数学建模_微分方程模型
数学建模实验二：微分方程模型Matlab求解与分析
实验二： 微分方程模型Matlab 求解与分析一、实验目的[1] 掌握解析、数值解法，并学会用图形观察解的形态和进行解的定性分析； [2] 熟悉MATLAB 软件关于微分方程求解的各种命令；[3] 通过范例学习建立微分方程方面的数学模型以及求解全过程； [4] 熟悉离散 Logistic 模型的求解与混沌的产生过程。
二、实验原理1. 微分方程模型与MATLAB 求解解析解用MATLAB 命令dsolve(‘eqn1’,’eqn2’, ...) 求常微分方程（组）的解析解。
其中‘eqni'表示第i 个微分方程，Dny 表示y 的n 阶导数,默认的自变量为t 。
（1） 微分方程 例1 求解一阶微分方程 21y dxdy+= (1) 求通解 输入：dsolve('Dy=1+y^2')输出：ans =tan(t+C1)（2）求特解 输入：dsolve('Dy=1+y^2','y(0)=1','x')指定初值为1，自变量为x 输出：ans =tan(x+1/4*pi)例2 求解二阶微分方程 221()04(/2)2(/2)2/x y xy x y y y πππ'''++-=='=-原方程两边都除以2x ，得211(1)04y y y x x'''++-= 输入:dsolve('D2y+(1/x)*Dy+(1-1/4/x^2)*y=0','y(pi/2)=2,Dy(pi/2)=-2/pi','x')ans =- (exp(x*i)*(pi/2)^(1/2)*i)/x^(1/2) +(exp(x*i)*exp(-x*2*i)*(pi/2)^(3/2)*2*i)/(pi*x^(1/2))试试能不用用simplify 函数化简 输入: simplify(ans)ans =2^(1/2)*pi^(1/2)/x^(1/2)*sin(x) （2）微分方程组例3 求解 d f /d x =3f +4g ; d g /d x =-4f +3g 。
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 ，
数学建模微分方程模型练习题
微分方程模型练习题
1.速度为v 的风吹在迎风面积为s 的风车上，空气密度是ρ，用量纲分析方法确定风车获得的功率P 与,
,v s ρ的关系
2.根据经验当一种新商品投入市场后，随着人们对它的拥有量的增加，其销售量()s t 成正比。
广告宣传可给销量添加一个增长速度，它与广告费()a t 成正比，但广告只能影响这种商品在市场上尚未饱和的部分（设饱和量为M ）。
建立一个销量()s t 的模型。
若广告宣传只进行有限时间τ，且广告费为常数a ，问()s t 如何变化？
3.如果两个种群都能独立生存，共处时又能相互提供食物，试建立种群依存模型并讨论平衡点的稳定性，解释稳定的意义。
4.某种群最高年龄为30岁，按间隔10岁将此种群分为三组并
以10年为一时段。
若020b b ==，13b =，016p =，112p =，
0(1000,1000,1000)T N =
求：（1）10年、20年、30年后该种群按年龄分布的种群量；
（2）此种群的固有增长率1λ及相应的稳定年龄分布；
（3）指出该种群的发展趋势。
数学建模 四大模型总结
四类基本模型1 优化模型1.1 数学规划模型线性规划、整数线性规划、非线性规划、多目标规划、动态规划。
1.2 微分方程组模型阻滞增长模型、SARS 传播模型。
1.3 图论与网络优化问题最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。
1.4 概率模型决策模型、随机存储模型、随机人口模型、报童问题、Markov 链模型。
1.5 组合优化经典问题● 多维背包问题(MKP)背包问题：n 个物品，对物品i ，体积为i w ，背包容量为W 。
如何将尽可能多的物品装入背包。
多维背包问题：n 个物品，对物品i ，价值为i p ，体积为i w ，背包容量为W 。
如何选取物品装入背包，是背包中物品的总价值最大。
多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。
该问题属于NP 难问题。
● 二维指派问题(QAP)工作指派问题：n 个工作可以由n 个工人分别完成。
工人i 完成工作j 的时间为ij d 。
如何安排使总工作时间最小。
二维指派问题（常以机器布局问题为例）：n 台机器要布置在n 个地方，机器i 与k 之间的物流量为ik f ，位置j 与l 之间的距离为jl d ，如何布置使费用最小。
二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。
● 旅行商问题(TSP)旅行商问题：有n 个城市，城市i 与j 之间的距离为ij d ，找一条经过n 个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。
● 车辆路径问题(VRP)车辆路径问题（也称车辆计划）：已知n 个客户的位置坐标和货物需求，在可供使用车辆数量及运载能力条件的约束下，每辆车都从起点出发，完成若干客户点的运送任务后再回到起点，要求以最少的车辆数、最小的车辆总行程完成货物的派送任务。
TSP 问题是VRP 问题的特例。
● 车间作业调度问题(JSP)车间调度问题：存在j 个工作和m 台机器，每个工作由一系列操作组成，操作的执行次序遵循严格的串行顺序，在特定的时间每个操作需要一台特定的机器完成，每台机器在同一时刻不能同时完成不同的工作，同一时刻同一工作的各个操作不能并发执行。
常微分方程数学建模案例分析
常微分方程数学建模案例分析常微分方程是运用微积分中的概念与理论研究变化率的方程。
它是数学建模中常用的方法之一，可用于描述各种实际问题，如经济增长、生物扩散、化学反应等。
本文将通过一个关于人群传染病的数学建模案例，分析常微分方程在实际问题中的应用。
假设地有一种传染病，病毒的传播速度与感染者的接触频率有关。
现在我们要研究传染病的传播速度以及控制措施对传染病传播的影响。
为此，我们可以建立如下的数学模型：设N(t)表示时间t时刻的总人口数，而I(t)表示感染者的人口数，S(t)表示易感者的人口数。
根据该模型，易感者的人数随时间的变化率可表示为：dS/dt = -βSI其中，β表示感染率，即感染者每接触到一个易感者，会使其发病的概率。
感染者的人数随时间的变化率可表示为：dI/dt = βSI - γI其中，γ表示恢复率，即感染者每天被治愈的人数。
总人口数随时间的变化率可以通过易感者和感染者的变化率求和得到：dN/dt = dS/dt + dI/dt通过对该方程进行求解，我们可以得到感染者和易感者的人数随时间变化的解析解。
进一步，我们可以通过调节β和γ来研究不同的传播速度和控制措施对传染病传播的影响。
例如，如果β较大，表示感染率较高，此时传染速度会加快，可能导致传染病扩散的速度加快。
反之，如果β较小，表示感染率较低，传染病传播的速度会减慢。
另外，如果γ较大，表示恢复率较高，此时感染者的人数会快速减少，传染病传播的速度会减慢。
相反，如果γ较小，传染病传播的速度会加快。
通过对这些参数的调节，我们可以研究不同的控制措施对传染病传播的影响。
例如，我们可以通过降低感染率β或增加恢复率γ来减缓传染病传播的速度，从而控制疫情的爆发。
在实际应用中，常微分方程数学建模方法可以用于预测传染病的传播趋势，评估各种干预措施的效果。
此外，还可以通过引入更多的变量和参数，建立更复杂的模型，以更好地解释实际问题。
总之，常微分方程是数学建模中常用的方法之一，可以用于描述各种实际问题，如传染病的传播、经济增长等。
数学建模 微分方程模型讲解
量在初始阶段的增长情况比较相符。
（2）由（3—19）式推得，t=0 时显然 x=0,这一结果自然与
事实不符。产生这一错误结果的原因在于我们假设产品是自然推
销的，然而，在最初产品还没卖出之时，按照自然推销的方式，
便不可能进行任何推销。事实上，厂家在产品销售之初，往往是
通过广告、宣传等各种方式来推销其产品的。
? 1. 新产品推销模型 ? 一种新产品问世，经营者自然要关心产
品的卖出情况。下面我们根据两种不同 的假设建立两种推销速度的模型。
模型 A 假设产品是以自然推销的方式卖出，换句话说，被卖出的产品
实际上起着宣传的作用， 吸引着未来购买的消费者。 设产品总数与时刻 t 的关
系为 x(t), 再假设每一产品在单位时间内平均吸引 k 个顾客，则 x(t) 满足微
样，从根本上解决了模型 A 的不足。 由（3—20）式易看出， dx ? 0 ，即 x(t) 是关于时刻 t 的单调增
dt
加函数，实际情况自然如此，产品的卖出量不可能越卖越少。另外，
对（3—20）式两端求导，得
d 2x dt 2
?
k(M
?
2 x)
dx dt
故令 d 2x
dt 2
?
0 ，得到 x(t0 ) ?
Nm N0
)e? n
易看出，当t→? 时，当Ｎ（t） →Ｎm。这个模型称为Logistic 模型，其结果 经过计算发现与实际情况比较吻合。上面所画的是 Logistic 模型的的图形。
你也可从这个图形中，观察到微分方程解的某些性态。
捕鱼问题
在鱼场中捕鱼，捕的鱼越多，所获得的经济效益越大。但捕捞的鱼过多，
根据上面的假设，我们建立模型
dS ? P ? A(t) ? ??1 ? S (t) ?? ? ? S(t )
数学建模,第三章-微分方程模型
8小时20分－2小时57分＝5小时23分
即死亡时间大约在下午5:23，因此张某不能被 排除在嫌疑犯之外。
理学院
3.2 目标跟踪模型
例1 饿狼追兔问题 黑 龙 现有一直兔子，一只狼，兔子位于狼的正西100米处，假 江 科 设兔子与狼同时发现对方并一起起跑，兔子往正北60米处的 技 巢穴跑，而狼在追兔子，已知兔子、狼是匀速跑且狼的速度 学 是兔子的2倍。兔子能否安全回到巢穴? 整理得到下述模型： 院 解：设狼的行走轨迹为y=f(x),则有：
理பைடு நூலகம்院
本章将通过一些最简单的实例来说明微分方程建模的 一般方法。在连续变量问题的研究中，微分方程是十分常 用的数学工具之一。
在许多实际问题中，当直接导出变量之间的函数关系 较为困难，但导出包含未知函数的导数或微分的关系式较 为容易时，可用建立微分方程模型的方法来研究该问题，
黑 龙 江 科 技 学 院 数 学 建 模
数 学 建 模
B
60
2 2xf' ' x 1 f' x y' x 0 , y 0 100 x 100 解得狼的行走轨迹为： 100 0 100 (0,h) 0, f' f 假设在某一时刻，兔子跑到 处，而狼在 (x,y)处，则有：
理学院
y y0 g e
g
车间空气中CO2浓度y 与时间t的数学模型
黑 龙 江 科 技 学 院 数 学 建 模
3.4 学习模型
一般认为，对一项技术工作，开始学得较快，但随着学 得越来越多时，内容也越来越复杂，学员学得就会越来越慢。
员学习的速度，则随y的增长而下降。
dy 设y%表示已经掌握了这项工作的百分数， dt
数学建模微分方程模型
数学建模微分方程模型在数学建模的旅程中，微分方程模型扮演了至关重要的角色。
它们在描述和解决各种实际问题中，从物理学到社会科学，都起到了关键的作用。
在本章中，我们将探讨微分方程模型的基本概念、类型和应用。
微分方程是一种方程，它包含未知函数的导数。
这种方程在描述变化率时非常有用，例如，描述物体的速度或加速度。
在形式上，微分方程可以表示为 y'(x) = f(x, y)，其中 y'表示 y的导数，f是一个给定的函数。
根据方程的特点，微分方程可以划分为多种类型，如线性微分方程、非线性微分方程、常微分方程、偏微分方程等。
每种类型的方程都有其特定的求解方法和应用领域。
微分方程在众多领域中都有应用，如物理学、工程学、经济学等。
例如，牛顿第二定律就是一个微分方程，它描述了物体的加速度如何由作用力决定。
人口增长模型、传染病模型等也都依赖于微分方程。
建立微分方程模型通常需要以下步骤：确定模型的目标和变量；然后，根据问题背景和物理规律建立数学模型；通过数值计算或解析解法得出结果。
求解微分方程的方法主要有两种：数值方法和解析方法。
数值方法是通过计算机程序或软件进行数值计算得到近似解，而解析方法是通过求解方程得到精确解。
对于某些类型的微分方程，可能需要结合使用这两种方法。
建立微分方程模型后，我们需要对模型进行评估和检验，以确保其有效性和准确性。
这通常包括对模型的假设进行检验、对模型的预测结果进行验证以及对模型的参数进行估计和调整等。
随着科学技术的发展，微分方程模型的应用前景越来越广阔。
例如，在生物学中，微分方程被用来描述疾病的传播动态；在经济学中，微分方程被用来分析市场供需关系的变化；在工程学中，微分方程被用来模拟复杂系统的行为等。
未来，随着大数据和人工智能等技术的发展，微分方程模型将在更多领域得到应用和发展。
微分方程模型是数学建模中一个极其重要的部分。
通过学习和掌握微分方程的基本概念、类型、应用以及求解方法等，我们可以更好地理解和解决现实生活中的各种问题。
- 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)。
在问题中并未出现“变化率”、“导数”这样的关键
<
>
模型假设
1.以W(t)表示t时刻某人的体重，并设一天开始时
人的体重为W0。 2．体重的变化是一个渐变的过程。因此可认为 W(t)是关于连续t而且充分光滑的。 3．体重的变化等于输入与输出之差，其中输入
di i dt i (0) i0
i(t ) i0 e
t
t i ?
必须区分已感染者(病 人)和未感染者(健康人)
< >
若有效接触的是病人， 则不能使病人数增加
模型2 区分已感染者(病人)和未感染者(健康人) 假设 1）总人数N不变，病人和健康
人的 比例分别为
i(t ), s(t )
这就非常直接地给出了W平衡=81。 所以，如果我们需要知道的仅仅是这个平 衡值，就不必去求解微分方程了！
<
>
至此，问题已基本上得以解决。
一般地，建立微分方程模型，其方法可归纳为：
(1) 根据规律列方程。利用数学、力学、物理、 化学等学科中的定理或许多经过实践或实验检 验的规律和定律，如牛顿运动定律、物质放射 性的规律、曲线的切线性质等建立问题的微分
病人可以治愈！
< >
(日接触率) tm
模型3 传染病无免疫性——病人治愈成
SIS 模型 为健康人，健康人可再次被感染
增加假设 3）病人每天治愈的比例为 ~日治愈率 建模
N[i(t t ) i(t )] Ns(t )i(t )t Ni(t )t
di i (1 i ) i dt i (0) i0
传染病不蔓延
1/~ 阈值 < >
模型4
预防传染病蔓延的手段
SIR模型
传染病不蔓延的条件——s0<1/ • 提高阈值 1/ 降低 (=/)
,
(日接触率) 卫生水平 (日治愈率) 医疗水平
• 降低 s0
s0 i0 r0 1
提高 r0
群体免疫
的估计
x<<s0
x x(1 2 )0 s0 2s0
1
i
P1
x 2s0 ( s0
s0 - 1/ =
1
)
0 s 1 /
s0
s
小 , s0 1
x 2
提高阈值1/降低被 传染人数比例 x
< >
§3 战争模型
第一次世界大战Lanchester提出预测战役结局的模型
=5429（焦/天），
输出/天 = 69（焦/公斤•天）×（公斤） = 69（焦/天）。
< >
体重的变化/天=△W/△t（公斤/天）， 当△t→0时，它等于dW/dt。
考虑单位的匹配，
利用 “公斤/天=（焦/每天）/41868（焦/公斤）”, 可建立如下微分方程模型
dw 5429 69w 1296 16w dt 41868 10000 w |t 0 w0
双方均以正规部队作战
• 甲方战斗减员率只取决于乙方的兵力和战斗力
f(x, y)=ay, a ~ 乙方每个士兵的杀伤率
a=ry py, ry ~射击率， py ~命中率
ay x u (t ) x bx y v(t ) y
• 忽略非战斗减员
g bx, b rx px
忽略i0 s s0 i0 s ln 0 s0
1
ln s0 ln s s0 s
< >
模型4
被传染人数的估计
SIR模型
记被传染人数比例 x s0 s 1 x 1 s x ln(1 ) 0 s0 i0 s ln 0 s0 s0 i0 0, s0 1
SI 模型
2）每个病人每天有效接触人数 ~ 日 接触率 为, 且使接触的健康人致病
建模
N[i(t t ) i(t )] [s(t )]Ni (t )t
di si dt
s(t ) i(t ) 1
di i (1 i ) dt i (0) i0
需建立
i(t ), s(t ), r (t ) 的两个方程
< >
模型4
SIR模型
N[s(t t ) s(t )] Ns(t )i(t )t
di dt si i ds si dt i (0) i0 , s (0) s0
模型 假设 • 每方非战斗减员率与本方兵力成正比 • 甲乙双方的增援率为u(t), v(t) 模型
(t ) f ( x, y) x u(t ), 0 x (t ) g ( x, y) y v(t ), 0 y
f, g 取Βιβλιοθήκη 于战争类型< >
正规战争模型
方程模型。
<
>
(3) 模拟近似法。在生物、经济等学科的实际问题中，
许多现象的规律性不很清楚，即使有所了解也是极其 复杂的，常常用模拟近似的方法来建立微分方程模型、 建模时在不同的假设下去模拟实际的现象，这个过程 是近似的，用模拟近似法所建立的微分方程从数学上 去求解或分析解的性质，再去同实际情况对比，看这 个微分方程模型能否刻划、模拟、近似某些实际现象。 本章将结合例子讨论几个不同领域中微分方程模型的 建模方法。
<
>
§2 传染病模型
问题
• 描述传染病的传播过程 • 分析受感染人数的变化规律
• 预报传染病高潮到来的时刻
• 预防传染病蔓延的手段 • 按照传播过程的一般规律， 用机理分析方法建立模型
< >
模型1 假设 建模
已感染人数 (病人) i(t)
• 每个病人每天有效接触 (足以使人致病)人数为
i(t t ) i(t ) i(t )t
< >
传染病有免疫性——病人治愈 模型4 后即移出感染系统，称移出者
SIR模型
假设 1）总人数N不变，病人、健康人和移 出者的比例分别为 i(t ), s(t ), r (t ) 2）病人的日接触率 , 日治愈率, 接触数 = / 建模
s(t ) i(t ) r (t ) 1
< >
16t 10000 1296 16W (1296 16W0 ) e
模型求解
用变量分离法求解，模型方程等价于
积分得
<
>
从而求得模型解
就描述了此人的体重随时间变化的规律。
<
>
现在我们再来考虑一下：此人的体重会达到平衡吗? 显然由W的表达式，当t→∞时，体重有稳定值W → 81 。 我们也可以直接由模型方程来回答这个问题。 在平衡状态下， W是不发生变化的。所以
di/dt < 0
i0
0
1-1/
i0
1 i
0
1
i0小
1 , 1 1 i ( ) 1 0,
接触数 =1 ~ 阈值
t
0
t
1 i (t )
i(t )按S形曲线增长
感染期内有效接触感染的健 康者人数不超过病人数
模型2(SI模型)如何看作模型3(SIS模型)的特例
• 假设没有增援
ay x bx y x(0) x , y (0) y 0 0
< >
ay x bx y x(0) x , y (0) y 0 0
y(t )
k 0
为判断战争的结局，不求x(t), y(t) 正规战争模型 而在相平面上讨论 x 与 y 的关系
<
>
例1 某人的食量是10467（焦/天），其中5038
（焦/天）用于基本的新陈代谢（即自动消耗）。
在健身训练中，他所消耗的热量大约是69 （焦/公斤•天）乘以他的体重（公斤）。假设 以脂肪形式贮藏的热量100%地有效，而1公斤脂 肪含热量41868（焦）。
试研究此人的体重随时间变化的规律。
<
>
模型分析
是指扣除了基本新陈代谢之后的净食量吸收；
输出就是进行健身训练时的消耗。
<
>
模型建立 问题中所涉及的时间仅仅是“每天”，由此，
对于“每天”体重的变化=输入-输出。由于考
虑的是体重随时间的变化情况，因此，可得 体重的变化/天=输入/天—输出/天。代入具 体的数值，得 输入/天 = 10467（焦/天）—5038（焦/天）
战争分类：正规战争，游击战争，混合战争 只考虑双方兵力多少和战斗力强弱
兵力因战斗及非战斗减员而减少，因增援而增加 战斗力与射击次数及命中率有关
建模思路和方法为用数学模型讨论社会 领域的实际问题提供了可借鉴的示例
< >
一般模型 x(t) ~甲方兵力，y(t) ~乙方兵力
• 每方战斗减员率取决于双方的兵力和战斗力
i0 s0 1 (通常r (0) r0很小）
N[i(t t ) i(t )] Ns(t )i(t )t Ni(t )t
无法求出 i(t ), s(t ) 的解析解 在相平面 s ~ i 上 研究解的性质
< >
模型4
1 di di ds s 1 si i dt i s s i0 ds si 相轨线 dt 1 s i (0) i0 , s (0) s0 i ( s ) ( s0 i0 ) s ln s0 i i ( s ) 相轨线 的定义域 1