的性质、建模的目 的等有关,从1.2~1.4节的几个例子也可 以看出这点。下面给出建模的一般步骤, 如下图所示。
数学模型(0349)
模型应用 应用的方式自然取决 于问题的性质和建模的目的,这方面 的内容不是本书讨论的范围。
数学模型(0349)
应当指出,并不是所有建模过 程都要经过这些步骤,有时各步骤 之间的界限也不那么分明。建模时 不应拘泥于形式上的按部就班,本 书的建模实例就采取了灵活的表达 方式。
数学模型(0349)
数学模型(0349)
通常,作假设的依据,一是出于对问 题内在规律的认识,二是来自对数据或现 象的分析,也可以是二者的综合。作假设 时既要运用与问题相关的物理、化学、生 物、经济等方面的知识,又要充分发挥想 象力、洞察力和判断力,善于辨别问题的 主次,果断地抓住主要因素,舍弃次要因 素,尽量将问题线性化、均匀化。经验在 这里也常起重要作用。
数学模型(0349)
可以看出,用上面的哪一类方法建 模主要是根据我们对研究对象的了解程 度和建模目的决定的。如果掌握了机理 方面的一定知识,模型也要求具有反映 内部特性的物理意义,那么应该以机理 分析方法为主。当然,若需要模型参数 的具体数值,还可以用系统辨识或其他 统计方法得到。
数学模型(0349)
数学模型(0349)
类比方法和理想化方法是建模中常用 的方法,它们的运用与想象力、洞察力有 密切关系。
类比法注意到研究对象与已熟悉的另 一对象具有某些共性,比较二者相似之处 以获得对研究对象的新认识。选择什么对 象进行类比,比较哪些相似的属性,在一 定程度上是靠想象进行的。将交通流与水 流比来建立交通流模型是这方面的例子。
数学模型(0349)
1.7 数学模型的分类
数学模型可以按照不同的方式分类, 下面介绍常用的几种。
相关文档
最新文档