第一篇：数学建模基本知识

1.模型

1.1概念

模型是客观事物的一种简化的表示和体现

1.2特点

1：它是客观事物的一种模仿或抽象，可以加深人们对客观事物的理解。为了帮助人们思考，我们需要用一种简化的方式来表现一个复杂的系统或现象。

2：模型可以帮助人们解决问题，所以它必须具备研究系统的基本特征和要素。更重要的是要包括决定其原因和效果的各个因素之间的相互关系。

1.3分类

模型可分为实物（形象）模型和抽象模型

抽象模型又可分为模拟模型和数学模型

2.数学模型

2.1描述

对于现实世界的一个特定的对象，为了一个特定的目的，根据特有的内在规律，做一些必要的简化和假设，运用适当的数学工具，得到的一个数学结构。

这里的特定对象是:我们具体要研究的某个具体问题；

这里的特定目的是:研究一个对象所要到达的特定目的，如：分析、预测、控制、决策等；

这里的数学工具是:数学各分支的理论和方法以及数学的某些软件系统；

这里的数学结构是:各种数学方程、表格、图形。

2.2分类

2.2.1按照数学建模用的数学方法的不同分类

可以分为：初等模型、运筹学模型、微分方程模型、概论统计模型、控制论模型等

2.2.2按照数学模型应用的领域不同分类

可以分为：人口模型、交通模型、经济预测模型、金融模型、环境模型、生态模型、企业管理模型、城镇规划模型等

2.2.3按照对建模机理的了解程度分类

可以分为：

2.2.3.1白箱模型

主要指物理、力学等一些机理比较清楚的学科描述的现象以及相应的工程技术问题。这些方面的数学模型大多数已经建立起来，还需要深入研究的主要是针对具体问题的特定目的进行修正与完善，或者是进行优化设计与控制等

2.2.3.2灰箱模型

主要指生态、经济等领域中遇到的模型，人们对其中机理虽有了解但不是很清楚，在建立和改进模型方面还有不少工作要做

2.2.3.3黑箱模型

主要指生命科学、社会科学等领域中遇到的模型，人们对其机理知之甚少，甚至完全不清楚

2.2.3.4注

在工程技术和现代管理中，有时会遇到一类问题：由于因素众多、关系复杂以及观测困难等原因，人们通常把他们当作灰箱或黑箱模型来处理。

这三个模型没有严格界限，随着科技发展也会随之而变。

 2.2.4按照模型的表现特性分

2.2.4.1确定性模型与随机性模型

前者不考虑随机因素影响，后者考虑

2.2.4.2静态模型与动态模型

两者的区分在于是否考虑时间因素引起的变化

2.2.2.3离散模型与连续模型

两者的区分在于描述系统状态的变量是离散的还是连续的

3.建模的要求、方法、步骤

3.1对数学模型的要求

1. 要有足够的精度，可以把本质的性质和关系反应进去，非本质的去掉而又不影响反映现实的本质的真实程度
2. 模型纪要精确又要简单
3. 尽量借鉴已有的标准形式的模型

4. 构造模型的依据要充分

3.2数学建模的方法大类

3.2.1机理分析法

前提是我们对于研究对象的机理有一定的了解。根据对现实对象的了解和已有知识、经验，分析研究对象中各变量（因素）之间的因果关系，找出反应其内部机理的规律的一类方法。

3.2.2测试分析法

对于研究对象的机理不清楚的时候，可以把研究对象视为一个“黑箱”系统，对系统的输入输出进行预测，并以这些实测数据为基础进行统计分析来建立一个模型。

3.2.3综合分析法

对于某些问题，人们将上述的俩种方法结合起来使用，例如：使用机理分析法确定模型结构，再用测试分析法确定其中的参数。

3.3一般步骤

3.3.1模型准备

首先得有一个清晰的想法：研究解决的问题是什么？建模所达到的主要目的是什么？

通常在一开始对问题不清楚，需要调查研究、收集信息与研究问题有关的信息、资料，进而初步确立是哪儿一类模型

3.3.2模型假设

对研究的问题和搜集的信息进行分析，弄清楚哪一些因素是主要的、起主导作用的，哪一些是次要的。然后根据建模的目的抓住主要因素，忽略次要因素，即对实际问题进行必要的简化，再用精简的语言做出简化的假设。这是十分困难的问题，也是十分关键的一步，往往需要多次反复才能完成。

3.3.3模型构成

根据所作模型的假设，分析研究对象的因果关系，用数学语言加以刻画，就可以得到所研究问题的数学描述，即构成所研究问题的数学模型。

通常它是描述问题的主要因素的变量的一个关系式，在构成数学模型后，一般还要进行必要的分析和简化，使它便于达到求解的形式。并且根据研究的目的，对它进行检查，主要是看它是否能代表所研究的实际问题

3.3.4模型求解

多数情况，我们很难获得数学模型的解析解（数学公式表示的精确解），只能获得它的数值解（以来进算计算法求得的真实解的近似），这就需要应用各种数值方法、软件和计算机。

包括各种数值优化方法，线性和非线性方程组的数值方法、微分方程（或方程组）的数值解法，各种预测、决策和概率统计方法等，以及各种应用软件系统。

当现有的数学方法不能很好的解决所归纳的数学问题时，就要针对数学模型的特点进行改进。

3.3.5模型分析

对求解结果进行数学上的分析，如：结果的误差分析、统计分析、模型对数据的灵敏度分析、对假设的强健性分析等

3.3.6模型检验

把求解的分析结果翻译回到实际问题，与实际的现象、数据比较，检验模型的合理性和适用性。如果结果与实际不符，应该修改、补充假设，重新建模

3.3.7模型应用

模型应用就是把反复改进的模型及其解应用于实际系统，看是否达到预期的目的。若不够满意，则建模任务还未完成，尚需继续努力

3.3.8注

1. 不要拘泥于上述形式，按题目分析
2. 需要对原型做一些合理假设
3. 恰当使用数学方法。一般不确定问题常用概率统计等数学方法，对于确定的适合用微分方程或代数方程等数学方法。如：92年国赛A题的施肥效果分析，因为给的数据是随机的，只宜建立不确定性模型，像回归分析等。所以在建立模型前，对原型做确定性与非确定性判断，再确定数学方法。（此外，变量取连续值是连续型模型、变量取离散值是离散型模型）
4. 对建立的模型进行必要的分析和检验。怎么判断在建模过程中所作的假设是合理的，使用的数学方法也是恰当的呢？一种有效的方法就是对建立的模型进行分析检验。当使用不确定性数学方法建模时，方法本身的适用性就要进行检验。如：在进行回归分析时，要做回归效果的显著性检验；在做判别分析时要做判别效果的检验等；在使用确定性方法建模时，通常没有完整的适用性检验方法，但仍需对结果进行分析，看是否与实际情况相符。如：在使用微分方程或差分模型时，常希某些平衡解具有稳定性，这需要对平衡解做稳定性分析。总之，任何一个模型都应该进行分析和检验，以确定它是否能反映现实原型的有关特征。