数学模型方法概述

数学模型方法概述
数学模型方法概述

数学模型方法概述

函数关系可以说是一种变量相依的数学模型.数学模型方法是处理科学理论问题的一种经典方法,也是处理各类实际问题的一般方法.掌握数学模型方法是非常必要的.在此,对数学模型方法作一简述.

数学模型方法(Mathematical Modeling),称为MM方法.它是针对所考察的问题构造出相应的数学模型,通过对数学模型的研究,使问题得以解决的一种数学方法.

1.1 数学模型的含义

数学模型是针对现实世界的某一种特定对象,为了一个特定目的,根据特有的内在规律,作出必要的简化和假设,运用适当的数学工具,采用形式化语言,概括或近似地表述出来的一种数学结构.它或者能解释特定对象的现实性态,或者能预测对象的未来状态,或者能提供处理对象的最优化决策或控制.数学模型既源于现实又高于现实,不是实际原型,而是一种模拟,在数值上可以作为公式应用,可以推广到与原物相近的一类问题,可以作为某事物的数学语言,可译成算法语言,编写程序进入计算机.

1.2 数学模型的建立过程

建立一个实际的数学模型,需要一定的洞察力和想象力,筛选、抛弃次要因素,突出主要因素,作出适当的抽象和简化.全过程一般分为表述、求解、解释、验证几个阶段,并且通过这些阶段完成从现实对象到数学模型,再从数学模型到现实对象的循环.可用流程图表示如下:

表述根据建立数学模型的目的和掌握的信息,将实际问题翻译成数学问题,用数学语言确切地表述出来.

这是一个关键过程,需要对实际问题进行分析,甚至要做调查研究,查找资料,对问题进行简化、假设、数学抽象,运用有关的数学概念、数学符号和数学表达式去表现客观对象及其关系.如果现有的数学工具不够用时,可根据实际情况,大胆创造新的数学概念和方法去表现模型.

求解选择适当的方法,球的数学模型的解答.

解释数学解答翻译回现实对象,给实际问题的解答.

验证检验解答的正确性.

例如,哥尼斯堡有一条普雷格尔河,这条河有两个支流,在城中心汇合成大河,河上 所示.18世纪哥尼斯堡居民,很多人总想一次不重复地走过这七座桥,有七座桥,如图112

再回到出发点.可是试来试去总是办不到,于是有人写信给当时著名的数学家欧拉

(Euler,1707-1783).欧拉于1736年建立了一个数学模型解决了这个问题.他把A,B,C,D 这四块陆地抽象为数学中的点,把七座桥抽象为七条线,如图113-所示.

人们步行七桥问题,就相当于图一笔画问题,即能否将图所示的图形不重复地一笔画出来,这样抽象并不改变问题的实质.

哥尼斯堡七桥问题是一个具体的实际问题,属于数学模型的现实原型.经过理想化抽象所得到的如图示的一笔画问题便是七桥问题的数学模型.在一笔画的模型里,只保留了桥与地点的连接方式,而其他一切属性则全部抛弃了.所以从总体上来说,数学模型只是近似地表现了现实原型中的某些属性,而就所要解决的实际问题而言,它更深刻、更准确、更全面地反映了现实,也正由此,对一笔画问题经过一定的分析和逻辑推理,得到此问题无解的结论之后,可以返回到七桥问题,得出七桥问题的解答,不重复走过七座桥回到出发点是不可能的.

从广义上讲,一切数学概念、数学理论体系、各种数学公式、各种方程式、各种函数关系,以及由公式系列构成的算法系统等等都可以叫做数学模型.从狭义上讲,只有那些反应特定问题或特定的具体事物系统的数学关系的结构,才叫做数学模型.在现代应用数学中,数学模型都作狭义解释,而建立数学模型的目的,主要是为了解决具体的数学问题.

1.3函数模型的建立

研究数学模型,建立数学模型,

进而借鉴数学模型,对提高解决实际问题的能力,以及提高素养都是十分必要的.建立数学模型的步骤可分为:

(1)分析问题中哪些是变量,哪些是常量,分别用字母表示;

(2)根据所给条件,运用数学、物理或其他知识,确定等量关系;

(3)具体写出解析式,并指明定义域.

例1 重力为P 物体置于地平面上,设有一与水平方向成α角的拉力F ,使物体由静止开始移动,求物体开始移动时拉力F 与角之间的函数模型(如图114-示).

图1—12

解由物理知识知,当水平拉力与摩擦力平衡时,物体开始移动,而摩擦力是与正压力sin P F α-成正比的(设摩擦系数为μ),故有

cos (sin )F P F αμα=-, 即(0)cos sin 2

P F μπααμα=<<+. 建立数学模型是一个比较灵活的问题,无定法可循,只有多做些练习才能逐步掌握.

建立数学模型的方法、步骤、特点及分类

建立数学模型的方法、步骤、特点及分类 [学习目标] 1.能表述建立数学模型的方法、步骤; 2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非 预制性、条理性、技艺性和局限性等特点;; 3.能表述数学建模的分类; 4.会采用灵活的表述方法建立数学模型; 5.培养建模的想象力和洞察力。 一、建立数学模型的方法和步骤 —般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法,一类是测试分析方法.机理分析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,建立的模型常有明确的物理或现实意义.测试分折将研究对象视为一个“黑箱”系统,内部机理无法直接寻求,可以测量系统的输人输出数据、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与数据拟合得最好的模型。这种方法称为系统辨识(System Identification).将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构,用系统辨识确定模型的参数. 可以看出,用上面的哪一类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决定的.如果掌握了机理方面的一定知识,模型也要求具有反映内部特性的物理意义。那么应该以机理分析方法为主.当然,若需要模型参数的具体数值,还可以用系统辨识或其他统计方法得到.如果对象的内部机理基本上没掌握,模型也不用于分析内部特性,譬如仅用来做输出预报,则可以系统辩识方法为主.系统辨识是一门专门学科,需要一定的控制理论和随机过程方面的知识.以下所谓建模方法只指机理分析。 建模要经过哪些步骤并没有一定的模式,通常与实际问题的性质、建模的目的等有关,从 §16.2节的几个例子也可以看出这点.下面给出建模的—般步骤,如图16-5所示. 图16-5 建模步骤示意图 模型准备首先要了解问题的实际背景,明确建模的目的搜集建模必需的各种信息如现象、数据等,尽量弄清对象的特征,由此初步确定用哪一类模型,总之是做好建模的准备工作.情况明才能方法对,这一步一定不能忽视,碰到问题要虚心向从事实际工作的同志请教,尽量掌握第一手资料. 模型假设根据对象的特征和建模的目的,对问题进行必要的、合理的简化,用精确的语言做出假设,可以说是建模的关键一步.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.

数学建模知识及常用方法

数学建模知识——之新手上路 一、数学模型的定义现在数学模型还没有一个统一的准确的定义,因为站在不同的角度可以有不同的定义。不过我们可以给出如下定义:“数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。”具体来说,数学模型就是为了某种目的,用字母、数学及其它数学符号建立起来的等式或不等式以及图表、图像、框图等描述客观事物的特征及其内在联系的数学结构表达式。一般来说数学建模过程可用如下框图来表明:数学是在实际应用的需求中产生的,要解决实际问题就必需建立数学模型,从此意义上讲数学建模和数学一样有古老历史。例如,欧几里德几何就是一个古老的数学模型,牛顿万有引力定律也是数学建模的一个光辉典范。今天,数学以空前的广度和深度向其它科学技术领域渗透,过去很少应用数学的领域现在迅速走向定量化,数量化,需建立大量的数学模型。特别是新技术、新工艺蓬勃兴起,计算机的普及和广泛应用,数学在许多高新技术上起着十分关键的作用。因此数学建模被时代赋予更为重要的意义。二、建立数学模型的方法和步骤 1. 模型准备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。 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. 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。 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。 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。例题:一个笼子里装有鸡和兔若干只,已知它们共有 8 个头和 22 只脚,问该笼子中有多少只鸡和多少只兔?解:设笼中有鸡 x 只,有兔 y 只,由已知条件有 x+y=8 2x+4y=22 求解如上二元方程后,得解 x=5,y=3,即该笼子中有鸡 5 只,有兔 3 只。将此结果代入原题进行验证可知所求结果正确。根据例题可以得出如下的数学建模步骤: 1)根据问题的背景和建模的目的做出假设(本题隐含假设鸡兔是正常的,畸形的鸡兔除外) 2)用字母表示要求的未知量 3)根据已知的常识列出数学式子或图形(本题中常识为鸡兔都有一个头且鸡有 2 只脚,兔有 4 只脚) 4)求出数学式子的解答 5)验证所得结果的正确性这就是数学建模的一般步骤三、数模竞赛出题的指导思想传统的数学竞赛一般偏重理论知识,它要考查的内容单一,数据简单明确,不允许用计算器完成。对此而言,数模竞赛题是一个“课题”,大部分都源于生产实际或者科学研究的过程中,它是一个综合性的问题,数据庞大,需要用计算机来完成。其答案往往不是唯一的(数学模型是实际的模拟,是实际问题的近似表达,它的完成是在某种合理的假设下,因此其只能是较优的,不唯一的),呈报的成果是一篇论文。由此可见“数模竞赛”偏重于应用,它是以数学知识为引导计算机运用能力及文章的写作能力为辅的综合能力的竞赛。四、竞赛中的常见题型赛题题型结构形式有三个基本组成部分: 1. 实际问题背景涉及面宽——有社会,经济,管理,生活,环境,自然现象,工程技术,现代科学中出现的新问题等。一般都有一个

《数学模型》

《数学模型》考试大纲 适应专业:数学与应用数学、信息与计算科学、统计学、应用统计学专业 一、课程性质与目的要求 数学模型课亦称为数学建模课,它是数学与应用数学、信息与计算科学、统计学、应用统计学专业必修课或限选课,教育部1998年颁布的高等学校本科专业目录中,把“数学模型”课作为数学类专业的必开课。数学模型是架于实际问题与数学理论之间的桥梁。数学模型就是应用数学语言和方法,对于现实世界中的实际问题进行抽象、简化和假设所得到的数学结构。本课程是研究数学建模的理论、思想和方法,研究建立数学模型、简单的优化模型、数学规划模型、微分方程模型、代数方程与差分方程模型、稳定性模型、离散模型、概率模型等。 数学模型课需要用到数学分析、高等代数、微分方程、图论、概率统计、运筹学等数学知识,它是学生所学数学知识的综合应用,是培养学生综合素质以及应用数学知识解决实际问题的能力的良好课程。该课程的考试评价依据是按照课程目标、教学内容和要求,把握合适的难易程度出试卷,用笔试的方法对学生学习情况和学习成绩做出评价。 二、课程内容和考核要求 第一章建立数学模型 1、考核知识点: 数学建模的背景及重要意义、数学模型与数学建模、数学模型的分类与特点、数学建模的基本方法和步骤、数学建模举例等。 2、考核要求: (1)理解数学建模的背景及意义、原型、模型、数学模型、数学建模等概念。 (2)理解数学模型的各种分类、数学模型的特点。 (3)理解数学建模的基本方法和步骤、通过实例初步了解数学建模的思想和方法。 第二章简单的优化模型 1、考核知识点: 存储模型、生猪的出售时机、森林救火、冰山运输等。

2、考核要求: (1)掌握应用微积分理论建立存储问题模型。 (2)理解应用微积分理论建立生猪的出售时机模型和森林灭火模型。 (3)理解应用微积分理论建立冰山运输问题模型。 第三章数学规划模型 1、考核知识点: 数学规划问题的基本概念、数学规划问题图解法步骤、生产安排问题、奶制品的生产与销售等。 2、考核要求: (1)掌握数学规划问题的基本概念、数学规划问题图解法步骤。 (2)掌握生产安排问题的模型及图解法。 (3)理解奶制品的生产与销售的模型及求解。 第四章微分方程模型 1、考核知识点: 传染病模型、正规战与游击战、药物在体内的分布与排除、香烟过滤嘴的作用等。 2、考核要求: (1)理解传染病问题的建模及讨论。 (2)理解战争问题、房室问题的建模及讨论。 (3)了解香烟过滤嘴作用问题的建模及讨论。 第五章代数方程与差分方程模型 1、考核知识点: 量纲、量纲齐次原理、量纲分析法、差分方程的基本概念、市场经济中蛛网模型、节食与运动问题等。 2、考核要求: (1)掌握量纲、量纲齐次原理、量纲分析法建模及解法步骤。 (2)掌握市场经济中蛛网模型及解法步骤。 (3)理解理解差分方程的基本概念、减肥问题的建模思想。 第六章稳定性模型

数学建模实验四概论

西北农林科技大学实验报告 学院名称:理学院 专业年级:2013级信计1班 姓 名: 学 号 课 程:数学模型与数学建模 报告日期:2013年12月1日 拟合模型与回归分析 实验目的 配合《数学建模与数学模型》的第3章“常见的模型及其组建”,介绍如何运用数学软件进行模型组建,并结合数学理论分析求解模型。 拟合模型的组建是通过对有关变量的观测数据(散点图)的观察、分析。结合问题背景,运用数学分析,选择当前恰当的数学表达方式得到的。拟合的目的是寻找一条光滑曲线y=ψ(x),能够很好地表现受随机因素干扰的观测数据 (){}n i i i y x 1,=所反映的规律。原则上尽量选择简单的数学公式表达规律,在简单 的数学表达式中选择拟合效果好的。 一、赛跑成绩与赛跑距离 1 实验题目 赛跑成绩与赛跑距离 2 实验问题陈述 下面的表2.1.1给出了1997年以前6个不同距离的中短距离赛跑成绩的世界纪录: 3 实验内容 解 共分4个步骤,分别叙述如下。 步骤1 在坐标系上画出观测数据的散点图。 >> X=[100 200 400 800 1000 1500]; >> Y=[9.95 19.72 43.86 102.4 133.9 212.1]; >> plot(X,Y,'*')

步骤2 根据散点图,取线性拟合模型y=a+bx. 步骤3 利用数据(x i ,y i )估计模型参数a,b 。就是在寻找超定方程(方程个数多于未知数的个数)Ad =y ′的近似解d =(a,b)′,其中 ? ? ?? ?? ??=n x x A ...1...11,????? ? ??=n y y ...y ′ 1 称X=(x 1,x 2,....,x n )′为设计矩阵。采用最小二乘法确定参数的估计值∧a ,∧ b ,也就是求拟合残差平方和 ∑=--=n i i i bx a y Q 12)( 的最小值(a,b)。下面利用MATLAB 指令完成参数估计。 >> A=[ones(size(X))',X']; >> d=A\Y'; >> z=d(1)+d(2).*X; ; 得到线性模型:y=-9.99+0.145x. 步骤4 分析拟合效果,做拟合图。 >> plot(X,Y,'*',X,z,'LineWidth',2) >> Q=sum((Y-z).^2)

数学建模方法模型

数学建模方法模型 一、统计学方法 1 多元回归 1、方法概述: 在研究变量之间的相互影响关系模型时候用到。具体地说:其可以定量地描述某一现象和某些因素之间的函数关系,将各变量的已知值带入回归方程可以求出因变量的估计值,从而可以进行预测等相关研究。 2、分类 分为两类:多元线性回归和非线性线性回归;其中非线性回归可以通过一定的变化转化为线性回归,比如:y=lnx 可以转化为 y=u u=lnx 来解决;所以这里主要说明多元线性回归应该注意的问题。 3、注意事项 在做回归的时候,一定要注意两件事: (1) 回归方程的显著性检验(可以通过 sas 和 spss 来解决) (2) 回归系数的显著性检验(可以通过 sas 和 spss 来解决) 检验是很多学生在建模中不注意的地方,好的检验结果可以体现出你模型的优劣,是完整论文的体现,所以这点大家一定要注意。 4、使用步骤: (1)根据已知条件的数据,通过预处理得出图像的大致趋势或者数据之间的大致关系; (2)选取适当的回归方程; (3)拟合回归参数; (4)回归方程显著性检验及回归系数显著性检验 (5)进行后继研究(如:预测等)

2 聚类分析 1、方法概述 该方法说的通俗一点就是,将 n个样本,通过适当的方法(选取方法很多,大家可以自行查找,可以在数据挖掘类的书籍中查找到,这里不再阐述)选取 m 聚类中心,通过研究各样本和各个聚类中心的距离 Xij,选择适当的聚类标准,通常利用最小距离法(一个样本归于一个类也就意味着,该样本距离该类对应的中心距离最近)来聚类,从而可以得到聚类结果,如果利用sas 软件或者 spss 软件来做聚类分析,就可以得到相应的动态聚类图。这种模型的的特点是直观,容易理解。 2、分类 聚类有两种类型: (1) Q型聚类:即对样本聚类; (2) R型聚类:即对变量聚类; 通常聚类中衡量标准的选取有两种: (1) 相似系数法 (2) 距离法 聚类方法: (1) 最短距离法 (2) 最长距离法 (3) 中间距离法 (4) 重心法 (5) 类平均法 (6) 可变类平均法 (7) 可变法

什么是数学模型与数学建模

1. 什么是数学模型与数学建模 简单地说:数学模型就是对实际问题的一种数学表述。 具体一点说:数学模型是关于部分现实世界为某种目的的一个抽象的简化的数学结构。 更确切地说:数学模型就是对于一个特定的对象为了一个特定目标,根据特有的内在规律,做出一些必要的简化假设,运用适当的数学工具,得到的一个数学结构。数学结构可以是数学公式,算法、表格、图示等。 数学建模就是建立数学模型,建立数学模型的过程就是数学建模的过程(见数学建模过程流程图)。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、简化建立能近似刻划并"解决"实际问题的一种强有力的数学手段。 2.美国大学生数学建模竞赛的由来: 1985年在美国出现了一种叫做MCM的一年一度大大学生数学模型(1987年全称为Mathematical Competition in Modeling,1988年改全称为Mathematical Contest in Modeling,其所写均为MCM)。这并不是偶然的。在1985年以前美国只有一种大学生数学竞赛(The william Lowell Putnam mathematial Competition,简称Putman(普特南)数学竞赛),这是由美国数学协会(MAA--即Mathematical Association of America的缩写)主持,于每年12月的第一个星期六分两试进行,每年一次。在国际上产生很大影响,现已成为国际性的大学生的一项著名赛事。该竞赛每年2月或3月进行。 我国自1989年首次参加这一竞赛,历届均取得优异成绩。经过数年参加美国赛表明,中国大学生在数学建模方面是有竞争力和创新联想能力的。为使这一赛事更广泛地展开,1990年先由中国工业与应用数学学会后与国家教委联合主办全国大学生数学建模竞赛(简称CMCM),该项赛事每年9月进行。

工程技术中常用的数学建模方法概述

工程技术中常用的数学建模方法概述 摘要对目前工程和管理研究领域所涉及的数学建模方法作了简要分析,指出不同的问题所需用到的建模方法,并通过举例说明建模的方法和步骤。 关键词数学建模;建模方法;模型;建模;数学应用 在现实社会生产实践中,随着科学研究的进步,多学科交叉运用越来越多。数学建模就是一种解决实际应用问题的有效方法,当然要在充分了解问题的实际背景的基础上,把实际问题抽象成数学问题,建立起数学模型,利用数学知识对数学模型进行分析探求,得到数学结果,得出应用问题的解。即通过对问题的数学化,模型构建和求解检验[1]。 其一般步骤可分成如下几点: (1)模型准备:了解问题的实际背景,搜集建模必需的各种信息,明确建模目的。 (2)建模:对问题进行必要合理的简化和假设,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(变量和常量)之间的关系或其他数学结构。 (3)求模:根据数学知识和方法,求解数学模型,得到数学问题的结果。求模时要注意灵活运用各种数学方法,包括matlab等工程软件[2]。 (4)回归:把数学问题的结果回归到实际问题中,通過分析,判断,验证,得到实际问题的结果。 下面谈谈几种常用的数学建模法,限于篇幅,不便举太多例子。 (1)建立函数模型法 有关成本最低,效益最大,用料或费用最省等应用问题,可考虑建立相应函数关系式,并把实际问题转化为求最值的问题。 (2)建立三角形模型法 有关涉及几何、测量、航海等应用问题可考虑转化为三角问题来解决[3]。 (3)建立数列模型法 对于一些产量增长,细菌繁殖,存款利率,物价调节,人口探测等应用问题,往往需要通过观察分析,归纳抽象,建立出数列模型,然后用数列的有关知识加

数学建模的基本步骤

数学建模的基本步骤 一、数学建模题目 1)以社会,经济,管理,环境,自然现象等现代科学中出现的新问题为背景,一般都有一个比较确切的现实问题。 2)给出若干假设条件: 1. 只有过程、规则等定性假设; 2. 给出若干实测或统计数据; 3. 给出若干参数或图形等。 根据问题要求给出问题的优化解决方案或预测结果等。根据问题要求题目一般可分为优化问题、统计问题或者二者结合的统计优化问题,优化问题一般需要对问题进行优化求解找出最优或近似最优方案,统计问题一般具有大量的数据需要处理,寻找一个好的处理方法非常重要。 二、建模思路方法 1、机理分析根据问题的要求、限制条件、规则假设建立规划模型,寻找合适的寻优算法进行求解或利用比例分析、代数方法、微分方程等分析方法从基本物理规律以及给出的资料数据来推导出变量之间函数关系。 2、数据分析法对大量的观测数据进行统计分析,寻求规律建立数学模型,采用的分析方法一般有: 1). 回归分析法(数理统计方法)-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。 2). 时序分析法--处理的是动态的时间序列相关数据,又称为过程统计方法。 3)、多元统计分析(聚类分析、判别分析、因子分析、主成分分析、生存数据分析)。 3、计算机仿真(又称统计估计方法):根据实际问题的要求由计算机产生随机变量对动态行为进行比较逼真的模仿,观察在某种规则限制下的仿真结果(如蒙特卡罗模拟)。 三、模型求解: 模型建好了,模型的求解也是一个重要的方面,一个好的求解算法与一个合

适的求解软件的选择至关重要,常用求解软件有matlab,mathematica,lingo,lindo,spss,sas等数学软件以及c/c++等编程工具。 Lingo、lindo一般用于优化问题的求解,spss,sas一般用于统计问题的求解,matlab,mathematica功能较为综合,分别擅长数值运算与符号运算。 常用算法有:数据拟合、参数估计、插值等数据处理算法,通常使用spss、sas、Matlab作为工具. 线性规划、整数规划、多元规划、二次规划、动态规划等通常使用Lindo、Lingo,Matlab软件。 图论算法,、回溯搜索、分治算法、分支定界等计算机算法, 模拟退火法、神经网络、遗传算法。 四、自学能力和查找资料文献的能力: 建模过程中资料的查找也具有相当重要的作用,在现行方案不令人满意或难以进展时,一个合适的资料往往会令人豁然开朗。常用文献资料查找中文网站:CNKI、VIP、万方。 五、论文结构: 0、摘要 1、问题的重述,背景分析 2、问题的分析 3、模型的假设,符号说明 4、模型的建立(局部问题分析,公式推导,基本模型,最终模型等) 5、模型的求解 6、模型检验:模型的结果分析与检验,误差分析 7、模型评价:优缺点,模型的推广与改进 8、参考文献 9、附录 六、需要重视的问题 数学建模的所有工作最终都要通过论文来体现,因此论文的写法至关重要:

数学模型.doc

数学模型复习题 1、)(t x 为连续函数,初值条件0)0(x x = ,假设其增长率为常数r ,显然有 t t rx t x t t x ?=-?+)()()(,则其满足微分方程 ;微分方程满足初值条件的 解为 ;这个模型称为 。阻滞增长模型的形式的微分形式 ;求解得到的曲线称为 曲线。 2、叙述数学建模的一般步骤 模型准备、模型假设、模型构成、模型求解、模型分析、模型检验、模型应用 从思想上理解。 3、简述数学模型按以下方面的分类: 按应用领域可分为:人口、交通、能源、环境、经济、规划等等; 按建立模型的数学方法可分为:初等数学模型、几何模型、微分方程模型、统计回归模型、数学规划模型等等; 按模型的表现特征可以分为:确定性和随机性、线性和非线性、静态和动态、连续与离散等等。 可以灵活理解。 4、在超市购物时你可能注意到大包装商品比小包装商品便宜,比如中华牙膏65g 每支2.5元,120g 每支3.8元,二者单位重量的价格比约为1.21:1。 (1)分析商品单位重量价格C 与商品重量w 的关系。价格由生产成本、包装成本和其他成本所决定,这些成本中有的与体积成正比、有的与表面积成正比、有的与体积(重量w )无关。 (2)给出单位重量价格C 与w 的关系,画出它们的简图。说明w 越大C 越小,但是随着w 的增加C 减小的速度变慢,解释其意义是什么? 5、2010级新生入学后,统计与应用数学学院共有在校学生1055人,其中统计学专业520人,信息与计算科学专业265人,数学与应用数学专业270人。要在全院推选23名学生组成学生代表团,试用下面的方法分配各专业的学生代表: (1)按比例分配取整的方法,剩下的名额按惯例分配给小数部分较大者; (2)用Q 值方法进行分配。 6、工厂定期订购原料,存入仓库供生产之用。设在一个生产周期T 内,原料每天的需求量为常数r ,每次的定货费用为1c ,每天每单位原料的存储费为2c ,订货后可立即 到货,每次订货量为Q 。 (1)建立一周期的总费用函数(包括订货费与库存费,购货费是常数可不予考虑); (2)为使每天的平均费用最小,求最佳订货批量Q 、订货周期T 和最小成本C 。 7、一饲养场每天投入4元资金用于饲料、设备、人力,估计可使一头80公斤重的生猪每天体重增加2公斤。目前生猪的出售价格为每公斤8元,但是预测价格每天降低0.1元。 (1)问该饲养场应该在什么时候出售这样的生猪最划算? (2)在最佳出售时机的价格之下,作体重增加关于时间的弹性分析,并对弹性分析作出相应的解释; (3)在最佳出售时机的价格之下,作价格的降低关于时间的弹性分析,并对弹性分析作出相应的解释; 8、利润)(p U 是销售收入)(p I 与生产支出)(p C 之差,p 为每单位商品的售价,即

数学模型的定义

一、数学模型的定义 现在数学模型还没有一个统一的准确的定义,因为站在不同的角度可以有不同的定义。不过我们可以给出如下定义:“数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。”具体来说,数学模型就是为了某种目的,用字母、数学及其它数学符号建立起来的等式或不等式以及图表、图象、框图等描述客观事物的特征及其内在联系的数学结构表达式。一般来说数学建模过程可用如下框图来表明: 数学是在实际应用的需求中产生的,要解决实际问题就必需建立数学模型,从此意义上讲数学建模和数学一样有古老历史。例如,欧几里德几何就是一个古老的数学模型,牛顿万有引力定律也是数学建模的一个光辉典范。今天,数学以空前的广度和深度向其它科学技术领域渗透,过去很少应用数学的领域现在迅速走向定量化,数量化,需建立大量的数学模型。特别是新技术、新工艺蓬勃兴起,计算机的普及和广泛应用,数学在许多高新技术上起着十分关键的作用。因此数学建模被时代赋予更为重要的意义。 二、建立数学模型的方法和步骤 1. 模型准备 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。 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. 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。 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。 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

数学建模常用方法

数学建模常用方法 建模常用算法,仅供参考: 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,同时可以通过模拟可以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M a t l a b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L i n d o、L i n g o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、分治算法、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) 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M a t l a b进行处理) 一、在数学建模中常用的方法: 1.类比法 2.二分法 3.量纲分析法 4.差分法 5.变分法 6.图论法 7.层次分析法 8.数据拟合法 9.回归分析法 10.数学规划(线性规划、非线性规划、整数规划、动态规划、目标规划) 11.机理分析 12.排队方法

建立数学模型的方法、步骤、特点及分类 ()

薅§16.3建立数学模型的方法、步骤、特点及分类 螁[学习目标] 蚀1.能表述建立数学模型的方法、步骤; 蒆2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非预制性、条理性、技艺性和局限性等特点;; 羆3.能表述数学建模的分类; 蒃4.会采用灵活的表述方法建立数学模型; 葿5.培养建模的想象力和洞察力。 薆一、建立数学模型的方法和步骤 膃—般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法,一类是测试分析方法.机理分析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,建立的模型常有明确的物理或现实意义.§16.2节的示例都属于机理分析方法。测试分折将研究对象视为一个“黑箱”系统,内部机理无法直接寻求,可以测量系统的输人输出数据、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与数据拟合得最好的模型。这种方法称为系统辨识(SystemIdentification).将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构,用系统辨识确定模型的参数. 袁可以看出,用上面的哪一类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决定的.如果掌握了机理方面的一定知识,模型也要求具有反映内部特性的物理意义。那么应该以机理分析方法为主.当然,若需要模型参数的具体数值,还可以用系统辨识或其他统计方法得到.如果对象的内部机理基本上没掌握,模型也不用于分析内部特性,譬如仅用来做输出预报,则可以系统辩识方法为主.系统辨识是一门专门学科,需要一定的控制理论和随机过程方面的知识.以下所谓建模方法只指机理分析。 膈建模要经过哪些步骤并没有一定的模式,通常与实际问题的性质、建模的目的等有关,从 薆§16.2节的几个例子也可以看出这点.下面给出建模的—般步骤,如图16-5所示. 薄图16-5建模步骤示意图 蚃模型准备首先要了解问题的实际背景,明确建模的目的搜集建模必需的各种信息如现象、数据等,尽量弄清对象的特征,由此初步确定用哪一类模型,总之是做好建模的准备工作.情况明才能方法对,这一步一定不能忽视,碰到问题要虚心向从事实际工作的同志请教,尽量掌握第一手资料. 芁模型假设根据对象的特征和建模的目的,对问题进行必要的、合理的简化,用精确的语言做出假设,可以说是建模的关键一步.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.

线性规划与数学建模简介

第十三章线性规划与数学建模简介 【授课对象】理工类专业学生 【授课时数】6学时 【授课方法】课堂讲授与提问相结合 【基本要求】1、了解数学模型的基本概念、方法、步骤; 2、了解线性规划问题及其数学模型; 3、了解线性规划问题解的性质及图解法. 【本章重点】线性规划问题. 【本章难点】线性规划问题、线性规划问题解的性质、图解法. 【授课内容】 本章简要介绍数学建模的基本概念、方法、步骤,并以几个典型线性规划问题为例,介绍构建数学模型的方法及其解的性质。 §1 数学建模概述 一、数学建模 数学建模是构造刻划客观事物原型的数学模型并用以分析、研究和解决实际问题的一种科学方法。运用这种科学方法,必须从实际问题出发,遵循从实践到认识再实践的认识规律,围绕建模的目的,运用观察力、想象力的抽象概括能力,对实际问题进行抽象、简化,反复探索,逐步完善,直到构造出一个能够用于分析、研究和解决实际问题的数学模型。因此,数学建模是一种定量解决实际问题的创新过程。 二、数学模型的概念 模型是人们对所研究的客观事物有关属性的模拟。例如在力学中描述力、 量和加速度之间关系的牛顿第二定律F=ma就是一个典型的(数学)模型。一般地,可以给数学模型下这样的定义:数学模型是磁于以部分现实世界为一定目的而做的抽象、简化的数学结构。 通俗而言,数学模型是为了一定目的对原型所作的一种抽象模拟,它用数学 式子,数学符号以及程序、图表等描述客观事物的本质特征与内在联系。 三建立数学模型的方法和步骤 建立数学模型没有固定模式。下面介绍一下建立模型的大体过程: 1.建模准备 建模准备是确立建模课题的过程。这类课题是人们在生产和科研中为了使 认识和实践过一步发展必须解决的问题。因此,我们首先要发现这类需要解决的实际问题。其次要弄清所解决问题的目的要求并着手收集数据。进行建模筹划,组织必要的人力、物力等,确立建模课题。 2.模型假设 作为建模课题的实际问题都是错综复杂的、具体的。如果不对这些实际问题进行抽象简化,人们就无法准确把握它的本质属性,而模型假设就是根据建模的目的对原型进行抽象、简化,抓住反映问题本质属性的主要因素,简化掉那些非本质的

数学建模各种分析报告方法

现代统计学 1.因子分析(Factor Analysis) 因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系,即将相关比较密切的几个变量归在同一类中,每一类变量就成为一个因子(之所以称其为因子,是因为它是不可观测的,即不是具体的变量),以较少的几个因子反映原资料的大部分信息。 运用这种研究技术,我们可以方便地找出影响消费者购买、消费以及满意度的主要因素是哪些,以及它们的影响力(权重)运用这种研究技术,我们还可以为市场细分做前期分析。 2.主成分分析 主成分分析主要是作为一种探索性的技术,在分析者进行多元数据分析之前,用主成分分析来分析数据,让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用:a,了解数据。(screening the data),b,和cluster analysis一起使用,c,和判别分析一起使用,比如当变量很多,个案数不多,直接使用判别分析可能无解,这时候可以使用主成份发对变量简化。(reduce dimensionality)d,在多元回归中,主成分分析可以帮助判断是否存在共线性(条件指数),还可以用来处理共线性。 主成分分析和因子分析的区别 1、因子分析中是把变量表示成各因子的线性组合,而主成分分析中则是把主成分表示成个变量的线性组合。 2、主成分分析的重点在于解释个变量的总方差,而因子分析则把重点放在解释各变量之间的协方差。 3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假设包括:各个共同因子之间不相关,特殊因子(specific factor)之间也不相关,共同因子和特殊因子之间也不相关。 4、主成分分析中,当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候,的主成分一般是独特的;而因子分析中因子不是独特的,可以旋转得到不同的因子。 5、在因子分析中,因子个数需要分析者指定(spss根据一定的条件自动设定,只要是特征值大于1的因子进入分析),而指定的因子数量不同而结果不同。在主成分分析中,成分的数量是一定的,一般有几个变量就有几个主成分。 和主成分分析相比,由于因子分析可以使用旋转技术帮助解释因子,在解释方面更加有优势。大致说来,当需要寻找潜在的因子,并对这些因子进行解释的时候,更加倾向于使用因子分析,并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量(新的变量几乎带有原来所有变量的信息)来进入后续的分析,则可以使用主成分分析。当然,这中情况也可以使用因子得分做到。所以这中区分不是绝对的。 总得来说,主成分分析主要是作为一种探索性的技术,在分析者进行多元数据分析之前,用主成分分析来分析数据,让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用:a,了解数据。(screening the data),b,

统计学数学模型

一、多元回归 1、方法概述: 在研究变量之间的相互影响关系模型时候,用到这类方法,具体地说:其可以定量地描述某一现象和某些因素之间的函数关系,将各变量的已知值带入回归方程可以求出因变量的估计值,从而可以进行预测等相关研究。 2、分类 分为两类:多元线性回归和非线性线性回归;其中非线性回归可以通过一定的变化转化为线性回归,比如:y=lnx 可以转化为 y=u u=lnx 来解决;所以这里主要说明多元线性回归应该注意的问题。 3、注意事项 在做回归的时候,一定要注意两件事: (1)回归方程的显著性检验(可以通过sas和spss来解决)(2)回归系数的显著性检验(可以通过sas和spss来解决) 检验是很多学生在建模中不注意的地方,好的检验结果可以体现出你模型的优劣,是完整论文的体现,所以这点大家一定要注意。 4、使用步骤: (1)根据已知条件的数据,通过预处理得出图像的大致趋势或者数据之间的大致关系; (2)选取适当的回归方程; (3)拟合回归参数; (4)回归方程显著性检验及回归系数显著性检验

(5)进行后继研究(如:预测等)这种模型的的特点是直观,容易理解。 这体现在:动态聚类图可以很直观地体现出来!当然,这只是直观的一个方面! 二、聚类分析 聚类有两种类型: (1) Q型聚类:即对样本聚类;(2) R型聚类:即对变量聚类;聚类方法: (1)最短距离法(2)最长距离法(3)中间距离法(4)重心法(5)类平均法(6)可变类平均法(7)可变法(8)利差平均和法 在具体做题中,适当选取方法; 3、注意事项 在样本量比较大时,要得到聚类结果就显得不是很容易,这时需要根据背景知识和相关的其他方法辅助处理。还需要注意的是:如果总体样本的显著性差异不是特别大的时候,使用的时候也要注意!4、方法步骤 (1)首先把每个样本自成一类; (2)选取适当的衡量标准,得到衡量矩阵,比如说:距离矩阵或相似性矩阵,找到矩阵中最小的元素,将该元素对应的两个类归为一类, (4)重复第2步,直到只剩下一个类; 补充:聚类分析是一种无监督的分类,下面将介绍有监督的“分

1数学建模概述

第1章数学建模概述 (2) §1.1从现实现象到数学模型 (2) §1.2数学建模方法、步骤、特点与分类 (4) §1.3怎样学习数学建模及组织数学建模竞赛 (8) 习题1 (10)

第1章数学建模概述 随着科学技术的发展,特别是计算机技术的飞速发展,数学建模作为一门用数学方法解决实际问题的学科越来越受到人们的重视。对于广大科技人员和应用数学工作者来说,建立数学模型是沟通摆在面前的实际问题与他们掌握的数学工具之间联系的一座必不可少的桥梁.其实,“所谓高科技就是一种数学技术”,几乎所有学科发展到高级阶段都要引入数学,进行量化处理,甚至几乎所有科学理论都可看作数学模型,马克思说过“一门科学只有成功地运用数学时,才算达到了完善的地步”。当今,数学以空前的广度和深度向一切领域渗透,可以从以下几方面来看数学建模在现实世界中的重要意义: (1)在一般工程技术领域数学建模仍然大有用武之地,如机械、电机、土木、水利等; (2)在高新技术领域数学建模几乎是必不可少的工具,如通信、微电子、航天、自动化等; (3)数学进入一些新领域,诸如经济、人口、生态、地质等。所谓非物理领域也为数学建模开辟了许多处女地,如计量经济学、人口控制论、数学生态学等。 本章为数学建模概述,主要讨论建立数学模型的意义、方法和步骤,使读者全面的、初步的了解数学建模,最后给出几点数学建模竞赛建议供读者参考。 §1.1从现实现象到数学模型 现实世界丰富多彩,变化万千。人们无时无刻都在运用自己的智慧和力量去认识、利用、改造世界,从而创造出更加多彩的物质文明和精神文明。博览会是集中展示这些成果的场所之一。工业展厅上,豪华、舒适的新型汽车令人赞叹不已;农业展厅上,硕大、娇艳的各种水果令人流连忘返;科技展厅上,大型水电站模型雄伟壮观,人造卫星模型高高耸立,讲解员深入浅出的介绍原子结构模型的运行机理,电影演播室里播放着一部现代化炼钢厂自动化生产的影片,其中既有火花四溅的炼钢情形,也有控制的框图、公式和程序。参加博览会,既有汽车、水果那些原封不动的从现实搬到展厅的实物,也有各种实物模型、照片、图表、公式……,这些模型在短短几个小时给大家的作用,恐怕置身现实世界很多天也无法做到。 与形形色色的模型相对应,它们在现实世界的原始参照物统称为原型,它们是人们现实世界里关心、研究或者从事生产、管理的实际对象。本书所述的现实对象、研究对象、实际问题等均指原型。模型是为了某个特定目的将原型的某一部分信息简缩、抽象、提炼而构成的原型替代物,也是所研究的系统、过程、事

常用数学建模方法

数学建模常用方法以及常见题型 核心提示: 数学建模方法一、机理分析法从基本物理定律以及系统的结构数据来推导出模型 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 数学建模方法 一、机理分析法从基本物理定律以及系统的结构数据来推导出模型 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。 二、数据分析法从大量的观测数据利用统计方法建立数学模型 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,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。 三、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。 数学建模题型 赛题题型结构形式有三个基本组成部分: 一、实际问题背景 1.涉及面宽--有社会,经济,管理,生活,环境,自然现象,工程技术,现代科学中出现的新问题等。 2.一般都有一个比较确切的现实问题。

相关文档
最新文档