人口模型预测——数学建模作业
上传是为了分析数学的乐趣，请粘贴复制的时候也多思考哈。为
了更多的学子们。
2014年数学建模论文
第二套
题目：人口增长模型的确定
专业、姓名：土木135
提交日期：2015/7/2晚上
题目：人口增长模型的确定
摘要
对美国人口数据的变化进行拟合，并进行未来人口预测，在第一个模型中，考虑到人口连续变化的规律，用微分方程的方法解出其数量随时间变化的方程，用matlab里的cftool工具箱求出参数，即人口净增长率r=0.02222,对该模型与实际数据进行对比，并计算了从1980年后每隔10年的人口数据，与实际对比，有很大出入。因此又改进出更为符合实际的阻滞增长模型，应用微分方程里的分离变量法和积分法解出其数量随时间变化的方程，求出参数人口增长率r=0.02858和人口所能容纳最大值m x=258.9,与实际数据对比，拟合得很好，并预测出1980年后每隔10年的人口数据，与实际对比，比较符合。为了便于比较两个模型与实际数据的描述情况作对比，又做出了两个模型与实际数据的对比图，以及两个模型的误差图。
关键词：人口预测微分方程马尔萨斯人口增长模型阻滞增长模型
一、问题重述
1790-1980年间美国每隔10年的人口记录如下表所示。
表1 人口记录表
试用以上数据建立马尔萨斯(Malthus)人口指数增长模型，并对接下来的每隔十年预测五次人口数量，并查阅实际数据进行比对分析。
如果数据不相符，再对以上模型进行改进，寻找更为合适的模型进行预测。
二、问题分析
由于题目已经说明首先用马尔萨斯人口增长模型来刻划，列出人口增长指数增长方程并求解，并进行未来50年内人口数据预测，但发现与实际数据有较大出入。考虑到实际的人口增长率是受实际情况制约的，因此，使人口增长率为一变化的线性递减函数，列出人口增长微分方程，求出其方程解，并预测未来五十年内人口实际数据。
三、问题假设
1.假设所给的数据真实可靠;
2.各个年龄段的性别比例大致保持不变;
3.人口变化不受外界大的因素的影响；
4.马尔萨斯人口模型
（1）单位时间的人口增长率r 为常数； （2）将()x t 视为t 的连续可微函数。 5.改进后的模型（阻滞增长模型） (1)人口净增长率r 为变化量。
四、变量说明
()x t t 时刻的人口数量
1790x 初始时刻的人口数量
r 人口净增长率
m x 环境所能容纳的最大人口数量，即()0m r x =
五、模型建立
1．马尔萨斯人口增长模型
t=1790时的人口数为1790x ,在t 到t+Δt 这一时间间隔内，人口的增长为
()()()x t t x t rx t t +?-=?
由于0
()()
'()lim
t x t t x t x t t
→+-=
则得到可建立含初始条件的微分方程'()x t =()rx t ,
1790(1790)x x ==3.9（省略10^6）
其解为(1790)1790()
r t x t x e -=
2．阻滞增长模型
假设人口增长生长率为人口()x t 的线性递减函数，即m x 。
假设自然资源和环境条件所能承受的最大人口容量为m x ，显然，当
m x x =时，
0()m m r x r xr ==-。所以/m s r r =。因此有
()/m r x r rx r =-。于是建立下列微分方程()
'()(1)()m
x t x t r x t x =-， (1790) 3.9x =。把上式化为11
()(1790)m
dx rd t x x x -
=--。分离常数并积分
得到：
(1790)
1790
1(1)m
m
r t x x x e x --=
+-。
六、模型求解 1.马尔萨斯模型求解
参数估计:r 可以用实际数据的线性最小二乘法求解，对于(1790)1790()
r t x t x e -=，直
接求解是比较麻烦的，因此在两边取对数，即
1790ln ()ln (1790)x t x r t =+-，记
ln ()x t y
=，
1790ln ln3.9 1.36
x ===a 。则原方程化为(x) =
3.9*exp(r*(t-1790))。利用1790—1900年的数据进行拟合， 得到r=0.02142.所以也能求出方程程序见附录1。但本题还可以应用matlab 里的cftool 工具箱求参数，在命令行中输入得到更精确的解： General model:
f(x) = 3.9*exp(r*(t-1790))
Coefficients (with 95% confidence bounds): r=0.02222(0.02163,0.02281)
得到如图所示结果，其中蓝线表示马尔萨斯人口模型预测人口数据，正方形黑点表示实际人口数据。
图1.马尔萨斯人口模型与实际人口数据
则每隔
10年预测人口为:
1990332.1
x =,
2000412.8
x =,
2010517.7x =,2020646.5x =,2030799.3x =，然而查阅相关年份美国实际人
口数据，1990年为248.7百万，2000年为281.4百万，2010年为307.0百万。对于2020年和2030年实际还没有统计，因为没有发生，但通过前三个数据就可以看出马尔萨斯模型预测人口与实际有很大出入，所以必须对该模型做出改进，得到更符合实际的预测模型。
2.阻滞增长模型求解 通过对'()x t 求导得拐点在/2m x
x =时，人口增长速度最大。在问题分析已经得到
该模型的表达式，运用matlab 里的cftool 工具箱拟合求出参数: General model:
f(x) = a*3.9/(3.9+(a-3.9)*exp(-r*(t-1790))) Coefficients (with 95% confidence bounds): a = 285.9 (257.4, 314.4) r = 0.02858 (0.02763, 0.02953) 因此0.02858(1790)
285.9
285.9
1(1)3.9
t x
e --=
+- 。并得到如下图，蓝线表示组织增长
模型预测数据，黑点表示实际人口数据。
图2.组织增长模型预测数据与实际人口数据
根据该方程预测得到
1990x =230.92，2000x =242.51，2010x =252.02，
2020x =259.67，2030x =265.71.其中1990，2000,2010年这三年的预测人口数斗鱼
实际人口数据很接近。但还是有一定的误差，模型也存在一定的改进程度才能更符合实际情况。但从图形看，与实际拟合的很好。
3.为了便于比较两种模型与实际数据的直观对比，编出程序附录2把他们放在一个坐标系里。
图3.两个模型与实际人口数据的对比
1780
1800182018401860
188019001920194019601980
050
100
150
200
250
300
t/年份
x /数量百万
图形虽然直观，但不具体，因此应算出两种模型与实际的误差值比较，程序见附录 3.得到下图。
图4.马尔萨斯模型与阻滞增长模型误差的比较
1780
1800182018401860188019001920194019601980
-0.2-0.1
0.1
0.2
0.3
0.4
0.5
从图中可以看出阻滞增长模型的误差更小。
七、结果分析
1.马尔萨斯模型结果分析 则每隔
10
年预测人口为:
1990332.1
x =,
2000412.8
x =,
2010517.7x =,2020646.5x =,2030799.3x =，然而查阅相关年份美国实际人
口数据，1990年为248.7百万，2000年为281.4百万，2010年为307.0百万。对于2020年和2030年实际还没有统计，因为没有发生，但通过前三个数据就可以看出马尔萨斯模型预测人口与实际有很大出入，所以必须对该模型做出改进，得到更符合实际的预测模型。
2.阻滞增长模型结果分析 根据该方程预测得到
1990x =
230.92，
2000x =
242.51，
2010x =
252.02，
2020x =259.67，2030x =265.71.其中1990年实际人口为248.7百万，2000年为281.4
百万，2010年为307.0百万，这三年的预测人口数与实际人口数据很接近。但还是有一定的误差，模型也存在一定的改进程度才能更符合实际情况。但从图形看，与实际拟合的比较好。
八，模型的评价与推广
Malthus数学模型在短期内具有较好的准确度，简易易行，但是不能准确的预测处人口长期的发展趋势，不具有预测人口长期增长数量的能力。为此，结合资料，考虑到一些实际因素，建立了能很好滴预测人口数量增长的logstic模型。
在人口增长的整个过程中logistic模型预测的数据与题中所给数据能很好地在误
差范围内，几乎一致。但由于也存在误差，因此也可以通过相关多项式拟合出其方程，也是可以的，比如二次多项式，但次数不一定越高越好，应使模型所预的数据与实际数据更接近，才是比较好的模型。
logistic模型在人口预测中，在医疗卫生中可以预测寻找某一疾病的危险因素（以及疾病的发展趋势），预测自然界中种群数量的增长等都发挥着巨大的作用。
九、参考文献
[1]王玉英王建国史加荣鲁萍. 数学建模及其软件实现北京：清华大学出版社,2015.
[2]赵凤群戴芳王小侠肖艳婷数学实验基础西安理工大学理学院2013
十、附录
程序1马尔萨斯模型的线性解法
t0=[1790:10:1980];
X0=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92.0 106.5 123.2 131.7 150.7 179.3 204.0 226.5];
plot(t,x,'o');
n=1;
a=polyfit(t0,x0,n);
y=log(x);
p=poly2sym(a)
程序2 人口数量实际值与两种模型预测数据对比图
clear;
t=[1790:10:1980];
x=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92.0 106.5 123.2 131.7 150.7 179.3 204.0 226.5];
nx1=3.9*exp(0.02222.*(t-1790));
nx2=285.9./（1+72.31*exp(-0.02858.*(t-1790)));
plot(t,x,'r',t,nx1,'b',t,nx2,'g');
legend('实际值','马尔萨斯模型','?阻滞增长模型')
程序3 两种模型误差散点图
clear;
t=[1790:10:1980];
x=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92.0 106.5 123.2 131.7 150.7 179.3 204.0 226.5];
nx1=3.9*exp(0.02222.*(t-1790));
nx2=285.9./(1+72.31*exp(-0.02858.*(t-1790)));
W1=(x-nx1)./x;
W2=(x-nx2)./x;
plot(t,W1,'*',t,W2,'x');
legend('马尔萨斯模型误差','阻滞增长模型误差')
数学建模常用模型方法总结精品
【关键字】设计、方法、条件、动力、增长、计划、问题、系统、网络、理想、要素、工程、项目、重点、检验、分析、规划、管理、优化、中心 数学建模常用模型方法总结 无约束优化 线性规划连续优化 非线性规划 整数规划离散优化 组合优化 数学规划模型多目标规划 目标规划 动态规划从其他角度分类 网络规划 多层规划等… 运筹学模型 （优化模型） 图论模型存 储论模型排 队论模型博 弈论模型 可靠性理论模型等… 运筹学应用重点:①市场销售②生产计划③库存管理④运输问题⑤财政和会计⑥人事管理⑦设备维修、更新和可靠度、项目选择和评价⑧工程的最佳化设计⑨计算器和讯息系统⑩城市管理 优化模型四要素：①目标函数②决策变量③约束条件 ④求解方法(MATLAB--通用软件LINGO--专业软件) 聚类分析、 主成分分析 因子分析 多元分析模型判别分析 典型相关性分析 对应分析 多维标度法 概率论与数理统计模型 假设检验模型 相关分析 回归分析 方差分析 贝叶斯统计模型 时间序列分析模型 决策树 逻辑回归
传染病模型马尔萨斯人口预测模型微分方程模型人口预 测控制模型 经济增长模型Logistic 人口预测模型 战争模型等等。。 灰色预测模型 回归分析预测模型 预测分析模型差分方程模型 马尔可夫预测模型 时间序列模型 插值拟合模型 神经网络模型 系统动力学模型(SD) 模糊综合评判法模型 数据包络分析 综合评价与决策方法灰色关联度 主成分分析 秩和比综合评价法 理想解读法等 旅行商(TSP)问题模型 背包问题模型车辆路 径问题模型 物流中心选址问题模型 经典NP问题模型路径规划问题模型 着色图问题模型多目 标优化问题模型 车间生产调度问题模型 最优树问题模型二次分 配问题模型 模拟退火算法(SA) 遗传算法(GA) 智能算法 蚁群算法(ACA) (启发式) 常用算法模型神经网络算法 蒙特卡罗算法元 胞自动机算法穷 举搜索算法小波 分析算法 确定性数学模型 三类数学模型随机性数学模型 模糊性数学模型
数学建模神经网络预测模型及程序
年份 (年) 1(1988) 2(1989) 3(1990) 4(1991) 5(1992) 6(1993) 7(1994) 8(1995) 实际值 (ERI) 年份 (年) 9(1996) 10(1997) 11(1998) 12(1999) 13(2000) 14(2001) 15(2002) 16(2003) 实际值 (ERI) BP 神经网络的训练过程为: 先用1988 年到2002 年的指标历史数据作为网络的输入,用1989 年到2003 年的指标历史数据作为网络的输出,组成训练集对网络进行训练,使之误差达到满意的程度,用这样训练好的网络进行预测. 采用滚动预测方法进行预测:滚动预测方法是通过一组历史数据预测未来某一时刻的值,然后把这一预测数据再视为历史数据继续预测下去,依次循环进行,逐步预测未来一段时期的值. 用1989 年到2003 年数据作为网络的输入,2004 年的预测值作为网络的输出. 接着用1990 年到2004 年的数据作为网络的输入,2005 年的预测值作为网络的输出.依次类推,这样就得到2010 年的预测值。 目前在BP 网络的应用中,多采用三层结构. 根据人工神经网络定理可知,只要用三层的BP 网络就可实现任意函数的逼近. 所以训练结果采用三层BP模型进行模拟预测. 模型训练误差为,隐层单元数选取8个,学习速率为,动态参数,Sigmoid参数,最大迭代次数3000.运行3000次后,样本拟合误差等于。 P=[。。。];输入T=[。。。];输出 % 创建一个新的前向神经网络 net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm') % 当前输入层权值和阈值 inputWeights={1,1} inputbias={1} % 当前网络层权值和阈值 layerWeights={2,1} layerbias={2} % 设置训练参数 = 50; = ; = ; = 10000; = 1e-3;
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。
数学建模人口模型
摘要 以2010年11月1日零时为标准时点，中国大陆31个省、自治区、直辖市和现役军人的人口共13.397亿。13亿是一个忧虑的数字。13亿人要吃饭、要穿衣、要上学、要就业、要住房……，消费的需求乘以13亿，就是一个庞大的数目，而我国的耕地、水资源、森林以及矿产资源本来就稀缺，再除以13亿，就少得可怜。平均每人耕地面积只有1.4亩，水资源只相当于世界人均水平的1/4…….、 中国是世界上人口最多的发展中国家，人口多，底子薄，人均耕地少，人均占有资源相对不足，是我国的基本国情，人口问题一直是制约中国经济发展的首要因素。当前中国的人口存在着最为明显的三大特点：（1）人口基数大，人口数量的控制难度仍很大。（2）人口整体素质不高，特别是县域及以下农村人口素质普遍偏低。（3）人口结构不合理，城乡差别、地区差别和人口素质差别很大。 人口数量、质量和年龄分布直接影响一个地区的经济发展、资源配置、社会保障、社会稳定和城市活力。在我国现代化进程中，必须实现人口与经济、社会、资源、环境协调发展和可持续发展，进一步控制人口数量，提高人口质量，改善人口结构。对此，单纯的人口数量控制（如已实施多年的计划生育）不能体现人口规划的科学性。政府部门需要更详细、更系统的人口分析技术，为人口发展策略的制定提供指导和依据。 我国是世界第一人口大国，地球上每九个人中就有二个中国人，在20世纪的一段时间内我国人口的增长速度过快，如下表： 有效地控制人口的增长，不仅是使我国全面进入小康社会、到21世纪中叶建成富强民主文明的社会主义国家的需要，而且对于全人类社会的美好理想来说，也是我们义不容辞的责任。 长期以来，对人口年龄结构的研究仅限于粗线条的定性分析，只能预测年龄结构分布的大致范围，无法用于分析年龄结构的具体形态。随着对人口规划精准度要求的提高，通过数学方法来定量计算各种人口指数的方法日益受到重视，这就是人口控制和预测。 我国人口问题已积重难返，对我国人口进行准确的预测是制定合理的社会经济发展规划
数学建模 人口模型 人口预测
关于计划生育政策调整对人口数量、结构及其影响的研究 【摘要】 本文着重于讨论两个问题:1、从目前中国人口现状出发，对于中国未来人口数量进行预测。2、针对深圳市讨论单独二胎政策对未来人口数量、结构及其对教育、劳动力供给与就业、养老等方面的影响。 对于问题1从中国的实际情况和人口增长的特点出发，针对中国未来人口的老龄化、出生人口性别比以及乡村人口城镇化等，提出了 Logistic 、灰色预测、等方法进行建模预测。 首先，本文建立了 Logistic 阻滞增长模型，在最简单的假设下，依照中国人口的历 史数据，运用线形最小二乘法对其进行拟合， 对 2014 至 2040 年的人口数目进行了预测， 得出在 2040 年时，中国人口有 14.32 亿。在此模型中，由于并没有考虑人口的年龄、 出生人数男女比例等因素，只是粗略的进行了预测，所以只对中短期人口做了预测，理 论上很好，实用性不强，有一定的局限性。 然后， 为了减少人口的出生和死亡这些随机事件对预测的影响， 本文建立了 GM(1,1) 灰色预测模型，对 2014 至 2040 年的人口数目进行了预测，同时还用 2002 至 2013 年的 人口数据对模型进行了误差检验，结果表明，此模型的精度较高，适合中长期的预测， 得出 2040 年时，中国人口有 14.22 亿。与阻滞增长模型相同，本模型也没有考虑年龄 一类的因素，只是做出了人口总数的预测，没有进一步深入。 对于问题2针对深圳市人口结构中非户籍人口比重大，流动人口多这一特点，我们采用了灰色GM(1,1)模型，通过matlab 对深圳市自2001至2010年的数据进行拟合，发现其人口变化近似呈线性增长，线性相关系数高达0.99，我们就此认定其为线性相关并给出线性方程。同理，针对其非户籍人口，我们进行matlab 拟合发现，其为非线性相关，并得出相关函数。并做出了拟合函数 0.0419775(1)17255.816531.2t X t e ?+=?-。 对于新政策的实施，我们做出了两个假设。在假设只有出生率改变的情况，人口呈现一次函数线性增加。并拟合出一次函数0.032735617965.017372.5t Y e ?=?-；在假设人口增长率增长20%时，做出了预测如果单独二胎政策实施，到2021年，深圳市常住人口数将会到达1137.98千万人。 关键词:GM(1,1)灰色模型 Logistic 阻滞增长模型 线性拟合 非线性拟合
数学建模中常见的十大模型
数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 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，同时可以通过模拟来检验自己模型的正确性，几乎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MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。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Lindo、Lingo 软件求解。 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，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、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，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。两者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. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，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，即使问题与图形无关，论文中也会需要图片来说明问题，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MA TLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98 年美国赛A 题，生物组织切片的三维插值处理，94 年A 题逢山开路，山体海拔高度的插值计算，还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的
2007全国数学建模中国人口增长预测
2007全国数学建模中国人口增长预测 摘要： 针对题目所提要求，我们建立了两个中国人口预测模型，分别用于对中国人口的发展趋势做短期和中长期的预测。 为了对中国人口发展做短期的预测，考虑到题目所给的数据资料的不全面，我们由马尔萨斯的人口指数增长模型得到启发，针对中国人口发展的特点，把出生率和死亡率函数这两大对人口增长起主要作用的因素作为建模的关键参数，在附件中没有给出中国近年总人口数的情况下，建立了短期内预测中国人口增长的微分方程模型。在该模型中，为了得到出生率和死亡率函数这两个重要参数，我们通过分析题目所给数据，提取出有效信息，计算归纳出2001年到2005年的出生率和死亡率，并在此基础上引入灰色模型，用于对出生率和死亡率进行预测，得出了出生率和死亡率关于时间的函数。较准确的估计出了人口增长的关键参数，使得建立的人口增长短期预测模型不仅符合中国人口的发展特点，而且简单易用，能在未知总人口数的情况下预测人口的相对发展变化，这一优点使得可以方便且准确的用于预测中国人口短期内的发展趋势。 为了对中国人口发展做中长期的预测，考虑到短期模型在预测人口中长期发展中的局限性以及影响人口发展的众多因素的不确定性和它们之间关系的复杂性，我们利用灰色动态模型的特点，从《中国统计年鉴》中查到了中国近年的人口总数（见附表一），把人口数做为灰色量，对原始各年人口序列进行分段建模，对各分段模型进行定性分析比较，根据各阶段宏观指标的相关确定一组适当的权数，进行预测模型的最优组合，以确定最优预测模型，从而建立了中长期预测中国人口增长的灰色动态系统人口模型，对中国人口进行了中长期的预测。 在对中国总人口进行短期和中长期的总体预测后，我们从附件中提取出城、镇、乡三地人口、男女出生性别比、妇女生育率、老龄人口比率等相关数据，对中国未来城、镇、乡三地人口比例、男女出生性别比、妇女生育率、老龄人口比率等影响人口发展的主要因素做趋势预测，从而达到了对中国人口全方位的预测。 关键词：出生率、死亡率、指数增长模型、灰色动态模型、性别比、老龄化、生育率。
数学建模分数预测论文完整版
高考录取分数预测模型 姓名: 班级： 姓名: 班级： 姓名: 班级：
关于高考录取分数预测模型的探究 摘要 本文通过差分指数平滑法和自适应过滤法分别建立模型，根据历年学校录取线预测下一年的录取分数线。最后，根据预测出来的最佳数据，给2014年报考本校的考生做出合理的建议。 对于问题一和问题二，首先根据题意和所给出的学校历年的录取分数线，不难分析出高校的录取分数线是由当年的题目难度、考生报考数量、“大年”和“小年”等因素决定的。每年的分数线还是有一定差距的，例如，本校2012在北京市电气专业的录取线是428分，而2013年是488分，相差60分。因此，预测的时候，需要通过一些方法使数据趋于平滑，使之便于预测。通过这些分析，建立了两种可靠的预测模型。 模型一通过差分的方法，利用Matlab软件将后一年Y t与前一年Y t-1的数据相减得到一个差分值，构成一个新序列。将新序列的值与实际值依次迭加，作为下一期的预测值。以此类推，预测出2014年的录取分数线。模型二是根据一组给定的权数w对历年的数据进行加权平均计算一个预测值y，然后根据预测误差调整权数以减少误差，这样反复进行直至找到一组最佳权数，使误差减小到最低限度，再利用最佳权数进行加权平均预测。这两种方法很好的解决了历年录取分数相差较大难以预测的问题。预测值相对准确。预测结果数据量较大，在此以河北省为例，给出预测结果模型一：2014年本校电气专业录取线为495，模型二：2014年本校电气专业录取线为536。 最后，通过预测出的数据，比对模型一和模型二，取最佳预测值，给报考科技学院的考生做出较为合理的建议。 关键词：序列权数差分值加权平均高考录取线
数学建模之灰色预测模型
、灰色预测模型 简介(P372) 特点：模型使用的不是原始数据列，而是生成的数据列。 优点：不需要很多数据，一般只用4个数据就能解决历史数据少，序列的完整性 和可靠性低的问题。 缺点：只适用于中短期的预测和指数增长的预测。 1、GM(1,1)预测模型 GM(1,1)表示模型为一阶微分方程，且只含有一个变量的灰色模型。 1.1模型的应用 ① 销售额预测 ② 交通事故次数的预测 ③ 某地区火灾发生次数的预测 ④ 灾变与异常值预测，如对旱灾，洪灾，地震等自然灾害的时间与程度进行预报 (百度文库) ⑤ 基于GM(1,1)模型的广州市人口预测与分析(下载的文档) ⑥ 网络舆情危机预警(下载的文档) 1.2步骤 ① 级比检验与判断 由原始数据列x (0) =(x (o ) (1),x (o ) (2),…，x (0)(n))计算得序列的级比为 2 2 若序列的级比(k) -(e^ '.e 0 2)，贝U 可用x (0)作令人满意的GM(1,1)建模。 光滑比为 P (k )= k x <0) ( k) \- (0) x (I) i 珀 若序列满足 p(k 1) ：：1,k =2,3,…，n-1; p(k) p(k)〔0,T,k=3,4, ,n; 「:: 0.5. ■ (k)二 x (0)(k -1) x (0) (k) ,k - 2,3, , n.
则序列为准光滑序列。 否则，选取常数c 对序列x (0)做如下平移变换 y (o )(k)=x (o ) (k) c,k=1,2「, n, 序列y (0)的级比 、 y 0(k-1) 一 'y (k) (0) ，k = 2,3， , n ? y(k) ② 对原始数据x (0)作一次累加得 x ⑴=(x ⑴(1),X (1)(2),…,x (1)(n)) =(x (0)(1，x (0)(1 +x (0) (2)，…,x (0)⑴+…+x (0)(n)). 建立模型： dx ( 1 ) ——ax ⑴=b,( 1) dt ③ 构造数据矩阵B 及数据向量丫 ■ -z (1) ⑵ 1 1 f x (0) (2)1 B = -z ⑴⑶1 9 亍 ，丫二 x (0)(3) a -z ⑴(n) 1_ x (0) (n)J 其中：z ⑴(k) =0.5x ⑴(k) 0.5x ⑴(k -1),k =2,3, ,n. ④ 由 求得估计值召=b?= ⑤ 由微分方程(1)得生成序列预测值为 ( b?) b? x>(1)(k+1)= ：x (0)(1)—三 ，k=0,1，…，n —V, l 召丿 召 则模型还原值为 00)(k 1)=0)化 1)-0),k =1,2, ,n-1,. ⑥ 精度检验和预测 残差 ；(k) =x (0)(k)-?(0)(k),k=1,2, ,n, -(B T B)4B T Y u?=
人口结构与经济发展预测=数学建模好论文
2011高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的参赛报名号为（如果赛区设置报名号的话）： j4228 所属学校（请填写完整的全名）：**工程大学 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人 (打印并签名)： 日期： 2012 年 9 月 10日
赛区评阅编号（由赛区组委会评阅前进行编号）：
2011高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 全国统一编号（由赛区组委会送交全国前编号）： 全国评阅编号（由全国组委会评阅前进行编号）： 人口结构和经济发展预测模型 摘要 众所周知，人口结构和影响经济发展的因素是国家发展和制定政策的基础和依据。如果不能进行合理的预测，就会给政策制定带来困难甚至做出错误决策。因此，有必要对人口结构和影响经济发展的因素建立定量的数学模型。 问题一：首先建立了科布道格拉斯生产函数模型，计算出技术进步、固定资产投资、
数学建模中常见的十大模型
数学建模中常见的十大 模型 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】
数学建模常用的十大算法==转 (2011-07-24 16:13:14) 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，同时可以通过模拟来检验自己模型的正确性，几乎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MATLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。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Lindo、Lingo 软件求解。 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，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、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，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。两者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. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，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，即使问题与图形无关，论文中也会需要图片来说明问题，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MATLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。
人口预测的数学模型
人口预测的数学模型 摘要 本题要求根据给出的2001年到2005年的人口情况的数据，对我国的人口增长建立数学模型并作出预测。建立递归模型，从2005年开始预测。按照性别和市、镇乡的区别把人口分为6类。按照年龄进行分段，每一个年龄分为一段。用2005年的每个年龄的人数预测2006年统一年龄的人数。把2006年各年龄的预测值相加，即可得到2006年的总人数的预测。然后依次递归，得出其他年份的人口数据。 影响人口增长的主要因素有出生率、死亡率、政府政策、老龄化和乡村城镇化。在递归模型主体框架的基础上，逐步深入建立四个模型。 模型一，只考虑出生率和死亡率对人口增长的影响，从2001年到2005年的数据中，求出平均出生率和平均死亡率，并假定2005年以后的平均出生率和平均死亡率不变。为了减少累计误差，用2005年数据逐步迭代得到人口随时间的变化曲线。然后，用2001年的数据运用模型一迭代出2001年—2005年人数，与修正后的数据进行比较，求得我们的模型的估计值与实际值相近，进而推出模型基本的合理性。 模型二，在模型一的基础上加上政策因素的影响，引进人口因素影响因子R，通过对结果进行分析，发现政府政策对人口的变化情况会产生较大的影响，体现为了控制人口数量，国家可以进行较好的宏观调控。 模型三，在模型二的基础上加上老龄化对人口增长的影响，引进阻滞因子，建立人口随时间的变化曲线。 模型四，在模型三的基础上加上乡村人口城镇化的影响，通过对结果进行分析发现模型四与前面几个模型的主要区别是在城镇人口的数量，及城镇人口在全国总人口的比率上，更符合实际情况。 在每个模型的基础上，进一步分别对人口总数、性别比例、老龄化程度、生育期内妇女总数、有劳动力的人数等作出预测。 此外根据《国家人口发展战略研究报告》计划的目标，在模型四的基础上，通过对R值进行调整，得到R=1.36基本能够满足国家的战略计划，并对国家的政策给出合理化建议。 关键词：递归模型，人口政策影响因子，阻滞因子，人口城镇化
关于中国人口预测模型的讨论模型-大学生数学建模竞赛优秀论文范文模板参考资料
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：福州大学 参赛队员(打印并签名) ：1. 李译(135********) 2. 李志坤(135********) 3. 殷婷 指导教师或指导教师组负责人(打印并签名)： 日期： 2007 年 9 月 24 日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
中国人口增长预测 摘要： 针对题目所提要求，我们建立了两个中国人口预测模型，分别用于对中国人口的发展趋势做短期和中长期的预测。 为了对中国人口发展做短期的预测，考虑到题目所给的数据资料的不全面，我们由马尔萨斯的人口指数增长模型得到启发，针对中国人口发展的特点，把出生率和死亡率函数这两大对人口增长起主要作用的因素作为建模的关键参数，在附件中没有给出中国近年总人口数的情况下，建立了短期内预测中国人口增长的微分方程模型。在该模型中，为了得到出生率和死亡率函数这两个重要参数，我们通过分析题目所给数据，提取出有效信息，计算归纳出2001年到2005年的出生率和死亡率，并在此基础上引入灰色模型，用于对出生率和死亡率进行预测，得出了出生率和死亡率关于时间的函数。较准确的估计出了人口增长的关键参数，使得建立的人口增长短期预测模型不仅符合中国人口的发展特点，而且简单易用，能在未知总人口数的情况下预测人口的相对发展变化，这一优点使得可以方便且准确的用于预测中国人口短期内的发展趋势。 为了对中国人口发展做中长期的预测，考虑到短期模型在预测人口中长期发展中的局限性以及影响人口发展的众多因素的不确定性和它们之间关系的复杂性，我们利用灰色动态模型的特点，从《中国统计年鉴》中查到了中国近年的人口总数（见附表一），把人口数做为灰色量，对原始各年人口序列进行分段建模，对各分段模型进行定性分析比较，根据各阶段宏观指标的相关确定一组适当的权数，进行预测模型的最优组合，以确定最优预测模型，从而建立了中长期预测中国人口增长的灰色动态系统人口模型，对中国人口进行了中长期的预测。 在对中国总人口进行短期和中长期的总体预测后，我们从附件中提取出城、镇、乡三地人口、男女出生性别比、妇女生育率、老龄人口比率等相关数据，对中国未来城、镇、乡三地人口比例、男女出生性别比、妇女生育率、老龄人口比率等影响人口发展的主要因素做趋势预测，从而达到了对中国人口全方位的预测。 关键词：出生率、死亡率、指数增长模型、灰色动态模型、性别比、老龄化、生育率。
数学建模统计模型
数学建模
论文题目： 一个医药公司的新药研究部门为了掌握一种新止痛剂的疗效，设计了一个药物试验，给患有同种疾病的病人使用这种新止痛剂的以下4个剂量中的某一个：2 g，5 g，7 g和10 g，并记录每个病人病痛明显减轻的时间（以分钟计）. 为了解新药的疗效与病人性别和血压有什么关系，试验过程中研究人员把病人按性别及血压的低、中、高三档平均分配来进行测试. 通过比较每个病人血压的历史数据，从低到高分成3组，分别记作，和. 实验结束后，公司的记录结果见下表（性别以0表示女，1表示男）. 请你为该公司建立一个数学模型，根据病人用药的剂量、性别和血压组别，预测出服药后病痛明显减轻的时间.
一、摘要 在农某医药公司为了掌握一种新止痛药的疗效，设计了一个药物实验，通过观测病人性别、血压和用药剂量与病痛时间的关系，预测服药后病痛明显减轻的时间。我们运用数学统计工具m i n i t a b软件，对用药剂量，性别和血压组别与病痛减轻
时间之间的数据进行深层次地处理并加以讨论概率值P （是否<）和拟合度R-S q的值是否更大（越大，说明模型越好）。 首先，假设用药剂量、性别和血压组别与病痛减轻时间之间具有线性关系，我们建立了模型Ⅰ。对模型Ⅰ用m i n i t a b 软件进行回归分析，结果偏差较大，说明不是单纯的线性关系，然后对不同性别分开讨论，增加血压和用药剂量的交叉项，我们在模型Ⅰ的基础上建立了模型Ⅱ，用m i n i t a b软件进行回归分析后，用药剂量对病痛减轻时间不显着，于是我们有引进了用药剂量的平方项，改进模型Ⅱ建立了模型Ⅲ，用m i n i t a b 软件进行回归分析后，结果合理。最终确定了女性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模型： Y=1x 3x 1x 3x 2 1 x 对模型Ⅱ和模型Ⅲ关于男性病人用m i n i t a b软件进行回归分析，结果偏差依然较大，于是改进模型Ⅲ建立了模型Ⅳ，用m i n i t a b软件进行回归分析后，结果合理。最终确定了男性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模 型：Y=1x1x 3x 2 1 x关键词止痛剂药剂量性别病痛减轻时 间
2007年全国数学建模大赛A题中国人口增长预测与控制题目和论文赏析(1)(1)
中国人口增长预测与控制 摘要 近年来，中国人口最突出的特点是：老龄化加速、出生人口性别比持续增高和乡村人口城镇化。针对这些特点，建立各个影响因素的数学模型，最后建立中国人口的增长模型。 对于问题一，首先将人口增长的预测问题转化为对出生率、死亡率和城镇乡转移率的预测。通过原题附录3数据的分析研究，发现影响人口增长的主要因素可以归结为出生率、死亡率和城镇乡转移率，并依此建立了不同参数随时间变化的递推数学模型，讨论了各个参数对人口增长的影响。其次，分别拟合死亡率和生育率、城镇乡转移率对年龄的分布。建立了差分数学模型，将死亡率、生育率与城镇乡转移率的预测归结到总和死亡率、总和生育率与城镇乡总和转移率的预测，由于概率分布是相对稳定的，模型参数整体健壮。对中短期的预测而言，总和死亡率、生育率和转移率的变化是近似线性的；对长期的预测，采用SI和SIS模型来描述其非线性变化，其模型的控制参数变化体现了国家人口政策的控制力度，结果表明模型具有长期可控性。 对于问题二，采用所建模型对0—90岁人口做出中短期和长期预测。2006-2030年总人口逐年增加，2006年为13.062亿，2007年为13.109亿，2008年为13.158亿，2010年为13.3亿，2023年达到高峰期13.829亿，以后开始下降趋于平缓，到2030年为13.805；乡城转移率逐年增加，短期线性变化，2006年为0.454，2007年为0.471，2008年为0.490，2010年为0.526，长期由非线性模型描述，到2030年，城乡比例为0.901；整体老龄化程度增大，2006年为0.129，2007年为0.134，2008年为0.139，2010年为0.150，到2030年为0.325，在农村老龄化尤其严重，可以确定为地区间的迁移。同时在做长期预测时，不同的国家策略导致不同的人口状况(见图[26-30])，得到的结论可以作为国家制定人口方针的建议。 对于问题三，指出模型的优缺点。通过求解经典的Logistic模型和Leslie模型，并将所得结果与本文模型结果比较，发现本文模型具有易操作性、可控性、健壮性等优点；主要缺点是在短期预测时准确度稍差。 关键词：人口控制差分模型预测拟和Leslie模型Logistic方程 一、问题重述 中国是一个人口大国，人口问题始终是制约我国发展的关键因素之一。根据已有数据，运用数学建模的方法，对中国人口做出分析和预测是一个重要问题。近年来中国的人口发展出现了一些新的特点，例如，老龄化进程加速、出生人口性别比持续升高，以及乡村人口城镇化等因素，这些都影响着中国人口的增长。2007 年初发布的《国家人口发展战略研究报告》(附录1) 还做出了进一步的分析。关于中国人口问题已有多方面的研究，并积累了大量数据资料。附录2就是从《中国人口统计年鉴》上收集到的部分数据。试从中国的实际情况和人口
对中国大学生数学建模竞赛历年成绩的分析与预测
2012年北京师范大学珠海分校数学建模竞赛 题目：对中国大学生数学建模竞赛历年成绩的分析与预测 摘要 本文研究的是对自数学建模竞赛开展以来各高校建模水平的评价比较和预测问题。我们将针对题目要求，建立适当的评价模型和预测模型，主要解决对中国大学生数学建模竞赛历年成绩的评价、排序和预测问题。 首先我们用层次分析法来评价广东赛区各校2008年至2011年及全国各大高校1994至2011年数学建模成绩，从而给出广东赛区各校及全国各大高校建模成绩的科学、合理的评价及排序；其次运用灰色预测模型解决广东赛区各院校2012年建模成绩的预测。 针对问题一，首先我们对比了2008到2011年参加建模比赛的学校，通过分析我们选择了四年都参加了比赛的学校进行合理的排序（具体分析过程见表13），同时对本科甲组和专科乙组我们分别进行排序比较。在具体解决问题的过程中，我们先分析得出影响评价结果的主要因素：获奖情况和获奖比例，其中获奖情况主要考虑国家一等奖、国家二等奖、省一等奖、省二等奖、省三等奖，我们采用层次分析法，并依据判断尺度构造出各个层次的判断矩阵，对它们逐个做出一致性检验，在一致性符合要求的情况下，通过公式与matlab求得各大学的权重，总结得分并进行排序（结果见表11）；在对广东赛区各高校2012建模成绩预测问题中，我们采用灰色预测模型，我们以华南农业大学为例，得到该校2012年建模比赛获奖情况为：省一等奖、省二等奖、省三等奖及成功参赛奖分别为5、9、8、8(其它各高校预测结果见表10）。 针对问题二，我们对全国各院校的自建模竞赛活动开展以来建模成绩排序采用与问题一相同的数学模型，在获奖情况考虑的是全国一等奖、全国二等奖。运用matlab求解，结果见表12。 针对问题三，我们通过对一、二问排序的解答及数据的分析，得出在对院校进评价和预测时还应考虑到各院的师资力量、学校受重视程度、学生情况、参赛经验等因素，考虑到这些因素，为以后评价高校建模水平提供更可靠的依据。 关键词：层次分析法权向量灰色预测模型模型检验 matlab
数学建模模型
五邑大学 数学建模 课程考核论文 2010-2011 学年度第 2 学期 010 20 30 40 50 60 70 8090 第一季度第三季度 东部西部北部 论文题目 抑制物价快速上涨问题 得分 学号 姓名（打印） 姓名（手写） ap0808221 林加海 ap0808204 陈荣昌 指导老师—邹祥福
——2011.6.20 抑制物价快速上涨问题 摘要 本文通过一个多元线性回归模型较好地解决了影响物价因素的问题。使我国经济快速发展的同时，使百姓得到真的实惠，又保证了经济的长远的发展。 物价问题比较复杂。在本次实验中我们参阅大量资料把影响物价的的因素主要概括括需求性因素（消费，投资，进出口，政府支出等）、货币性因素（货币供给量）、结构性因素（房地产价格，农产品价格等）以及其他因素（如预期因素等）。 总结出原先物价计算方法的不足之处，需要建立一种新的计算和预测的方法。首先，为了确定物价和影响因素之间的关系我们用了多元线性回归，从国家统计局找到相关数据经过挑选，建立了函数关系，为了使函数更具有说服力我们进一步用了残差分析，检验所得到的结果的合理性 。本文利用matlab 软件实现了拟合出多元线性回归函数y=86.4798967193207+0.00441024146152813*x1+4.32730555279258e-007*x2+0.00377788223112076*x3+2.70211635024846e-006*x4+7.58738000216411e-005*x5，置信度95％，且20.932609896853743,_R F ==检验值8.30338450288840>，但是显著性概率.α=005相关的0.055839341752489056>0.p =。再利用逐步回归的方法，拟合出Y=94.4958+0.00771506*x1+5.8917e-007*x2+0.00250019*x3+1.90595e-006*x4+ 6.62396e-005*x5.93269896853743R =200，修正的R 2值.R α =20897797，F_检验值＝26.3535，与显著性概率相关的p 值＝..<000106754005，残差均方RMSE ＝0.204517，以上指标值都很好，说明回归效果比较理想。通过对物价形成及演化问题的讨论，提出以量化分析为基础的调节物价的方法，深入分析找出影响物价的主要因素，并就此分析现在物价的上涨情况，根据《关于稳定消费价格总水平保障群众基本生活的通知》，根据模型分析给出抑制物价的政策建议，并对未来的形势走向根据模型给出预测。 关键字：物价，逐步回归分析，上涨因素，预测，多元回归分析
数学建模-新产品销量预测问题
销量预测问题 一、 摘要 本文通过建立微分方程模型，探讨了新产品进入市场后销售量变化的情况。模型由简单到复杂、由理想到现实，逐步利用广告对市场的限制探讨了产品销售量变化的情况，分析了广告费用对销售量产生的影响，建立比较符合现实的模型。 问题一中，新产品的投入，没有市场竞争，有良好的市场环境，也有良好的口碑，故属于较为简单的微分方程模型，可直接建立模型。 问题二中，产品销售存在一定的市场容量N , 统计表明dt dx 与该产品的潜在容量)(t x N -成正比，故建立阻滞增长模型求解。 问题三中，则考虑了广告费用对产品销量的影响，分析了广告费用与销售速率之间的关系，建立数学微分方程模型，并运用了Matlab 软件编程求解。 二、 问题提出 一种新产品问世，经营者自然要关心产品的卖出情况。如何采取有效措施，使得产品销量大，获取更大的利润，这是每个经营者最为关注的问题。 1、设t 时刻产品销量的增长率dx dt 与)(t x 成正比, 预测t 时的产品销量()t x ； 2、设考虑到产品销售存在一定的市场容量N, 统计表明dt dx 与该产品的潜在容量)(t x N -成正比, 预测t 时的产品销量()t x ； 3、试考虑影响产品销量的广告因素，并建立模型，预测t 时的产品销量()t x . 三、 模型假设与符号系统 模型假设： 模型基本假设：； 假设1：在考虑影响商品销售的因素时，不考虑偶然因素，如经济、战争因素、政治干预等； 假设2：产品的销售量符合产品的生命周期； 假设3：产品为日常用品，不是耐用品，每个人都需要。
符号系统： x(t) 为t 时刻新产品的销售量 a 为每件新产品的宣传效率 N 为市场的销售容量 b 为产品销售量的增长率与潜在容量的比例系数 s(t) 为商品t 时刻的销售量(即新产品在此时刻一段时间的销售量,如七月份,八月份的销售量,而不是总销售量) M(t) 为t 时刻的广告费用 θ 为销售量本身的衰减系数 ? 为广告宣传对销售速率的影响 T 为商品销售速率最大的时刻 四、 模型的建立与求解 问题一模型的建立与求解： 模型的建立： t 时刻时，新产品的销售量为x （t ），把x （t ）当做连续、可微函数处理。 每件新产品都是宣传品，且单位时间内每件新产品能够使a 件新产品被销售。 由假设可知： x(t+?t)-x(t)=ax(t) 即： dx ax dt = 开始时有0x 件新产品被销售 x(0)= 0x 整理得： (0)0dx ax dt x x ?=???=? 求解得： ()0at x t x e =