房地产分析数学建模论文范文

我参加过两次建模比赛，也拿过奖，我有很多资料，包括自己写的论文，需要的话我发给你

抑制房地产泡沫问题的模型设计摘要: 本文讨论了影响房地产价格的主要因素，找出了价格和其主要因素之间近似成线性关系，从而建立表示房地产价格的数学模型——多元线性回归模型，并对模型进行了全方面的论述，得出求解其中各个参数的方法，并最终求出房地产价格。建模过程中，首先用科学分析的方法，确定主要因素并对其作数学抽象，再针对各因素综合运用多种数学方法进行分析求解。第一，用概率论与数理统计的方法找出价格和各个因素之间的近似线性关系，确定模型；第二，用最小二乘法求解模型中的参数；第三，用回归分析确定模型精度及检验，从而得出一个完整的数学模型；第四，通过该模型深入分析了影响房地产价格主要因素，提出了一些政策建议，把高的开发成本降下来，同时调整供给结构。第五，根据模型及建议进行合理的预测，最后分析模型的优缺点并提出了改进方向。一 问题重述所谓房地产泡沫直的是商品房售价远远超过起实际的价值。近几年来，我国各大城市房价出现了普遍的持续上涨、高居不下的情况。房价的上涨使生活成本大幅度增加，导致许多低收入人群买房难，目前我国城镇居民的人均居住面积只有发达国家的一半左右，甚至低于不少发展中国家，居民不是没有住房需求，而是现有的货币支付能力无法使其去实现购房的愿望。尽管现在买房可以贷款，可以分期付款，但这也需要居民有相当好的收入水平，还要用好多年来供房直到中年甚至更晚才可以还清，一生中最好的时光就都交给了房子。因此如何有效地抑制价格上扬，甚至能够降低房价，是一个备受关注的社会问题。下面就就这个问题展开分析与建立数学模型，来研究如何有效的抑制房价上扬。二 基本假设影响房价的因素有许多，房屋建造成本、市场供求关系、城市经济发展、城市规模、等等。现假设房屋价格与各个因素间的关系均为线性关系，且：（1） 房屋建造成本用竣工房屋造价来代替。（2） 城市经济发展用人均GDP来表示。（3） 城市规模用建成区面积来表示。（4） 市场供求关系通过消费者的支付能力竣工房屋价格来体现，而消费者的支付能力有通过在岗职工的平均工资来衡量。（5） 房地产价格通过房屋均衡价格来表示（6） 忽略消费者偏好如有无学校、绿化率、停车位、热水供应状态、通信、房屋建筑形式等对住房价格的影响。（7） 忽略消费成本如交通费用、物业费用、停车费用等对房价的影响。（8） 忽略一些炒作对房价的影响。三 基本符号、变量和用语A：表示人均GDP序列（元）B：表示在岗职工平均工资序列（元）C：表示竣工房屋造价序列（元/㎡）D：城乡人均储蓄余额序列/元Y：住房均衡价格指标序列，均衡价格(equilibrium price)是指消费者对某种商品的需求量等于生产者所提供的该商品的供给量时的市场价格。均衡价格是由需求和供给两种力量共同决定的。它与吸纳率和交易价格有关。[1]：为随机变量；Uy,Ua,Ub,UcUd分别为Y,A,B,C,D序列的均值序列ΔY,ΔA,ΔB,ΔC,ΔD分别表示Y-Uy,A-Ua,B-Ub,C-Uc,D-Ud序列，即中心化序列：序列的方差, , , ：模型参数S(a)：为残差的平方和n ：统计城市数（样本数） R：中心化序列的协方差四 建立模型并分析一、 模型推导过程表一为我国12个主要城市住房均衡价格及其相关因素的统计表。依照此表我们可以求得各因素与住房均衡价格的相关系数进而判断各因素对房价的影响程度如表二所示。表一 12个主要城市住房均衡价格及其相关因素的统计表[1]序号 城市 住宅均衡价格指标/元/㎡ 人均GDP/元 建成面积km2 非农业人口变化率 在岗职工平均工资/元 人均住宅面积/m 城乡人均储蓄余额/元 竣工房屋造价/元/㎡1 北京 3494.97 19846 488 0.072 14054 13.97 21447.03 20372 天津 1636.2 15976 378 0.041 11123 8.6 12417.38 10613 石家庄 1424.85 10425 108 0.147 7983 3.16 8105.87 7674 太原 859.21 10678 177 0.076 7378 12.23 13147.17 7605 呼和浩特 872.57 7489 79 0.16 7346 6.22 6721.47 8666 沈阳 1655.62 14989 202 0.028 8511 10.03 13317.48 9787 大连 1935.43 18429 234 0.079 10259 8.45 13857.8 9788 长春 1222.49 10261 154 0.073 8618 6.5 6949.56 10879 哈尔滨 1502.94 9142 165 0.345 7577 6.96 6957.27 89710 上海 3119.62 30805 550 0.052 16641 14.96 19778.24 223211 南京 1934.31 16816 194 0.108 11931 8.59 10569.5 91012 杭州 2311.06 19961 171 0.147 12187 6.54 12054.16 1217 同时可以求得各个因素序列的平均值，见附表一附表一各个因素序列的平均值住宅均衡价格指标/元/㎡ 人均GDP/元 建成面积km2 非农业人口变化率 在岗职工平均工资/元 人均住宅面积/m 城乡人均储蓄余额/元 竣工房屋造价/元/㎡平均 1830.8 15401 241.67 0.111 10300 8.85 12110. 1149表二 各因素与住房均衡价格的相关系数表人均GDP 建成面积 非农业人口变化率 在岗职工平均工资 人均住宅面积 城乡人均储蓄余额竣工房屋造价相关系数r 0.848 0.824 -0.236 0.910 0.766 0.836 0.894由表二可得，住房均衡价格与非农业人口变化率、人均住宅面积、建成面积的相关系数相对要小，所以这里我们忽略二者的影响，只考虑其他主要因素的影响，主要包括：人均GDP、在岗职工平均 工资、竣工房屋造价、城人均储蓄余额等方面通过表一我们依次做出主要因素和住房均衡价格的关系图：图1图2图3图4 由均衡房价和人均GDP、均衡房价和人均工资、均衡房价和竣工造价, 均衡房价和居民平均储蓄的关系图可以看出，均衡房价和人均GDP、人均工资、竣工造价、居民平均储蓄存在着相依的关系，很容易想到用多元线性回归模型Y= A+ B+ C+ D+…….+ 表示因变量Y,对自变量A,B,C,D…….的相依性，其中 , , , …….为参数模型特点如下：1、 A、B、C、D….为一般变量， 为随机变量；2、 Y为一般变量和随机变量的线形组合，Y序列的值既取决于A,B,C序列，又受制于 。如表三所示各序列一般假定为白噪声序列，假定其服从均值为0，方差为 的正态分布表三序号 城市 Y A B D C1 北京 3494.97 19846 14054 21447.03 20372 天津 1636.2 15976 11123 12417.38 10613 石家庄 1424.85 10425 7983 8105.87 7674 太原 859.21 10678 7378 13147.17 7605 呼和浩特 872.57 .47 8666 沈阳 1655.62 14989 8511 13317.48 9787 大连 1935.43 18429 10259 13857.8 9788 长春 1222.49 10261 8618 6949.56 10879 哈尔滨 1502.94 .27 89710 上海 3119.62 30805 16641 19778.24 223211 南京 1934.31 16816 11931 10569.5 91012 杭州 2311.06 19961 12187 12054.16 1217将其中心化后得Y-Uy= *(A-Ua)+ *(B-Ub)+ *(C-Uc)+ *(D-Ud)+ 上式即为ΔY = *ΔA + *ΔB + *ΔC + *ΔD+ 现在对模型的参数进行最小二乘法估计其中ΔY、ΔA、ΔB、ΔC、ΔD各序列（矩阵）的值见表四表四序号 城市 ΔY ΔA ΔB ΔD ΔC1 北京 1664.197 4444.58 3753.33 9336.79 887.332 天津 -194.573 574.58 822.33 307.14 -88.673 石家庄 -405.923 -4976.42 -2317.67 -4004.37 -382.674 太原 -971.563 -4723.42 -2922.67 1036.93 -389.675 呼和浩特 -958.203 -7912.42 -2954.67 -5388.77 -283.676 沈阳 -175.153 -412.42 -1789.67 1207.24 -171.677 大连 104.657 3027.58 -41.67 1747.56 -171.678 长春 -608.283 -5140.42 -1682.67 -5160.68 -62.679 哈尔滨 -327.833 -6259.42 -2723.67 -5152.97 -252.6710 上海 1288.847 15403.58 6340.33 7668 1082.3311 南京 103.537 1414.58 1630.33 -1540.74 -239.6712 杭州 480.287 4559.58 1886.33 -56.08 67.33令a= ( , , , ) ,则a 的最小二乘估计，应使残差 平方和S(a)达到最小，其中S(a)= = (ΔY t- *ΔA t- *ΔB t- *ΔC - *ΔDt) ,取 S(a) =0即可得到：S(a) = 2*(ΔY t- *ΔA t- *ΔB t- *ΔCt- *ΔD)*(-ΔA t)=0---------------------------式1用Rya表示序列ΔY和ΔA的协方差，Raa表示ΔA序列的方差，Rba,表示序列ΔB和ΔA的协方差，Rca表示序列ΔC和ΔA的协方差：式1可写成：-Rya+ *Raa+ *Rba+ *Rca+ *Rda=0-----------------------------式2同理 S(a)＝o推出：-Ryb+ *Rab+ *Rbb+ *Rcb+ *Rdb =0-----------------------------式3S(a)＝0推出： -Ryc+ *Rac+ *Rbc+ *Rcc+ *Rdc =0-----------------------------式4S(a)＝0推出：-Ryd+ *Rad+ *Rbd+ *Rcd+ *Rdd=0-----------------------------式5把式2、式3，式4，式5写成矩阵相乘的形式为：* = 推求参数的公式为：= * --------------式6具体到本题中，我们运用往年的统计数据对模型中各个参数的求解。经计算得各个协方差的值为：(利用matlab软件)Raa=38730662Rba=Rab=18250255Rca=Rac=2543343Rda=Rad=25327000Rbb=8106483Rcb=Rbc=1257098Rdb=Rbd=11269000Rcc=211174.1Rdc=Rcd=1882000Rdd=22936000Rya=4475718Ryb=2197259Ryc=343656.3Ryd=3251000通过矩阵运算得到 , , , 的值为：(利用matlab软件),＝0.0583=-0.0487=1.1621=0.0059把系数 , , , 代回原模型得：Y-1830.77=0.0583*(A-15401.4)-0.0487*(B-10300)+1.1621*(C-1149)+ 0.0059*(D-12110.24)+ 利用表三中的均衡房价、人均GDP、在岗职工平均工资、竣工房屋造价、城乡人均储蓄余额反推 的值，即：＝Y-1830.77-〔0.0583*(A-15401.4)-0.0487*(B-10300)+1.1621*(C-1149)+ 0.0059*(D-12110.24)〕得到的12个 值为： 表五 残差数据城市序号 残差1 501.56392 -86.82213 239.83164 -391.5615 -279.0546 -45.85127 115.18038 -287.0939 228.703110 -604.03711 387.965512 228.1861平均值 0.584425图5由于 的平均值为0.584,相对Y值来说非常小，可以近似看成是0，从而予以忽略故模型进一步化简为： Y-1830.77=0.0583*(A-15401.4)-0.0487*(B-10300)+ 1.1621*(C-1149)+ 0.0059*(D-12110.24)即 Y=0.0583*(A-15401.4)-0.0487*(B-10300)+1.1621*(C-1149)+ 0.0059*(D-12110.24)+1830.77即 六 模型的优化虽然我们采用统计规律建立起了表示房地产价格的多元线形回归模型，而由此计算出来的结果从整体来看，大体趋势与实际还是比较符合的。但该模型仍然存在着很多问题。首先，影响房地产价格的因素有好多，而在建立模型时我们忽略掉了很多被认为不好似很重的因素。除了以上模型中考虑到的影响房屋价格的因素之外，还有一系列其他因素的影响：（1）房屋的结构、质量、功能、新旧程度是影响房屋价格的重要因素。由于使用不同的建筑材料，不同的施工机构、施工方法和施工技术力量而形成价格差异。（2）房屋的层数、层次和朝向。房屋有高屋，多层和低层之分，由于其所用设备、施工技术:施工机械化程度不同，各种层数、各种朝向的房屋形成一定的价格差异。（3）环境因素。房屋所处位置是在城区还是在郊区，交通便利的繁华地段还是背街小巷，交通、文化教育和社区服务设施都对房屋价格产生很大的影响。（4）国家政策。房屋价格受政策因素的影响很大，在某种情况下，政策因素往往成为房屋价格的决定因素。例如:我国在计划经济时期，实行住宅不作为商品的福利分房政策，其价格远远低于价值，严重影响了房屋的再生产。（5）还有一些人的投机心理，想利用房价上涨来捞一把，多置房，想以房屋增殖来赚取利润。以上几个因素对住宅价格都有一定的影响，但由于时间仓促和能力有限，不能对诸多因素进行一一考虑，仅考虑了影响比较大的因素。由此我们采用的是“把握主要矛盾，忽略次要矛盾”的方法，因此该模型仍然具有一种普遍性和代表性，表示了一种基本的思路和算法，在此基础上在考虑其他因素时，此方法仍然是适用的。其次，我们用来确定模型参数的样本序列仅仅有12组数据，这可以说是犯了应用统计规律的大戒，因为统计规律本来只是适用于一些大样本甚至是无穷大序列，如果在样本很小的情况下应用，结果误差会很大，甚至有时候是错误的。但我们在这里还是用了这样一个小的样本来计算，实际上只是为了说明一种计算的方法，而我们在提出该模型时也确实参考很多的数据，才将之间的个各因素确定为线性的。在计算时为了节省时间又能够说明问题，所以我们只选用了几组数据。还有就是模型中有些因素存在共线性问题，有待进一步改进。针对以模型中存在的问题，我们提出如下改进建议。（1）、对更多的城市的统计数据（样本）进行模型运算，我想精度一定会更高。（2）、综合考虑城市的各方面因素，如考虑建成面积、流动人口、交通环境等因素。（3）考虑到共线性问题，我们尽量利用相互独立的因素或利用一些其他更经典的模型。

历年优秀论文要不？

数学建模--教学楼人员疏散--获校数学建模二等 数学建模人员疏散本题是由我和我的好哥们张勇还有我们区队的学委谢菲菲经过数个日夜的精心准备而完成的,指导老师沈聪.摘要 文章分析了大型建筑物内人员疏散的特点，结合我校1号教学楼的设定火灾场景人员的安全疏散，对该建筑物火灾中人员疏散的设计方案做出了初步评价，得出了一种在人流密度较大的建筑物内，火灾中人员疏散时间的计算方法和疏散过程中瓶颈现象的处理方法，并提出了采用距离控制疏散过程和瓶颈控制疏散过程来分析和计算建筑物的人员疏散。 关键字 人员疏散 流体模型 距离控制疏散过程 问题的提出教学楼人员疏散时间预测学校的教学楼是一种人员非常集中的场所，而且具有较大的火灾荷载和较多的起火因素，一旦发生火灾，火灾及其烟气蔓延很快，容易造成严重的人员伤亡。对于不同类型的建筑物，人员疏散问题的处理办法有较大的区别，结合1号教学楼的结构形式，对教学楼的典型的火灾场景作了分析，分析该建筑物中人员疏散设计的现状，提出一种人员疏散的基础，并对学校领导提出有益的见解建议。 前言建筑物发生火灾后，人员安全疏散与人员的生命安全直接相关，疏散保证其中的人员及时疏散到安全地带具有重要意义。火灾中人员能否安全疏散主要取决于疏散到安全区域所用时间的长短，火灾中的人员安全疏散指的是在火灾烟气尚未达到对人员构成危险的状态之前,将建筑物内的所有人员安全地疏散到安全区域的行动。人员疏散时间在考虑建筑物结构和人员距离安全区域的远近等环境因素的同时，还必须综合考虑处于火灾的紧急情况下，人员自然状况和人员心理这是一个涉及建筑物结构、火灾发展过程和人员行为三种基本因素的复杂问题。随着性能化安全疏散设计技术的发展，世界各国都相继开展了疏散安全评估技术的开发及研究工作，并取得了一定的成果(模型和程序)，如英国的CRISP、EXODUS、STEPS、Simulex，美国的ELVAC、EVACNET4、EXIT89，HAZARDI，澳大利亚的EGRESSPRO、FIREWIND，加拿大的FIERA system和日本的EVACS等，我国建筑、消防科研及教学单位也已开展了此项研究工作，并且相关的研究列入了国家“九五”及“十五”科技攻关课题。一般地，疏散评估方法由火灾中烟气的性状预测和疏散预测两部分组成，烟气性状预测就是预测烟气对疏散人员会造成影响的时间。众多火灾案例表明，火灾烟气毒性、缺氧使人窒息以及辐射热是致人伤亡的主要因素。其中烟气毒性是火灾中影响人员安全疏散和造成人员死亡的最主要因素，也就是造成火灾危险的主要因素。研究表明：人员在CO浓度为4X10-3浓度下暴露30分钟会致死。此外，缺氧窒息和辐射热也是致人死亡的主要因素，研究表明：空气中氧气的正常值为21％，当氧气含量降低到12％～15％时，便会造成呼吸急促、头痛、眩晕和困乏，当氧气含量低到6％～8％时，便会使人虚脱甚至死亡；人体在短时间可承受的最大辐射热为2.5kW／m2(烟气层温度约为200℃)。 图1 疏散影响因素 预测烟气对安全疏散的影响成为安全疏散评估的一部分，该部分应考虑烟气控制设备的性能以及墙和开口部对烟的影响等；通过危险来临时间和疏散所需时间的对比来评估疏散设计方案的合理性和疏散的安全性。疏散所需时间小于危险来临时间，则疏散是安全的，疏散设计方案可行；反之，疏散是不安全的，疏散设计应加以修改，并再评估。 图2 人员疏散与烟层下降关系(两层区域模型)示意图 疏散所需时间包括了疏散开始时间和疏散行动时间。疏散开始时间即从起火到开始疏散的时间，它大体可分为感知时间(从起火至人感知火的时间)和疏散准备时间(从感知火至开始疏散时间)两阶段。一般地，疏散开始时间与火灾探测系统、报警系统，起火场所、人员相对位置，疏散人员状态及状况、建筑物形状及管理状况，疏散诱导手段等因素有关。 疏散行动时间即从疏散开始至疏散结束的时间，它由步行时间(从最远疏散点至安全出口步行所需的时间)和出口通过排队时间(计算区域人员全部从出口通过所需的时间)构成。与疏散行动时间预测相关的参数及其关系见图3。 图3 与疏散行动时间预测相关的参数及其关系模型的分析与建立 我们将人群在1号教学楼内的走动模拟成水在管道内的流动，对人员的个体特性没有考虑，而是将人群的疏散作为一个整体运动处理，并对人员疏散过程作了如下保守假设： u 疏散人员具有相同的特征，且均具有足够的身体条件疏散到安全地点；u 疏散人员是清醒状态，在疏散开始的时刻同时井然有序地进行疏散，且在疏散过程中不会出现中途返回选择其它疏散路径；u 在疏散过程中，人流的流量与疏散通道的宽度成正比分配，即从某一个出口疏散的人数按其宽度占出口的总宽度的比例进行分配u 人员从每个可用出口疏散且所有人的疏散速度一致并保持不变。 以上假设是人员疏散的一种理想状态，与人员疏散的实际过程可能存在一定的差别，为了弥补疏散过程中的一些不确定性因素的影响，在采用该模型进行人员疏散的计算时，通常保守地考虑一个安全系数，一般取1．5～2，即实际疏散时间为计算疏散时间乘以安全系数后的数值。 1号教学楼平面图 教学楼模型的简化与计算假设 我校1号教学楼为一幢分为A、B两座，中间连接着C座的建筑（如上图），A、B两座为五层，C座为两层。A、B座每层有若干教室，除A座四楼和B座五楼，其它每层都有两个大教室。C座一层即为大厅，C座二层为几个办公室，人员极少故忽略不考虑，只作为一条人员通道。为了重点分析人员疏散情况，现将A、B座每层楼的10个小教室（40人）、一个中教室（100）和一个大教室（240人）简化为6个教室。 图4 原教室平面简图在走廊通道的1/2处，将1、2、3、4、5号教室简化为13、14号教室，将6、7、8、9、10号教室简化为15、16号教室。此时，13、14、15、16号教室所容纳的人数均为100人，教室的出口为距走廊通道两边的1/4处，且11、13、15号教室的出口距左楼梯的距离相等，12、14、16号教室的出口距右楼梯的距离相等。我们设大教室靠近大教室出口的100人走左楼梯，其余的140人从大教室楼外的楼梯疏散，这样让每一个通道的出口都得到了利用。由于1号教学楼的A、B两座楼的对称性，所以此简图的建立同时适用于1号教学楼A、B两座楼的任意楼层。 图5 简化后教室平面简图 经测量，走廊的总长度为44米，走廊宽为1.8米,单级楼梯的宽度为0.3米,每级楼梯共有26级,楼梯口宽2.0米,每间教室的面积为125平方米. 则简化后走廊的1/4处即为教室的出口，距楼梯的距离应为44/4=11米。对火灾场景做出如下假设:u 火灾发生在第二层的15号教室;u 发生火灾是每个教室都为满人,这样这层楼共有600人;u 教学楼内安装有集中火灾报警系统,但没有应急广播系统;u 从起火时刻起,在10分钟内还没有撤离起火楼层为逃生失败; 对于这种场景下的火灾发展与烟气蔓延过程可用一些模拟程序进行计算,并据此确定楼内危险状况到来的时间.但是为了突出重点,这里不详细讨论计算细节.人员的整个疏散时间可分为疏散前的滞后时间,疏散中通过某距离的时间及在某些重要出口的等待时间三部分,根据建筑物的结构特点,可将人们的疏散通道分成若干个小段。在某些小段的出口处,人群通过时可能需要一定的排队时间。于是第i 个人的疏散时间ti 可表示为:式中, ti,delay为疏散前的滞后时间,包括觉察火灾和确认火灾所用的时间; di,n为第n 段的长度; vi,n 为该人在第n 段的平均行走速度;Δtm,queue 为第n 段出口处的排队等候时间。最后一个离开教学楼的人员所有用的时间就是教学楼人员疏散所需的疏散时间。假设二层的15号教室是起火房间,其中的人员直接获得火灾迹象进而马上疏散,设其反应的滞后时间为60s;教学内的人员大部分是学生,火灾信息将传播的很快,因而同楼层的其他教室的人员会得到15号教室人员的警告,开始决定疏散行动.设这种信息传播的时间为120s,即这批人的总的滞后时间为120+60=180秒;因为左右两侧为对称状态,所以在这里我们就计算一面的.一、三、四、五层的人员将通过火灾报警系统的警告而开始进行疏散,他们得到火灾信息的时间又比二层内的其他教室的人员晚了60秒.因此其总反应延迟为240秒.由于火灾发生在二楼,其对一层人员构成的危险相对较小,故下面重点讨论二,三,四,五楼的人员疏散.为了实际了解教学楼内人员行走的状况,本组专门进行了几次现场观察,具体记录了学生通过一些典型路段的时间。参考一些其它资料[1、2、3] ,提出人员疏散的主要参数可用图6 表示。在开始疏散时算起,某人在教室内的逗留时间视为其排队时间。人的行走速度应根据不同的人流密度选取。当人流密度大于1 人/ m2时,采用0. 6m/ s 的疏散速度,通过走廊所需时间为60s ,通过大厅所需时间为12s ;当人流密度小于1 人/m2 时,疏散速度取为1. 2m/ s ,通过走廊所需时间为30s ,通过大厅所需时间为6s。 图6 人员疏散的若干主要参数 Pauls[4]提出,下楼梯的人员流量f 与楼梯的有效宽度w 和使用楼梯的人数p 有关,其计算公式为: 式中,流量f 的单位为人/ s , w 的单位为mm。此公式的应用范围为0. 1 < p/ w < 0. 55 。 这样便可以通过流量和室内人数来计算出疏散所用时间。出口的有效宽度是从通道的实际宽度里减去其两侧边界层而得到的净宽度,通常通道一侧的边界层被设定为150mm。 3 结果与讨论 在整个疏散过程中会出现如下几种情况: (1) 起火教室的人员刚开始进行疏散时,人流密度比较小,疏散空间相对于正在进行疏散的人群来说是比较宽敞的,此时决定疏散的关键因素是疏散路径的长度。现将这种类型的疏散过程定义为是距离控制疏散过程; (2) 起火楼层中其它教室的人员可较快获得火灾信息,并决定进行疏散,他们的整个疏散过程可能会分成两个阶段来进行计算: 当f进入2层楼梯口流出2层楼梯口时, 这时的疏散就属于距离控制疏散过程;当f进入2层楼梯口> f流出2层楼梯口时, 二楼楼梯间的宽度便成为疏散过程中控制因素。现将这种过程定义为瓶颈控制疏散过程; (3) 三、四层人员开始疏散以后,可能会使三楼楼梯间和二楼楼梯间成为瓶颈控制疏散过程; (4) 一楼教室人员开始疏散时,可能引起一楼大厅出口的瓶颈控制疏散过程; (5) 在疏散后期,等待疏散的人员相对于疏散通道来说,将会满足距离控制疏散过程的条件,即又会出现距离控制疏散过程。 起火教室内的人员密度为100/ 125 = 0.8 人/m2 。然而教室里还有很多的桌椅,因此人员行动不是十分方便,参考表1 给出的数据,将室内人员的行走速度为1.1m/ s。设教室的门宽为1. 80m。而在疏散过程中,这个宽度不可能完全利用,它的等效宽度,等于此宽度上减去0. 30m。则从教室中出来的人员流量f0为: f0=v0×s0×w0=1.1×0.8×4.7=4.1(人/ s) (3)式中, v0 和s0 分别为人员在教室中行走速度和人员密度, w0 为教室出口的有效宽度。按此速度计算,起火教室里的人员要在24.3s 内才能完全疏散完毕。 设人员按照4.1 人/ s 的流量进入走廊。由于走廊里的人流密度不到1 人/ m2 ,因此采用1. 2m/s的速度进行计算。可得人员到达二楼楼梯口的时间为9.2s。在此阶段, 将要使用二楼楼梯的人数为100人。此时p/ w=100/1700=0.059 < 0. 1 , 因而不能使用公式2 来计算楼梯的流量。采用Fruin[5]提出的人均占用楼梯面积来计算通过楼梯的流量。根据进入楼梯间的人数,取楼梯中单位宽度的人流量为0.5人 /(m. s) ,人的平均速度为0. 6m/ s ,则下一层楼的楼梯的时间为13s。这样从着火时刻算起,在第106.5s(60+24.3+9.2+13)时,着火的15号教室人员疏散成功。以上这些数据都是在距离控制疏散过程范围之内得出的。 起火后120s ,起火楼层其它两个教室（即11和13号教室）里的人员开始疏散。在进入该层楼梯间之前,疏散的主要参数和起火教室中的人员的情况基本一致。在129.2s他们中有人到达二层楼梯口,起火教室里的人员已经全部撤离二楼大厅。因此,即将使用二楼楼梯间的人数p1 为: p1 = 100 ×2 = 200 (人) (4)此时f进入2层楼梯口>f流出2层楼梯口,从该时刻起,疏散过程由距离控制疏散过渡到由二楼楼梯间瓶颈控制疏散阶段。由于p/ w =200/1700= 0.12 ,可以使用公式2 计算二楼楼梯口的疏散流量f1 , 即:?/P> 0.270.73 f1 = (3400/ 8040) × 200 = 2.2人/ s) (5) 式中的3400 为两个楼梯口的总有效宽度,单位是mm。而三、四层的人员在起火后180s 时才开始疏散。三层人员在286.5s(180+106.5)时到达二层楼梯口,与此同时四层人员到达三层楼梯口,第五层到达第四层楼梯口。此时刻二层楼梯前尚等待疏散人员数p′1: p′1 = 200 - (286.5 – 129.2) ×2.2 = -146.1(人) <0 (6) 所以，二层楼的人员已经全部到达一层此后,需要使用二层楼梯间的人数p2 : p2 = 100×3=300 (人) (7)相应此阶段通过二楼楼梯间的流量f 2 :0.270.73 f2 = (3400/8040) × 200 = 2.5(人/ s) (8) 这┤送ü楼楼梯的疏散时间t1 : t1 = 300÷2.5 = 120 ( s) (9) 因为教学楼三、四、五层的结构相同，所以五层到四层，四层到三层和三层到二层所用的时间相等，因此人员的疏散在楼梯口不会出现瓶颈现象所以,通过二楼楼梯的总体疏散时间T : T = 286.5+ 120×3 = 646.5 ( s) (10) 最终根据安全系数得出实际疏散时间为T实际: T实际 =646.5×(1.5～2)=969.75～1293( s) （11）图7 二楼楼梯口流量随时间的变化曲线图 关于几点补充说明：以上是我们只对B座二楼的15号教室起火进行的假设分析和计算，此时当人员到达一楼即视为疏散成功。同理，当三楼起火的时候，人员到达二楼即视为疏散成功，四楼、五楼以此类推。因为1号教学楼A、B座结构的对称性所以楼层的其他教室起火与此是同一个道理。所以本文上述的分析与计算同时适用于A、B两座楼。另外当三层以上（包括三楼）起火的时候，便体现出C座二楼的作用。当B座的三楼起火的时候，B座二楼的人员肯定是在B座三楼人员后对起火做出应对反应，所以会出现当三楼人员疏散到二楼的时候，二楼的人员也开始疏散的情况，势必造成二楼楼梯口出现瓶颈现象。因为A、B座的三、四、五楼并没有连接，都是独立的结构，出现火灾不会直接从B座的三楼威胁到A座三楼及其他楼层人员的安全，所以为了避免上述二楼楼梯口出现瓶颈现象的发生，我们让二楼的所有人员向A座的二楼转移，这样就会让起火楼层的人员能够更快的疏散到安全区域。当B座的四、五楼起火的时候也同样让二楼的人员向A座的二楼转移，为二楼以上的人员疏散创造条件。同理，A座也是如此。 在对火灾假设分析和计算的时候，我们并没有对大教室的后门楼梯的疏散做出计算，由于1号教学楼的特殊性，A座的四楼和B座的五楼没有大教室，所以大教室的后门楼梯疏散人员的速度是很快的，不会在大教室后门的楼梯出现瓶颈现象。 关于1号教学楼的几个出口：u 大厅有一个大门u A座一楼靠近正厅有一个门u A座大教室旁边有一个门u B座中教室靠近大厅正门侧面的窗户可以作为一个应急出口u A、B座的底层都有一个地下室（当烟气蔓延太快来不及疏散，受烟气威胁的时候可以作为一个逃生去向）u A、B座大教室各有一个后门 合计： 8个出口致校领导的一封信尊敬的校领导，你们好。针对我校1号教学楼，我们数学建模小组通过实际测量、建立模型、模型分析，得出如下结论：一旦1号教学楼发生火灾，人员有可能不能全部安全疏散。以上的分析是按一种很理想的条件进行的,并没有进行任何修正。实际上人在火灾中的行为是很复杂的,尤其是没有经过火灾安全训练的人,可能会出现盲目乱跑、逆向行走等现象,而这也会延长总的疏散时间。 该模型在现阶段是一个人员疏散分析模型的基础,目前属于理论上的模型,以上的计算结果都是通过手算或文曲星计算得到的。模型中的人员行走速度是通过多次观察该教学楼内下课时人员的行走速度和参照Fru2in 给出的疏散时人员行走速度、NFPA 中给出的人员行走速度以及目前人员疏散模型中通用的计算速度等修正而得到的,具有较为广泛的通用性。而预测的疏散时间是根据建筑物的结构特点和人员行走速度而得到的,在计算疏散所用时间的时候在剔除疏散前人员的滞后时间(或称预移动时间) 外,所得到的时间是合理的。对于疏散前人员的滞后时间,参考T. J . Shields 等试验结论:75 %人员在听到火灾警报后的15～40 s 才开始移动,而整个疏散所用的时间为646.5 s。在该例中起火教室的反应滞后时间为60 s ,这是从开始着火时刻算起的。预移动时间与不同类型的建筑物、建筑物中人员的自身特点和建筑物中的报警系统有着很大的关系,它是一个很不确定的数值。本文中所用的预移动时间不到整个疏散过程中所用的时间的 10 %。二楼楼梯口流量随时间的变化曲线如图7所示。由上可知,二层以上的所有人通过二楼楼梯所需的时间为646.5 s ,这比前面设定的可用安全疏散时间要长,因而不能保证有关人员全部安全疏散出去。楼梯的宽度和大厅的正门显然是制约人员疏散的一个瓶颈。造成这种情况的基本原因是该教学楼的疏散通道安排不当，楼梯通道的宽度不够,对此可以适当增大楼梯的总宽度；或者在教学楼的每个分支上再修一个楼梯,则人员的疏散会更加的畅通；最好是分别在A座和B座新建一个象正门一样的出口，这样将大大的缓解了大厅正门疏散人员的压力，不至于造成大厅人员堵塞而影响楼上人员的疏散。另一方面，学校还应多增加一些消防设施，每个教室都该配备灭火器；学校还应加强学生消防意识的培养和教育，形式可以多样化、新颖化，比如做报告，上实践课，做消防演习等等。让他们了解一些消防逃生的常识，学会一些消防器材的使用，并让他们对自己所使用的教学楼有充分发认识和了解，一旦发生火灾好知道采取何种疏散方法才能在最短的时间内到达安全区域。如果学校经费有限，也可以不花一分钱就可以消除这个消防隐患，就是合理安排上课的教室，避免每个楼层的所有教室都被用于上课。每层至少可以空出几个，这样就会大大的缓解人员疏散不利带来的危险。但是这样也有弊端，就是没有充分利用教室的使用价值，浪费资源。

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:1.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.2.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.3.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.1.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.2.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.3.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.4.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.5.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:1.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.2.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.3.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.4.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.5.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.6.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.7.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。