微分方程模型--饮酒驾车
微分方程模型——数学建模真题解析

请你参考下面给出的数据(或自己收集资料)建立饮 酒后血液中酒精含量的数学模型,并讨论以下问题: 1. 对大李碰到的情况做出解释; 2. 在喝了3瓶啤酒或者半斤低度白酒后多长时间内驾 车就会违反上述标准,在以下情况下回答: 酒是在很短时间内喝的; 酒是在较长一段时间(比如2小时)内喝的。 3. 怎样估计血液中的酒精含量在什么时间最高。 4. 根据你的模型论证:如果天天喝酒,是否还能开车? 5. 根据你做的模型并结合新的国家标准写一篇短文, 给想喝一点酒的司机如何驾车提出忠告。
方程)。 (2)微元法。
微分方程的稳定性理论: 对微分方程组
dx f ( x) dt
若f(x0)=0,则称x0是方程组的平衡点。
如果在平衡点x0处,f(x)的Jacobi矩阵
f1 f1
x1
x2
Df D( f1, f2 , Dx D(x1, x2 ,
, ,
fn ) xn )
f2 x1
f2 x2
fn fn x1 x2
f1
xn
f2 xn
fn xn
的所有特征值的实部都小于0,则x0是稳定的平衡点, 如果存在某个特征值的实部大于0,则x0是不稳定的 平衡点。
稳定的平衡点的实际意义: 如果微分方程存在稳定的平衡点,设x(t)是微分方 程的解,则当t时, x(t)趋向于某个稳定的平衡 点。
养老金的发放与职工在职时的工资及社会平均工资有着密 切关系;工资的增长又与经济增长相关。近30年来我国经 济发展迅速,工资增长率也较高;而发达国家的经济和工 资增长率都较低。我国经济发展的战略目标,是要在21世 纪中叶使我国人均国民生产总值达到中等发达国家水平。 现在我国养老保险改革正处于过渡期。养老保险管理的一 个重要的目标是养老保险基金的收支平衡,它关系到社会 稳定和老龄化社会的顺利过渡。影响养老保险基金收支平 衡的一个重要因素是替代率。替代率是指职工刚退休时的 养老金占退休前工资的比例。按照国家对基本养老保险制 度的总体思路,未来基本养老保险的目标替代率确定为 58.5%. 替代率较低,退休职工的生活水准低,养老保险基 金收支平衡容易维持;替代率较高,退休职工的生活水准 就高,养老保险基金收支平衡较难维持,可能出现缺口。 所谓缺口,是指当养老保险基金入不敷出时出现的收支之 差。
饮酒驾车模型及matlab实现

数学实验
y1 (t ) 记 c(t ) ,得: V
Ng0k1 c(t) (ek2t ek1t ) V (k1 k2 )
式(7.5.3)可以写成
(7.5.3)
当前任务就 是,确定 k,k1,k2
c(t ) k (e k2t e k1t ) , (7.5.4)
Ng 0 k1 , k1 k2 其中 k V (k1 k2 )
y1(t):在时刻t中心室(血液和体液)的酒量(mg);
K2:酒精从中心室向体外排出的速率系数; V:中心室的容积(100ml).
数学实验
7.5.4 模型假设
大李在短时间内喝下2瓶啤酒后,酒精先从吸收室(肠胃)进入中 心室(血液与体液),然后从中心室向体外排出。忽略喝酒时间, 并假设: (1)吸收室在初始时刻t=0时,酒精量立即为2g0,酒精从吸收室进 入中心室的速率(吸收室在单位时间内酒精量的减少量)与吸收室 的酒精量成正比,比例系数为k1. (2)中心室的容积V保持不变;在初始时刻t=0时,中心室酒精量为0; 在任意时刻,酒精从中心室向体外排出的速率(中心室的单位时间 内酒精量的减少量)与中心室的酒精量成正比,比例系数为k2. (3)在大李(体重为70kg)适度饮酒没有酒精中毒的前提下,假设k1 和k2都是常数,与酒精量无关。 (4)考虑到大李在下午6点接受检查,之后由于离开检查地点以及 停车等待等原因耽误了一定时间,因此假定大李在晚8点吃晚饭 (即大李从第一次接受检查到第二次喝酒之间相隔了2个小时)
参数的初值设定思路:
e x 1 x ,所以 :
k1t
c(t ) k (e
k 2t
e ) k (k1 k2 )t
根据原始数据表,当t=1时,有 k (k1 k2 ) 80
饮酒与安全驾车问题的数学模型

p o i e e s n b e s g e t n rt e r v d sr a o a l u g s i sf h m. o o
Ke r s d u k d i n ; if r n i l q to M a h ma i a y wo d : r n r vi g d fe e t ua in; a e t e tc
恢 复驾 车所 需的 时 间也 就 越 长。在 保 障安全 驾 车的前提 下 ,对 司机 允许 的饮 酒量提 出 了合理 的 建议 。 关键词 :饮 酒驾 车 ;微 分方程 ;Ma e t a t mai h c
中 图 分 类 号 : 02 9 文 献标 志 码 :A 文 章 编 号 : l7 — 3 62 1 ) 2 0 1- 4 6 4 3 2 (0 0 0 — 0 3 0
Ab t a t By n l z n h M e a o i sr c: a a y i g t e t b l M e h n s c c a im o lo o i u n b d e c h l n h ma o is h a e sa ls e t
Th a he a i a o l n t eI s fDrnk n nd S f t rv n eM t m tc l M deso h s ueo i i g a a e y D i i g
XU i u Hu - n j
( p r n f ai o reYa g h uP ltc ncIsi t, n z o 2 17 C ia Deat me t B scc us, n z o oyeh i nt eYa g h u2 5 2 , hn ) o u t
Apr 2 0 . 01
饮 酒 与 安 全 驾 车 问题 的数 学模 型
微分方程模型02

微分方程模型在实际问题中,我们很难直接得出变量之间的数量关系,但是有时却很容易写出包括变量的导函数在内的一个方程,这就是微分方程,我们在一般的建模中常涉及常微分方程。
微分方程一般形式为:0),...,'',',,()(=n yy y y x F 或),...,'',',,()1()(-=n n yy y y x f y。
若在某个范围内存在具有n 阶导数的函数)(x y ψ=使得))(,...,')'(,)'(),(,()(=x x x x x F n ψψψψ,则称)(x y ψ=是微分方程的解。
微分方程所解决的问题通常可以分为两类:一类是用微分方程列出变量之间的关系式,求出位置函数的表达式,有时要借助软件进行数值分析;另一类是要了解未知变量或函数的某些性质即可,常需要根据微分方程的定性理论来研究,这两类建模问题我们将在后面进行讨论。
1. 微分方程简介1.1. 简单的微分方程模型一种比较简单的微分方程模型是变量的变化率与函数的即时值成正比,即kyy =',它的解就是kt e y t y 0)(=,这里0y 是初值,k 是待定常量。
通常情况下,如果0>k 称)(t y 指数递增;如果0<k ,称)(t y 指数递减,我们通过几个例子来说明这种事实。
1.1.1. 放射性元素的自然衰变放射性元素的自然衰变是化学上的一个基本事实,它常用于定碳测量,在考古学学上利用该方法测定古生物生存年代。
存活于生物组织中占有确定比例的碳原子是放射性同位素14C ,一旦生物组织死亡,这种14C 不会增加,而会将一定比例的14C 衰变为12C ,并保持一定的速率(14C 的半衰期为5568年)按指数规律下降。
测定它现存的比例并与活的样品比较,就可以求得比例下降了多少,也就得到了被测样品的实际年代。
建立模型:假定)(t y 为t 时刻生物体内14C 原子的个数,经过相同的时间T ,y的值减少为原值的1/2 (指数衰减)。
数学建模-微分方程模型-饮酒驾车问题

和 x0 ,将体重 70kg 的某人在快速喝下 2 瓶啤酒之后一段时间内他血液中酒精含量的
测量值进行处理后,得到附录 1 所示的 y0 0 时的一组数据,并采用非线性最小二乘法 拟合算法对系数进行求解,得出参数如下。 x0 5193
=2.00796
=0.1855
同时可以看到,每瓶啤酒含酒精量为 2596.5mg。 所以,得出的血液中酒精含量关于时间的函数如下。
0.1855 t e 2.00756t ) 2860.78604(e y (t ) 0.1855( t 6) 2860.8028e 2.00756(t 6) 3800.7595e
0t 6 6 t 12
利用 matlab 对以上模型进行求解。 图 3 大李血液中酒精含量随时间变化图像
y (t ) ( y0 +5721.57208)e 0.1855t 5721.57208e 2.00796t
拟合效果如图。 图 1 函数的拟合效果
图 2 残差分析图
残差分析图
600 500 400 300 200 100 0 10 11 12 13 14 15 0.5 1.5 2.5 3.5 0.25 ‐100 ‐200 ‐300 ‐400 残差 0.75 4.5 16 1 2 3 4 5 6 7 8 9
时刻为 t 时胃肠道中的酒精含量。
y (t ) 时刻为 t 时血液中的酒精含量。
胃肠道中的酒精进入血液的转移率与胃肠道中酒精量的比值。 血液中的酒精的排除率与血液中酒精量的比值。
五、模型的建立与求解
5.1 问题一 根据题目叙述,大李的实际情况符合快速饮酒的模型。为了确定函数中的系数 ,
饮酒驾车的微分方程模型

二 、 模 假 设 建
1 饮 酒 后 , 精经 胃逐 步 扩散 到 血液 中 . 被 血 液 中 的酶 逐 渐 . 酒 冉
分解 。
由( ) ( ) 看出 :( ) , + y t 是 以 e 为 公 比的等 比序 8÷ 9可 , 一 ) ( ) ( 列, 故有 :( - ( ) r y t = ) y 0 + , 0 1e ) y £) ( ’, y £ y t + q ( ) (】- ( ) 1 )( (I・ep ) ( = ) 对 七式 两边求 和得 :
( , 各 时段 均 定作 常 数 T 并将 时 段 分 点记 成 t i l2 3 t 将 ) , i= , , ……)则 ( , 上 式化 为 :( - ( ) y t =2 p Wi y t 『, y £ y t + () [ae 'q ( )r ) -
整 理 为 :( ) ( + q ( )2 e 8 f } ) T y t = 1’ _ ・ 亦 有 :( - ( + y t = a e 。 y £ yt ( ) H) ) 2p・ 。 () 8 ( 9)
q- p
() 6
8 8 7 6 6 5 2 2 7 8 8 8 9 1 1 1 1 1 o 1 2 3 4 2 2 1 1 1 1 8 5 8 5 2 o
5 5 4 1 0 1 1 1 5 6 7 7 4
所求 的血 液 中酒 精浓 度 随时 间变化 的 函数 :
巾图 分类 号: 7 O15
一
文 献标 识码 : A
文章编 号 : 9 83 (00 0— 14 0 10- 6 12 1 )8 03— 2
() ^ t t= p () () 】
、
前 言
饮 酒肇 事 , 所周 知 , 众 本模 型 给 出了如下 建模依 据 : 饮 洒 、 ① 醉酒
微分方程模型--饮酒驾车

– 在建模仿真中的应用 – ……
MATLAB 的保留常量
特殊变量 ans pi eps flops inf NaN i,j nargin nargout realmin realmax 取 值 用于结果的缺省变量名 圆周率 计算机的最小数,当和 1 相加就产生一个比 1 大的数 浮点运算数 无穷大,如 1/0 不定量,如 0/0 i=j= − 1 所用函数的输入变量数目 所用函数的输出变量数目 最小可用正实数 最大可用正实数
人把酒喝入体内后,酒精进入血液需要有一个吸收的过程,故可认为有一 酒精向体外排泄速率与人体体液中酒精的含量成正比; 个吸收室,且酒精被完全吸收。把肠胃作为Ⅰ室,人体体液作为Ⅱ室,酒 2、仅考虑所喝酒中的酒精全部进入血液,不考虑其他因素的影响; 精被吸收后进入Ⅱ室,并最终由Ⅱ室分解并排除,其运动过程如图:
体重约70kg的某人在短时间内喝下2瓶啤酒后,隔一定时间测量他 的血液中酒精含量(毫克/百毫升),得到数据如下:
时间(小时) 酒精含量 时间(小时) 酒精含量
0.25 30 6 38
0.5 68 7 35
0.75 75 8 28
1 82 9 25
1.5 82 10 18
2 77 11 15
2.5 68 12 12
4 51 15 7
4.5 50 16 4
5 41
30
时间(小时) 6 酒精含量
38
人把酒喝入体内后,酒精进入血液需要有一个吸收的过程,故可认为有一 酒精向体外排泄速率与人体体液中酒精的含量成正比; 个吸收室,且酒精被完全吸收。把肠胃作为Ⅰ室,人体体液作为Ⅱ室,酒 2、仅考虑所喝酒中的酒精全部进入血液,不考虑其他因素的影响; 精被吸收后进入Ⅱ室,并最终由Ⅱ室分解并排除,其运动过程如图:
数学建模论文-饮酒驾车的优化模型

饮酒驾车的优化模型摘要酒后驾车发生事故给人身安全造成极大的伤害,在全世界引起了广泛的关注。
本文通过分析啤酒中酒精在人体体内胃肠(含肝脏)与体液(含血液)之间的交换机理,分别建立了在短时间内喝酒和长时间喝酒两种情况下,胃肠和体液(含血液)中的酒精含量的微分方程。
对给出的数据,利用非线性最小二乘数据拟合及高斯-牛顿算法,确定了一瓶啤酒中的酒精含量以及酒精从胃肠进入血液的速度系数和酒精从血液渗透出体外的速度系数。
继而,对不同喝酒方式下,血液中酒精浓度进行分析。
该模型不仅能很好地解释大李在中午12:00时喝了一瓶啤酒后,在下午6:00时检查时符合驾车标准,紧接着再喝一瓶啤酒后,在次日凌晨2:00时检查却被判为饮酒驾车这一现象,而且可以预测喝酒后任一时刻血液中的酒精浓度.利用所建立的模型,我们可得到以下结果:1.大李在第一次检查时血液酒精浓度为19.9616毫克/百毫升。
第二次检查时血液酒精浓度为20.2448毫克/百毫升,这是由于第一次喝酒在体液中残留的酒精所导致。
2.在短时间内,喝三瓶啤酒或喝半斤低度白酒分别在12.25小时和13.6小时内驾车会违反驾车新标准规定;在2小时间内喝3瓶啤酒或喝半斤低度白酒分别在13.28小时和14.63小时内驾车会违反驾车新标准规定。
3. 短时间喝酒,无论喝多少酒,血液中的酒精含量达到最高所用时间均为1.3255 小时。
长时间也与所喝酒精的量无关,只与喝酒所持续时间有关,我们得到喝酒持续时间与酒精含量到达最高点的时间的关系如下:4. 如果天天喝酒,只要适当控制好喝酒量与喝酒以后到开车的间隔时间还是可以开车的。
比如:一个70公斤,喝2瓶啤酒需间隔10小时以上。
该模型能较精确的预测时间与血液中酒精浓度的关系,其解具有较好的稳定性,为定量研究饮酒与驾车的关系提供了科学的依据。
同时,它具有很好的推广和应用价值,模型可推广到医学,化学等方面。
一、问题的重述酒后驾车引起的死亡事故占全国交通事故相当大的比例。
- 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)。
最小二乘曲线拟合
MATLAB 程序设计语言基础
MATLAB 语言的优势
编程简单,类似于其他语言,如C 集成度更高,扩展性更好 数学问题数值解能力强大 由Maple内核构成的符号运算工具箱可以 继承Maple所有解析解的求解能力 • 在数学、工程领域有各种“工具箱” • 强大的系统仿真能力,Simulink建模 • 在控制界是国际首选的计算机语言 • • • •
4 51 15 7
4.5 50 16 4
5 41
30
时间(小时) 6 酒精含量
38
人把酒喝入体内后,酒精进入血液需要有一个吸收的过程,故可认为有一 酒精向体外排泄速率与人体体液中酒精的含量成正比; 个吸收室,且酒精被完全吸收。把肠胃作为Ⅰ室,人体体液作为Ⅱ室,酒 2、仅考虑所喝酒中的酒精全部进入血液,不考虑其他因素的影响; 精被吸收后进入Ⅱ室,并最终由Ⅱ室分解并排除,其运动过程如图:
MATLAB科学计算的主要内容
• 三大基本功能:数值计算、符号计算、图形 处理 • 程序设计与应用程序接口 • MATLAB科学计算中的应用
– 在数值分析中的应用
• • • • • 多项式与插值、数据的曲线拟合 数值微分与数值积分 线性代数 非线性方程求根 微分方程
– 在最优化问题中的应用 – 在概率统计中的应用 – 在偏微分方程解法中的应用 – 在复变函数中的应用 – 数学问题的非传统解法
饮酒驾车
针对这种严重的道路交通情况,国家标准规定,车辆驾驶人员血 液中的酒精含量大于或等于20毫克/百毫升,小于80毫克/百毫升为饮 酒驾车血液中的酒精含量大于或等于80毫克/百毫升为醉酒驾车。 在喝了3瓶啤酒或者半斤低度白酒后多长时间内驾车就会违反上述 标准,在以下情况下回答: 1)酒是在很短时间内喝的; 2)酒是在较长一段时间(比如2小时)内喝的。
人把酒喝入体内后,酒精进入血液需要有一个吸收的过程,故可认为有一 酒精向体外排泄速率与人体体液中酒精的含量成正比; 个吸收室,且酒精被完全吸收。把肠胃作为Ⅰ室,人体体液作为Ⅱ室,酒 2、仅考虑所喝酒中的酒精全部进入血液,不考虑其他因素的影响; 精被吸收后进入Ⅱ室,并最终由Ⅱ室分解并排除,其运动过程如图:
• • • • 模糊逻辑与模糊推理 神经网络在数据拟合中的应用 遗传算法在最优化求解中的应用 ……
– 在建模仿真中的应用 – ……
MATLAB 的保留常量
特殊变量 ans pi eps flops inf NaN i,j nargin nargout realmin realmax 取 值 用于结果的缺省变量名 圆周率 计算机的最小数,当和 1 相加就产生一个比 1 大的数 浮点运算数 无穷大,如 1/0 不定量,如 0/0 i=j= − 1 所用函数的输入变量数目 所用函数的输出变量数目 最小可用正实数 最大可用正实数
Ⅰ室 (肠胃v1) x1(t) k1 Ⅱ室 (体液v2) x2(t) k2 分解 转移
假设1、人体吸收酒精的速率与吸收室中酒精的含量成正比.
饮酒
由假设建立二室模型
x1(t ) = De ⎧ dx1(t ) 解微分方程得: = −k1i x1(t ); ⎪ dt ⎪ ⎪ dx 2(t ) = k1i x1(t ) − k 2i x 2(t ); D k1 -k1i t D k1 − k 2 it ⎨ dt c2(t)= × e − × e ⎪ v2 k2 − k1 v2 k2 − k1 x1(0) = D; ⎪ ⎪ x 2(0) = 0. ⎩
• 函数调用语句
[返回变量列表]=函数名(输入变量列表)
例:[a,b,c]=my_fun(d,e,f,c) • 冒号表达式 v=s1:s2:s3 该函数生成一个行向量v,其中s1是起始值, s2是步 长(若省略步长为1), s3是最大值。
例:用不同的步距生成 (0,π) 间向量。 >> v1=0:0.2:pi v1 = Columns 1 through 9 0 0.2000 0.4000 0.6000 1.0000 1.2000 1.4000 1.6000 Columns 10 through 16 1.8000 2.0000 2.2000 2.4000 2.8000 3.0000
数学运算符号及标点符号
+ — * .* / ./ ^ .^ \ 加法运算,适用于两个数或两个同阶矩阵相加. 减法运算 乘法运算 点乘运算 除法运算 点除运算 乘幂运算 点乘幂运算 反斜杠表示左除.
(1)MATLAB的每条命令后,若命令后为分号,则禁止显示结果. (2)“%” 后面所有文字为注释. (3) “...”表示续行.
• 直接赋值语句
赋值变量=赋值表达式 例:>> a=pi^2 a= 9.8696 •点运算--矩阵对应元素的直接运算 数学表示 : MATLAB 实现: C=A.*B 例:>> A=[1,2,3;4,5,6;7,8,0]; >> B=A.^A B= 1 4 27 256 3125 46656 823543 16777216 1
转移结构
例:用循环求解求最大的 m
>> s=0; for i=1:10000 s=s+i; if s>10000, break; end end >> i i= 141
MATLAB 语言的函数的基本结构
例:求m,使
∑i < K
i =1
m
function [m,s]=findsum(k) s=0; m=1; while (s<k) s=s+m; m=m+1; end >> [m1,s1]=findsum(145323) m1 = 539 s1 = 145530
时间(小时) 0.25 酒精含量
0.5 68 7 35
0.75 75 8 28
1 82 9 25
1.5 82 10 18
2 77 11 15
2.5 68 12 12
3 68 13 10
3.5 58 14 7
4 51 15 7
4.5 50 16 4
5 41
30
时间(小时) 6 酒精含量
38
t=[0.25,0.5,0.75,1,1.5,2,2.5,3,3.5,4,4.5,5,6,7,8,9,10,11,12,13,14,15,16]; c2=[30,68,75,82,82,77,68,68,58,51,50,41,38,35,28,25,18,15,12,10,7,7,4];
3 68 13 10
3.5
x1(t ) = De − k 1t
4 51 15 7
4.5 50 16 4
5 41
58 14 7
D k1 D k1 -k1 i t c2(t)= e e − k 2 it × − × v2 k2 − k 1 v2 k2 − k 1
D=500g×2×5%=50000mg V2=70000mg/100毫克/百毫升×70%=490百毫升 D/v2=102.04
• 符号型变量数据类型:
常用于公式推导、解析解解法
– 符号变量声明 • syms var_list var_props • 例:syms a b real • syms c positive
• 字符串型数据:用单引号括起来 。 • 多维数组:是矩阵的直接扩展,多个下标。
MATLAB 的基本语句结构
− k 1t
问题1模型的建立与求解:
由假设建立二室模型
⎧ dx1(t ) 解微分方程得: ⎪ dt = −k1i x1(t ); ⎪ ⎪ dx 2(t ) = k1i x1(t ) − k 2i x 2(t ); D k1 -k1i t D k1 − k 2 it ⎨ dt c2(t)= × e − × e ⎪ v2 k2 − k1 v2 k2 − k1 ⎪ x1(0) = D; ⎪ x 2(0) = 0. ⎩
Ⅰ室 (肠胃v1) x1(t) k1 Ⅱ室 (体液v2) x2(t) k2 分解 转移
假设1、人体吸收酒精的速率与吸收室中酒精的含量成正比.
饮酒
其中:
•x1(t) , x2(t) 分别为t 时刻在Ⅰ室、Ⅱ室 中的酒精含量; •v1: Ⅰ室的体积 •v2 : Ⅱ室的体积 •t : 时间 c1=x1(t)/v1为体液中每百毫升酒精含量c2=x2(t)/v2为体液中每百 毫升酒精含量; •k1是酒精从Ⅰ室进入Ⅱ室的速率系数 • k2为酒精从Ⅱ室转移到Ⅱ室外的速率系数; •D为0时刻时Ⅰ室中的酒精含量;
inline 函数和匿名函数
inline 函数,可以免去文件
f ( x, y ) = sin( x 2 + y 2 )
f=inline(‘sin(x.^2+y.^2)’,’x’,’y’)
MATLAB 7.0
二维图形绘制
二维图形绘制基本语句
构造向量:
例:选项为红色点划线且每个转折点用五角星表示 ‘r-.pentagram’
调用格式:[a,Jm] = lsqcurvefit ( Fun,a0,x,y) 其中,Fun为原型函数,(M-函数或Line( )函数)
c2(t)=
D k1 × (e-k1i t − e − k 2 it ) v2 k2 − k1
a0为最优化的初值,x,y为原始输入输出数据向量。 返回值为待定系数下的目标函数的值Jm。
例: >> x=[-pi : 0.05: pi]; % 以 0.05 为步距构造自变量向量 >> y=sin(tan(x))-tan(sin(x)); % 求出各个点上的函数值 >> plot(x,y) >> plot(x,y,'r-.pentagram')
最小二乘曲线拟合: 假设有一组数据xi,yi,i=1,2…N,且已知这组 数据满足某一函数原型y=f(a,x) ,其中a为待定系数向 量,则最小二乘曲线拟合的目标就是求出这一组待定系 数的值,使得目标函数