一. 八步建模法
1. 问题提出(模型准备)
了解实际问题的背景(属于哪个领域)
明确数学建模的目的(解决什么问题)
2. 量的分析
收集数学建模的必要信息(相关数据和参考资料)
分析研究对象的主要特征(内在机理或者输入输出)从而对现实问题有一个比较清晰地了解
3. 模型假设
根据所研究对象的特征以及建模目的抓住问题的本质,忽略次要的因素,对问题做出合理的简化假设(合理性指基本符合实际情况,简化性指能够用数学语言描述问题)
模型简化原则:
目的性原则
合理性原则
适应性原则
全面性原则
4. 模型建立
根据假设, 用数学的语言,符号描述出所研究的对象的内在规律,并建立包含常量,变量的数学模型,可以是函数表达式,数学方程,数据表格,算法或者图形等
5. 模型求解
采用各种计算方法对所建立的数学模型进行求解,可能是求函数的极值,求方程的解,算法或图形的实现等
6. 模型分析
对求解结果进行数学上的分析
对结果的误差分析(误差是否在允许范围内)
统计分析(结果是否符合特定的规律)
模型对数据的灵敏度分析(模型的结果是否会因为数据的微小变化而发生巨大变化)
对假设的鲁棒性分析(robunstness)(模型的结果是否对某一假设非常依赖)等
7. 模型检验
将求解结果和分析结果翻译回到实际问题当中,与实际问题时间现象和实际数据进行比较,检验是否与实际吻合
如果吻合的较好,则模型及其结果可以应用于实际,如果吻合的不好则需要对模型进行修正
如果问题出现在模型假设上,应对假设进行修正或者补充然后重新建模
8. 模型应用
当模型经过检验已经成为一个具有合理性和实用性的模型后,即可以用来解决实际问题了
二. 关于数学建模采用的方法:
1. 机理分析法:
在研究对象内部机理分析的基础上,利用建模假设所给出的建模信息或前提条件及相关领域知识,相应的数学工具来构造模型
2. 系统识别建模法:
对系统的内部机理不清楚的情况下,利用建模假设或对系统进行实际测试所得到的数据信息,再运用数学方法确定模型形式,借助于概率论和数理统计来辨识参数构造模型
3. 仿真建模法:
利用各种仿真方法建立模型
4. 相似类比建模法:
根据不同研究对象中的某种相似性来构造数学建模