數學建模你怎麼知道用什麼模型

❶ 數學建模如何建立模型

問題一：數學建模怎麼做啊？ 剛參加完九月份的全國大學生數學建模競賽。一份基本的的數學建模論文要包含以下幾個方面：
摘要，問題的背景與提出，問題的分析，模型的假設，符號說明，模型的建立與求解，模型的評價與推廣，參考文獻。
正規的數學建模論文篇幅一般在20頁以上。考慮到你讀初三，老師的要求不會這么高，而且你的能力應該還有所欠缺。我的建議為你按照自己實際情況選擇一個有一定挑戰性的題目，題目的性質類似於應用題，但又和普通的應用題不同，可以沒有確定答案，針對問題本身做一些分析和探討，最好能和實際相結合。
要注意的是假設要合理，要有數學模型（包括一些方程，不等式等），要有分析思路，並且要對自己建立的模型進行優缺點評價，最好能做相應推廣。

問題二：1.什麼是數學模型？數學建模的一般步驟是什麼？ 2.數學建模需要具備哪些能力和知識？ 答的好懸賞加 100分 數學建模是利用數學方法解決實際問題的一種實踐.即通過抽象、簡化、假設、引進變數等處理過程後,將實際問題用數學方式表達,建立起數學模型,然後運用先進的數學方法及計算機技術進行求解.
數學建模將各種知識綜合應用於解決實際問題中,是培養和提高學生應用所學知識分析問題、解決問題的能力的必備手段之一.
數學建模的一般方法和步驟
建立數學模型的方法和步驟並沒有一定的模式,但一個理想的模型應能反映系統的全部重要特徵：模型的可靠性和模型的使用性.建模的一般方法：
機理分析：根據對現實對象特性的認識,分析其因果關系,找出反映內部機理的規律,所建立的模型常有明確的物理或現實意義.
測試分析方法：將研究對象視為一個「黑箱」系統,內部機理無法直接尋求,通過測量系統的輸入輸出數據,並以此為基礎運用統計分析方法,按照事先確定的准則在某一類模型中選出一個數據擬合得最好的模型.測試分析方法也叫做系統辯識.
將這兩種方法結合起來使用,即用機理分析方法建立模型的結構,用系統測試方法來確定模型的參數,也是常用的建模方法.
在實際過程中用那一種方法建模主要是根據我們對研究對象的了解程度和建模目的來決定.機理分析法建模的具體步驟大致如下：
1、 實際問題通過抽象、簡化、假設,確定變數、參數；
2、 建立數學模型並數學、數值地求解、確定參數；
3、 用實際問題的實測數據等來檢驗該數學模型；
4、 符合實際,交付使用,從而可產生經濟、社會效益；不符合實際,重新建模.
數學模型的分類：
1、 按研究方法和對象的數學特徵分：初等模型、幾何模型、優化模型、微分方程模型、圖論模型、邏輯模型、穩定性模型、統計模型等.
2、 按研究對象的實際領域（或所屬學科）分：人口模型、交通模型、環境模型、生態模型、生理模型、城鎮規劃模型、水資源模型、污染模型、經濟模型、社會模型等.
數學建模需要豐富的數學知識,涉及到高等數學,離散數學,線性代數,概率統計,復變函數等等基本的數學知識.同時,還要有廣泛的興趣,較強的邏輯思維能力,以及語言表達能力等等.
參加數學建模競賽需知道的內容
一、全國大學生數學建模競賽
二、數學建模的方法及一般步驟
三、重要的數學模型及相應案例分析
1、線性規劃模型及經濟模型案例分析
2、層次分析模型及管理模型案例分析
3、統計回歸模型及案例分析
4、圖論模型及案例分析
5、微分方程模型及案例分析
四、相關軟體
1、Matlab軟體及編程；2、Lingo軟體；3、Lindo軟體。
五、數模十大常用演算法
1. 蒙特卡羅演算法。2. 數據擬合、參數估計、插值等數據處理演算法。3. 線性規劃、整數規劃、多元規劃、二次規劃等規劃類演算法。4. 圖論演算法。5. 動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法。6. 最優化理論的三大非經典演算法。7. 網格演算法和窮舉法。8. 一些連續數據離散化方法。9. 數值分析演算法。10. 圖象處理演算法。
六、如何查閱資料
七、如何寫作論文
八、如何組織隊伍：團隊精神，配合良好，不斷的提出問題和解決問題。
九、如何才能獲獎：比較完整，有幾處創新點。
十、如何信息處理：WORD、LaTeX，飛秋、QQ。
其實主要看下例子就可以了，知道一些基本的模型，我這里也有很多例子，各個學校的講座都有要的話直接向我要...>>

問題三：怎麼建立一個好的數學模型？ 一個好的數學模型，首先應該是可以把所提問題解決的，只有能解決問題的模型才是好的模型。其次，就在於模型的創造性，創造性並不是說你非得自己找出個新的方法或者演算法來，而是即使你用的是久的演算法，但是你用在一個新的領域，並且很好的解決了問題，具有很好的適應性，那樣就是一個好的數學模型。注意，數學模型可能是公式，也可能是某種演算法，當然也可能是圖表類的東西。

問題四：數學建模的一般步驟是什麼？？ 模型准備
了解問題的實際背景，明確其實際意義，掌握對象的各種信息。以數學思想來包容問題的精髓，數學思路貫穿問題的全過程，進而用數學語言來描述問題。要求符合數學理論，符合數學習慣，清晰准確。
模型假設
根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。
模型建立
在假設的基礎上，利用適當的數學工具來刻劃各變數常量之間的數學關系，建立相應的數學結構（盡量用簡單的數學工具）。
模型求解
利用獲取的數據資料，對模型的所有參數做出計算（或近似計算）。
模型分析
對所要建立模型的思路進行闡述，對所得的結果進行數學上的分析。
模型檢驗
將模型分析結果與實際情形進行比較，以此來驗證模型的准確性、合理性和適用性。如果模型與實際較吻合，則要對計算結果給出其實際含義，並進行解釋。如果模型與實際吻合較差，則應該修改假設，再次重復建模過程。
模型應用與推廣
應用方式因問題的性質和建模的目的而異。而模型的推廣就是在現有模型的基礎上對模型有有一個更加全面，考慮更符合現實情況都適用的模型。

問題五：支北是什麼? 5分 福州話里是臟話也..
形容女人的....

問題六：常見的建立數學模型的方法有哪幾種 ―般說來建立數學模型的方法大體上可分為兩大類、一類是機理分析方法,一類是測試分析方法．機理分析是根據對現實對象特性的認識、分析其因果關系,找出反映內部機理的規律,建立的模型常有明確的物理或現實意義

❷ 數學建模中的評估模型有哪些

評價類數學模型有：一、層次分析法（1、構造兩兩比較判斷矩陣 2、單一準則下元素相對權重計算及一致性檢驗 3、一致性檢驗 4、計算各層元素對目標層的總排序權重）
二、灰色關聯分析體系
三、DEA評價體系（1、比率模式 2、超級效率模式 3、線性規劃模式 4、超級效率之多階排序模型）
四、模糊數學評價模型

❸ 什麼是數學建模如何建模

數學建模，就是根據實際問題來建立數學模型，對數學模型來進行求解，然後根據結果去解決實際問題。當需要從定量的角度分析和研究一個實際問題時，人們就要在深入調查研究、了解對象信息、作出簡化假設、分析內在規律等工作的基礎上，用數學的符號和語言作表述來建立數學模型。

了解問題的實際背景，明確其實際意義，掌握對象的各種信息。以數學思想來包容問題的精髓，數學思路貫穿問題的全過程，進而用數學語言來描述問題。要求符合數學理論，符合數學習慣，清晰准確。根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。

在假設的基礎上，利用適當的數學工具來刻劃各變數常量之間的數學關系，建立相應的數學結構（盡量用簡單的數學工具）。利用獲取的數據資料，對模型的所有參數做出計算（或近似計算）。

對所要建立模型的思路進行闡述，對所得的結果進行數學上的分析。將模型分析結果與實際情形進行比較，以此來驗證模型的准確性、合理性和適用性。如果模型與實際較吻合，則要對計算結果給出其實際含義，並進行解釋。如果模型與實際吻合較差，則應該修改假設，再次重復建模過程。

❹ 數學建模模型有哪些適合解決什麼問題

數學模型有很多類，解決的問題從基本的原料供應關繫到復雜的火箭升空、發動均可以建立模型，但是一般在大學學習的都是基本的一些定式模型，具體的你可以看書，大學數模班主要的是培訓大家的基本編程能力、英語翻譯閱讀理解翻譯和團隊協作以及基本數學知識。

❺ 常見30種數學建模模型是什麼

1、蒙特卡羅演算法。

2、數據擬合、參數估計、插值等數據處理演算法。

3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題。

4、圖論演算法。

5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法。

6、最優化理論的三大非經典演算法。

7、網格演算法和窮舉法。

8、一些連續離散化方法。

9、數值分析演算法。

10、圖象處理演算法。

應用數學去解決各類實際問題時，建立數學模型是十分關鍵的一步，同時也是十分困難的一步。建立教學模型的過程，是把錯綜復雜的實際問題簡化、抽象為合理的數學結構的過程。

要通過調查、收集數據資料，觀察和研究實際對象的固有特徵和內在規律，抓住問題的主要矛盾，建立起反映實際問題的數量關系，然後利用數學的理論和方法去分析和解決問題。

(5)數學建模你怎麼知道用什麼模型擴展閱讀：

數學建模是一個讓純粹數學家（指只研究數學，而不關心數學在實際中的應用的數學家）變成物理學家、生物學家、經濟學家甚至心理學家等等的過程。這里的實際現象既包涵具體的自然現象比如自由落體現象，也包含抽象的現象比如顧客對某種商品所取的價值傾向。這里的描述不但包括外在形態、內在機制的描述，也包括預測、試驗和解釋實際現象等內容。

❻ 數學建模分類模型有哪些

數學建模常用模型有哪些？

1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的算

法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法）

2、數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數據需要

處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab作為工具）

3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題

屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用Lindo、

Lingo軟體實現）

4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉

及到圖論的問題可以用這些方法解決，需要認真准備）

5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計

中比較常用的方法，很多場合可以用到競賽中）

6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是

用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實

現比較困難，需慎重使用）

7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很多競賽

題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好

使用一些高級語言作為編程工具）

8、一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計算機只

認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替積分等思想是非

常重要的）

9、數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分析中常

用的演算法比如方程組求解、矩陣運算、函數積分等演算法就需要額外編寫庫函數進行調

用）

10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該

要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab

❼ 常用的數學模型有哪些另外運用數學建模解題的關鍵點有哪些

首先，常用的數學模型有優化模型（主要是統計回歸，包括對數據的處理，用到擬合，差值等等），微分方程模型（常微較多，偏微不常用），差分方程型（就是離散型，這類不能求導微分等等），概率論模型，還有什麼圖論啊 一些亂七八糟的 （以上我說的都是一些很基礎的模型，復雜的模型差不多都是基於簡單模型）
數學建模主要有三步，1.把實際問題轉化成數學問題（這一般是競賽前兩天的工作）；2.用數學知識和計算機知識（主要是MATLAB）解決數學問題；3.整理和完善，論文寫作
我認為數學建模最重要的一步就是把實際問題轉化成數學問題這一步，因為後面兩步往往是不難的。
關鍵點有 1頭腦要靈活一點，要大膽的想，考慮的因素要全面一點，但是呢，不能想出一個模型就馬上建模，因為要考慮很多問題，比如是否可行（主要是實際的問題，比如合作模型中，合作中每個人得到的利益要大於等於沒有合作時原來每個人的利益），比如建立的數學模型是否容易解決（比如你建立了一個常微分方程組，這個問題一般情況下好像數學家都還沒給出解決，所以可想而知你和計算機能不能解決了，這個時候你應該考慮把問題巧妙地轉換一下或者簡化一下）
關鍵點之2，要找到實際問題之中和核心問題，然後由這個或者這幾個核心（最好不要太多核心）來拓展。比如火箭三級助推這個問題，它的核心問題是對火箭質量改變規律的探究。然後呢，做完了核心問題的研究以後，想想實際的問題。比如，還是火箭助推這個問題，發現了助推器越多越好這個規律後，是不是就要用無窮級助推呢？顯然不是，這就是後續的最優化問題。
你可以找個班去聽聽，或者借本書看看。（主要推薦姜啟源的《數學建模》），然後自己試著建模，慢慢來。然後學一些知識，數學當然不能少（主要你要學運籌學，最優化等等，如果你想在建模中脫穎而出的話），還有要早點組隊磨合，做好分工與合作。
論文一般沒什麼，主要就把你的思路清晰簡潔的表達出來，結合圖形，表格等等，然後語言要嚴謹，用詞准確，能生動就更好了。（當然美國的數模競賽還要你英語水平比較高才行）你可以去研讀一些優秀論文，對你幫助很大的。
希望我能幫到你~