数学模型实验报告预测模型

数学模型实验报告

专业信息与计算科学班级 2组别指导教师 000 姓名 000 同组人

实验时间 2013 年 9 月 18 日实验地点 k7-405 实验名称：预测模型

数学建模实验报告

在下面的题目中选做100分的题目，给出详略得当的答案。 一.通过举例简要说明数学建模的一般过程或步骤。(15分) 答：建立数学模型的方法大致有两种，一种是实验归纳的方法，即根据测试或计算数据，按照一定的数据，按照一定的数学方法，归纳出系统的数学模型；另一种是理论分析的方法，具体步骤有五步（以人口模型 为例）： 1、明确问题，提出合理简化的假设：首先要了解问题的实际背景，明确题目的要求，收集各种必要的信息 2、建立模型：据所做的假设以及事物之间的联系，构造各种量之间的关系。（查资料得出数学式子或算法）。 3、模型求解：利用数学方法来求解上一步所得到的数学问题，此时往往还要做出进一步的简化或假设。注意要尽量采用简单的数学公具。例如：马尔萨斯模型，洛杰斯蒂克模型 4、模型检验：根据预测与这些年来人口的调查得到的数目进行对比检验 5、模型的修正和最后应用：所建立的模型必须在实际应用中才能产生效益，根据预测模型，制定方针政策，以实现资源的合理利用和环境的保护。 二.把一张四条腿等长的正方形桌子放在稍微有些起伏的地面上，通常只有三只脚着地，然而 只需稍为转动一定角度，就可以使四只脚同时着地，即放稳了。(1) 请用数学模型来描述和证明这个实际问题; (2)讨论当桌子是长方形时，又该如何描述和证明？(15分) 答： 模型假设： 1．椅子四条腿一样长，椅脚与地面的接触部分相对椅子所占的地面面积可视为一个点。 2．地面凹突破面世连续变化的，沿任何方向都不会出现间断（没有向台阶那样的情况），即地面可看作数学上的连续曲面。 3．相对椅脚的间距和椅子腿的长度而言，地面是相对平坦的，即使椅子在任何位置至少有三条腿同时着地。4．椅子四脚连线所构成的四边形是圆内接四边形，即椅子四脚共圆。 5．挪动仅只是旋转。 我们将椅子这两对腿的交点作为坐标原点，建立坐标系，开始时AC、BD这两对腿都在坐标轴上。将AC和BD这两条腿逆时针旋转角度θ。记AC到地面的距离之和为f(θ)。记BD到 地面的距离之和为g(θ)。易得f(θ)，g(θ)至少有一个为零。

数学建模知识及常用方法

数学建模知识——之新手上路 一、数学模型的定义现在数学模型还没有一个统一的准确的定义，因为站在不同的角度可以有不同的定义。不过我们可以给出如下定义：“数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。”具体来说，数学模型就是为了某种目的，用字母、数学及其它数学符号建立起来的等式或不等式以及图表、图像、框图等描述客观事物的特征及其内在联系的数学结构表达式。一般来说数学建模过程可用如下框图来表明：数学是在实际应用的需求中产生的，要解决实际问题就必需建立数学模型，从此意义上讲数学建模和数学一样有古老历史。例如，欧几里德几何就是一个古老的数学模型，牛顿万有引力定律也是数学建模的一个光辉典范。今天，数学以空前的广度和深度向其它科学技术领域渗透，过去很少应用数学的领域现在迅速走向定量化，数量化，需建立大量的数学模型。特别是新技术、新工艺蓬勃兴起，计算机的普及和广泛应用，数学在许多高新技术上起着十分关键的作用。因此数学建模被时代赋予更为重要的意义。二、建立数学模型的方法和步骤 1. 模型准备要了解问题的实际背景，明确建模目的，搜集必需的各种信息，尽量弄清对象的特征。 2. 模型假设根据对象的特征和建模目的，对问题进行必要的、合理的简化，用精确的语言作出假设，是建模至关重要的一步。如果对问题的所有因素一概考虑，无疑是一种有勇气但方法欠佳的行为，所以高超的建模者能充分发挥想象力、洞察力和判断力，善于辨别主次，而且为了使处理方法简单，应尽量使问题线性化、均匀化。 3. 模型构成根据所作的假设分析对象的因果关系，利用对象的内在规律和适当的数学工具，构造各个量间的等式关系或其它数学结构。这时，我们便会进入一个广阔的应用数学天地，这里在高数、概率老人的膝下，有许多可爱的孩子们，他们是图论、排队论、线性规划、对策论等许多许多，真是泱泱大国，别有洞天。不过我们应当牢记，建立数学模型是为了让更多的人明了并能加以应用，因此工具愈简单愈有价值。 4. 模型求解可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法，特别是计算机技术。一道实际问题的解决往往需要纷繁的计算，许多时候还得将系统运行情况用计算机模拟出来，因此编程和熟悉数学软件包能力便举足轻重。 5. 模型分析 对模型解答进行数学上的分析。“横看成岭侧成峰，远近高低各不同”，能否对模型结果作出细致精当的分析，决定了你的模型能否达到更高的档次。还要记住，不论那种情况都需进行误差分析，数据稳定性分析。例题：一个笼子里装有鸡和兔若干只，已知它们共有 8 个头和 22 只脚，问该笼子中有多少只鸡和多少只兔？解：设笼中有鸡 x 只，有兔 y 只，由已知条件有 x+y=8 2x+4y=22 求解如上二元方程后，得解 x=5,y=3，即该笼子中有鸡 5 只，有兔 3 只。将此结果代入原题进行验证可知所求结果正确。根据例题可以得出如下的数学建模步骤： 1）根据问题的背景和建模的目的做出假设（本题隐含假设鸡兔是正常的，畸形的鸡兔除外） 2）用字母表示要求的未知量 3）根据已知的常识列出数学式子或图形（本题中常识为鸡兔都有一个头且鸡有 2 只脚，兔有 4 只脚） 4）求出数学式子的解答 5）验证所得结果的正确性这就是数学建模的一般步骤三、数模竞赛出题的指导思想传统的数学竞赛一般偏重理论知识，它要考查的内容单一，数据简单明确，不允许用计算器完成。对此而言，数模竞赛题是一个“课题”，大部分都源于生产实际或者科学研究的过程中，它是一个综合性的问题，数据庞大，需要用计算机来完成。其答案往往不是唯一的（数学模型是实际的模拟，是实际问题的近似表达，它的完成是在某种合理的假设下，因此其只能是较优的，不唯一的），呈报的成果是一篇论文。由此可见“数模竞赛”偏重于应用，它是以数学知识为引导计算机运用能力及文章的写作能力为辅的综合能力的竞赛。四、竞赛中的常见题型赛题题型结构形式有三个基本组成部分： 1. 实际问题背景涉及面宽——有社会，经济，管理，生活，环境，自然现象，工程技术，现代科学中出现的新问题等。一般都有一个

数学建模实验报告

数学建模实验报告

一、实验目的 1、通过具体的题目实例，使学生理解数学建模的基本思想和方法，掌握 数学建模分析和解决的基本过程。 2、培养学生主动探索、努力进取的的学风，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、实验题目 （一）题目一 1、题目：电梯问题有r个人在一楼进入电梯，楼上有n层。设每个 乘客在任何一层楼出电梯的概率相同，试建立一个概率模型，求直 到电梯中的乘客下完时，电梯需停次数的数学期望。 2、问题分析 （1）由于每位乘客在任何一层楼出电梯的概率相同，且各种可能的情况众多且复杂，难于推导。所以选择采用计算机模拟的 方法，求得近似结果。 （2）通过增加试验次数，使近似解越来越接近真实情况。 3、模型建立 建立一个n*r的二维随机矩阵，该矩阵每列元素中只有一个为1，其余都为0，这代表每个乘客在对应的楼层下电梯（因为每 个乘客只会在某一层下，故没列只有一个1）。而每行中1的个数 代表在该楼层下的乘客的人数。 再建立一个有n个元素的一位数组，数组中只有0和1,其中1代表该层有人下，0代表该层没人下。 例如： 给定n=8;r=6（楼8层，乘了6个人）,则建立的二维随机矩阵及与之相关的应建立的一维数组为： m = 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 c = 1 1 0 1 0 1 1 1 4、解决方法（MATLAB程序代码）：

n=10;r=10;d=1000; a=0; for l=1:d m=full(sparse(randint(1,r,[1,n]),1:r,1,n,r)); c=zeros(n,1); for i=1:n for j=1:r if m(i,j)==1 c(j)=1; break; end continue; end end s=0; for x=1:n if c(x)==1 s=s+1; end continue; end a=a+s; end a/d 5、实验结果 ans = 6.5150 那么，当楼高11层，乘坐10人时，电梯需停次数的数学期望为6.5150。 （二）题目二 1、问题：某厂生产甲乙两种口味的饮料,每百箱甲饮料需用原料6 千克,工人10名,可获利10万元;每百箱乙饮料需用原料5千 克,工人20名,可获利9万元.今工厂共有原料60千克,工人 150名,又由于其他条件所限甲饮料产量不超过8百箱.问如何 安排生产计划,即两种饮料各生产多少使获利最大.进一步讨 论: 1)若投资0.8万元可增加原料1千克,问应否作这项投资. 2)若每百箱甲饮料获利可增加1万元,问应否改变生产计划. 2、问题分析 （1）题目中共有3个约束条件，分别来自原料量、工人数与甲饮料产量的限制。 （2）目标函数是求获利最大时的生产分配，应用MATLAB时要转换

什么是数学模型与数学建模

1. 什么是数学模型与数学建模 简单地说：数学模型就是对实际问题的一种数学表述。 具体一点说：数学模型是关于部分现实世界为某种目的的一个抽象的简化的数学结构。 更确切地说：数学模型就是对于一个特定的对象为了一个特定目标，根据特有的内在规律，做出一些必要的简化假设，运用适当的数学工具，得到的一个数学结构。数学结构可以是数学公式，算法、表格、图示等。 数学建模就是建立数学模型，建立数学模型的过程就是数学建模的过程（见数学建模过程流程图）。数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻划并"解决"实际问题的一种强有力的数学手段。 2.美国大学生数学建模竞赛的由来： 1985年在美国出现了一种叫做MCM的一年一度大大学生数学模型（1987年全称为Mathematical Competition in Modeling,1988年改全称为Mathematical Contest in Modeling,其所写均为MCM）。这并不是偶然的。在1985年以前美国只有一种大学生数学竞赛（The william Lowell Putnam mathematial Competition,简称Putman(普特南）数学竞赛），这是由美国数学协会（MAA--即Mathematical Association of America的缩写）主持，于每年12月的第一个星期六分两试进行，每年一次。在国际上产生很大影响，现已成为国际性的大学生的一项著名赛事。该竞赛每年2月或3月进行。 我国自1989年首次参加这一竞赛，历届均取得优异成绩。经过数年参加美国赛表明，中国大学生在数学建模方面是有竞争力和创新联想能力的。为使这一赛事更广泛地展开，1990年先由中国工业与应用数学学会后与国家教委联合主办全国大学生数学建模竞赛（简称CMCM），该项赛事每年9月进行。

数学建模实验报告

数学建模实验报告 实验一计算课本251页A矩阵的最大特征根和最大特征向量 1 实验目的 通过Wolfram Mathematica软件计算下列A矩阵的最大特征根和最大特征向量。 2 实验过程 本实验运用了Wolfram Mathematica软件计算，计算的代码如下：

3 实验结果分析 从代码的运行结果，可以得到最大特征根为5.07293，最大特征向量为 {{0.262281},{0.474395},{0.0544921},{0.0985336},{0.110298}},实验结果 与标准答案符合。

实验二求解食饵-捕食者模型方程的数值解 1实验目的 通过Wolfram Mathematica或MATLAB软件求解下列习题。 一个生物系统中有食饵和捕食者两种种群，设食饵的数量为x（t），捕食者为y（t），它们满足的方程组为x’(t)=(r-ay)x,y’(t)=-(d-bx)y,称该系统为食饵-捕食者模型。当r=1，d=0.5，a=0.1，b=0.02时，求满足初始条件x（0）=25，y（0）=2的方程的数值解。 2 实验过程 实验的代码如下 Wolfram Mathematica源代码： Clear[x,y] sol=NDSolve[{x'[t] (1-0.1y[t])x[t],y'[t] 0.02x[t]y[t]-0.5y[t],x[0 ] 25,y[0] 2},{x[t],y[t]},{t,0,100}] x[t_]=x[t]/.sol y[t_]=y[t]/.sol g1=Plot[x[t],{t,0,20},PlotStyle->RGBColor[1,0,0],PlotRange->{0,11 0}] g2=Plot[y[t],{t,0,20},PlotStyle->RGBColor[0,1,0],PlotRange->{0,40 }] g3=Plot[{x[t],y[t]},{t,0,20},PlotStyle→{RGBColor[1,0,0],RGBColor[ 0,1,0]},PlotRange->{0,110}] matlab源代码 function [ t,x ]=f ts=0:0.1:15; x0=[25,2]; [t,x]=ode45('shier',ts,x0); End function xdot=shier(t,x)

数学建模与数学实验报告

数学建模与数学实验报告 指导教师__郑克龙___ 成绩____________ 组员1：班级______________ 姓名______________ 学号_____________ 组员2：班级______________ 姓名______________ 学号______________ 实验1.(1)绘制函数cos(tan())y x π=的图像，将其程序及图形粘贴在此。 >> x=-pi:0.01:pi; >> y=cos(tan(pi*x)); >> plot(x,y) -4 -3 -2 -1 1 2 3 4 -1-0.8-0.6-0.4-0.200.20.40.60.8 1 （2）用surf,mesh 命令绘制曲面2 2 2z x y =+，将其程序及图形粘贴在此。（注：图形注意拖放，不要太大）（20分） >> [x,y]=meshgrid([-2:0.1:2]); >> z=2*x.^2+y.^2; >> surf(x,y,z)

-2 2 >> mesh(x,y,z) -2 2 实验2. 1、某校60名学生的一次考试成绩如下:

93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 70 94 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 55 1)计算均值、标准差、极差、偏度、峰度，画出直方图；2)检验分布的正态性；3)若检验符合正态分布，估计正态分布的参数并检验参数. （20分） 1） >> a=[93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 70 94 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 55]; >> pjz=mean(a) pjz = 80.1000 >> bzhc=std(a) bzhc = 9.7106 >> jc=max(a)-min(a) jc = 44 >> bar(a)

数学建模实验报告第十一章最短路问答

实验名称：第十一章最短路问题 一、实验内容与要求 掌握Dijkstra算法和Floyd算法，并运用这两种算法求一些最短路径的问题。 二、实验软件 MATLAB7.0 三、实验内容 1、在一个城市交通系统中取出一段如图所示，其入口为顶点v1，出口为顶点v8，每条弧段旁的数字表示通过该路段所需时间，每次转弯需要附加时间为3，求v1到v8的最短时间路径。 V1 1 V2 3 V3 1 V5 6 V6 V4 2 V7 4 V8

程序： function y=bijiaodaxiao(f1,f2,f3,f4) v12=1;v23=3;v24=2;v35=1;v47=2;v57=2;v56=6;v68=3;v78=4; turn=3; f1=v12+v23+v35+v56+turn+v68; f2=v12+v23+v35+turn+v57+turn+v78; f3=v12+turn+v24+turn+v47+v78; f4=v12+turn+v24+v47+turn+v57+turn+v56+turn+v68; min=f1; if f2

f4 实验结果： v1到v8的最短时间路径为15，路径为1-2-4-7-8. 2、求如图所示中每一结点到其他结点的最短路。V110 V3V59 V6

floy.m中的程序： function[D,R]=floyd(a) n=size(a,1); D=a for i=1:n for j=1:n R(i,j)=j; end end R for k=1:n for i=1:n for j=1:n if D(i,k)+D(k,j)

数学建模常用方法

数学建模常用方法 建模常用算法,仅供参考： 1、蒙特卡罗算法（该算法又称随机性模拟算法,是通过计算机仿真来解决问题的算法,同时可以通过模拟可以来检验自己模型的正确性,是比赛时必 用的方法） 2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理,而处理数据的关键就在于这些算法,通常使用M a t l a b作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题,很多时候这些问题可以用数学规划算法来描述,通 常使用L i n d o、L i n g o软件实现） 4、图论算法（这类算法可以分为很多种,包括最短路、网络流、二分图等算法,涉及到图论的问题可以用这些方法解决,需要认真准备） 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法,很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法,对于有些问题非常有帮助,但是算法的实现比较困难,需慎重使用） 7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法,在很多竞赛题中有应用,当重点讨论模型本身而轻视算法的时候,可以使用这种 暴力方案,最好使用一些高级语言作为编程工具） 8、一些连续离散化方法（很多问题都是实际来的,数据可以是连续的,而计 算机只认的是离散的数据,因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9、数值分析算法（如果在比赛中采用高级语言进行编程的话,那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用） 10、图象处理算法（赛题中有一类问题与图形有关,即使与图形无关,论文 中也应该要不乏图片的,这些图形如何展示以及如何处理就是需要解决的问题,通常使用M a t l a b进行处理） 一、在数学建模中常用的方法： 1.类比法 2.二分法 3.量纲分析法 4.差分法 5.变分法 6.图论法 7.层次分析法 8.数据拟合法 9.回归分析法 10.数学规划（线性规划、非线性规划、整数规划、动态规划、目标规划） 11.机理分析 12.排队方法

数学建模实验报告

matlab 试验报告 姓名 学号 班级 问题：.（插值） 在某海域测得一些点(x,y)处的水深z 由下表给出，船的吃水深度为5英尺，在矩形区域（75，200）*（-50，150）里的哪些地方船要避免进入。 问题的分析和假设： 分析:本题利用插值法求出水深小于5英尺的区域，利用题中所给的数据，可以求出通过空间各点的三维曲面。随后，求出水深小于5英尺的范围。 基本假设：1表中的统计数据均真实可靠。 2矩形区域外的海域不对矩形海域造成影响。 符号规定：x ―――表示海域的横向位置 y ―――表示海域的纵向位置 z ―――表示海域的深度 建模： 1.输入插值基点数据。 2．在矩形区域（75,200）×（－50,150）作二维插值，运用三次插值法。 3．作海底曲面图。 4．作出水深小于5的海域范围，即z=5的等高线。 x y z 129 140 103.5 88 185.5 195 105 7.5 141.5 23 147 22.5 137.5 85.5 4 8 6 8 6 8 8 x y z 157.5 107.5 77 81 162 162 117.5 -6.5 -81 3 56.5 -66.5 84 -33.5 9 9 8 8 9 4 9

求解的Matlab程序代码： x=[129 140 103.5 88 185.5 195 105.5 157.5 107.5 77 81 162 162 117.5]; y=[7.5 141.5 23 147 22.5 137.5 85.5 -6.5 -81 3 56.5 -66.5 84 -33.5]; z=[-4 -8 -6 -8 -6 -8 -8 -9 -9 -8 -8 -9 -4 -9]; cx=75:0.5:200; cy=-50:0.5:150; cz=griddata(x,y,z,cx,cy','cubic'); meshz(cx,cy,cz),rotate3d xlabel('X'),ylabel('Y'),zlabel('Z') %pause figure(2),contour(cx,cy,cz,[-5 -5]);grid hold on plot(x,y,'+') xlabel('X'),ylabel('Y') 计算结果与问题分析讨论： 运行结果： Figure1:海底曲面图：

数学建模实验报告(1)

四川师范大学数学与软件科学学院 实验报告 课程名称：数学建模 指导教师：陈东 班级：_2008级2班_____________ 学号：__2008060244___________ 姓名：___邢颖________ 总成绩：______________

数学与软件科学学院 实验报告 学期：_2009__ 年至2010 _年____ 第_ 二___ 学期 2010 年 4 月 1 ＿日 课程名称:_数学建模__ 专业:数学与应用数学____ 2008__ _级_ 2 ___班 实验编号： 1 实验项目_Matlab 入门_ 指导教师 陈东 姓名： 邢颖 ____ 学号： 2008060244 一、实验目的及要求 实验目的： 实验要求： 二、实验内容 (1)用起泡法对10个数由小到大排序. 即将相邻两个数比较,将小的调到前头. (2)有一个 4*5 矩阵,编程求出其最大值及其所处的位置. (3)编程求 (4)一球从100米高度自由落下,每次落地后反跳回原高度的一半,再落下. 求它在第10次落地时,共经过多少米?第10次反弹有多高? (5)有一函数 ,写一程序,输入自变量的值,输出函数值. 三、实验步骤(该部分不够填写.请填写附页) （2） x=[1 6 2 7 6;4 6 1 3 2;1 2 3 4 7;8 1 4 6 3]; t=x(1,1); for i=1:4 for j=1:5 if x(i,j)>t t=x(i,j); a=[i,j]; end ∑=20 1! n n y xy x y x f 2sin ),(2 ++=

end end （3）程序1： x(1)=1; s=1; for n=2:20 x(n)=x(n-1)*n; s=s+x(n); end s 程序2; s=0,m=1; for n=2:20; m=m*n; s=s+m; end s 结果：s = 2.5613e+018 （4）程序 s=100 h=s/2 for n=2:10 s=s+2*h h=h/2 end s,h 结果：s = 299.6094 h = 0.0977 (5)程序： function f=fun1(x,y) f=x^2+sin(x*y)+2*y

数学建模方法模型

数学建模方法模型 一、统计学方法 1 多元回归 1、方法概述: 在研究变量之间的相互影响关系模型时候用到。具体地说:其可以定量地描述某一现象和某些因素之间的函数关系，将各变量的已知值带入回归方程可以求出因变量的估计值，从而可以进行预测等相关研究。 2、分类 分为两类:多元线性回归和非线性线性回归;其中非线性回归可以通过一定的变化转化为线性回归，比如:y=lnx 可以转化为 y=u u=lnx 来解决;所以这里主要说明多元线性回归应该注意的问题。 3、注意事项 在做回归的时候，一定要注意两件事: (1) 回归方程的显著性检验(可以通过 sas 和 spss 来解决) (2) 回归系数的显著性检验(可以通过 sas 和 spss 来解决) 检验是很多学生在建模中不注意的地方，好的检验结果可以体现出你模型的优劣，是完整论文的体现，所以这点大家一定要注意。 4、使用步骤: (1)根据已知条件的数据，通过预处理得出图像的大致趋势或者数据之间的大致关系; (2)选取适当的回归方程; (3)拟合回归参数; (4)回归方程显著性检验及回归系数显著性检验 (5)进行后继研究(如:预测等)

2 聚类分析 1、方法概述 该方法说的通俗一点就是，将 n个样本，通过适当的方法(选取方法很多，大家可以自行查找，可以在数据挖掘类的书籍中查找到，这里不再阐述)选取 m 聚类中心，通过研究各样本和各个聚类中心的距离 Xij，选择适当的聚类标准，通常利用最小距离法(一个样本归于一个类也就意味着，该样本距离该类对应的中心距离最近)来聚类，从而可以得到聚类结果，如果利用sas 软件或者 spss 软件来做聚类分析，就可以得到相应的动态聚类图。这种模型的的特点是直观，容易理解。 2、分类 聚类有两种类型: (1) Q型聚类:即对样本聚类; (2) R型聚类:即对变量聚类; 通常聚类中衡量标准的选取有两种: (1) 相似系数法 (2) 距离法 聚类方法: (1) 最短距离法 (2) 最长距离法 (3) 中间距离法 (4) 重心法 (5) 类平均法 (6) 可变类平均法 (7) 可变法

数学建模迭代实验报告(新)

非 线 性 迭 代 实 验 报 告 一、实验背景与实验目的 迭代是数学研究中的一个非常重要的工具，通过函数或向量函数由初始结点生成迭代结点列，也可通过函数或向量函数由初值（向量）生成迭代数列或向量列。 蛛网图也是一个有用的数学工具，可以帮助理解通过一元函数由初值生成的迭代数列的敛散性，也帮助理解平衡点（两平面曲线交点）的稳定性。 本实验在Mathematica 平台上首先利用蛛网图和迭代数列研究不动点的类型；其次通过蛛网图和迭代数列研究Logistic 映射，探索周期点的性质、认识混沌现象；第三通过迭代数列或向量列求解方程（组）而寻求有效的求解方法；最后，利用结点迭代探索分形的性质。 二、实验材料 2.1迭代序列与不动点 给定实数域上光滑的实值函数)(x f 以及初值0x ，定义数列 )(1n n x f x =+， ,2,1,0=n （2.2.1） }{n x 称为)(x f 的一个迭代序列。 函数的迭代是数学研究中的一个非常重要的思想工具，利用迭代序列可以研究函数)(x f 的不动点。 对函数的迭代过程，我们可以用几何图象来直观地显示它——“蜘蛛网”。运行下列Mathematica 程序： Clear[f] f[x_] := (25*x - 85)/(x + 3); （实验时需改变函数） Solve[f[x]==x , x] （求出函数的不动点） g1=Plot[f[x], {x, -10, 20}, PlotStyle -> RGBColor[1, 0, 0], DisplayFunction -> Identity]; g2=Plot[x, {x, -10, 10}, PlotStyle -> RGBColor[0, 1, 0], DisplayFunction -> Identity]; x0=5.5; r = {}; r0=Graphics[{RGBColor[0, 0, 1], Line[{{x0, 0}, {x0, x0}}]}]; For[i = 1, i <= 100, i++, r=Append[r, Graphics[{RGBColor[0, 0, 1], Line[{{x0, x0}, {x0, f[x0]}, {f[x0], f[x0]}}] }]]; x0=f[x0] ]; Show[g1, g2, r, r0, PlotRange -> {-1, 20}, （PlotRange 控制图形上下范围） DisplayFunction -> $DisplayFunction] x[0]=x0; x[i_]:=f[x[i-1]]; （定义序列） t=Table[x[i],{i,1,10}]//N ListPlot[t] （散点图） 观察蜘蛛网通过改变初值，你能得出什么结论？ 如果只需迭代n 次产生相应的序列，用下列Mathematica 程序： Iterate[f_,x0_,n_Integer]:= Module[{ t={},temp= x0},AppendTo[t,temp]; For[i=1,i <= n, i++,temp= f[temp]; AppendTo[t,temp]]; t ] f[x_]:= (x+ 2/x)/2; Iterate[f,0.7,10]

数模实验报告

数学建模与实验实验报告 姓名：李明波 院系：仪器科学与工程学院 学号:22013108 老师：王峰

数学建模与实验实验报告 实验一 实验题目 （1）已知某平原地区的一条公路经过如下坐标所示的点，请采用样条插值绘出这条公路（不考虑 （2）对于上表给出的数据，估计公路长度。 实验过程 （1）第一问代码如下: X=[0,30,50,70,80,90,120,148,170,180,202,212,230,248,268,271,280,290,300,312,320,340,3 60,372,382,390,416,430,478]; Y=[80,64,47,42,48,66,80,120,121,138,160,182,200,208,212,210,200,196,188,186,200,184,1 88,200,202,240,246,280,296]; %给出坐标点 xx=0:1:478;%选取0~478内的点 yy=spline(X,Y,xx);%样条插值法找出曲线 plot(X,Y, 'p ',xx,yy, 'g ');%绘出曲线图 x=[440,420,380,360,340,320,314,280,240,200]; y=[308,334,328,334,346,356,360,392,390,400]; hold on xy=440:-1:200; yx=spline(x,y,xy); plot(x,y, 'p ',xy,yx, 'g '); 运行上述代码得到结果如下：

上图为所绘公路图 （2）代码如下： X=[0 30 50 70 80 90 120 148 170 180 202 212 230 248 268 271 280 290 300 312 320 340 360 372 382 390 416 430 478 440 420 380 360 340 320 314 280 240 200]; Y=[80 64 47 42 48 66 80 120 121 138 160 182 200 208 212 210 200 196 188 186 200 184 188 200 202 240 246 280 296 308 334 328 334 346 356 360 392 390 400]; for k=1:length(X)-1 len(k)=sqrt((X(k+1)-X(k))^2+(Y(k+1)-Y(k))^2); end; Len=sum(len);Len 运行得到结果如下： 即公路长为967.46米。

数模模数转换实验报告材料

数模模数转换实验报告 一、实验目的 1、了解数模和模数转换电路的接口方法及相应程序设计方法。 2、了解数模和模数转换电路芯片的性能和工作时序。 二、实验条件 1、DOS操作系统平台 2、数模转换芯片DAC0832和模数转换器ADC0809芯片。 三、实验原理 1、数模转换： （1）微机处理的数据都是数字信号，而实际的执行电路很多都是模拟的。因此微机的处理结果又常常需要转换为模拟信号去驱动相应的执行单元，实现对被控对象的控制。这种把数字量转换为模拟量的设备称为数模转换器（DAC），简称D/A。 （2）实验中所用的数模转换芯片是DAC0832，它是由输入寄存器、DAC 寄存器和D/A 转换器组成的CMOS 器件。其特点是片包含两个独立的8 位寄存器，因而具有二次缓冲功能，可以将被转换的数据预先存在DAC 寄存器中，同时又采集下一组数据，这就可以根据需要快速修改DAC0832 的输出。 2、模数转换： （1）在工程实时控制中，经常要把检测到的连续变化的模拟信号，如温度、压力、速度等转换为离散的数字量，才能输入计算机进行处理。实现模拟量到数字量转换的设备就是模数转换器（ADC），简称A/D。

(2)模数转换芯片的工作过程大体分为三个阶段：首先要启动模数转换过程。其次，由于转换过程需要时间，不能立即得到结果，所以需要等待一段时间。一般模数转换芯片会有一条专门的信号线表示转换是否结束。微机可以将这条信号线作为中断请求信号，用中断的方式得到转换结束的消息，也可以对这条信号线进行查询，还可以采用固定延时进行等待（因为这类芯片转换时间是固定的，事先可以知道）。最后，当判断转换已经结束的时候，微机就可以从模数转换芯片中读出转换结果。 （3）实验采用的是8 路8 位模数转换器ADC0809 芯片。ADC0809 采用逐次比较的方式进行A/D 转换，其主要原理为：将一待转换的模拟信号与一个推测信号进行比较，根据推测信号是大于还是小于输入信号来决定增大还是减少该推测信号，以便向模拟输入逼近。推测信号由D/A 转换器的输出获得，当推测信号与模拟信号相等时，向D/A 转换器输入的数字就是对应模拟信号的数字量。ADC0809 的转换时间为64 个时钟周期（时钟频率500K 时为128S）。分辨率为 8 位，转换精度为±LSB/2，单电源+5V 供电时输入模拟电压围为04.98V。 四、实验容 1、把DAC0832 的片选接偏移为10H 的地址，使用debug 命令来测试 DAC0832 的输出，通过设置不同的输出值，使用万用表测量Ua 和Ub 的模拟电压，检验DAC0832 的功能。选取典型（最低、最高和半量程等）的二进制值进行检验，记录测得的结果。实验结果记录如下： 输入 00 0.001 4.959 08 0.145 4.636

建立数学模型方法步骤特点及分类

建立数学模型的方法、步骤、特点及分类 [学习目标] 1.能表述建立数学模型的方法、步骤； 2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非 预制性、条理性、技艺性和局限性等特点；； 3.能表述数学建模的分类； 4.会采用灵活的表述方法建立数学模型； 5.培养建模的想象力和洞察力。 一、建立数学模型的方法和步骤 —般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法，一类是测试分析方法．机理分析是根据对现实对象特性的认识、分析其因果关系，找出反映内部机理的规律,建立的模型常有明确的物理或现实意义.测试分折将研究对象视为一个“黑箱”系统，内部机理无法直接寻求，可以测量系统的输人输出数据、并以此为基础运用统计分析方法，按照事先确定的准则在某一类模型中选出一个与数据拟合得最好的模型。这种方法称为系统辨识(System Identification)．将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构，用系统辨识确定模型的参数． 可以看出，用上面的哪一类方法建模主要是根据我们对研究对象的了解程度和建模目的决定的．如果掌握了机理方面的一定知识，模型也要求具有反映内部特性的物理意义。那么应该以机理分析方法为主．当然,若需要模型参数的具体数值，还可以用系统辨识或其他统计方法得到．如果对象的内部机理基本上没掌握，模型也不用于分析内部特性,譬如仅用来做输出预报，则可以系统辩识方法

为主．系统辨识是一门专门学科，需要一定的控制理论和随机过程方面的知识．以下所谓建模方法只指机理分析。 建模要经过哪些步骤并没有一定的模式，通常与实际问题的性质、建模的目的等有关，从 §16.2节的几个例子也可以看出这点．下面给出建模的—般步骤，如图16-5所示． 图16-5 建模步骤示意图 模型准备首先要了解问题的实际背景，明确建模的目的搜集建模必需的各种信息如现象、数据等，尽量弄清对象的特征,由此初步确定用哪一类模型，总之是做好建模的准备工作．情况明才能方法对，这一步一定不能忽视，碰到问题要虚心向从事实际工作的同志请教，尽量掌握第一手资料. 模型假设根据对象的特征和建模的目的，对问题进行必要的、合理的简化，用精确的语言做出假设，可以说是建模的关键一步．一般地说，一个实际问题不经过简化假设就很难翻译成数学问题，即使可能，也很难求解．不同的简化假设会得到不同的模型．假设作得不合理或过份简单，会导致模型失败或部分失败，于是应该修改和补充假设；假设作得过分详细，试图把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作．通常，作假设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的综合．作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识，又要充分发挥想象力、洞察力和判断力，善于辨别问题的主次，果断地抓住主要因素，舍弃次要因素，尽量将问题线性化、均匀化．经验在这里也常起重要作用．写出假设时，语言要精确，就象做习题时写出已知条件那样．

数学建模-实验报告11

《数学建模实验》实验报告 学号：______ 姓名: 实验十一：微分方程建模2 一只小船渡过宽为d的河流，目标是起点A 正对着的另一岸B点，已知河水流速w 与船在静水中的速度V2之比为k. 1?建立小船航线的方程，求其解析解； 2. 设d=100m,v i=1m/s,v2=2m/s，用数值解法求渡河所需时间、任意时刻小船的位置及航行曲线，作图，并与解析解比较。 一、问题重述 我们建立数学模型的任务有： 1. 由已给定的船速、水速以及河宽求出渡河的轨迹方程； 2. 已知船速、水速、河宽，求在任意时刻船的位置以及渡船所需要的时间。 二、问题分析 此题是一道小船渡河物理应用题，为典型的常微分方程模型，问题中船速、水速、河宽已经给定，由速度、时间、位移的关系，我们容易得到小船的轨迹方程，同时小船的起点和终点已经确定，给我们的常微分方程模型提供了初始条件。 三、模型假设 1?假设小船与河水的速度恒为定值v「V2 ,不考虑人为因素及各种自然原因； 2. 小船行驶的路线为连续曲线，起点为A，终点为B ； 3. 船在行驶过程中始终向着B点前进，即船速v2始终指向B ； 4. 该段河流为理想直段，水速w与河岸始终保持平行。 四、模型建立 y | B A 兀、 % \ * r v A X 如图，以A为原点，以沿河岸向右方向为x轴正向，以垂直河岸到B端方向为y轴正向建立平面直角坐标系。其中河水流速为v i，小船速度为V2，且w:v2 k，合速度为v，河宽为d，为72与直线AB的夹角。

V x V y 在t 时刻, 船 dx dt V i 小船在x 轴方向的位移为 x v 2 sin v 2 cos V i V 2 0,x(0) 0, y(0) ；(d y) 0. \ (d y) d y ______ 2 2 ' x dy v 2 cos 由(2)/(1)得到dx y(0) v-1 v 2 sin 0. dx In (2) (i )题 dx 对上式求倒数得 dx dy x ，在y 轴方向上的位移为y ，则t 时刻, 方向 的速度 模型求解 v 2 sin V 1 v 2 co s —， 则上式可化为 dx d y dy d ?dp pdy ydp ，代入上式, k J p 2 整理，得 P 2 | ln| d Cy | 也就是 x 2 (d y )2 y P (d y ) dp P 2 kdy ，积分可得 y C k （ ------- ）k ，代入 d y x d y d y 2 0, y 0 d k (d y )k (d y )k d k （见附 录） ，对该情况下的微分方程的数值解进行分 60.0000 6.5451 98.2803 60.1000 6.4519 98.3319 60.2000 6.3585 98.3827 60.3000 6.2649 98.4327 60.4000 6.1711 98.4819 60.5000 6.0771 98.5304 60.6000 5.9829 98.5782 60.7000 5.8886 98.6251 60.8000 5.7940 98.6713 60.9000 5.6993 98.7168 61.0000 5.6043 98.7615 61.1000 5.5092 98.8054 题 由初始条件，设计程序 析，结果如下（省略了前60s 的数据）：

常用数学建模方法

数学建模常用方法以及常见题型 核心提示： 数学建模方法一、机理分析法从基本物理定律以及系统的结构数据来推导出模型 1.比例分析法--建立变量之间函数关系的最基本最常用的方法。 2.代数方法--求解离散问题（离散的数据、符号、图形）的主要方法。3. 逻辑方法--是数学理论研的重要方法，对社会学和经济学等领域的实际问题，在决策，对策等学科中得到广泛应用。4.常微分方程--解决两个变量之间的变化规律，关键是建立"瞬时变化率"的表达式。 5.偏微分方程--解决因变量与两个以上自 数学建模方法 一、机理分析法从基本物理定律以及系统的结构数据来推导出模型 1.比例分析法--建立变量之间函数关系的最基本最常用的方法。 2.代数方法--求解离散问题（离散的数据、符号、图形）的主要方法。 3. 逻辑方法--是数学理论研的重要方法，对社会学和经济学等领域的实际问题，在决策，对策等学科中得到广泛应用。 4.常微分方程--解决两个变量之间的变化规律，关键是建立"瞬时变化率"的表达式。 5.偏微分方程--解决因变量与两个以上自变量之间的变化规律。 二、数据分析法从大量的观测数据利用统计方法建立数学模型 1.回归分析法--用于对函数f（x）的一组观测值（xi,fi）I=1,2,…,n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法。

2.时序分析法--处理的是动态的相关数据，又称为过程统计方法。 3.回归分析法--用于对函数f（x）的一组观测值（xi,fi）I=1,2,…,n，确定函数的表达式，于处理的是静态的独立数据，故称为数理统计方法。 4.时序分析法--处理的是动态的相关数据，又称为过程统计方法。 三、仿真和其他方法 1.计算机仿真（模拟）--实质上是统计估计方法，等效于抽样试验。 ①离散系统仿真--有一组状态变量。 ②连续系统仿真--有解析达式或系统结构图。 2.因子试验法--在系统上作局部试验，再根据试验结果进行不断分析修改，求得所需的模型结构。 3.人工现实法--基于对系统过去行为的了解和对未来希望达到的目标，并考虑到系统有关因素的可能变化，人为地组成一个系统。 数学建模题型 赛题题型结构形式有三个基本组成部分： 一、实际问题背景 1.涉及面宽--有社会，经济，管理，生活，环境，自然现象，工程技术，现代科学中出现的新问题等。 2.一般都有一个比较确切的现实问题。