浅谈空间分析中的数学模型

空间分析结课报告—浅谈空间分析中的数学模型

学号：

班级序号：

专业：

姓名：

指导老师：

中国地质大学（武汉）信息工程学院

2013年1月

浅谈空间分析中的数学模型

XXX

（中国地质大学（武汉）信息工程学院湖北武汉 430074）

摘要：主要概述是在空间分析建模的过程中的数学建模，通过前言引入数学建模的兴起与发展，接下来又阐述了数学建模的意义与背景，紧接着又写了数学建模的过程与方法并且通过一个例子说明数学建模在空间分析中的应用，最后通过结束语表达了自己对空间分析中的数学建模的理解及其展望。关键词：空间分析；数学模型；意义；背景；应用；方法；展望。

1前言

数学建模是在20世纪60和70年代进入一些西方国家大学的，我国的几所大学也在80年代初将数学建模引入课堂。经过20多年的发展现在绝大多数本科院校和

许多专科学校都开设了各种形式的数学建模课程和讲座，为培养学生利用数学方法分析、解决实际问题的能力开辟了一条有效的途径。

大学生数学建模竞赛最早是1985年在美国出现的。MCM/ICM 是 Mathematical Contest in Modeling 和Interdisciplinary Contest in Modeling 的缩写，即“数学建模竞赛”和“交叉学科建模竞赛”。MCM 始于 1985 年，ICM 始于 2000 年，由 COMAP（the Consortium for Mathematics and Its Application，美国数学及其应用联合会）主办，得到了SIAM，NSA，INFORMS 等多个组织的赞助。MCM/ICM 与其他著名数学竞赛（如 Putnam 数学竞赛）的区别在于其着重强调研究问题、解决方案的原创性、团队合作、交流以及结果的合理性。

竞赛以三人为一组，在四天时间内，就指定的问题完成从建立模型、求解、验证到论文撰写的全部工作。竞赛每年都吸引大量著名高校参赛。 2008 年 MCM/ICM 有超过 2000 个队伍参加，遍及五大洲。MCM/ICM 已经成为最著名的国际大学生竞赛之一。

1992年中国工业与应用数学学会组

织举办了我国10城市的大学生数学模型联赛，74所院校的314只队伍参加。教育部领导及时发现、并扶植、培育了这一新生事物，决定从1994年起由教育部高教司和中国工业与应用数学学会共同主办全国大学生数学建模竞赛，每年一届。十几年来这项竞赛的规模以平均年增长25%以上的速度发展。

2009 年全国有33个省/市/自治区(包括香港和澳门特区)1137所院校、15046个队（其中甲组12276队、乙组2770队）、4万5千多名来自各个专业的大学生参加竞赛，是历年来参赛人数最多的(其中西藏和澳门是首次参赛)！可以说，数学建模竞赛是在美国诞生、在中国开花、结果的。

2数学模型的背景及意义

2.1数学建模的背景

数学模型（Mathematical Model）是一种模拟，是用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象而又简洁的刻划，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意

义下的最优策略或较好策略。数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细

微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模（Mathematical Modeling）。

不论是用数学方法在科技和生产领域解决哪类实际问题，还是与其它学科相结合形成交叉学科，首要的和关键的一步是建立研究对象的数学模型，并加以计算求解。数学建模和计算机技术在知识经济时代的作用可谓是如虎添翼。

2.2数学建模的意义

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、简化建立能近似刻画并"解决"实际问

题的一种强有力的数学手段。

数学建模就是用数学语言描述实

际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包含抽象的现象比如顾客对某种商品

所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容。

我们也可以这样直观地理解这个

概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应

用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。

数学模型一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录像，比喻，传言等等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。

3数学模型在空间分析中的主要方法与步骤

数学建模过程图

3.1模型准备

首先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。

3.2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。

3.3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。

3.4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。

3.5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。

3.6模型检验

把数学上分析的结果翻译回到现实问题，并用实际的现象、数据与之比较，检验模型的合理性和适用性。、

3.7模型应用

取决于问题的性质和建模的目的。4数学模型在空间分析中的实际应用

4.1数学建模实际应用的意义

应用数学去解决各类实际问题时，建立数学模型是十分关键的一步，同时也是十分困难的一步。建立教学模型的过程，是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料，观察和研究实际对象的固有特征和内在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分析和解决问题。这就需要深厚扎实的数学基础，敏锐的洞察力和想象力，对实际问题的浓厚兴趣和广博的知识面。数学建模是联系数学与实际问题的桥梁，是数学在各个领域广泛应用的媒介，是数学科学技术转化的主要途径，数学建模在科学技术发展中的重要作用越来越受到数学界和工程界的普遍重视，它已成为现代科技工作者必备的重要能力之一。为了适应科学技术发展的需要和培养高质量、高层次科技人才，数学建模已经在大学教育中逐步开展，国内外越来越多的大学正在进行数学建模课程的教学和参加开放性的数学建模竞赛，将数学建模教学和竞赛作为高等院校的教学改革和培养高层次的科技人才的一个重要方面，现在许多院校正在将数学建模与教学改革相结合，努力探索更有效的数学建模教学法和培养面向21世纪的人才的新思路，与我国高校的其它数学类课程相比，数学建模具有难度大、涉及面广、形式灵活，对教师和学生要求高等特点，数学建模的教学本身是一个不断探索、不断创新、不断完善和提高的过程。为了改变过去以教师为中心、以课堂讲授为主、以知识传授为主的传统教学模式，数学建模课程指导思想是：以实验室为基础、以学生为中心、以问题为主线、以培养能力为目标来

组织教学工作。通过教学使学生了解利用数学理论和方法去分析和解决问题的全过程，提高他们分析问题和解决问题的能力；提高他们学习数学的兴趣和应用数学的意识与能力，使他们在以后的工作中能经常性地想到用数学去解决问题，提高他们尽量利用计算机软件及当代高新科技成果的意识，能将数学、计算机有机地结合起来去解决实际问题。数学建模以学生为主，教师利用一些事先设计好问题启发，引导学生主动查阅文献资料和学习新知识，鼓励学生积极开展讨论和辩论，培养学生主动探索，努力进取的学风，培养学生从事科研工作的初步能力，培养学生团结协作的精神、形成一个生动活泼的环境和气氛，教学过程的重点是创造一个环境去诱导学生的学习欲望、培养他们的自学能力，增强他们的数学素质和创新能力，提高他们的数举素质，强调的是获取新知识的能力，是解决问题的过程，而不是知识与结果。接受参加数学建模竞赛赛前培训的同学大都需要学习诸如数理统计、最优化、图论、微分方程、计算方法、神经网络、层次分析法、模糊数学，数学软件包的使用等等“短课程”（或讲座），用的学时不多，多数是启发性的讲一些基本的概念和方法，主要是靠同学们自己去学，充分调动同学们的积极性，充分发挥同学们的潜能。培训中广泛地采用的讨论班方式，同学自己报告、讨论、辩论，教师主要起质疑、答疑、辅导的作用，竞赛中一定要使用计算机及相应的软件，如Spss，Lingo，Mapple，Mathematica，Matlab甚至排版软件等。

4.2数学建模的应用方面

数学建模的应用Advances in Applied Mathematics 是一本关注应用数学领域最新进展的国际中文期刊，由汉斯出版社发行。主要刊登数学的各种计算方法研究，数学在统计学、计算机等方面应用的学术论文和成果评述。本刊支持思想创新、学术创新，倡导科学，繁荣学术，集学术性、思想性为一体，旨在为了给世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论应用数学领域内不同方向问题与发展的交流平台。

研究领域：应用数学、计算数学、常微分方程数值解、偏微分方程数值解、数值代数、优化计算方法、数值逼近与计算几何、并行计算算法、误差分析与区间算法、反问题计算方法、应用数学、应用统计数学、统计质量控制、可靠性数学、保险数学、统计计算、统计模拟、计算机数学、计算数学其他学科

4.3数学建模在实际中的一个

应用方面

西安——铜川高速公路起于西安绕城公路吕小寨立交。沿现有西安——铜川一级公路东侧设高架桥。下穿郑西客运专线。在草滩镇处开始向东偏离现有西安——铜川一级公路。以高架桥形式连续跨越渭河及铁路北环线后。在铜川新区与拟建的铜川——黄陵高速公路相接, 全长62 km, 计划2012年完工。渭河特大桥为西安——铜川高速公路项目的控制性工程。位于渭河干流下游的上段。上距渭淤31断面2. 1 km, 距咸阳水文站约28 km。该桥上游540 m 处为现有西安——铜川一级公路草滩渭河桥, 两桥北岸高坎处相距600 m, 南岸堤防处相距480m；该桥在河道内与西安铁路北环线三郎村特大桥立交，两桥交角为73. 3°。为了分析大桥建设对附近河段河势演变、河道冲淤、洪水位、防洪等方面的影响。采用平面二维水流数学模型进行计算。计算范围为桥位水文断面上游1 730 m 到下游 1 130 m, 顺大堤方向布置, 计算平面上X 方向全长2 860 m、Y方向全长1 436m, 河道的绝大部分都包含在计算范围内。根据计算范围和桥墩尺寸, X 方向共划分为924个网格，每个网格控制长度为 1. 5~ 10 m； Y 方向共划分为931个网格，每个网格控制长度为1. 2~ 10 m；在西安——铜川高速公路渭河特大桥桥位附近网格适当加密。

2009年2月, 陕西省公路勘察设计院在进行该大桥设计时, 沿公路中轴线进行

了地形测量。并参考航拍照片在AUTOCAD 软件上绘制了桥位附近局部地形图，但水下地形未测。同时，陕西水环境工程勘测设计研究院按水文规范进行了桥位上游2 100 m、下游1100 m 的局部范围断面加密测量，每隔200 m测量一个大断面，共17 个断面。为了得到计算区域范围内每个计算网格的高程值。首先以GIS 为工具，采用空间插值方法生成计算区域范围内连续的高程曲面，然后按照模型剖分的计算网格。从生成的高程曲面上读取到每个网格点的高程值供模型使用。选择Topo To Raste r方法对断面数据进行第一次插值，生成连续的高程曲面，然后再利用大堤高程、断面高程点等对生成的高程曲面进行二次插值控制调整。最终生成与实际地形较为接近的高程曲面。在此高程曲面的基础上，分别叠加西安——铜川高速公路桥、老西安——三门峡公路草滩桥、三郎村铁路桥等矢量层，通过修改桥墩位置网格顶点高程值，生成仅有老桥和铁路桥、现状建新桥以及建新桥拆老桥等多种工况的地形数据，再对应数学模型计算所需的计算网络，利用ArcGIS提供的从栅格文件提取单点数据的工具，提取数学模型所需的每个网格顶点的高程。为数学模型的模拟计算提供良好的基础地形数据。利用在GIS 基础上建立的平面二维水流数学模型。先后计算了渭河下游拟建桥附近p = 2%、p = 1%和p = 0. 33%等3种洪水情况下无桥、现状(老西安——三门峡公路草滩桥和三郎村铁路桥)、现状+ 新桥( 西安——铜川高速公路桥建成后)、建新桥拆老桥( 西安——铜川高速公路桥建成后拆去老西安——三门峡公路草滩桥) 4 种工况下的流场和水位场, 相关成果已通过陕西省三门峡库区管理局、黄委组织的专家评审。证明该方法是有效的。

5结束语

选了空间分析这一门课程，老师上课的方式与之前老师的相比较有很大的改变，由之前的主要是老师在课堂上讲课变成了学生讲课的形式，其实我认为这样样的方式有很多的优点，但是也存在着一些缺点。

优点有很多，其一：这样可以提高大家对于课程的参与度，比如我自己在做PPT的时候就用了一天的时间来做，对于数学建模的方法有了很多的理解，并且有了更深刻的记忆。其二：这样可以调动大家对于上课之前的一种状态。其三：可以让同学们体会到讲课的难度以后，在之后上课的时候会更加认真的听讲。

接下来说一下自己对这种上课方式过程中的一些不足吧。首先，作为一个学生，我主要是准备了自己上课讲的内容，而对于其他同学所讲的内容了解就很少了。其次，学生讲课的时候没有重点，都是按照一种模式讲下去，导致了每一次上课都要拖堂，这样就减少了上课的积极性与效率。

所以希望接下来的课程中可以提前就布置好任务，严格控制好时间，在有效的时间内把自己负责的内容说清楚。为了提高大家的参与度，可以把上课每一个人回答问题的最少次数规定下来，这样每一个上课的同学为了之后的回答问题，就必须认真听课。

参考文献：[1] .中国知网.王彤.G IS在平面二维水流数学模型中的应用

[2] .百度百科.数学模型

[3] . 刘兴权, 梁艳平. 浅析GIS 中的空间分析与应用模型[ J] . 四川测绘, 2001, 24( 4)

[4]. 朱庆平. 基于G IS的黄河下游二维水沙数学模型测试与率定[ J]. 人民黄河.2005.

27( 3) : 51- 53.

[5] .郭仁忠. 空间分析[ M] . 北京: 高等教育出版社, 2001.

[6].马天智.张燕妮. 空间分析方法、应用模型与GIS 的关系[ J] . 湖南地质.200. 22( 1) :

70272.

[7].余柏蒗, 吴健平, 魏晓峰, 等. 空间分析GIS 软件开发研究[ J] . 测绘与空间地理信

息, 2004, 27( 5) : 14223.

[8] .数学模.朱思铭、李尚廉.中山大学出版.(1995)

[9] .数学模.陈义华编.重庆大学出版.(1995)

[10]. 数学建模案例分.白其岭主.海洋出版.(2000年，北京)

[11] .数学模型方法.齐欢编著.华中理工大学出版社.(1996)

[12] .数学建模，沈继红、施久玉、高振滨、张晓威编，哈尔滨工程大学出版社，(1996).

学生成绩分析数学建模优秀范文

2012年暑期培训数学建模第二次模拟 承诺书 我们仔细阅读了数学建模联赛的竞赛规则。 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、电子、网上咨询等）与本队以外的任何人（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它公开的资料（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，我们愿意承担由此引起的一切后果。 我们的参赛报名号为： 参赛队员 (签名) ： 队员1： 队员2： 队员3：

2012年暑期培训数学建模第二次模拟 编号专用页 参赛队伍的参赛：（请各个参赛队提前填写好）：竞赛统一编号（由竞赛组委会送至评委团前编号）： 竞赛评阅编号（由竞赛评委团评阅前进行编号）： 2012年暑期培训数学建模第二次模拟

题目学生成绩的分析问题 摘要 本文针对大学高数和线代，概率论成绩进行建模分析，主要用到统计分析的知识及SPSS软件，建立了方差分析、单因素分析、相关性分析等相关模型，从而分析两个专业、四门课程成绩的显著性，以及课程之间的相关性。最后利用分析结论表明了我们对大学数学学习的看法。 问题一：每门课程两个专业的差异性需要进行多个平均数间的差异显著性检验，首先应该对数据进行正态分布检验，结论是各个专业的分数都服从正态分布，之后可以根据Kolmogorov-Smirnov 检验（K-S检验）原理，利用SPSS软件进行单因素方差分析，得出方差分析表，进行显著性检验，最后得出的结论是高数1、高数2、线代和概率这四科成绩在两个专业中没有显著性差异。 问题二：对于甲乙两个专业分别分析，应用问题一的模型，以每个专业不同班级的高数一、高数二、线代和概率平均数为自变量，同第一问相同的做法，得到两个专业中不同学科之间没有显著差异。 问题三：我们通过对样本数据进行Spss的“双变量相关检验”得出相关系数值r、影响程度的P值，从而来分析出高数1、高数2与概率论、现代的相关性。 问题四：利用上面数据，得到各专业课程的方差和平均值，再通过对各门课程的分析，利用分析结论表明了我们对大学数学学习的看法。 本文针对大学甲、乙两个专业数学成绩分析问题，进行建模分析，主要用到统计分析的知识和 excel以及matlab软件，建立了方差分析、相关分析的相关模型，研究了影响学生成绩的相关因素, 以及大学生如何进行数学课程的学习。 问题一针对每门课程分析两个专业的数学成绩可以通过excel工具得出各门功课的平均值、方差 进行比较分析。 问题二针对专业分析两个专业的数学成绩的数学水平有无明显差异，可以运用平均数、方差进行 比较。并对两专业的数学成绩进行T检验，进一步分析其有无显著性差异。 问题三针对各班高数成绩和线代、概率论成绩进行散点图描述建立一元回归线性模型，然后对模 型进行求解，对模型进行改进。包括分析置信区间，残差等。 关键词：平均值方差 T检验一元回归线性模型置信区间残差 excel matlab

数学建模——回归分析

回归分析——20121060025 吕佳琪 企业编号生产性固定资产价值(万元)工业总产值(万元) 1318524 29101019 3200638 4409815 5415913 6502928 7314605 812101516 910221219 1012251624 合计65259801 （2）建立直线回归方程; （3）计算估价标准误差; （4）估计生产性固定资产(自变量)为1100万元时总产值(因变量)的可能值。解: (1)画出散点图,观察二变量的相关方向 x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; plot(x,y,'or') xlabel('生产性固定资产价值(万元)') ylabel('工业总产值(万元)') 由图形可得,二变量的相关方向应为直线 (2)

x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; X = [ones(size(x))', x']; [b,bint,r,rint,stats] = regress(y',X,0、05); b,bint,stats b = 395、5670 0、8958 bint = 210、4845 580、6495 0、6500 1、1417 stats = 1、0e+004 * 0、0001 0、0071 0、0000 1、6035 上述相关系数r为1,显著性水平为0 Y=395、5670+0、8958*x (3) 计算方法:W=((Y1-y1)^2+……+(Y10-y10)^2)^(1/2)/10 利用SPSS进行回归分析:

初中学生数学建模能力调查与分析

初中学生数学建模能力调查与分析 （一）调查目的 《全日制义务教育课程标准》指出：“义务教育阶段的数学课程，其基本出发点是促进学生全面、持续、和谐地发展”，“强调从学生已有的生活经验出发，让学生亲身经历将实际问题抽象为数学模型并进行解释和应用的过程，使学生获得数学理解的同时，在思维能力、情感态度与价值观等方面得到进步和发展”。 因此培养学生运用数学知识分析和解决实际问题的能力成为初中阶段数学教学的 首要任务之一，而数学建模教学正是为培养学生解决实际问题能力提供的一种有效途 径。笔者为了了解碧莲学区初级中学学生数学建模能力的现状及存在的问题，选取二所初中八年级各一个教学班学生进行测试和问卷调查，并对调查结果加以整理,以便为开展数学建模教学研究提供较可靠的资料。 （二）调查的对象 碧莲镇中学与大若岩镇中学初二年级的各一个教学班，共96名学生。（三）调查方式 采用数学建模能力测试题（共有3题，每题满分为20分）及数学建模学习状况问卷调查。 （四）学生的测试题及结果分析 测试要求学生在45分钟内完成三道数学建模题，每题满分为20分，要求学生在解答过程中，无论用什么方法解答，无论解答对否，均要写下解题过程或思考过程。 1、测试题 (1)某校校长暑假将带领该校市级“三好学生”去旅游，甲旅行社说:“如果校长买全价票一张，则其余学生可享受半价优待”，乙旅行社说:“包括校长在内全部按全 票价的6折优惠”（即按全票价的60%收费），若全票价为240元， ①设学生数为x，甲旅行社收费为y 甲，乙旅行社收费为y 乙 ，分别计算两家旅行 社的收费（建立表达式）； ②当学生数是多少时，两家旅行社的收费一样?

八个无敌模型—全搞定空间几何及外接球与内切球问题

八个有趣模型——搞定空间几何体的外接球与内切球 类型一、墙角模型（三条线两个垂直，不找球心的位置即可求出球半径） 图1 图2 图3 方法：找三条两两垂直的线段，直接用公式2 2 2 2 )2(c b a R ++=，即2222c b a R ++=，求出R 例1 （1）已知各顶点都在同一球面上的正四棱柱的高为4，体积为16，则这个球的表面积是（ C ） A ．π16 B ．π20 C ．π24 D ．π32 （2）若三棱锥的三个侧面两垂直，且侧棱长均为3，则其外接球的表面积是 π9 解：（1）162 ==h a V ，2=a ，24164442 222=++=++=h a a R ，π24=S ，选C ； （2） 933342 =++=R ，ππ942 ==R S （3）在正三棱锥S ABC -中，M N 、分别是棱SC BC 、的中点，且MN AM ⊥,若侧棱SA =则正三棱锥ABC S -外接球的表面积是 。π36 解：引理：正三棱锥的对棱互垂直。证明如下： 如图（3）-1，取BC AB ,的中点E D ,，连接CD AE ,，CD AE ,交于H ，连接SH ，则H 是底面正三角形ABC 的中心，∴⊥SH 平面ABC ，∴AB SH ⊥， BC AC =，BD AD =，∴AB CD ⊥，∴⊥AB 平面SCD ， ∴SC AB ⊥，同理：SA BC ⊥，SB AC ⊥，即正三棱锥的对棱互垂直， 本题图如图（3）-2， MN AM ⊥，MN SB //， ∴SB AM ⊥， SB AC ⊥，∴⊥SB 平面SAC ， ∴SA SB ⊥，SC SB ⊥， SA SB ⊥，SA BC ⊥， ∴⊥SA 平面SBC ，∴SC SA ⊥， 故三棱锥ABC S -的三棱条侧棱两两互相垂直， ∴36)32()32()32()2(222 2=++=R ，即3642=R ， ∴正三棱锥ABC S -外接球的表面积是π36 (3)题-1 A (3)题-2 A

第1章 数学建模与误差分析

第1章数学建模与误差分析 1.1 数学与科学计算 数学是科学之母，科学技术离不开数学，它通过建立数学模型与数学产生紧密联系，数学又以各种形式应用于科学技术各领域。数学擅长处理各种复杂的依赖关系，精细刻画量的变化以及可能性的评估。它可以帮助人们探讨原因、量化过程、控制风险、优化管理、合理预测。近几十年来由于计算机及科学技术的快速发展，求解各种数学问题的数值方法即计算数学也越来越多地应用于科学技术各领域，相关交叉学科分支纷纷兴起，如计算力学、计算物理、计算化学、计算生物、计算经济学等。 科学计算是指利用计算机来完成科学研究和工程技术中提出的数学问题的计算，是一种使用计算机解释和预测实验中难以验证的、复杂现象的方法。科学计算是伴随着电子计算机的出现而迅速发展并获得广泛应用的新兴交叉学科，是数学及计算机应用于高科技领域的必不可少的纽带和工具。科学计算涉及数学的各分支，研究它们适合于计算机编程的数值计算方法是计算数学的任务，它是各种计算性学科的联系纽带和共性基础，兼有基础性和应用性的数学学科。它面向的是数学问题本身而不是具体的物理模型，但它又是各计算学科共同的基础。 随着计算机技术的飞速发展，科学计算在工程技术中发挥着愈来愈大的作用,已成为继科学实验和理论研究之后科学研究的第三种方法。在实际应用中所建立的数学模型其完备形式往往不能方便地求出精确解，于是只能转化为简化模型，如将复杂的非线性模型忽略一些因素而简化为线性模型，但这样做往往不能满足精度要求。因此，目前使用数值方法来直接求解较少简化的模型，可以得到满足精度要求的结果，使科学计算发挥更大作用。了解和掌握科学计算的基本方法、数学建模方法已成为科技人才必需的技能。因此，科学计算与数学建模的基本知识和方法是工程技术人才必备的数学素质。 1.2 数学建模及其重要意义 数学，作为一门研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和人们生活的实际需要密切相关。用数学方法解决工程实际和科学技术中的具体问题时，首先必须将具体问题抽象为数学问题，即建立起能描述并等价代替该实际问题的数学模型，然后将建立起的数学模型，利用数学理论和计算技术进行推演、论证和计算，得到欲求解问题的解析解或数值解，最后用求得的解析解和数值解来解决实际问题。本章主要介绍数学建模基本过程和求解数学问题数值方法的误差传播分析。 1.2.1 数学建模的过程 数学建模过程就是从现实对象到数学模型，再从数学模型回到现实对象的循环，一般通过表述、求解、解释、验证几个阶段完成。数学建模过程如图1.2.1所示，数学模型求解方法可分为解析法和数值方法，如图1.2.2所示。 表述是将现实问题“翻译”成抽象的数学问题，属于归纳。数学模型的求解方法则属于演绎。归纳是依据个别现象推出一般规律；演绎是按照普遍原理考察特定对象，导出结论。演绎利用严格的逻辑推理，对解释现象做出科学预见，具有重要意义，但是它要以归纳的结论作为公理化形式的前提，只有在这个前提下

数学建模比赛的选拔问题

数学建模比赛的选拔问题 卢艳阳 王伟 朱亮亮 （黄河科技学院通信系，） 摘要 本文是关于全国大学生数学建模竞赛选拔的问题，依据数学建模组队的要求，每队应具备较好的数学基础和必要的数学建模知识、良好的编程能力和熟练使用数学软件等的综合实力，在此前提下合理的分配队员，利用层次分析法，建立合理分配队员的数学模型，利用MATLAB ，LONGO 工具求出最优解。、 问题一：依据建模组队的要求，合理分配每个队员是关键，主要由团队精神、建模能力、编程能力、论文写作能力、思维敏捷以及数学知识等等，经过讨论分析，确定良好的数学基础、建模能力，编程能力为主要参考因素。 问题二：根据表中所给15人的可参考信息，我们对每个队员的每一项素质进行加权，利用层次分析法选出综合素质好的前9名同学，然后利用0-1规划的相关知识对这9人进行合理分组，利用MATLAB 、LINGO 得到其中一个如下的分 组：'1s 、10s 、4s ；2s 、11s 、14s ；6s 、13s 、8s 问题三：我们将所选出的这9名同学和这个计算机编程高手的素质进行量化加权，然后根据层次分析法，利用MATLAB 工具进行求解，得出了最佳解。由于我们选取队员参考的是这个人的综合素质，而不是这个人的某项素质，并由解出的数据可以看出这个计算机编程高手不能被直接录用。所以说只考虑某项素质，而不考虑其他的素质的同学是不能被直接录用的。 问题四：根据前面三问中的分组的思路，我们通过层次分析法先从所有人中依据一种量化标准选出符合要求的高质量的同学，然后利用0-1变量进行规划，在根据实际问题的约束，对问题进行分析，然后可以得出高效率的分组。

实验一 控制系统的数学模型

实验一 控制系统的数学模型 一 实验目的 1、学习用MATLAB 创建各种控制系统模型。 2、掌握传递函数模型、零-极点增益模型以及连续系统模型与离散系统模型之间的转化，模型的简化。 二 相关理论 1传递函数描述 (1)连续系统的传递函数模型 连续系统的传递函数如下： ? 对线性定常系统，式中s 的系数均为常数，且a1不等于零，这时系统在MATLAB 中 可以方便地由分子和分母系数构成的两个向量唯一地确定出来，这两个向量分别用num 和den 表示。 num=[b1,b2,…,bm,bm+1] den=[a1,a2,…,an,an+1] 注意：它们都是按s 的降幂进行排列的。 tf （）函数可以表示传递函数模型：G=tf(num, den) 举例： num=[12,24,0,20];den=[2 4 6 2 2]; G=tf(num, den) (2)零极点增益模型 ? 零极点模型实际上是传递函数模型的另一种表现形式，其原理是分别对原系统传递 函数的分子、分母进行分解因式处理，以获得系统的零点和极点的表示形式。 K 为系统增益，zi 为零点，pj 为极点 在MATLAB 中零极点增益模型用[z,p,K]矢量组表示。即： z=[z1,z2,…,zm] p=[p1,p2,...,pn] K=[k] zpk （）函数可以表示零极点增益模型：G=zpk(z,p,k) (3)部分分式展开 ? 控制系统常用到并联系统，这时就要对系统函数进行分解，使其表现为一些基本控 制单元的和的形式。 ? 函数[r,p,k]=residue(b,a)对两个多项式的比进行部分展开，以及把传函分解为微 分单元的形式。 ? 向量b 和a 是按s 的降幂排列的多项式系数。部分分式展开后，余数返回到向量r ， 极点返回到列向量p ，常数项返回到k 。 ? [b,a]=residue(r,p,k)可以将部分分式转化为多项式比p(s)/q(s)。 11 211121......)()()(+-+-++++++++==n n n n m n m m a s a s a s a b s b s b s b s R s C s G ))...()(())...()(()(2121n m p s p s p s z s z s z s K s G ------=22642202412)(23423++++++=s s s s s s s G

数学建模之回归分析法

什么是回归分析 回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 回归分析之一多元线性回归模型案例解析 多元线性回归，主要是研究一个因变量与多个自变量之间的相关关系，跟一元回归原理差不多，区别在于影响因素（自变量）更多些而已，例如：一元线性回归方程为： 毫无疑问，多元线性回归方程应该为： 上图中的x1, x2, xp分别代表“自变量”Xp截止，代表有P个自变量，如果有“N组样本，那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中：代表随机误差，其中随机误差分为：可解释的误差和不可解释的误差，随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差必须是服成正太分别的随机变量。 2：无偏性假设，即指：期望值为0 3：同共方差性假设，即指，所有的随机误差变量方差都相等 4：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。

今天跟大家一起讨论一下，SPSS---多元线性回归的具体操作过程，下面以教程教程数据为例，分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系，建立拟合多元线性回归模型。数据如下图所示：（数据可以先用excel建立再通过spss打开） 点击“分析”——回归——线性——进入如下图所示的界面：

十大经典数学模型

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，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Lindo、Lingo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）元胞自动机 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Matlab进行处理） 以上为各类算法的大致介绍，下面的内容是详细讲解，原文措辞详略得当，虽然不是面面俱到，但是已经阐述了主要内容，简略之处还望大家多多讨论。 1、蒙特卡罗方法（MC）（Monte Carlo）： 蒙特卡罗（Monte Carlo）方法，或称计算机随机模拟方法，是一种基于“随机数”的计算方法。这一方法源于美国在第二次世界大战进行研制原子弹的“曼哈顿计划”。该计划的主持人之一、数学家冯·诺伊曼用驰名世界的赌城—摩纳哥的Monte Carlo—来命名这种方法，为它蒙上了一层神秘色彩。 蒙特卡罗方法的基本原理及思想如下： 当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。这就是蒙特卡罗方法的基本思想。蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。 可以把蒙特卡罗解题归结为三个主要步骤： 构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。 例：蒲丰氏问题 为了求得圆周率π值，在十九世纪后期，有很多人作了这样的试验：将长为2l的一根针任意投到地面上，用针与一组相间距离为2a（ l＜a）的平行线相交的频率代替概率P，再利用准确的关系式：

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

回归分析在数学建模中的应用

摘要 回归分析和方差分析是探究和处理相关关系的两个重要的分支,其中回归分析方法是预测方面最常用的数学方法,它是利用统计数据来确定变量之间的关系,并且依据这种关系来预测未来的发展趋势。本文主要介绍了一元线性回归分析方法和多元线性回归分析方法的一般思想方法和一般步骤,并且用它们来研究和分析我们在生活中常遇到的一些难以用函数形式确定的变量之间的关系。在解决的过程中,建立回归方程,再通过该回归方程进行预测。 关键词:多元线性回归分析;参数估计;F检验

回归分析在数学建模中的应用 Abstract Regression analysis and analysis of variance is the inquiry and processing of the correlation between two important branches, wherein the regression analysis method is the most commonly used mathematical prediction method, it is the use of statistical data to determine the relationship between the variables, and based on this relationship predict future trends. introduces a linear regression analysis and multiple linear regression analysis method general way of thinking and the general steps, and use them to research and analysis that we encounter in our life, are difficult to determine as a function relationship between the variables in the solving process, the regression equation is established by the regression equation to predict. Keywords:Multiple linear regression analysis; parameter estimation;inspection II

数学建模 SPSS 典型相关分析

典型相关分析 在对经济问题的研究和管理研究中，不仅经常需要考察两个变量之间的相关程度，而且还经常需要考察多个变量与多个变量之间即两组变量之间的相关性。典型相关分析就是测度两组变量之间相关程度的一种多元统计方法。 典型相关分析计算步骤 （一）根据分析目的建立原始矩阵 原始数据矩阵 ? ?????? ?????? ?nq n n np n n q p q p y y y x x x y y y x x x y y y x x x 2 1 2 1222 21 22211121111211 （二）对原始数据进行标准化变化并计算相关系数矩阵 R = ?? ? ? ??2221 1211 R R R R 其中11R ，22R 分别为第一组变量和第二组变量的相关系数阵，12R = 21 R '为第一组变量和第二组变量的相关系数 （三）求典型相关系数和典型变量 计算矩阵=A 111-R 12R 122-R 21R 以及矩阵=B 122-R 21R 1 11-R 12R 的特征值和特征向量，分 别得典型相关系数和典型变量。 （四）检验各典型相关系数的显著性 第五节 利用SPSS 进行典型相关分析 第一步，录入原始数据，如下表：X1 X2 X3 X4 X5 分别代表多孩率、综合节育率、初中及以上受教育程度的人口比例、人均国民收入和城镇人口比例。 研究人口出生与教育程度、生活水平等的相关。

1、点击“Files→New→Syntax”打开如下对话框。 2、输入调用命令程序及定义典型相关分析变量组的命令。如图

输入时要注意“Canonical correlation.sps”程序所在的根目录，注意变量组的格式和空格。 第三步，执行程序。用光标选择这些命令，使其图黑，再点击运行键，即可得到所有典型相关分析结果。

学生成绩分析数学建模优秀范文汇编

学习-----好资料 2012年暑期培训数学建模第二次模拟 承诺书 我们仔细阅读了数学建模联赛的竞赛规则。 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）与本队以外的任何人（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它公开的资料（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，我们愿意承担由此引起的一切后果。 我们的参赛报名号为： 参赛队员(签名) ： 队员1： 队员2： 队员3： 更多精品文档． 学习-----好资料 2012年暑期培训数学建模第二次模拟 编号专用页 参赛队伍的参赛号码：（请各个参赛队提前填写好）：

竞赛统一编号（由竞赛组委会送至评委团前编号）： 竞赛评阅编号（由竞赛评委团评阅前进行编号）：年暑期培训数学建模第二次模拟2012更多精品文档．学习-----好资料

学生成绩的分析问题题目 摘要主要用到统计分析的概率论成绩进行建模分析，本文针对大学高数和线代，软件，建立了方差分析、单因素分析、相关性分析等相关模型，从SPSS知识及最后利用分以及课程之间的相关性。而分析两个专业、四门课程成绩的显著性，析结论表明了我们对大学数学学习的看法。每门课程两个专业的差异性需要进行多个平均数间的差异显著性检问题一：结论是各个专业的分数都服从正态分布，首先应该对数据进行正态分布检验，验，软件进行原理，检验）利用SPSS之后可以根据Kolmogorov-Smirnov 检验（K-S、进行显著性检验，最后得出的结论 是高数1单因素方差分析，得出方差分析表，高数2、线代和概率这四科成绩 在两个专业中没有显著性差异。以每个专业不同问题二：对于甲乙两个专业分别分析，应用问题一的模型，班级的高数一、高数二、线代和概率平均数为自变量，同第一问相同的做法，得到两个专业中不同学科之间没有显著差异。的“双变量相关检验”得出相关系问题三：我们通过对样本数据进行Spss 与概率论、现代的相关、高数2、影响程度的P值，从而来分析出高数1数值r 性。问题四：利用上面数据，得到各专业课程的方差和平均值，再通过对各门 课程的分析，利用分析结论表明了我们对大学数学学习的看法。本文针对大学甲、乙两个专业数学成绩分析问题，进行建模分析，主要用到统计分析的知识和软件，建立了方差分析、相关分析的相关模型，研究了影matlabexcel以及, 响学生成绩的相关因素以及大学生如何进行数学课程的学习。工具得出各针对每门课程分析两个专业的数学成绩可以通过excel问题一门功课的平均值、方差进行比较分析。可以运针对专业分析两个专业的数学成绩的数学水平有无明显差异，问题二用平均数、方差进行检验，进一步分析其有无显著性差异。比较。并对两专业的数学成绩进行T概率论成绩进行散点图描述建立一元回归针对各班高数成绩和线代、问题三 线性模型，然后对模型进行求解，对模型进行改进。包括分析置信区间，残差等。检验一元回归线性模型置信区间 T 关键词：平均值方差 excel matlab 残差 更多精品文档． 学习-----好资料 关键词：单因素方差分析、方差分析、相关分析、 spss软件、更多精品文档． 学习-----好资料 一、问题重述 附件是甲专业和乙专业的高等数学上册、高等数学下册、线性代数、概率论与数理统计等三门数学课程的成绩数据，请根据数据分析并回答以下问题： （1）针对每门课程分析，两个专业的分数是否有明显差异？ （2）针对专业分析，两个专业学生的数学水平有无明显差异？

数学建模-回归分析-多元回归分析

1、 多元线性回归在回归分析中，如果有两个或两个以上的自变量，就称为 多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。 在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。（multivariable linear regression model ） 多元线性回归模型的一般形式为： 其中k 为解释变量的数目，j β (j=1,2,…，k)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为： j β也被称为偏回归系数（partial regression coefficient)。 2、 多元线性回归计算模型 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe)为最小的前提下，用最小二乘法或最大似然估计法求解参数。 设（ 11 x ， 12 x ，…， 1p x ， 1 y ），…，（ 1 n x ， 2 n x ，…， np x ， n y ）是一个样本， 用最大似然估计法估计参数： 达 到最小。

把（4）式化简可得： 引入矩阵： 方程组（5）可以化简得： 可得最大似然估计值：

3、Matlab 多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下： （1）b=regress(Y, X ) 确定回归系数的点估计值 其中 （2）[b,bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检 验回归模型 ①bint 表示回归系数的区间估计. ②r 表示残差 ③rint 表示置信区间 ④stats 表示用于检验回归模型的统计量,有三个数值：相关系数r2、F 值、与F 对应的 概率p 说明：相关系数r2越接近1，说明回归方程越显著；F>F1-alpha(p,n-p-1) 时拒绝H0，F 越大，说明回归方程越显著；与F 对应的概率p<α 时拒绝H0，回归模型成立。 ⑤alpha 表示显著性水平(缺省时为0.05) （3）rcoplot(r,rint) 画出残差及其置信区间

空间变异函数的数学模型及参数反演

４３７４科学技术与工程１０卷４结论 （１）根据克里格方程组的重要性质，可以将优 选参数由５维降至３维。以克里格交叉检验精度为 目标函数的变异函数参数反演方法是可行的，使用 反演参数可以有效减小克里格交叉检验方差。由 于评价面非常复杂，因此，常常需要在精度与计算 复杂度之间进行权衡。实例证明ＧＡ算法非常 有效。 （２）以椭圆分布函数为基础，分别导出了变程 异性和拱高各向异性的两类标准变异函数的数学 模型，ＡＥ模型和ＣＥ模型。表１、表２的实例计算结果表明：本文导出的ＣＥ模型在表中所列情况下均优于目前广泛使用的ＡＥ模型。 （３）由于降水量的空问分布存在明显趋势性，直接进行分析时幂函数模型表现最好（表１），其中ＣＥ—Ｐ模型交叉检验均方差比ＡＥ—Ｐ（０，１，１）模型降低了２．９８６５ｍｍ，降幅为１１．７％。将数据进行趋势面分离后，残差变量的空间分布呈现出明显的区域化特征，此时球状函数模型表现最好（表２），其中ｃＥ—ｓ模型交叉检验均方差比ＡＥ—Ｐ（０，１，１）模型降低了７．４３５４ｍｍ，降幅为２９．８％，将残差与趋势面叠加可得到相应的降水量等值线图（图２）。显然，当变量的空间分布存在明显区域化特征时参数反演效果更为显著。因此，对原始数据进行某种可逆变换，尽量消除趋势性因素，对提高精度是有帮助的。参数反演的效果是显著的，也足以说明在克里格插值中变异函数分析的重要性。 （４）由于根据实际资料计算出的半方差云图点群较散乱，用曲线拟合方法得到的参数，与克里格交叉检验结果是不一致的，有时差距较大。采用未经认真分析的模型及参数常常会得到比直接使用ＡＥ—Ｐ（０，ｌ，１）模型更差的结果。著名软件Ｓｕｒｓｆｅｒ将ＡＥ—Ｐ（０，１，１）模型设为默认模型是有道理的，因为在多数情况下它会得到一个相对较好的结果。而ＡＥ—Ｐ（０，ｌ，１）恰与ＣＥ—Ｐ（０，ｌ，１）完全相同，这也可能是ＣＥ模型优于ＡＥ模型的一个佐证。 图２降水量等值线图 （５）对于一个较大的分析范围而言，变异函数在空间上的分布是不同的，因此我们常常得到和使用的变异函数是在分析范围内一个均化的模型，这也使变异函数的空间分布分析变得更加困难。当然，如果有足够的观测点我们也可以优选出分析范围内任意局部区域的变异函数，但是如何运用是需要进一步研究的问题。 参考文献 ｌ王卫光，薛绪掌，耿伟．河套灌区地下水位的空问变异性及其克里格估值．灌溉排水学报，２００７；２６（１）：１８—２ｌ ２王家华，高海余，周叶，克里格地质绘图技术，北京：石油工业出版社，】９９９ ３张朔，鲁学军，赵英俊，等．空间变异函数等效应椭圆套合方法及其应用．地球信息科学学报，２００９；１ｌ（３）：３４２—３４８ ４张仁铎．空间变异理论及应用．北京：科学出版社，２００５ ５ＢａｒｎｅｓＲ，ＴｕｔｏｒｉａｌＶ．ＧｏｌｄｅｎＳ幽ａｒｅ，Ｉｎｃ．ｈｔｔｐ：／／ｗｗｗ．９０ｌｄｅｎ舯ｆｔ?ｗａｒｅ．ｃｏｍ／ｖ秭ｏｇｒａｍＴｕｔｏｒｉａｌ．ｐｄｆ ６Ｇｏｌｄｅｎｓｏｆｔｗａｒｅ．Ｉｎｃ．ＳｕｒｆｅｒＤｅｍｏＶｅ璐ｉｏｎ９．２００９ ７吴学文，晏路明．普通Ｋｒｉｇｉｎｇ法的参数设置及变异函数模型选择方法．地球信息科学，２００７；９（３）：１０４—１０８ ８张征，解明曙王毅力，等．环境模拟与评价中多变量空间结构模型及应用．北京林业大学学报。２００３；２５（５）：５９—６３ ９王家华，高海余．利用循环交叉验证法确定变异函数．西安石油．学院学报，１９９２；７（４）：３一 １０张晖，吴斌．余张国．引入模拟退火机制的新型遗传算法． 电子科技大学学报，２００３；３２（１）：３９—４３

数学课程的成绩分析(数模

数学课程的成绩分析(数模大作业)

2012年4月西安电子科技大学学报（自然科学版） Apr.2012 第X卷第X期JOURNAL OF XIDIAN UNIVERSITY Vol.XX No.X 数学课程的成绩分析 摘要：本文讨论了B题中给出的对大学数学课程的成绩分析的一种分析方 法，根据题目中提供的甲乙两专业4门数学学科的成绩，对成绩进行分类汇 总，再通过数理统计的方法进行对成绩的分析，运用Excel、Matlab绘出图 表，直观的分析甲乙专业，各数学学科的一些统计量。再查找数学教育的相 关资料，建立合理的数学水平评价模型。最后建立数学学科之间的相关回归 模型，利用Matlab进行回归检验，从而讨论各个数学学科之间的关系。 关键词：层次分析法统计回归方法一元线性回归数学水平评估模型 1问题重述 附件是甲专业和乙专业的高等数学上册、高等数学下册、线性代数、概率论与数理统计等三门数学课程的成绩数据，请根据数据分析并回答以下问题： （1）针对每门课程分析，两个专业的分数是否有明显差异？ （2）针对专业分析，两个专业学生的数学水平有无明显差异？ （3）高等数学成绩的优劣，是否影响线性代数、概率论与数理统计的得分情况？ （4）根据你所作出的以上分析，面向本科生同学阐述你对于大学数学课程学习方面的看法。2模型假设和符号说明 2.1模型假设 1）甲专业24号同学高数I成绩433，不属于0-100分，所以当无效数据处理，不考虑它的影响。 2）考试成绩反映的是学生的真实水平。 3）高数成绩和线性代数、概率论与数理统计有相关关系。 4）将高数成绩定义为将高数I的成绩和高数II的成绩取平均。 5）两个专业的老师教课水平是一样的。 6）学生本科前的数学水平是相近的。 7）两专业的人数可以真实反应学生水平。 2.2符号说明 x：把高数成绩作为一元线性回归模型的自变量。

回归模型的残差分析

回归模型的残差分析 山东 胡大波 判断回归模型的拟合效果是回归分析的重要内容，在回归分析中，通常用残差分析来判断回归模型的拟合效果。下面具体分析残差分析的途径及具体例子。 一、 残差分析的两种方法 1、差分析的基本方法是由回归方程作出残差图，通过观测残差图，以分析和发现观测数据中可能出现的错误以及所选用的回归模型是否恰当；在残差图中，残差点比较均匀地落在水平区域中，说明选用的模型比较合适，这样的带状区域的宽度越窄，说明模型的拟合精度越高，回归方程的预报精度越高。 2、可以进一步通过相关指数∑∑==--- =n i i n i i i y y y y R 1 2 1 2 ^ 2 )()(1来衡量回归模型的拟合效果，一般 规律是2 R 越大，残差平方和就越小，从而回归模型的拟合效果越好。 二、 典例分析： 例1、某运动员训练次数与运动成绩之间的数据关系如下： 试预测该运动员训练47次以及55次的成绩。 解答：（1）作出该运动员训练次数x 与成绩y 之间的散点图，如图1所示，由散点图可 知，它们之间具有线性相关关系。 （2）列表计算： 由上表可求得875.40,25.39==y x ， 126568 1 2 =∑=i i x ，137318 1 2=∑=i i y ，

131808 1 =∑=i i i y x ，所以∑∑==---= 8 1 2 8 1 )() )((i i i i i x x y y x x β.0415.188 1 2 28 1≈--= ∑∑==i i i i i x x y x y x 00302.0-≈-=x y βα，所以回归直线方程为.00302.00415.1^ -=x y （3）计算相关系数 将上述数据代入∑∑∑===---= 8 1 8 1 2 22 2 8 1 ) 8)(8(8i i i i i i i y y x x y x y x r 得992704.0=r ，查表可知 707.005.0=r ，而05.0r r >，故y 与x 之间存在显着的相关关系。 （4）残差分析： 作残差图如图2，由图可知，残差点比较均匀地分布在水平带状区域中，说明选用的模型比较合适。 计算残差的方差得884113.02 =σ ，说明预报的精度较高。 （5）计算相关指数2 R 计算相关指数2 R ＝0.9855.说明该运动员的成绩的差异有98.55％是由训练次数引起的。 （6）做出预报 由上述分析可知，我们可用回归方程 .00302.00415.1^ -=x y 作为该运动员成绩的预报值。 将x ＝47和x ＝55分别代入该方程可得y ＝49和y ＝57， 故预测运动员训练47次和55次的成绩分别为49和57. 点评：一般地，建立回归模型的基本步骤为： （1）确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量； （2）画出确定好的解释变量和预报变量的散点图，观察它们之间的关系（如是否存在线性关系等）； （3）由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程y ＝bx ＋a ）； （4）按一定规则估计回归方程中的参数（如最小二乘法）； （5）得出结果后分析残差图是否有异常（个别数据对应残差过大，或残差呈现不随机的规律性等等），若存在异常，则检查数据是否有误，或模型是否合适等。 例2、某城区为研究城镇居民月家庭人均生活费支出和月人均收入的相关关系，随机抽取

数学建模案例分析

案例分析1: 自行车外胎的使用寿命 问题： 目前，自行车在我国是一种可缺少的交通工具。它小巧、灵活、方便、易学，而且价格适中，给广大居民带来了不小的益处。但是，自行车也有令人头痛的地方，最常见的问题莫过于扎胎了。扎胎的原因有很多，但相当一部分是由于外胎磨损，致使一些玻璃碴、小石子很容易侵入、扎破内胎。为了减少不必要的麻烦，如何估计自行车外胎的寿命，及时更换? 分析： 分析角度：由于题目里未明确指出我们是应从厂家角度，还是应从用户角度来考虑这个问题，因此需要我们自己做出合理判断。若从厂家角度，我们面对的应当是一大批自行车外胎的平均寿命的估计。这样的估计要求一定精确度和相对明确的使用环境；而从用户角度来说，面对的仅是个人的一辆车，不需要很高的精确度，这样的寿命估计更简单，易于随时了解，下面仅从用户角度进行分析。 产品的使用者需要了解产品的寿命，是基于安全性及更换的费用来考虑的。我们将这两个标准作为主要标准来分析，首先值得注意的两个关键性问题是如何定义寿命、何时为寿命的终止。寿命的定义要做到科学，直观，有可比性，在航空工业中航天飞机的使用寿命是用重复使用的次数来衡量，而工厂机器设备的寿命则以连续工作的时间来定义。本题外胎的寿命亦可用时间来表征，但由于外胎的寿命直接与其磨损速度相关；而磨损速度又与使用频率及行驶速度相互联系，致使外胎的寿命不一定与使用时间成正比(这种非正比关系使我们不能拿一辆—天跑200公里的自行车与一天只跑1公里的自行车进行寿命比较)，降低了可比性。如换成自行车的路程寿命来比较，就好得多。产品寿命是在安全性和更换费用相互制约下达到的一个点，在这个点上，外胎的安全系数降到用户不可接受的最低值，更换费用(寿命越长，在一定意义上更换费用越低)也达到了最大限度的节省。 弄清了上面两个问题后，我们继续明确建立模型需要解决哪些问题及建立模型的重点难点。 自行车使用过程中，一来影响因素多，二来这些因素之间彼此相关，十分复杂，要做到比较准确地估计使用寿命，不但要对外胎的性能有相当的了解，而且对使用环境更不能忽视。当然我们由于是站在用户角度上来考虑的，相对地就可忽略一些次要的影响因素。 这样的数学模型面对着两个主要问题。一、自行车使用寿命与外胎厚度的关系，二、外胎能够抵御小石子破坏作用的最小厚度。后者可处理得相对简略些(如只考虑一块具有一般特征的小石子对外胎的破坏作用)，而重点(也是难点)是第一个问题。车重、人重、轮胎性质(力学的、热学的、甚至化学的)和自行车使用频率等都左右着它们的关系。这么多相关因素，不必一一都加以考虑(用户是不会在意这么多的)，有些因素，可以先不考虑，在模型的改进部分再作修改，采取逐步深入的方法，如：摩擦损耗有滑动摩擦和滚动摩擦损耗两种，由于滚动摩擦占用的时间(或路程)显然占绝对优势，因此可重点考虑。但滑动摩擦造成的一次损坏又比滚动摩擦大，在刹车使用过频的情况下，就不能不考虑了。 最后，需对得出的结果用简单清晰的文字进行说明，以供用户参考。 案例分析2：城市商业中心最优位置分析 问题： 城市商业中心是城市的基本构成要素之一。它的形成是一个复杂的定位过程。商业中心的选址涉及到各种因素制约，但其中交通条件是很重要的因素之一。即商业中心应位于城市“中心”，如果太偏离这一位置，极有可能在城市“中心”地带又形成一个商业区，造成重复建设。 某市对老商业中心进行改建规划，使居民到商业中心最方便。如果你是规划的策划者，如何建立一个数学模型来解决这个问题。