高数建模论文范文

数学建模论文写作 一、写好数模答卷的重要性 1. 评定参赛队的成绩好坏、高低，获奖级别，数模答卷，是唯一依据。 2. 答卷是竞赛活动的成绩结晶的书面形式。 3. 写好答卷的训练，是科技写作的一种基本训练。 二、答卷的基本内容，需要重视的问题 1．评阅原则 假设的合理性，建模的创造性，结果的合理性，表述的清晰程度。 2．答卷的文章结构 题目（写出较确切的题目；同时要有新意、醒目） 摘要（200-300字，包括模型的主要特点、建模方法和主要结论） 关键词（求解问题、使用的方法中的重要术语） 1）问题重述。 2）问题分析。 3）模型假设。 4）符号说明。 5）模型的建立（问题分析，公式推导，基本模型，最终或简化模型等）。 6）模型求解（计算方法设计或选择；算法设计或选择，算法思想依据，步骤及实现，计算框图；所采用的软件名称；引用或建立必要的数学命题和定理；求解方案及流程。） 7）进一步讨论（结果表示、分析与检验，误差分析，模型检验） 8）模型评价（特点，优缺点，改进方法，推广。） 9）参考文献。 10）附录（计算程序，框图；各种求解演算过程，计算中间结果；各种图形，表格。） 3. 要重视的问题 1）摘要。 包括： a. 模型的数学归类（在数学上属于什么类型）； b. 建模的思想（思路）； c. 算法思想（求解思路）； d. 建模特点（模型优点，建模思想或方法，算法特点，结果检验，灵敏度分析，模型检验……）； e. 主要结果（数值结果，结论；回答题目所问的全部“问题”）。 ▲ 注意表述：准确、简明、条理清晰、合乎语法、要求符合文章格式。务必认真校对。 2）问题重述。 3）问题分析。 因素之间的关系、因素与环境之间的关系、因素自身的变化规律、确定研究的方法或模型的类型。 5）模型假设。 根据全国组委会确定的评阅原则，基本假设的合理性很重要。 a. 根据题目中条件作出假设 b. 根据题目中要求作出假设 关键性假设不能缺；假设要切合题意。 6） 模型的建立。 a. 基本模型： ⅰ）首先要有数学模型：数学公式、方案等； ⅱ）基本模型，要求完整，正确，简明； b. 简化模型： ⅰ）要明确说明简化思想，依据等； ⅱ）简化后模型，尽可能完整给出； c. 模型要实用，有效，以解决问题有效为原则。 数学建模面临的、要解决的是实际问题，不追求数学上的高（级）、深（刻）、难（度大）。 ⅰ）能用初等方法解决的、就不用高级方法； ⅱ）能用简单方法解决的，就不用复杂方法； ⅲ）能用被更多人看懂、理解的方法，就不用只能少数人看懂、理解的方法。 d．鼓励创新，但要切实，不要离题搞标新立异。数模创新可出现在： ▲ 建模中，模型本身，简化的好方法、好策略等； ▲ 模型求解中； ▲ 结果表示、分析、检验，模型检验； ▲ 推广部分。 e．在问题分析推导过程中，需要注意的问题： ⅰ）分析：中肯、确切； ⅱ）术语：专业、内行； ⅲ）原理、依据：正确、明确； ⅳ）表述：简明，关键步骤要列出； ⅴ）忌：外行话，专业术语不明确，表述混乱，冗长。 7）模型求解。 a. 需要建立数学命题时： 命题叙述要符合数学命题的表述规范，尽可能论证严密。 b. 需要说明计算方法或算法的原理、思想、依据、步骤。 若采用现有软件，说明采用此软件的理由，软件名称。 c. 计算过程，中间结果可要可不要的，不要列出。 d. 设法算出合理的数值结果。 8） 结果分析、检验；模型检验及模型修正；结果表示。 a. 最终数值结果的正确性或合理性是第一位的； b. 对数值结果或模拟结果进行必要的检验； 结果不正确、不合理、或误差大时，分析原因， 对算法、计算方法、或模型进行修正、改进。 c. 题目中要求回答的问题，数值结果，结论，须一一列出； d. 列数据问题：考虑是否需要列出多组数据，或额外数据对数据进行比较、分析，为各种方案的提出提供依据； e. 结果表示：要集中，一目了然，直观，便于比较分析。 ▲ 数值结果表示：精心设计表格；可能的话，用图形图表形式。 ▲ 求解方案，用图示更好。 9）必要时对问题解答，作定性或规律性的讨论。最后结论要明确。 10）模型评价 优点突出，缺点不回避。 改变原题要求，重新建模可在此做。 推广或改进方向时，不要玩弄新数学术语。 11）参考文献 12）附录 详细的结果，详细的数据表格，可在此列出，但不要错，错的宁可不列。主要结果数据，应在正文中列出，不怕重复。检查答卷的主要三点，把三关： a. 模型的正确性、合理性、创新性 b. 结果的正确性、合理性 c. 文字表述清晰，分析精辟，摘要精彩 三、关于写答卷前的思考和工作规划 答卷需要回答哪几个问题――建模需要解决哪几个问题； 问题以怎样的方式回答――结果以怎样的形式表示； 每个问题要列出哪些关键数据――建模要计算哪些关键数据； 每个量，列出一组还是多组数――要计算一组还是多组数。 四、答卷要求的原理 1. 准确――科学性； 2. 条理――逻辑性； 3. 简洁――数学美； 4. 创新――研究、应用目标之一，人才培养需要； 5. 实用――建模、实际问题要求。 五、建模理念 1. 应用意识 要解决实际问题，结果、结论要符合实际； 模型、方法、结果要易于理解，便于实际应用；站在应用者的立场上想问题，处理问题。 2. 数学建模 用数学方法解决问题，要有数学模型； 问题模型的数学抽象，方法有普适性、科学性，不局限于本具体问题的解决。 3. 创新意识 建模有特点，更加合理、科学、有效、符合实际；更有普遍应用意义；不单纯为创新而创新。

无忧在线有很多数学建模论文，你去搜一下就行

随着学生主体的变化,新的科技成果的出现,高等数学创新成为必然的趋势。下面是我为大家整理的高等数学论文，供大家参考。

一、高等数学在地方高等职业教育中遇到的问题及解决办法

(一)数学师资力量短缺，教师学历偏低

地方高等职业学校通常有以下办学途径：一是通过改革，将原有高等专科学校升格成规范化的高等职业院校;二是将具备条件的成人高校扩大招生，强强联合办学，突出高职特色;三是发挥一些重点中专的专业优势，在校内办高职班。由于以上原因，在现阶段的高职院校中，存在一部分学历不高的数学教师，这既影响了数学课程的整体教学水平，又影响了学生整体素质的培养与发展。要解决这一问题就需要做到以下几点：1.依托全国教师培训基地和现有的高等院校教师培训机制，加强对数学课教师的培训，做到教师在职培训和脱产培训相结合，以在职培训为主，通过有计划地培训，促进教师学历达标。2.提高高职院校人才录用标准,在政策和待遇方面给予照顾,引进更多高学历、高水平的数学专业人才。

(二)学生对数学课重要性认识不够，学习热情不高

目前，在高职院校学生中普遍存在着“专业至上”的观念。他们片面地认为只要专业课学好了，其他的文化课无足轻重。所以数学课堂上出现了出勤人数少、成绩普遍偏低的情况。针对这一现象，教师应该处理好数学课和专业课之间的时间分配比例，让学生认识到二者相辅相成的关系，提高他们对数学课重要性的认识。在教学实践中，笔者发现很多学生对数学缺乏学习兴趣。他们不习惯数学的独特结构和抽象的思维方式，加之高职数学课跨度大、内容多、解析难，学生学习数学如见猛虎。这就要求教师在教学中采取灵活多变的教学方法，想方设法地全面激发学生的兴趣关注点，进而带动他们的思维，从而达到课堂气氛轻松活跃、教学成效显著的目的。兴趣是最好的老师,从心理学角度来讲,兴趣点的刺激更有利于学习者的理解和记忆。这种兴趣的培养不仅仅对学生学习目前的课程有利，对于学生今后的自主学习也会发挥出不可替代的作用。

(三)高等数学课程设置不合理，教学与实际应用脱节

由于高等职业教育的教学内容和教材体系不同，高职院校数学课程的安排与普通大学有明显的区别。它的课程设置应根据培训目标、教学计划等内容，合理安排教学方法和步骤。高职数学课程改革的目标应以培养高级技术应用型人才为建设目标，从教学内容和课程体系中择优选择，并围绕这一目标有层次有步骤地实施。比如，高职院校的数学课程设置，在统计、公共管理类的专业上，就应当凸显数学学科特点，强化概率论与数理统计等数学基础课程的教学;在涉及计算机类的高等数学课程设置时，就应该加强数学逻辑思维和离散数学的课堂教学，让学生认识到数学的重要性，从而缩短理论与实践的距离;在涉及到医学类的教学时，应开设“模糊数学”和“线性代数”两部分内容，其目的是在高职阶段让学生在基本掌握微积分知识的前提下，拓宽学生的数学视野，为今后相关的科学研究提供多样性的数学方法，同时培养学生缜密清晰的思维、严谨科学的方法和能力。

二、总结

高职教育是以培养学生应用能力为主的教育方式，所以在高职数学教学中应当强调以实际应用为主要目标，这既适应了数学教学改革的要求，也是今后的发展方向。课程改革既要侧重基础性、应用性，又要增强科学性和理论性;既要加强数学在实际当中的应用，又不应忽视数学作为独立学科的学科特色;既要把握“适度够用”原则，又要把握好它在高职教育中的重新地位，以做好数学课的学科建设工作。

一、网络教育高等数学的现状分析

1.学生方面。通过笔者多年来从事高等数学的网上教学工作来看，网络教育学院上的培养目标主要是面向成人在职人员，为社会培养更多的适用性、应用型人才。然而网络教育学生普遍数学基础较差，个别人甚至严重匿乏。包括有一部分学生没有参加过高考等高中阶段的学习，有一部分学生已参加工作多年早已将有关高等数学知识遗忘。面对这种情况，如果网络教育教师只是单纯地辅导高等数学知识，就会存在一部分学生由于基础差而跟不上高等数学的学习。另外厂部分学生不仅基础较差而且学习方法都很难适应高等数学的学习，再加上对网络教育学习环境不适应严重影响学习质量。

2.教师方面。根据网络教育的目前情况来看很多高校聘用的网络教育教师都是来自其他院校的兼职人员，他们很难把大部分精力用于网络教育高等数学的教学中。从长远发展看，网络教育学院应该拥有自己的专职教师队伍。有的高校聘用的大批高学历、高素质的教师队伍均为刚毕业的优秀人才。他们年龄较小掌习能力较强对工作充满极大热情。但由于他们从小受到传统教育观的影响，对网络教育的学生要求习惯同高校全日制统招生进行比较，而且教师队伍最初成立无历史借鉴周此缺乏一定的教学和实践经验。这就需要教师逐渐掌握网络教育学生的实际水平和个人要求充分利用网络教育的现代化教学水平遵循教学原则顺利实现高等数学的教学目的。

二、网络教育高等数学的教学初探

教学原则是有效进行教学必须遵循的基本要求。它既指导教师的教也指导学生的学应贯彻于教学过程的各个方面和始终。那么根据高等数学的教学特点，教学原则应贯彻以下几个方面:

1.科学性和思想性统一原则。网络教育学院的培养对象是成人在职人员，他们学习的侧重点偏向于跟自己职业相关的专业知识对高等数学等基础课缺乏重视肩个别学生会认为基础课无用，没有什么学习价值。这些都是学习态度不够端正掌习思想不够明确的表现。针对这种情况，可以通过网上教学向学生说明高等数学学习的重要性和必要性指出数学也是一种思想方法掌习数学的过程就是思维训练的过程。人类社会的进步与数学这门科学的广泛应用是分不开的。尤其到了现代现代数学正成为科技发展的强大动力同时也广泛和深入地渗透到各个领域。通过这些讲述河以提高学生的学习意识，为高等数学的学习奠定思想基础。另外还有很多学生学习的主动性很强但缺少科学合理的学习方法，即使花费很多的学习时间却没有达到良好的学习效果。这就需要教师加以引导通过网上教学同学生积极交流和讨论高等数学有益的学习方法，提高学生的学习能力。个人认为学习高等数学之前要对初等数学知识有一定的了解。如基本初等函数及其计算公式会在高等数学中再次重述常用的几何公式、不等式和数学归纳法会对微积分的学习有所帮助;方程的解法是学会微分方程的基础二项式定理、数列公式、因式分解公式是求有关无穷级数相关知识的基本方法等等。这些都是有益的学习方法经过实践认证得到了学生的充分肯定。

2.理论联系实际原则。传统高等数学的教学过于注重理论忽视概念产生的实际背景和数学方法的实际应用。网上教学就应该在淡化理论的同时，加深对数学概念的理解和应用。高等数学的概念可以从学生熟悉的生活实例或与专业相关联的实例引出从而激发学生的学习兴趣。如讲解导数概念时河以通过求变速直线运动瞬时速度的过程归纳出求解方法步骤撇开具体意义得到“导数(变化率)”的概念。还可根据不同专业的学生同时介绍与变化率有关的问题。适用于机电类专业学生河介绍圆周运动的角速度是转角对时间的导数、非恒定电流的电流强度是电量对于时间的导数等变化率问题适用于经济类专业学生河介绍产品总产量对时间的导数就是总产量的变化率、产品总成本对产量的导数就是产品总成本的变化率(边际成本)等等。在引用实例讲述知识后还可以引入典型例题。通过实际问题引出数学知识，再反过来论证数学知识在生活实际中应用这不仅提高了学生学习的兴趣减少了数学学习的枯燥性同时也给学生建立了一种数学建模的思想使学生所学的理论知识能够进一步联系生产实际并为其他学科服务。

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。