找这方面的书自己看，或者问老师不就行了
论文（答卷）用白色A4纸，上下左右各留出5厘米的页边距。论文题目用三号黑体字、一级标题用四号黑体字，并居中。论文中其它汉字一律采用小四号黑色宋体字，行距用单倍行距。论文从正文开始编写页码，页码必须位于每页页脚中部，用阿拉伯数字从“1”开始连续编号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均明确列出。正文引用处用方括号标示参考文献的编号，如[1][3]等；引用书籍还必须指出页码。参考文献按正文中的引用次序列出，其中书籍的表述方式为： [编号] 作者，书名，出版地：出版社，出版年。 参考文献中期刊杂志论文的表述方式为： [编号] 作者，论文名，杂志名，卷期号：起止页码，出版年。 参考文献中网上资源的表述方式为： [编号] 作者，资源标题，网址，访问时间（年月日）。
奥运会临时超市网点设计模型（小三黑体,题目直接用竞赛试题题目,不必另起） 摘要 （一级标题，4号黑体，居中）（论文其他内容小4号宋体字，单倍行距，左侧装订）本文根据题目附录中提供的问卷调查数据，利用关系数据库查询语言，从不同侧面进行了准确统计，找出了运动会期间观众在出行方式、餐饮方式以及消费额（非餐饮）三方面所反映的规律：大部分（约72%）的观众坐公交和地铁出行；过半数（约52%）的观众选择西餐作为餐饮方式；绝大部分（约88%）的观众消费额在300以下，其中200到300之间人数约占44%。根据观众在出行方式、餐饮方式以及消费额（非餐饮）三方面所反映的规律，对不同消费档次（非餐饮）的观众进行统计，分别测算出题目（图2）中20个商区的人流量分布：A1：83% A2：09% A3：63% A4：19% A5：72% A6：73% A7：04% A8：49% A9：95% A10：40%B1：81% B2：26% B3：55% B4：95% B5：49% B6：27% C1：69% C2：60% C3：39% C4：84%在解决了问题1、2的基础上，对不同消费档次的观众赋予不同消费档次指数，然后，通过对综合购买力的分析以及对各消费档次观众的消费水平进行全面、综合考查，并以此为依据对问题3建立了线性优化模型，运用数学软件MATLAB编程对模型进行二维搜索，得到了模型最优解，设计出了各商区两种类型迷你超市网MS的分布方案： 商区网类型 A1 A2 A3 A4 A5 A6 A7 A8 A9 A10小MS个数 5 4 4 4 5 8 4 3 3 2大MS个数 5 4 4 5 5 9 4 4 3 3 商区网类型 B1 B2 B3 B4 B5 B6 C1 C2 C3 C4小MS个数 2 3 4 3 4 6 2 2 4 3大MS个数 2 1 3 3 3 5 1 2 4 5最后，通过综合分析，我们建立的模型能够准确描述各商区消费水平，得出两种不同类型MS个数分布基本均衡，既满足了奥运会期间的购物需求，又考虑了商业赢利。关键词（一级标题，四号黑体，居中）人流量；二维搜索；消费档次指数；线性优化模型；综合购买力（3－5个）（第一页只有摘要和关键词,而且论文从这一页开始编页号,页码居中）一． 问题的提出（一级标题，四号黑体，居中）2008年北京奥运会的建设工作已经进入全面设计和实施阶段。奥运会期间，在比赛主场馆的周边地区需要建设由小型商亭构建的临时商业网点，称为迷你超市（Mini Supermarket, 以下记做MS）网，以满足观众、游客、工作人员等在奥运会期间的购物需求，主要经营食品、奥运纪念品、旅游用品、文体用品和小日用品等。在比赛主场馆周边地区设置的这种MS，在地点、大小类型和总量方面有三个基本要求：满足奥运会期间的购物需求、分布基本均衡和商业上赢利。图1给出了比赛主场馆的规划图。作为真实地图的简化，在图2中仅保留了与本问题有关的地区及相关部分：道路（白色为人行道）、公交车站、地铁站、出租车站、私车停车场、餐饮部门等,其中标有A1-A10、B1-B6、C1-C4的黄色区域是规定的设计MS网点的20个商区。为了得到人流量的规律，一个可供选择的方法，是在已经建设好的某运动场（图3）通过对预演的运动会的问卷调查，了解观众（购物主体）的出行和用餐的需求方式和购物欲望。假设我们在某运动场举办了三次运动会，并通过对观众的问卷调查采集了相关数据，参照采集的数据，请你按以下步骤对图2的20个商区设计MS网点：1． 根据附录中给出的问卷调查数据，找出观众在出行、用餐和购物等方面所反映的规律。 2． 假定奥运会期间（指某一天）每位观众平均出行两次，一次为进出场馆，一次为餐饮，并且出行均采取最短路径。依据1的结果，测算图2中20个商区的人流量分布（用百分比表示）。3． 如果有两种大小不同规模的MS类型供选择，给出图2中20个商区内MS网点的设计方案（即每个商区内不同类型MS的个数），以满足上述三个基本要求。4． 阐明你的方法的科学性，并说明你的结果是贴近实际的。（图2，图3请见附录2）。二． 问题假设（一级标题，四号黑体，居中）1．奥运会期间（指某一天）每位观众平均出行两次，一次为进出场馆，一次为餐饮，并且出行均采取最短路径。2．观众在一天内的行程如下： 进场馆——>出场餐饮——>餐饮完回场馆——>出场馆且进场馆和出场馆路径相同，出场餐饮和餐饮完回场路径相同。3．出场餐饮与餐饮完回场馆时不考虑出行方式，只按餐饮方式采取最短路径。4．各场馆内进出口与看台一一对应（即进场时一个进口只能到达唯一确定看台，出场时一个出口对应唯一看台，看台之间不能相互跨越）。5．每位观众通过出行或餐饮路径上所有商区（包括看台出口所对的商区）。6．三个场馆人数固定（A区为10万人，B区为6万人，C区为4万人），每个看台人数固定，均为1万人（即商区A1、A2、A3、A4、A5、A6、A7、A8、A9、A10、B1、B2、B3、B4、B5、B6、C1、C2、C3、C4对应的二十个看台每个均为一万人）。7．观众在奥运期间的出行方式、餐饮方式、消费额档次均不变，且服从问卷调查所得规律。三． 假设合理性分析及说明（一级标题，四号黑体，居中）根据最短路径原则，观众从各车站或停车场到场馆往返路径相同；同理，餐饮往返路径也相同。因此只须考虑观众看完比赛从场馆到车站或停车场的路径（下称第一类路径）以及观众出场馆到达餐饮地点的路径（下称第二类路径）即可。即对各商区人流量只须计算这两类路径的人流量，各商区总人流量为观众走这两类路径人流量的2倍。为方便计算，本模型中人流量仅为第一类和第二类路径人流量之和。从图2可以看出，各场馆到餐饮地点或者无车可乘或者相距很近无须乘车，故在观众出场馆餐饮时只根据餐饮方式采取最短路径，忽略出行方式。四． 符号约定（一级标题，四号黑体，居中）W: 出行方式为公交（东西）；N: 出行方式为公交（南北）；E: 出行方式为地铁东；R: 出行方式为地铁西；P: 出行方式为私车；T: 出行方式为出租；C: 餐饮方式为中餐；F: 餐饮方式为西餐；B: 餐饮方式为商场；五． 模型建立与求解（一级标题，四号黑体，居中） 问题1求解根据附录中给出的问卷调查数据，我们利用数据库编程（Visual Basic ＋SQL关系数据查询语言）首先统计得出了三次问卷调查中按年龄、出行方式、餐饮方式、消费水平分档的各类人数，如表1所示。……………………………………………………………………………………………………………………………………………为了能清楚看出观众在出行、用餐和购物等方面反映的情况，用百分比表示各出行方式、餐饮方式、消费额档次人群的分布情况，如表2所示：(略)…………………………………………………………………………………………………………………………………………………………2．问题2求解商区人流量与平均购物欲望是影响商区选址的主要因素。各商区人流量与观众出行方式、餐饮方式有关。商区人流量的消费档次水平分布，体现了该商区人流的平均购物欲望。因此，以消费档次水平为划分标准，分别按出行方式及餐饮方式对人群进行统计，不同消费档次水平人数及百分比表示如表3所示：………………………………………………………………………………………………………………………………………3．问题3求解……………………………………………………………………………………商区Z的综合购买力（百万元）H ＝商区Z各个消费档次购买力之和。各个消费档次购买力为:该消费档次人流量╳消费档次指数根据以上标准可以建立以总出售能力最小作为目标函数的模型： Min f=m1╳( + + )+m2╳( + + )约束条件为： ╳m1+ ╳m2>= (i=1,2……10) ╳m1+ ╳m2>= (j=1,2……6) ╳m1+ ╳m2>= (k=1,2,3,4) , , , , , >=1且为整数 m1
无忧在线有很多数学建模论文，你去搜一下就行
论数学建模教育模式探究日期：2009-09-0203:45:17点击：0好评：0论文关键词：数学建模教育模式引导-发现论文摘要:数学建模课程教学的根本宗旨在于能力的培养和综合素质的提高,而能力和素质的培养应以知识及教育模式为载体。本文在高校/html/xueke/html
数模相当纠结啊
数学建模内容摘要：数学作为现代科学的一种工具和手段，要了解什么是数学模型和数学建模，了解数学建模一般方法及步骤。关键词：数学模型、数学建模、实际问题伴随着当今社会的科学技术的飞速发展，数学已经渗透到各个领域，数学建模也显得尤为重要。数学建模在人们生活中扮演着重要的角色，而且随着计算机技术的发展，数学建模更是在人类的活动中起着重要作用，数学建模也更好的为人类服务。一、数学模型数学模型是对于现实世界的一个特定对象,一个特定目的,根据特有的内在规律,做出一些必要的假设,运用适当的数学工具,得到一个数学结构简单地说:就是系统的某种特征的本质的数学表达式(或是用数学术语对部分现实世界的描述),即用数学式子(如函数,图形,代数方程,微分方程,积分方程,差分方程等)来描述(表述,模拟)所研究的客观对象或系统在某一方面的存在规律随着社会的发展,生物,医学,社会,经济……,各学科,各行业都涌现现出大量的实际课题,急待人们去研究,去解决但是,社会对数学的需求并不只是需要数学家和专门从事数学研究的人才,而更大量的是需要在各部门中从事实际工作的人善于运用数学知识及数学的思维方法来解决他们每天面临的大量的实际问题,取得经济效益和社会效益他们不是为了应用数学知识而寻找实际问题(就像在学校里做数学应用题),而是为了解决实际问题而需要用到数学而且不止是要用到数学,很可能还要用到别的学科,领域的知识,要用到工作经验和常识特别是在现代社会,要真正解决一个实际问题几乎都离不开计算机可以这样说,在实际工作中遇到的问题,完全纯粹的只用现成的数学知识就能解决的问题几乎是没有的你所能遇到的都是数学和其他东西混杂在一起的问题,不是"干净的"数学,而是"脏"的数学其中的数学奥妙不是明摆在那里等着你去解决,而是暗藏在深处等着你去发现也就是说,你要对复杂的实际问题进行分析,发现其中的可以用数学语言来描述的关系或规律,把这个实际问题化成一个数学问题,这就称为数学模型数学模型具有下列特征:数学模型的一个重要特征是高度的抽象性通过数学模型能够将形象思维转化为抽象思维,从而可以突破实际系统的约束,运用已有的数学研究成果对研究对象进行深入的研究数学模型的另一个特征是经济性用数学模型研究不需要过多的专用设备和工具,可以节省大量的设备运行和维护费用,用数学模型可以大大加快研究工作的进度,缩短研究周期,特别是在电子计算机得到广泛应用的今天,这个优越性就更为突出但是,数学模型具有局限性,在简化和抽象过程中必然造成某些失真所谓"模型就是模型"(而不是原型),即是指该性质二、数学建模 数学建模是利用数学方法解决实际问题的一种实践即通过抽象,简化,假设,引进变量等处理过程后,将实际问题用数学方式表达,建立起数学模型,然后运用先进的数学方法及计算机技术进行求解简而言之,建立数学模型的这个过程就称为数学建模模型是客观实体有关属性的模拟陈列在橱窗中的飞机模型外形应当象真正的飞机,至于它是否真的能飞则无关紧要;然而参加航模比赛的飞机模型则全然不同,如果飞行性能不佳,外形再象飞机,也不能算是一个好的模型模型不一定是对实体的一种仿照,也可以是对实体的某些基本属性的抽象,例如,一张地质图并不需要用实物来模拟,它可以用抽象的符号,文字和数字来反映出该地区的地质结构数学模型也是一种模拟,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实际问题中有许多因素,在建立数学模型时你不可能,也没有必要把它们毫无遗漏地全部加以考虑,只能考虑其中的最主要的因素,舍弃其中的次要因素数学模型建立起来了,实际问题化成了数学问题,就可以用数学工具,数学方法去解答这个实际问题如果有现成的数学工具当然好如果没有现成的数学工具,就促使数学家们寻找和发展出新的数学工具去解决它,这又推动了数学本身的发展例如,开普勒由行星运行的观测数据总结出开普勒三定律,牛顿试图用自己发现的力学定律去解释它,但当时已有的数学工具是不够用的,这促使了微积分的发明求解数学模型,除了用到数学推理以外,通常还要处理大量数据,进行大量计算,这在电子计算机发明之前是很难实现的因此,很多数学模型,尽管从数学理论上解决了,但由于计算量太大而没法得到有用的结果,还是只有束之高阁而电子计算机的出现和迅速发展,给用数学模型解决实际问题打开了广阔的道路而在现在,要真正解决一个实际问题,离了计算机几乎是不行的数学模型建立起来了,也用数学方法或数值方法求出了解答,是不是就万事大吉了呢 不是既然数学模型只能近似地反映实际问题中的关系和规律,到底反映得好不好,还需要接受检验,如果数学模型建立得不好,没有正确地描述所给的实际问题,数学解答再正确也是没有用的因此,在得出数学解答之后还要让所得的结论接受实际的检验,看它是否合理,是否可行,等等如果不符合实际,还应设法找出原因,修改原来的模型,重新求解和检验,直到比较合理可行,才能算是得到了一个解答,可以先付诸实施但是,十全十美的答案是没有的,已得到的解答仍有改进的余地,可以根据实际情况,或者继续研究和改进;或者暂时告一段落,待将来有新的情况和要求后再作改进 应用数学知识去研究和和解决实际问题,遇到的第一项工作就是建立恰当的数学模型从这一意义上讲,可以说数学建模是一切科学研究的基础没有一个较好的数学模型就不可能得到较好的研究结果,所以,建立一个较好的数学模型乃是解决实际问题的关键之一数学建模将各种知识综合应用于解决实际问题中,是培养和提高同学们应用所学知识分析问题,解决问题的能力的必备手段之一三、数学建模的一般方法建立数学模型的方法并没有一定的模式,但一个理想的模型应能反映系统的全部重要特征:模型的可靠性和模型的使用性建模的一般方法:机理分析 机理分析就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,所建立的模型常有明确的物理或现实意义(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--是数学理论研究的重要方法,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测试分析方法 测试分析方法就是将研究对象视为一个"黑箱"系统,内部机理无法直接寻求,通过测量系统的输入输出数据,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数据拟合得最好的模型 (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,由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将这两种方法结合起来使用,即用机理分析方法建立模型的结构,用系统测试方法来确定模型的参数,也是常用的建模方法, 在实际过程中用那一种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来决定机理分析法建模的具体步骤大致可见左图仿真和其他方法(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--有解析表达式或系统结构图(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(参见:齐欢《数学模型方法》,华中理工大学出版社,1996)四、数学模型的分类数学模型可以按照不同的方式分类,下面介绍常用的几种按照模型的应用领域(或所属学科)分:如人口模型,交通模型,环境模型,生态模型,城镇规划模型,水资源模型,再生资源利用模型,污染模型等范畴更大一些则形成许多边缘学科如生物数学,医学数学,地质数学,数量经济学,数学社会学等按照建立模型的数学方法(或所属数学分支)分:如初等数学模型,几何模型,微分方程模型,图论模型,马氏链模型,规划论模型等按第一种方法分类的数学模型教科书中,着重于某一专门领域中用不同方法建立模型,而按第二种方法分类的书里,是用属于不同领域的现成的数学模型来解释某种数学技巧的应用在本书中我们重点放在如何应用读者已具备的基本数学知识在各个不同领域中建模按照模型的表现特性又有几种分法:确定性模型和随机性模型 取决于是否考虑随机因素的影响近年来随着数学的发展,又有所谓突变性模型和模糊性模型静态模型和动态模型 取决于是否考虑时间因素引起的变化线性模型和非线性模型 取决于模型的基本关系,如微分方程是否是线性的离散模型和连续模型 指模型中的变量(主要是时间变量)取为离散还是连续的虽然从本质上讲大多数实际问题是随机性的,动态的,非线性的,但是由于确定性,静态,线性模型容易处理,并且往往可以作为初步的近似来解决问题,所以建模时常先考虑确定性,静态,线性模型连续模型便于利用微积分方法求解,作理论分析,而离散模型便于在计算机上作数值计算,所以用哪种模型要看具体问题而定在具体的建模过程中将连续模型离散化,或将离散变量视作连续,也是常采用的方法按照建模目的分:有描述模型,分析模型,预报模型,优化模型,决策模型,控制模型等按照对模型结构的了解程度分:有所谓白箱模型,灰箱模型,黑箱模型这是把研究对象比喻成一只箱子里的机关,要通过建模来揭示它的奥妙白箱主要包括用力学,热学,电学等一些机理相当清楚的学科描述的现象以及相应的工程技术问题,这方面的模型大多已经基本确定,还需深入研究的主要是优化设计和控制等问题了灰箱主要指生态,气象,经济,交通等领域中机理尚不十分清楚的现象,在建立和改善模型方面都还不同程度地有许多工作要做至于黑箱则主要指生命科学和社会科学等领域中一些机理(数量关系方面)很不清楚的现象有些工程技术问题虽然主要基于物理,化学原理,但由于因素众多,关系复杂和观测困难等原因也常作为灰箱或黑箱模型处理当然,白,灰,黑之间并没有明显的界限,而且随着科学技术的发展,箱子的"颜色"必然是逐渐由暗变亮的五、数学建模的一般步骤建模的步骤一般分为下列几步:模型准备首先要了解问题的实际背景,明确题目的要求,搜集各种必要的信息模型假设在明确建模目的,掌握必要资料的基础上,通过对资料的分析计算,找出起主要作用的因素,经必要的精炼,简化,提出若干符合客观实际的假设,使问题的主要特征凸现出来,忽略问题的次要方面一般地说,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模型构成根据所作的假设以及事物之间的联系, 利用适当的数学工具去刻划各变量之间的关系,建立相应的数学结构――即建立数学模型把问题化为数学问题要注意尽量采取简单的数学工具,因为简单的数学模型往往更能反映事物的本质,而且也容易使更多的人掌握和使用模型求解利用已知的数学方法来求解上一步所得到的数学问题,这时往往还要作出进一步的简化或假设在难以得出解析解时,也应当借助计算机求出数值解模型分析对模型解答进行数学上的分析,有时要根据问题的性质分析变量间的依赖关系或稳定状况,有时是根据所得结果给出数学上的预报,有时则可能要给出数学上的最优决策或控制,不论哪种情况还常常需要进行误差分析,模型对数据的稳定性或灵敏性分析等模型检验分析所得结果的实际意义,与实际情况进行比较,看是否符合实际,如果结果不够理想,应该修改,补充假设或重新建模,有些模型需要经过几次反复,不断完善模型应用所建立的模型必须在实际中应用才能产生效益,在应用中不断改进和完善应用的方式自然取决于问题的性质和建模的目的参考文献：(1)齐欢《数学模型方法》,华中理工大学出版社,1996。(2)《数学的实践与认识》,(季刊),中国数学会编辑出版。
无忧在线有很多数学建模论文，你去搜一下就行
数模相当纠结啊
你太逗了学语言的，竟然选数学建模，那个本身是数学系的课程，你想，它是干什么的吧，当然还有一些计算机系之类的，也可能会学。而且数学建模，本身不想数学那样，并非公式就行，不同实例，可能要牵扯到的各种理论也不少呢。需要学好多理论才行呢，学理学工的，才会选择这个。你们的选修课，如果不过，用不用交重修费？如果不用的话，下学期，再选呗。我的选修课学分都超了2分，呵呵，忘记了，多修了一门。
数学建模论文范文一篇，带例题，结构格式要求有摘要、关键词、问题背景、建模过程、模型解释、小结、参考文献%3A+%C2%DB%CE%C4&ch=uf&num=10&w=site%3A+%C2%DB%CE%C4点一下就可以进去了，希望你早日完成论文。祝你顺利资料什么的都有，论文相关的。加油！
数学建模论文范文一篇，带例题，结构格式要求有摘要、关键词、问题背景、建模过程、模型解释、小结、参考文献%3A+%C2%DB%CE%C4&ch=uf&num=10&w=site%3A+%C2%DB%CE%C4点一下就可以进去了，希望你早日完成论文。祝你顺利资料什么的都有，论文相关的。加油！
你太逗了学语言的，竟然选数学建模，那个本身是数学系的课程，你想，它是干什么的吧，当然还有一些计算机系之类的，也可能会学。而且数学建模，本身不想数学那样，并非公式就行，不同实例，可能要牵扯到的各种理论也不少呢。需要学好多理论才行呢，学理学工的，才会选择这个。你们的选修课，如果不过，用不用交重修费？如果不用的话，下学期，再选呗。我的选修课学分都超了2分，呵呵，忘记了，多修了一门。
数学建模内容摘要：数学作为现代科学的一种工具和手段，要了解什么是数学模型和数学建模，了解数学建模一般方法及步骤。关键词：数学模型、数学建模、实际问题伴随着当今社会的科学技术的飞速发展，数学已经渗透到各个领域，数学建模也显得尤为重要。数学建模在人们生活中扮演着重要的角色，而且随着计算机技术的发展，数学建模更是在人类的活动中起着重要作用，数学建模也更好的为人类服务。一、数学模型数学模型是对于现实世界的一个特定对象,一个特定目的,根据特有的内在规律,做出一些必要的假设,运用适当的数学工具,得到一个数学结构简单地说:就是系统的某种特征的本质的数学表达式(或是用数学术语对部分现实世界的描述),即用数学式子(如函数,图形,代数方程,微分方程,积分方程,差分方程等)来描述(表述,模拟)所研究的客观对象或系统在某一方面的存在规律随着社会的发展,生物,医学,社会,经济……,各学科,各行业都涌现现出大量的实际课题,急待人们去研究,去解决但是,社会对数学的需求并不只是需要数学家和专门从事数学研究的人才,而更大量的是需要在各部门中从事实际工作的人善于运用数学知识及数学的思维方法来解决他们每天面临的大量的实际问题,取得经济效益和社会效益他们不是为了应用数学知识而寻找实际问题(就像在学校里做数学应用题),而是为了解决实际问题而需要用到数学而且不止是要用到数学,很可能还要用到别的学科,领域的知识,要用到工作经验和常识特别是在现代社会,要真正解决一个实际问题几乎都离不开计算机可以这样说,在实际工作中遇到的问题,完全纯粹的只用现成的数学知识就能解决的问题几乎是没有的你所能遇到的都是数学和其他东西混杂在一起的问题,不是"干净的"数学,而是"脏"的数学其中的数学奥妙不是明摆在那里等着你去解决,而是暗藏在深处等着你去发现也就是说,你要对复杂的实际问题进行分析,发现其中的可以用数学语言来描述的关系或规律,把这个实际问题化成一个数学问题,这就称为数学模型数学模型具有下列特征:数学模型的一个重要特征是高度的抽象性通过数学模型能够将形象思维转化为抽象思维,从而可以突破实际系统的约束,运用已有的数学研究成果对研究对象进行深入的研究数学模型的另一个特征是经济性用数学模型研究不需要过多的专用设备和工具,可以节省大量的设备运行和维护费用,用数学模型可以大大加快研究工作的进度,缩短研究周期,特别是在电子计算机得到广泛应用的今天,这个优越性就更为突出但是,数学模型具有局限性,在简化和抽象过程中必然造成某些失真所谓"模型就是模型"(而不是原型),即是指该性质二、数学建模 数学建模是利用数学方法解决实际问题的一种实践即通过抽象,简化,假设,引进变量等处理过程后,将实际问题用数学方式表达,建立起数学模型,然后运用先进的数学方法及计算机技术进行求解简而言之,建立数学模型的这个过程就称为数学建模模型是客观实体有关属性的模拟陈列在橱窗中的飞机模型外形应当象真正的飞机,至于它是否真的能飞则无关紧要;然而参加航模比赛的飞机模型则全然不同,如果飞行性能不佳,外形再象飞机,也不能算是一个好的模型模型不一定是对实体的一种仿照,也可以是对实体的某些基本属性的抽象,例如,一张地质图并不需要用实物来模拟,它可以用抽象的符号,文字和数字来反映出该地区的地质结构数学模型也是一种模拟,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实际问题中有许多因素,在建立数学模型时你不可能,也没有必要把它们毫无遗漏地全部加以考虑,只能考虑其中的最主要的因素,舍弃其中的次要因素数学模型建立起来了,实际问题化成了数学问题,就可以用数学工具,数学方法去解答这个实际问题如果有现成的数学工具当然好如果没有现成的数学工具,就促使数学家们寻找和发展出新的数学工具去解决它,这又推动了数学本身的发展例如,开普勒由行星运行的观测数据总结出开普勒三定律,牛顿试图用自己发现的力学定律去解释它,但当时已有的数学工具是不够用的,这促使了微积分的发明求解数学模型,除了用到数学推理以外,通常还要处理大量数据,进行大量计算,这在电子计算机发明之前是很难实现的因此,很多数学模型,尽管从数学理论上解决了,但由于计算量太大而没法得到有用的结果,还是只有束之高阁而电子计算机的出现和迅速发展,给用数学模型解决实际问题打开了广阔的道路而在现在,要真正解决一个实际问题,离了计算机几乎是不行的数学模型建立起来了,也用数学方法或数值方法求出了解答,是不是就万事大吉了呢 不是既然数学模型只能近似地反映实际问题中的关系和规律,到底反映得好不好,还需要接受检验,如果数学模型建立得不好,没有正确地描述所给的实际问题,数学解答再正确也是没有用的因此,在得出数学解答之后还要让所得的结论接受实际的检验,看它是否合理,是否可行,等等如果不符合实际,还应设法找出原因,修改原来的模型,重新求解和检验,直到比较合理可行,才能算是得到了一个解答,可以先付诸实施但是,十全十美的答案是没有的,已得到的解答仍有改进的余地,可以根据实际情况,或者继续研究和改进;或者暂时告一段落,待将来有新的情况和要求后再作改进 应用数学知识去研究和和解决实际问题,遇到的第一项工作就是建立恰当的数学模型从这一意义上讲,可以说数学建模是一切科学研究的基础没有一个较好的数学模型就不可能得到较好的研究结果,所以,建立一个较好的数学模型乃是解决实际问题的关键之一数学建模将各种知识综合应用于解决实际问题中,是培养和提高同学们应用所学知识分析问题,解决问题的能力的必备手段之一三、数学建模的一般方法建立数学模型的方法并没有一定的模式,但一个理想的模型应能反映系统的全部重要特征:模型的可靠性和模型的使用性建模的一般方法:机理分析 机理分析就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,所建立的模型常有明确的物理或现实意义(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--是数学理论研究的重要方法,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测试分析方法 测试分析方法就是将研究对象视为一个"黑箱"系统,内部机理无法直接寻求,通过测量系统的输入输出数据,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数据拟合得最好的模型 (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,由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将这两种方法结合起来使用,即用机理分析方法建立模型的结构,用系统测试方法来确定模型的参数,也是常用的建模方法, 在实际过程中用那一种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来决定机理分析法建模的具体步骤大致可见左图仿真和其他方法(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--有解析表达式或系统结构图(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(参见:齐欢《数学模型方法》,华中理工大学出版社,1996)四、数学模型的分类数学模型可以按照不同的方式分类,下面介绍常用的几种按照模型的应用领域(或所属学科)分:如人口模型,交通模型,环境模型,生态模型,城镇规划模型,水资源模型,再生资源利用模型,污染模型等范畴更大一些则形成许多边缘学科如生物数学,医学数学,地质数学,数量经济学,数学社会学等按照建立模型的数学方法(或所属数学分支)分:如初等数学模型,几何模型,微分方程模型,图论模型,马氏链模型,规划论模型等按第一种方法分类的数学模型教科书中,着重于某一专门领域中用不同方法建立模型,而按第二种方法分类的书里,是用属于不同领域的现成的数学模型来解释某种数学技巧的应用在本书中我们重点放在如何应用读者已具备的基本数学知识在各个不同领域中建模按照模型的表现特性又有几种分法:确定性模型和随机性模型 取决于是否考虑随机因素的影响近年来随着数学的发展,又有所谓突变性模型和模糊性模型静态模型和动态模型 取决于是否考虑时间因素引起的变化线性模型和非线性模型 取决于模型的基本关系,如微分方程是否是线性的离散模型和连续模型 指模型中的变量(主要是时间变量)取为离散还是连续的虽然从本质上讲大多数实际问题是随机性的,动态的,非线性的,但是由于确定性,静态,线性模型容易处理,并且往往可以作为初步的近似来解决问题,所以建模时常先考虑确定性,静态,线性模型连续模型便于利用微积分方法求解,作理论分析,而离散模型便于在计算机上作数值计算,所以用哪种模型要看具体问题而定在具体的建模过程中将连续模型离散化,或将离散变量视作连续,也是常采用的方法按照建模目的分:有描述模型,分析模型,预报模型,优化模型,决策模型,控制模型等按照对模型结构的了解程度分:有所谓白箱模型,灰箱模型,黑箱模型这是把研究对象比喻成一只箱子里的机关,要通过建模来揭示它的奥妙白箱主要包括用力学,热学,电学等一些机理相当清楚的学科描述的现象以及相应的工程技术问题,这方面的模型大多已经基本确定,还需深入研究的主要是优化设计和控制等问题了灰箱主要指生态,气象,经济,交通等领域中机理尚不十分清楚的现象,在建立和改善模型方面都还不同程度地有许多工作要做至于黑箱则主要指生命科学和社会科学等领域中一些机理(数量关系方面)很不清楚的现象有些工程技术问题虽然主要基于物理,化学原理,但由于因素众多,关系复杂和观测困难等原因也常作为灰箱或黑箱模型处理当然,白,灰,黑之间并没有明显的界限,而且随着科学技术的发展,箱子的"颜色"必然是逐渐由暗变亮的五、数学建模的一般步骤建模的步骤一般分为下列几步:模型准备首先要了解问题的实际背景,明确题目的要求,搜集各种必要的信息模型假设在明确建模目的,掌握必要资料的基础上,通过对资料的分析计算,找出起主要作用的因素,经必要的精炼,简化,提出若干符合客观实际的假设,使问题的主要特征凸现出来,忽略问题的次要方面一般地说,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模型构成根据所作的假设以及事物之间的联系, 利用适当的数学工具去刻划各变量之间的关系,建立相应的数学结构――即建立数学模型把问题化为数学问题要注意尽量采取简单的数学工具,因为简单的数学模型往往更能反映事物的本质,而且也容易使更多的人掌握和使用模型求解利用已知的数学方法来求解上一步所得到的数学问题,这时往往还要作出进一步的简化或假设在难以得出解析解时,也应当借助计算机求出数值解模型分析对模型解答进行数学上的分析,有时要根据问题的性质分析变量间的依赖关系或稳定状况,有时是根据所得结果给出数学上的预报,有时则可能要给出数学上的最优决策或控制,不论哪种情况还常常需要进行误差分析,模型对数据的稳定性或灵敏性分析等模型检验分析所得结果的实际意义,与实际情况进行比较,看是否符合实际,如果结果不够理想,应该修改,补充假设或重新建模,有些模型需要经过几次反复,不断完善模型应用所建立的模型必须在实际中应用才能产生效益,在应用中不断改进和完善应用的方式自然取决于问题的性质和建模的目的参考文献：(1)齐欢《数学模型方法》,华中理工大学出版社,1996。(2)《数学的实践与认识》,(季刊),中国数学会编辑出版。
预测的类型灰色预测一般有四种类型：1、数列预测。对某现象随时间的顺延而发生的变化所做的预测定义为数列预测。例如对消费物价指数的预测，需要确定两个变量，一个是消费物价指数的水平。另一个是这一水平所发生的时间。2、灾变预测。对发生灾害或异常突变时间可能发生的时间预测称为灾变预测。例如对地震时间的预测。3、系统预测。对系统中众多变量间相互协调关系的发展变化所进行的预测称为系统预测。例如市场中替代商品、相互关联商品销售量互相制约的预测。4、拓扑预测。将原始数据作曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测未来该定值所发生的时点