数学建模实验一
数学建模实验报告
湖南城市学院数学与计算科学学院《数学建模》实验报告专业：学号：姓名：指导教师：成绩：年月日实验一 初等模型实验目的：掌握数学建模的基本步骤，会用初等数学知识分析和解决实际问题。
实验内容：A 、B 两题选作一题，撰写实验报告，包括问题分析、模型假设、模型构建、模型求解和结果分析与解释五个步骤。
A 题 飞机的降落曲线在研究飞机的自动着陆系统时，技术人员需要分析飞机的降落曲线。
根据经验，一架水平飞行的飞机，其降落曲线是一条S 形曲线。
如下图所示，已知飞机的飞行高度为h ，飞机的着陆点为原点O ，且在整个降落过程中，飞机的水平速度始终保持为常数u 。
出于安全考虑，飞机垂直加速度的最大绝对值不得超过g ／10，此处g 是重力加速度。
（1）若飞机从0x x 处开始下降，试确定出飞机的降落曲线； （2）求开始下降点0x 所能允许的最小值。
B 题 铅球的投掷问题众所周知，铅球的投掷运动是运动员单手托住7.264kg(16磅)重的铅球在直径为2.135m 的投掷圆内将铅球掷出并且使铅球落入开角为45o 的有效扇形区域内。
以铅球的落地点与投掷圆间的距离度量铅球投掷的远度，并以铅球投掷远度的大小评定运动员的成绩。
在铅球的训练和比赛中，铅球投掷距离的远与近是人们最关心的问题。
而对于教练和运动员最为关心的问题是如何使铅球掷得最远。
影响铅球投掷远度的因素有哪些？建立一个数学模型，将预测的投掷距离表示为初始速度和出手角度的函数。
最优的出手角度是什么？如果在采用你所建议的出手角度时，该运动员不能使初始速度达到最大，那么他应该更关心出手角度还是出手速度？应该怎样折中？哪些是影响远度的主要因素？在平时训练中，应该更注意哪些方面的训练？试通过组建数学模型对上述问题进行分析，给教练和运动员以理论指导。
参考数据资料如下：实验报告：一、问题分析在研究飞机下落过程中，需要分析飞机下降的降落曲线，根据经验应该是一条五次多项式。
以降落点为原点O建立直角坐标系。
数学建模基础实验报告(3篇)
第1篇一、实验目的本次实验旨在让学生掌握数学建模的基本步骤，学会运用数学知识分析和解决实际问题。
通过本次实验，培养学生主动探索、努力进取的学风，增强学生的应用意识和创新能力，为今后从事科研工作打下初步的基础。
二、实验内容本次实验选取了一道实际问题进行建模与分析，具体如下：题目：某公司想用全行业的销售额作为自变量来预测公司的销售量。
表中给出了1977—1981年公司的销售额和行业销售额的分季度数据（单位：百万元）。
1. 数据准备：将数据整理成表格形式，并输入到计算机中。
2. 数据分析：观察数据分布情况，初步判断是否适合使用线性回归模型进行拟合。
3. 模型建立：利用统计软件（如MATLAB、SPSS等）进行线性回归分析，建立公司销售额对全行业的回归模型。
4. 模型检验：对模型进行检验，包括残差分析、DW检验等，以判断模型的拟合效果。
5. 结果分析：分析模型的拟合效果，并对公司销售量的预测进行评估。
三、实验步骤1. 数据准备将数据整理成表格形式，包括年份、季度、公司销售额和行业销售额。
将数据输入到计算机中，为后续分析做准备。
2. 数据分析观察数据分布情况，绘制散点图，初步判断是否适合使用线性回归模型进行拟合。
3. 模型建立利用统计软件进行线性回归分析，建立公司销售额对全行业的回归模型。
具体步骤如下：（1）选择合适的统计软件，如MATLAB。
（2）输入数据，进行数据预处理。
（3）编写线性回归分析程序，计算回归系数。
（4）输出回归系数、截距等参数。
4. 模型检验对模型进行检验，包括残差分析、DW检验等。
（1）残差分析：计算残差，绘制残差图，观察残差的分布情况。
（2）DW检验：计算DW值，判断随机误差项是否存在自相关性。
5. 结果分析分析模型的拟合效果，并对公司销售量的预测进行评估。
四、实验结果与分析1. 数据分析通过绘制散点图，观察数据分布情况，初步判断数据适合使用线性回归模型进行拟合。
2. 模型建立利用MATLAB进行线性回归分析，得到回归模型如下：公司销售额 = 0.9656 行业销售额 + 0.01143. 模型检验（1）残差分析：绘制残差图，观察残差的分布情况，发现残差基本呈随机分布，说明模型拟合效果较好。
数学建模实验题目解答
数学建模实验题目解答题目一：慢跑者与狗一个慢跑者在平面上沿椭圆以恒定的常速v=1跑步，设椭圆方程为： x=10+20cost ， y=20+5sint. 突然有一只狗攻击他. 这只狗从原点出发,以恒定速率w 跑向慢跑者.狗的运动方向始终指向慢跑者.分别求出w=20,w=5时狗的运动轨迹，并分析狗是攻击到慢跑者。
一,建立模型。
设时刻t 慢跑者的坐标为（X （t ）,Y （t)）,狗的坐标为(x(t ），y(t)）, 又X=10+20cost ， Y=20+15sint 。
由于狗的运动方向始终指向慢跑者，故此时狗与人的坐标连线就是此时狗的轨迹曲线弧处的切线,即dy/dx=(Y-y ）/（X —x)， y ’=(dy/dt ）/(dx/dt ） 又运动时间相同:，解得可得参数方程为:二，求解模型w=20时，建立m —文件xy1.m 如下： function dy=xy1 (t ，y) dy=zeros （2,1）;dy （1）=20＊(10+20*cos(t ）—y （1))/sqrt（（10+20＊cos(t)-y （1)）^2+(20+15*sin （t ）-y(2）)^2);⎪⎪ ⎩ ⎪⎪ ⎨ ⎧ = = - + - + + - + =- + - + + - + = 0) 0 ( ,0 ) 0 ( )sin 15 20 ( )sin 15 20 ( ) cos 20 10 ( )cos 20 10 ( )sin 15 20 ( ) cos 20 10 ( 22 2 2 y x y t y t x t wdtdy x t y t x t w dtdxdy（2）=20＊(20+15＊sin（t）—y(2))/sqrt（(10+20*cos(t)—y(1）)^2+(20+15＊sin（t)-y(2）)^2)；取t0=0,tf=6.0，建立主程序fangcheng1。
m如下：t0=0;tf=6.0；［t，y]=ode45('eq3’,[t0 tf］，[0 0］);T=0：0.1:2＊pi；X=10+20*cos（T）;Y=20+15*sin(T）；plot（X,Y，’-'）hold onplot（y（:，1)，y(：，2），'*’)轨迹线如下图:发现狗没有攻击到慢跑者，于是,从4。
数学建模实验报告
《数学建模实验》实验报告学院名称数学与信息学院专业名称提交日期课程教师实验一：数学规划模型AMPL求解实验内容1. 用AMPL求解下列问题并作灵敏度分析:一奶制品加工厂用牛奶生产A1和A2两种奶制品，1桶牛奶可以在甲类设备上用12小时加工成3公斤A1或者在乙类设备上用8小时加工成4公斤A2，且都能全部售出，且每公斤A1获利24元，每公斤A2获利16元。
先加工厂每天能得到50桶牛奶的供应，每天工人总的劳动时间为480小时，并且甲类设备每天至多加工100公斤A1，乙类设备的加工能力没有限制，试为该厂制定一个计划，使每天的获利最大。
（1）建立模型文件：milk.modset Products ordered;param Time{i in Products }>0;param Quan{i in Products}>0;param Profit{i in Products}>0;var x{i in Products}>=0;maximize profit: sum{i in Products} Profit [i]* Quan [i]*x[i];subject to raw: sum{i in Products}x[i] <=50;subject to time:sum{i in Products}Time[i]*x[i]<=480;subject to capacity: Quan[first(Products)]*x[first(Products)]<=100;（2）建立数据文件milk.datset Products:=A1 A2;param Time:=A1 12 A2 8;param Quan:=A1 3 A2 4;param Profit:=A1 24 A2 16;(3) 建立批处理文件milk.runmodel milk.mod;data milk.dat;option solver cplex;solve;display x;(4)运行运行结果：CPLEX 11.0.0: optimal solution; objective 33602 dual simplex iterations (1 in phase I)x [*] :=A1 20A2 30;（5）灵敏度分析：model milk.mod;data milk.dat;option solver cplex;option cplex_options 'sensitivity';solve;display x;display x.rc, x.down, x.up;display raw, time, capacity;display raw.down, raw.up,raw.current, raw.slack;得到结果：【灵敏度分析】: x.rc x.down x.up:=A1 -3.55271e-15 64 96A2 0 48 72;raw = 48time = 2capacity = 0raw.down = 43.3333raw.up = 60raw.current = 50raw.slack = 0某公司有6个建筑工地，位置坐标为(a i, b i)(单位：公里),水泥日用量d i (单位：吨）1) 现有j j j吨，制定每天的供应计划，即从A, B两料场分别向各工地运送多少吨水泥，使总的吨公里数最小。
数学建模实验答案
14.5714
第86页例3
>> c=[2;3;1];
>> a=[1,4,2;3,2,0];
>> b=[8;6];
>> [x,y]=linprog(c,-a,-b,[],[],zeros(3,1))
Optimization terminated.
x =
0.8066
-2.2943
rint =
-4.0390 4.0485
-3.2331 6.2555
-5.3126 1.9707
-6.5603 3.1061
-4.5773 5.0788
-0.5623 8.4132
-6.0767 3.1794
25.1698
0.0000
20.0000
14.8302
40.0000
y =
574.8302
实验报告三、 第二部分
data=[0,0.8,1.4,2.0,2.4,3.2,4.0,4.8,5.4,6.0,7.0,8.0,10.0;0,0.74,2.25,5.25,8.25,15,21.38,26.25,28.88,30.6,32.25,33,35];
b =
62.4054
1.5511
0.5102
0.1019
-0.1441
bint =
-99.1786 223.9893
-0.1663 3.2685
-1.1589 2.1792
-1.6385 1.8423
x5 = [1.62 1.79 1.51 1.60 1.61 1.31 1.02 1.08 1.02 0.82 1.03 1.08 0.92 0.79 0.86 1.27 1.10]';
撰写建模小论文
实验一撰写数学建模小论文一、 实验目的1. 熟悉数学建模的基本方法与步骤；2. 能对一些生活问题进行分析与数学建模；3. 掌握数学建模论文的写作规范与要求。
二、 实验任务1. 对“椅子放平稳问题”，当椅子为长方形时，试建立其数学模型并解决问题。
阐述并写出解决过程。
2. 整理“管道包扎问题”的解决过程，继续“思考与练习”题，即：（1）当w 趋于零时，包扎方式会如何变化？（2）当w 等于截面周长c 时，包扎方式会如何变化?（3）.当管道是正方形或其他形状时，对布带宽度有什么影响？（4）如果允许布带有重叠，结论有什么变化?然后按数学建模论文的要求撰写完整的论文。
三、 实验过程与结果（对重要的实验结果截取全屏图，另存为JPG/PNG 格式）一、问题分析该模型看似与数学与数学无关，但我们可以用数学语言给予表述，并用数学工具来证实，经过分析，我们可以用一元变量θ表示椅子的位置，用θ的两个函数表示椅子四脚与地面的距离，进而把模型假设和椅脚同时着地的结论用简单、精确的数学语言表达出来，构成了这个实际问题的数学模型。
二、模型假设（1）椅子四条腿一样长，椅脚与地面接触处视为一点，四脚的连线呈长方形．（2）地面高度是连续变化的，沿任何方向都不会出现间断 (没有像台阶那样的情况)，即从数学的角度看，地面是连续曲面．这个假设相当于给出了椅子能放稳的必要条件．（3）椅子在任何位置至少有三只脚同时着地．为保证这一点，要求对于椅脚的间距和椅腿的长度而言，地面是相对平坦的．因为在地面上与椅脚间距和椅腿长度的尺寸大小相当的范围内，如果出现深沟或凸峰(即使是连续变化的)，此时三只脚是无法同时着地的．三、模型建立（显示模型函数的构造过程）1111A B C D 在上述假设下，解决问题的关键在于选择合适的变量，把椅子四只脚同时着地表示出来．首先，引入合适的变量来表示椅子位置的挪动．生活经验告诉我们，要把椅子通过挪动放稳，通常有拖动或转动椅子两种办法，也就是数学上所说的平移与旋转变换．然而，平移椅子后问题的条件没有发生本质变化，所以用平移的办法是不能解决问题的．于是可尝试将椅子就地旋转，并试图在旋转过程中找到一种椅子能放稳的情形．注意到椅脚连线呈长方形，长方形是中心对称图形，绕它的对称中心旋转180度后，椅子仍在原地．把长方形绕它的对称中心O旋转，这可以表示椅子位置的改变。
数学建模 -实验报告1
������������⁄������������ = ������������(1 − (������ + ������)) − ������1������∗������,
（4 − 3）
������������∗⁄������������ = −������1������∗������ + ������2������
二、 问题分析
建立肿瘤细胞增长模型时，我们可以从自由增长模型开始分析，引进 Logistic 阻滞增长模型，构成肿瘤细胞增长初步框架。再者肿瘤细胞不同于普 通细胞，其生长受到人体自身免疫系统的制约。于是综合考虑正常细胞转化，癌 细胞增殖，癌细胞死亡，癌细胞被效应细胞消除等情况，建立动力学方程。并对 模型进行适当简化求解。在放射治疗方案的设计中，我们可以引入放射生物学中 广泛接受的 LQ 模型对问题进行分析，由于放疗对人体伤害相当大，因此我们采 取分次逐次放疗的方式进行治疗。我们具体分两种情形进行讨论，一是在总剂量 一定的条件下，不同的分次剂量组合对生物效应的影响；二是在产生相同生物效 应的情况下，分析最优的分次剂量组合。
易算出癌细胞转入活动期已有 300 多天，故如何在早期发现癌症是攻克癌症的关键之一 （2）手术治疗常不能割去所有癌细胞，故有时需进行放射疗法。射线强度太小无法杀
死癌细胞，太强病人身体又吃不消且会使病人免疫功能下降。一次照射不可能杀死全部癌细 胞，请设计一个可行的治疗方案（医生认为当体内癌细胞数小于 100000 个时即可凭借体内 免疫系统杀灭）。
进一步简化，根据(4-4)，(4-5)式可知，效应细胞������∗和复合物������有出有进．假 设出入保持平衡，则有
������ + ������∗ = C (C 为常数)
数学建模优秀实验报告
一、实验背景与目的随着科学技术的不断发展，数学建模作为一种解决复杂问题的有力工具，在各个领域都得到了广泛应用。
本实验旨在通过数学建模的方法，解决实际问题，提高学生的数学思维能力和解决实际问题的能力。
二、实验内容与步骤1. 实验内容本实验选取了一道具有代表性的实际问题——某城市交通拥堵问题。
通过对该问题的分析，建立数学模型，并利用MATLAB软件进行求解，为政府部门提供决策依据。
2. 实验步骤（1）问题分析首先，对某城市交通拥堵问题进行分析，了解问题的背景、目标及影响因素。
通过查阅相关资料，得知该城市交通拥堵的主要原因是道路容量不足、交通信号灯配时不当、公共交通发展滞后等因素。
（2）模型假设为简化问题，对实际交通系统进行以下假设：1）道路容量恒定，不考虑道路拓宽、扩建等因素；2）交通信号灯配时固定，不考虑实时调整；3）公共交通系统运行正常，不考虑公交车运行时间波动；4）车辆行驶速度恒定，不考虑车辆速度波动。
（3）模型构建根据以上假设，构建以下数学模型：1）道路容量模型：C = f(t)，其中C为道路容量，t为时间；2）交通流量模型：Q = f(t)，其中Q为交通流量；3）拥堵指数模型：I = f(Q, C)，其中I为拥堵指数。
（4）模型求解利用MATLAB软件，对所构建的数学模型进行求解。
通过编程实现以下功能：1）计算道路容量C与时间t的关系；2）计算交通流量Q与时间t的关系；3）计算拥堵指数I与交通流量Q、道路容量C的关系。
（5）结果分析与解释根据求解结果，分析拥堵指数与时间、交通流量、道路容量之间的关系。
针对不同时间段、不同交通流量和不同道路容量，提出相应的解决方案，为政府部门提供决策依据。
三、实验结果与分析1. 结果展示通过MATLAB软件求解，得到以下结果：（1）道路容量C与时间t的关系曲线；（2）交通流量Q与时间t的关系曲线；（3）拥堵指数I与交通流量Q、道路容量C的关系曲线。
2. 结果分析根据求解结果，可以得出以下结论：（1）在高峰时段，道路容量C与时间t的关系曲线呈现下降趋势，说明道路容量在高峰时段不足；（2）在高峰时段，交通流量Q与时间t的关系曲线呈现上升趋势，说明交通流量在高峰时段较大；（3）在高峰时段，拥堵指数I与交通流量Q、道路容量C的关系曲线呈现上升趋势，说明拥堵指数在高峰时段较大。
- 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、"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、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)。
实验一、汽车刹车距离问题的曲线拟合
一、问题
美国的某些司机培训课程中的驾驶规则：正常驾驶条件下, 车速每增10英里/小时，后车与前车的距离应增一个车身的长度。
实现这个规则的简便办法是 “2秒准则” ：后车司机从前车经过某一标志开始默数2秒钟后到达同一标志。
但事实上，刹车距离与车速有关10英里/小时(≈16公里/小时)车速下2秒钟行驶29英尺(≈9米)>>车身的平均长度15英尺(=4.6米)“2秒准则”与“10英里/小时加一车身”规则不同。
于是通过如下假设，建立数学模型，寻求更好的驾驶规则。
(1) 刹车距离 d 等于反应距离 d 1 与制动距离d 2 之和，即 21d d d +=； (2) 反应距离 d 1与车速 v 成正比，即v t d 11=，其中t 1为反应时间；
(3) 刹车时使用最大制动力F ，F 作功等于汽车动能的改变，即F d 2= m v 2/2，并且我们知道F 与车的质量m 成正比，于是，得到2
2kv d =
综上，得到车速v 与刹车距离d 之间关系的数学模型为2
1kv v t d +=. 跟据经验， t 1
的估计值一般为0.75秒。
下面，利用交通部门提供的如下一组实际数据拟合k.
下表第三列括号外的数值是平均距离、括号里的数值是刹车最大距离 。
表1 交通部门统计的车速与实际刹车距离之间的关系
二、实验要求
1、整理交通部门的数据成为Matlab 可以直接编程做拟合用的数据。
数据的整理，一是车速
选“英里/小时”而刹车距离用“英里”的“平均距离”或“最大距离”；二是车速选“英尺/秒”而刹车距离用“英尺”的“平均距离”或“最大距离”；三是将这些数据换算成中国常用的方式，即车速用“公里/小时”而刹车距离用“米”的平均距离和最大距离。
2、根据上面整理出来的拟合数据，编程拟合出模型中的k 值，拟合的方法请自行查阅。
3、得到k 值以后，根据表1中的车速带入模型2
1kv v t d +=算出刹车距离；再用该刹车距离除以车速，得到刹车时间，从而修改“2秒规则”。
4、写出实验报告，注意文字描述、数据列表、实验过程贴图等。
三、实验内容
1、首先对所给的数据进行单位换算。
已知1英里=1.609344千米 1英尺=0.3048米 1英里=5 280英尺 数据整理后得表1
表1
若用平均刹车距离计算，则车辆仍有可能相撞，为确保其安全性，取最大刹车距离进行分析，从而计算出二车间安全距离。
车速v 与刹车距离d 之间关系的数学模型为d =t 1v +kv 2，由题已知75.01=t 秒，所求为k ，令y =d −t 1v ，x =v 2，从而将模型转化为一元模型进行分析，带入数据得表2
表2
根据表2利用matlab进行绘图，如下所示
图1
图1中蓝色散点为真实数据，红色直线为拟合直线。
通过图像可以看出，x和y基本可以认为是一元线性关系，继而进行一元线性回归分析。
图2
如图2所示，做出x，y直线，可以判断为线性关系。
图中蓝线由真实数据所做成的曲线，红线为拟合直线。
图3 模型线性回归分析
分析结果如图3所示，k≈0.0931，故模型方程为d=0.75v+0.0931v2，其模型图像如下图所示：
图4 模型拟合曲线
又由物理公式d=d1+d2
d1=vt1
d2=0.5at22
v=at2
得d=vt1+v2/2a，与模型方程连立得到a=1/(2k)
，利用
=2kv)。
a计算理论刹车时间(t2=v
a
表3 刹车时间表
所求得的时间为总刹车时间，不受单位限制（只要保证方程左右单位统一即可），从而可以根据上表进行修改“两秒准则”。
对于所给数据进行一元线性回归分析时，残差图在车速为80英里/小时时，不在置信区间内，于是尝试将最后一组数据删掉重新进行一元线性回归分析。
图5 残差分析图
第二次分析发现，在新的残差图中，最后一组数据（原倒数第二组数据）不在置信区间内，若再删去最后一组数据进行分析依旧发现最后一组数据不在置信区间内，而实验数据样本原本就少，所以最初不应将最后一组数据删除。
现得到的已是最佳结果。
图6 第二次残差分析图
实验二、划艇比赛的成绩与人数问题的函数拟合
一、问题
赛艇是一种靠桨手划桨前进的小船，分单人艇、双人艇、四人艇、八人艇四种。
各种
艇虽大小不同，但形状相似。
现在考虑八人艇分重量级组（桨手体重不超过86kg ）和轻量级组（桨手体重不超过73kg ），建立模型说明重量级组的成绩比轻量级组大约好5%. T.A.McMathon 比较了各种赛艇1964—1970年四次2000m 比赛的最好成绩（包括1964年和1968年的两次奥运会和两次世界锦标赛），见表2第1至第6列，发现它们之间有相当一致
数为 n ， 桨手功率 p ， 桨手体重 w ， 艇重 W 。
(2) 艇形状相同(l /b 为常数)，w 0与n 成正比。
(3) v 是常数，阻力 f 与 sv 2成正比。
(4) w 相同，p 不变，p 与w 成正比。
通过推导，发现比赛成绩 t 与将手数n 的关系为：t ∝ n – 1/9.
二、实验要求
1、根据以上分析，设比赛成绩t 与桨手数n 之间的关系为b
an t ，请从出表2中整理出能用于拟合出这里的参数a 和b 的数据，并用Matlab 做拟合从而得到参数a 和b ，并写出拟合后的数学模型；
2、用拟合后的数学模型，结合桨手数计算出相应的比赛成绩，并画出实际桨手数-比赛成绩
图、以及拟合后的桨手数-比赛成绩图，将二者放在同一个图里做比较并用文字说明，比较要以拟合出的比赛成绩与实际成绩之差来说明。
3、写出实验报告。
注意实验过程的详细文字描述，并插入适当的记录实验过程的截图、数据表及其他图表等。
三、实验内容
比赛成绩t与浆手数n之间的关系为t=an b,两边取对数得ln t=ln a+b∗ln(n)，令y=ln(t)，x=ln(n)，A=ln(a)，可简化原模型为y=A+bx。
根据已知数据做出下表
图1 x 与y散点图
由表1数据用matlab进行绘图得到图1，蓝点为真实数据点，红线为拟合直线，观察图像可以发现，x与y基本可以认为是一元线性关系，可以进行一元线性回归分析
图2 模型线性回归分析
利用一元线性回归分析可得A≈1.9855，b≈−0.1032，a=e A=7.2827，从而得到−0.1032，继而计算理论比赛时间如下表
用matlab进行绘图，得到下图，拟合成绩实际成绩基本相似，故所给模型基本符合，然而比赛中风速，运动员身体状况，水流情况等不确定因素无法避免。