高中作文网

数学建模模型分析范例(12篇)

时间: 2024-03-08 栏目:公文范文

数学建模模型分析范文篇1

虽然传统的高中数学在应用题的解题形式上与数学建模比较相似,但是在实际解题的过程中还是存在着差距.传统的数学试题的解题目的很明确,没有辅的条件,其结论也是唯一的,把实际的问题经过简单和理想的数学化模式处理,使数学问题与实际问题相分离,学生只是按照数学的解题模式进行分析和解答,很少考虑影响解题的其他因素.数学建模在解题中必须考虑到各种与解题相关的其他因素,这也是数学建模的难点和重点.在实际生活中,人们对问题提出解决问题的方案之前必须要收集大量的数据资料,再对资料进行分析、整理和对比,然后明确问题的解决方案,提出解决问题的方式.传统数学的解题形式就是对原始数据进行加工,以文字或者图形的形式表达出来,使问题表现得更加直观性,但是其脱离了实际问题.数学建模的问题来自于生活,贴近实际,对问题的客观要求和所得的结论表现的比较模糊,给教师和学生留有很大的挖掘空间,教师和学生根据自己所掌握的信息和知识增加数学建模的内容.因此,传统的数学解题方式虽然相对数学建模来说简单易懂,但是不能完全说明数学问题反映的问题,具有其局限性.

2.数学建模在高中数学教学中的应用

2.1用数学建模思想概括数学知识

许多不同版本的高中数学教材都用数学建模的思想构建了数学知识体系,如人教版A中将函数介绍为“许多运动变化现象都表现变量之间的依赖关系.在数学上,用函数模型描述了这种相互关系,并通过函数的性质分析了各因素之间的变化规律”.人教版B版关于函数的定义是,“函数是描述变量之间依赖关系和集合之间关系的一个基本的数学模型,是研究事物变化的规律和之间的关系的一个基本的数学工具”.北师大版关于函数的描述是,“函数是分析事物变化规律的数学模型,是数学的基本概念,函数思想是研究数学问题的基本思想”,以上几个版本都在课本中设置了函数的章节.在高中数学教学中,只要教师能够领会函数的真正内涵,就很容易设置出相应的数学教学模式.有些教材,如苏教版没有设置数学建模章节,教师可以根据自行的教学内容,从数学模型的角度设置函数的概念,用具体问题的数学建模来引入新课.

2.2解决问题的过程分解

在高中数学的学习中,由于学生长期以来解决数学问题的方式和学习数学知识的方法与数学建模的思维存在着较大的差异,所以数学模型的构建难度比较大.因此,为了解决学生在数学建模方面的困境,必须要鼓励学生多参与数学模型的构建活动,教师要培养学生构建数学模型的思维,通过分析数学模型设计、构建的过程、以及模型的应用等提示,提高学生构建模型的思维,概括出建模中蕴含的数学思想和思维方法,设置一些适合于高中学生思维相符合的数学建模,让学生在建模中体验建模成功的感觉,树立建模的信心,培养学生的数学思维能力、创新能力和实践能力.教师在高中数学教学中,可以将完整的数学建模分割为问题提出、模型推断、模型求解、模型检验等几大环节进行分解,在不同的环节设置不同数学问题,学生根据实际选择不同的问题对数学建模进行分析.本文中认为,利用数学建模解决数学问题时,可以在日常的教学中融入以下几种方式:

第一,在高中数学的课堂教学中,教师可以留出一些时间来介绍一个数学模型问题,让学生通过讨论的方式对问题进行分析,并提出新的模型推断,将推断的模型求解与检验放到课后去完成.例如,在数学函数模块的教学中可以选择以下问题,即“把半径为r的圆木料锯成横截面为矩形的木料,怎样才能使横截面的面积最大”.数学模型分析,如果要使横截面的面积最大,那么矩形的面积要做到最大.把矩形木料抽象为矩形,舍弃原型中的非本质属性“木料”.假设矩形的长为x,则宽为4r2-x2由此构成矩形面积公式模型S=xy=x4r2-x2.

第二,在数学的课堂教学中,要将所学的知识点与数学建模相结合起来,将所学的知识点应用到模型的定性推断问题上,让学生在课余时间完成数学建模的定量推断与求解、检验.许多传统的数学应用题也可纳入数学建模中进行研究.

第三,在若干具体问题的完成的数学模型上,归纳出建立数学模型的策略和方法.如从增长率问题、福利问题归纳出这些问题的数学建模等.

第四,在数学模型的构建上,要根据阶段性所学的知识点综合设置完整的数学模型.数学模型问题的选择与设置要与生活实际相结合,能够引起学生的兴趣,让学生能够体会到数学模型能够与人类的生活紧密联系,解决实际问题,体现出数学模型的价值.这样,学生看到能用数学知识解决实际问题,有利于增强学生学习数学的自信心和兴趣.

3.高中数学模型构建教学中所遵守的原则

3.1突出学生在数学模型构建中的主体地位

高中数学模型构建的过程就是将抽象和复杂的问题简化成数学模型,通过数学模型建立一个合理的解决问题的方法,并对这种方法进行检验.高中数学建模课程中将学生作为教学的主体,教师引导学生和鼓励学生尝试着将实际问题纳入数学模型的构建中,在数学模型的构建中,要多阅读、多思考、多练习和多请教,

让学生始终处于主动参与、主动探索的积极状态.

3.2重点思考和分析建模的数学思维过程

学生在参与数学建模活动的过程中,要应用数学思维分析建模的过程.通过数学建模的活动,挖掘一些有价值的数学思维模式,提炼出有助于数学建模的数学思想和方法,培养学生多方面的数学思维能力和创新能力,使每个学生能够各尽其智,各有所得,获得成功.

数学建模模型分析范文1篇2

[论文摘要]本文讨论了财务建模的内涵,分析了财务建模的意义和作用,探讨了在高等财经院校开设财务建模课程的设想。笔者认为:财务建模有助于财务理论的发展,可以促进当前实证研究的开展,可以作为辅助决策的工具,特别是在新会计准则财务与会计日益融合的前提下,对会计人员更好地处理会计事务具有非常重要的意义。今后财务建模是财务会计人员必备的一项技能,因此在高等财经院校开设有关课程已势在必行。

一、财务建模的概念

谈到建模,大家首先联想到数学建模。数学建模是把一个称为原型的实际问题进行数学上的抽象,在作出了一系列的合理假设以后,原型就可以用一个或者一组数学方程来表示。

本文讨论的财务建模包括财务问题的数学建模,但是也包括下文谈到的计算机建模。因此我们定义,财务建模是用数学术语或者计算机语言建立起来的表达财务问题各种变量之间关系的学科。将一个问题用模型表述以后可以检验特定问题在不同假设条件下的不同结果,也可以用来预测在不同条件下特定问题未来的发展。

对于一个复杂的财务问题,有时要写出它的数学模型可能是不现实的或者不可能的。在此情况下如果我们能够用计算机来模拟该问题并且分析它的运行结果,就可以了解和掌握它的内在规律,预知它的未来发展。在这种情况下,虽然我们没有找到精确的数学模型,但是可以说找到了它的计算机模型。因此在上面财务建模的定义中我们增加了计算机模型的内容。

因此,财务建模是利用数学方法以及计算机解决财务问题的一种实践,是研究分析财务数量关系的重要工具。通过对实际问题的抽象、简化,再引入一些合理的假设就可以将实际问题用财务模型来表达。财务模型可以表现为变量之间关系的数学函数,也可以在完全不清楚数学表达式的情况下用计算机来模拟或者推测变量之间的依赖关系。前者是数学模型,后者是计算机模型。找出变量之间关系的数学模型可以为实际问题的解决提供非常方便的条件,但是面对当今复杂的经济问题和现象,并非所有的问题和现象都有明确的数学模型。在这种情况下,找出问题的计算机模拟模型也是非常有意义的。财务建模既包括财务问题的数学建模,也应包括相应问题的计算机建模。举一个例子,当前非常热点的问题:如何根据企业财务数据和其他有关数据对企业的风险作出评估,即如何建立企业财务预警模型就是一个典型的财务建模的例子。当然如果能够找到企业财务数据和风险之间的确定的数学关系对企业财务预警有很大的意义。但是如果这个关系一时不能找到,那么建立风险预警的计算机模拟系统对此问题的解决也是非常有帮助的。另外,文献[5]和[6]提供了一个股票估价模型的例子。在该例中,使用者可以输入贴现率、股利增长率、所要求的最低回报率等参数,然后模型可以计算出该只股票的价值,从而为股票投资提供参考。

财务建模是研究如何建立财务变量之间关系的理论和方法的科学。通过财务建模,我们可以找出财务变量之间的相互依存关系。现实世界中财务变量之间的关系有两种:一种是确定性的关系,另一种是随机性的关系。因此,财务模型也可分为确定性模型和随机性模型。确定性模型研究财务变量之间的确定定量关系,例如折现现金流模型等。随机性模型反映的是财务变量之间在一定概率意义下的相互依存关系,例如资本资产定价模型。因此,财务建模不仅讨论确定性模型建立的理论和方法,也探讨随机性模型建立的理论和方法。

财务建模是一门理论性很强的学科,具有坚实的理论基础和理论依据。它的理论基础包括数学、统计学、财务管理学、金融学、会计学、计算机程序设计等等,因此财务建模是一门交叉性很强的学科。

财务建模又是一门实用性很强的学科,是各级学生包括研究生、本科生都应掌握的一项技能。财务建模的基本内容应该包括:现金流计算模型、最优化模型、投资组合模型、估价模型、统计建模以及财务数据时间序列分析等[1]。这些内容在财务与金融计算中是非常有用的,是将来学生走上工作岗位以后必不可少的技能,因此应该在大学或者研究生阶段予以学习和掌握。

二、财务建模的意义

财务建模的意义可以总结为如下几点:

1.财务建模可以推动财务理论的向前发展

首先,财务问题的模型研究本身在财务理论研究中就占有非常重要的地位。文献[4]讨论了很多会计学和财务管理中非常重要的模型,例如,资本资产定价模型(capm)、投资组合模型、证券估价模型、black-scholes期权定价模型等。这些模型既是财务理论重要的内容,又是该学科最活跃的研究领域。很多作者由于对某个模型的研究而获得了很高的学术地位,有的甚至获得了诺贝尔奖。从理论上深入研究如何建立财务模型不仅可以追溯前人科学研究的足迹,而且可以为自己的财务研究打下良好的基础。财务建模对推动会计和财务理论的发展将起到不可忽视的作用。

另外,财务建模在财务理论与实际问题之间架起了一座桥梁。财务建模着力于用定量的方法刻画和解决实际问题。当找到了实际问题的数学模型,那么一个新的理论可能就宣告诞生;当将一个理论应用于实践并得出了与实践相辅的结论,那么该理论在这一经济体中就得到了验证。如果一个理论不能在一个经济体中得到很好的应用,那么我们就要思考对于当前的问题什么样的理论才是适合的理论。于是通过财务建模我们就去寻找符合实际的模型。该模型或者是原理论的修正,也可能是一个完全不同的新的结果。在这种情况下同样可能预示着一个新理论的诞生。当然,在一个模型上升为一个理论之前,可能该模型只适合于一个特定问题,但是我们也可以说财务建模为解决这一特定问题起到了巨大作用。财务建模不仅可以用于验证已有理论的观点和方法的正确性和严密性,同时也可以成为新理论诞生的土壤、契机和工具。

2.财务建模方法的讨论也可以为实证研究提供很好的方法论基础

财务建模不仅可以验证规范研究所提出的观点和方法的正确性和严密性,同时财务建模方法的讨论也可以为实证研究提供很好的方法论基础。在文献[3]中,作者深入研究并总结了当今实证会计研究的理论和方法。由于现在实证研究愈来愈受到重视,因此掌握实证研究的方法至关重要。财务建模的方法很多都可以用于实证研究,甚至可以说财务建模本身就是一种实证研究。因此,学习财务建模可以为实证研究打下非常好的基础。

财务建模的工具对于财务建模问题的研究至关重要。过去财务建模大多通过微软办公软件excel来完成。对于统计建模,大家采用较多的有sas、spss等。现在用matlab应用软件包建模使财务建模更加得心应手。matlab是一个功能完备,易学易用的工具软件包。matlab的主要特点是:计算能力强,绘图能力强,编程能力强。matlab的使用扩充了财务建模研究的内容,并为财务建模提供很好的计算机支持。用matlab作为工具不仅可以提高财务建模的效率,而且可以以非常直观的方式将自己的模型表现出来,更可以创造出适合于特定企业和特定情况的模型系统。笔者在总结多年财务建模研究的心得和体会的基础上,为研究生开设了“matlab财务建模与分析”课程并出版了同名教材[1]。在为研究生讲授此课的过程中,深感财务建模对研究生今后实证研究的重要作用,也体会到学生学习该门课程的热情和投入精神。同学们通过该课程的学习不仅掌握了财务建模的基本理论和方法,也提高了进一步学习会计和财务理论的兴趣和热情。

matlab统计建模为财务随机模型的建立提供了非常强的工具。对财务数据进行统计分析或者根据统计分析的原理建立财务变量之间的相互依存关系是统计建模的重点内容。我们知道,在自然界和人类社会中,有些变量和变量之间表现出了确定的依存关系,但是大量的变量之间存在的却是不确定的,有时需要重复出现多次才能表现出来的关系。这样的关系就是变量之间的随机关系。随机关系需要根据统计原理应用统计分析的方法来建立。

matlab提供了专门用于统计分析和统计建模的统计工具箱。利用统计工具箱提供的标准函数,使用者可以完成统计上的绝大部分数据分析任务,如:假设检验、方差分析、回归分析、多元统计分析等。而且matlab还提供了易学、易用的图形用户界面,使用户在最短的时间内就可以掌握较复杂的统计分析技术。如果将matlab的编程能力和图形能力充分利用起来,那么用户还可以设计出能够完成特定功能、特定任务的模型系统。

因此,笔者认为,财务建模的较理想的软件平台是matlab。建议在财务建模的理论研究和实践中使用matlab作为其工具。

3.新会计准则下财务建模对会计人员的意义

在新会计准则下,财务与会计的界线更加不明确。所以,财务建模在新会计准则下具有更重要的意义。过去会计人员可能只需要了解借贷原理就可以当好会计。但是新会计准则下如果只了解借贷就可能不会成为一名合格的会计。例如,在文献[2]中,作者论述了公允价值的引入使资产价值的计量和入账复杂化了。如果不了解如何利用现金流量模型估计公允价值,在某些情况下就不能准确入账。在文献[1]中,笔者还给出了其他一些新会计准则下财务建模的例子。

因此,新会计准则的采用使得原来只有财务管理人员才去考虑的问题现在会计人员也不得不考虑。财务建模可以帮助会计人员或者财务管理人员更好地、准确地贯彻新会计准则,提供更可信的会计信息。

4.财务建模可以作为管理决策的辅助工具

通过财务建模可以将大量的报表数据转化为更有价值的财务决策信息,因此财务建模可以作为管理决策的辅助工具。决策者可以利用模型输出的信息进行决策,提高决策的科学性和合理性。

财务建模为实际问题的解决提供了定量分析和计算的方法。有助于人们全面、系统地把握实际问题的特征、性质和结构,有助于对实际问题做出更进一步的认识。当将实际问题抽象为一个财务模型以后,人们就可以根据此财务模型对该实际问题的未来发展作出预测。因此,建模的目的不是为了建模而建模,而是为了利用模型对实际问题加以抽象,从而更好地把握问题。特别是为更好地把握实际问题未来的发展提供帮助。比如说,价值分析是当今财务理论研究中的一个非常重要的领域。如果我们能够找出一个根据财务数据及其他资料计算企业价值的分析模型,那么我们就可以根据此模型在股市中找出价值被低估的股票,从而指导我们的投资实践。另一方面这样的模型也可以为资本市场的监管部门提供股票异动及监管的客观依据,从而为资本市场的规范提供保障。

5.财务建模可以作为经济、管理等社会系统反复试验的重要工具

建模的另一个重要作用就是对于复杂的实际问题,当不可能对其做试验或试验代价太昂贵时,采用模拟建模可以有效地避免或减少试验的破坏程度和代价。例如,当评估一项财务决策对企业的未来发展有何影响时,显然不可能采取试验的方法或者试验带来的损失可能是巨大的、无可挽回的。在这种情况下,如果我们能建立一个模型用来模拟财务决策对企业的未来发展到底有何影响,那么就可以在不承担任何风险、花很少费用的情况下对财务决策的影响作出评估,从而避免盲目决策所付出的代价,为科学决策奠定基础。

根据宏观经济环境的变化和会计处理方法的不同,有些理论和模型可能需要进行不断地更正和调整使其符合特定的环境和特定的历史条件。因此,模型具有鲜明的地域性和时效性特征,而财务建模的理论和方法是使理论和模型适应这种变化的有力武器。财务建模必将成为未来财务人员的一项重要技能。不掌握这项技能,财务人员便不能适应社会的发展和环境的变化,最终将被历史所淘汰。

三、高等财经院校财务建模课程的建设设想

综上所述,财务建模在财务理论和实践中具有非常重要的意义和作用。财务建模是财务专业和相关专业学生应掌握的一项基本技能。因此,为财经院校的学生开设有关课程已势在必行。

首先,可以在有条件的院校为研究生开设选修课。笔者所在的院校属于财经院校。财经院校的学生对于掌握财务建模的知识和技能的要求更加迫切,因此首先应该在财经院校开设此课程。“十一五”以后国家加大了高校的投入力度,因此现在大多数院校都建立了自己的经济实验室、金融实验室、统计实验室或者会计实验室等。因此开设财务建模课程的硬件条件在大多数院校都已具备,只要再配以合适的软件系统即可。

第二步,待条件成熟以后,将财务建模课逐步推向本科生。财务建模的技能在本科阶段就应该全面掌握,不必等到研究生阶段。对于高年级的本科生,他们已经具备了学习财务建模的基本知识和必要的理论基础,因此在高年级本科生中开设此课程既有必要又有可能。笔者计划待条件成熟时首先为会计和金融专业的大四学生开设财务建模的选修课。

第三步,建议有关部门成立财务建模专业或者专业方向,使财经院校可以培养出财务建模的专门人才,为社会作出更大的贡献。

主要参考文献

[1]段新生.matlab财务建模与分析[m].北京:中国金融出版社,2007.

[2]段新生.新会计准则的原则性及其影响[j].会计之友,2007(3).

[3]罗斯·瓦茨,杰罗尔德·齐默尔曼.实证会计理论[m].陈少华等译.大连:东北财经大学出版社,2006.

[4]richardabrealey,stewartcmyers.principlesofcorporatefinance[m].ny:4thed.mcgraw-hill,1991.

数学建模模型分析范文

随着社会经济和科学技术的飞速发展,特别是计算机技术普及,使得数学知识广泛应用于各个领域的实际问题之中。数学模型主要是使用数学知识来解决实际问题,因此,数学是人们掌握和使用数学模型这个工具的必要条件和重要的基础。没有广博的数学力学知识,严格的数学力学思维训练,是很难使用数学力学模型来解决实际问题的。因此,数学模型是连接实际问题和数学理论的中间桥梁。

数学模型是一种具有创新性的科学方法,它通过抽象和简化,使用数学语言对现实问题进行简化,以便人们更加深刻地认识所研究的对象。数学模型不是对于现实系统的简单模拟,它是人们用以认识显示系统和解决实际问题的工具,数学模型是对现实对象信息进行提炼、分析、归纳、翻译的结果,它使用数学语言精确地表达了对象的内在特性,然后采用恰当的数学方法求解,通过数学上的演绎推理和分析求解,进而对现实问题进行定量分析和研究,最终达到解决实际问题之目的。应用数学知识解决实际问题的第一步必须要面对实际问题中看起来杂乱无章的现象,从中抽象出恰当的数学关系,用数学符号和语言把这个数学关系描述为数学公式,这个过程就是数学建模。数学建模活动的开展不但增强了大学生的创新意识、协作意识、竞争意识和奉献意识,更培养了他们的创造能力、分析问题和解决问题的能力。

在我国,创办于1992年的全国大学生数学建模竞赛,每年一届,目前已成为全国高校规模最大的基础性学科竞赛,也是世界上规模最大的数学建模竞赛。2013年,来自全国33个省/市/自治区(包括香港和澳门特区)及新加坡、印度和马来西亚的1326所院校、23339个队(其中本科组19892队、专科组3447队)、70000多名大学生报名参加本项竞赛。在这样的大环境下,传统的数学教学已经阻碍了高等教育的发展,因此数学建模教学课程的创设也就成为高等学校改革的突破口。通过何种手段实施数学建模思想,采取何种数学建模教育来切实提高学生的数学素质,也就成为高校教师教学中的一个重大课题,培养学生应用数学建模的意识和能力已经成为教学的一个重要方面。

一、数学模型的分类

数学模型的分类繁多,但是按人们对事物发展过程的了解程度可以分为:

白箱模型,指那些内部规律比较清楚的模型。如:力学、热学、电学以及相关的工程技术问题。

灰箱模型,指那些内部规律尚不十分清楚,在建立和改善模型方面都还不同程度地有许多工作要做的问题。如:气象学、生态学、经济学等领域的模型。

黑箱模型,指一些其内部规律还很少为人们所知的现象。如:生命科学、社会科学等方面的问题。但由于因素众多、关系复杂,也可简化为灰箱模型来研究。

二、数学建模的过程

一般说来,建立一个能够反映现实问题的数学模型必须经历几个过程(图1):

第一,建立模型的准备,在建模前首先通过搜集相关资料来了解问题的实际背景知识。根据题目的要求,明确其实际意义,有目的地收集相关的信息和数据,尽量弄清研究对象的特点,用数学思路贯穿问题的全过程,初步确定用何种数学工具建立哪一类数学模型;

第二,模型假设,这是建模的关键一步。根据研究对象的特点和研究目的,抓住问题的主要方面以及本质,忽略次要因素。对研究问题做出必要的、合理的假设,从中将实际问题抽象并简化出一个简单化的数学问题;

第三,模型构成,分析处理已有的数据和资料等,在已做假设的基础上,综合运用适当的数学方法,选用合理的数学语言、符号、图形并分析其内在的逻辑关系来描述研究对象。所采用的数学工具要尽量简单,其模型也一定可行,能够方便地用数学工具求解;

第四,模型求解,所建立的模型必须是可行的,根据不同的数学模型要用到相应的数学方法来求解其结果,即能够使用数学工具(Fortran,Matlab,C++等),对模型进行求解(解析解或近似解);

第五,模型分析,对模型求解的结果进行数学上的分析(误差分析,统计分析,灵敏度分析和稳定性分析等),分析模型中各个参数之间的相互关系,同时还需要根据所得结果给出数学式的预测和最优决策、控制等,指出结果的实际意义和模型的适用范围等;

第六,模型验证,将模型分析的结果运用懂时间问题的解决中并和实际情况比较,用时间的现象和数据来验证模型的合理性、实用性、可靠性和准确性等。如果求解结果为数值解,还要同时考虑所得到的误差应该在实际问题允许的误差范围之内。若比较相互吻合,说明模型是合理正确的。反之,则说明模型是失败的,问题可能出在假设上,此时应根据检验的情况对假设进行不断的修改并完善数学模型,重新求解进行分析,知道分析结果和实际情况符合,并且可以满足精度要求,则认为模型可行,便可以进行模型的应用和推广。另外,一个正确的模型不但可以解释已知现象,而且还可以预测一些未知情况;

第七,模型应用,将验证正确的数学模型进一步推广到一些实际领域内,用以解决实际问题,在应用中不断改进和完善,从而对实际工作进行指导,最终产生经济效益。

图1

可见,完整的数学建模是一个互动的过程。在建模过程中,就要把本质的东西及其关系反映进去,要真实地、系统地、完整地、形象地反映客观现象,若结果不理想,还得修改模型,重复上述过程,以期达到理想的结果。要想获得一个比较正确的数学模型,就必须熟悉并掌握一些建模的方法。

三、数学建模教学的改革

数学建模教学在高等学校实现素质教育及人才培养方面具有不可替代的作用,它是对加强学生知识,技能、能力、创新和综合素质培养这一中心工作不可缺少的重要组成部分。因此,国外的一些院校对数学建模教学的环节非常重视。然而,我国的数学建模却没有得到足够的重视,以我校的数学建模教学为例,主要存在两个方面的问题:第一,教学方式单一,往往是教师一个人在讲台上先把板书写好,然后按照固定的模式一步一步操作下去,台下学生快速地记笔记,课后按部就班地完成作业。这样就导致有的学生虽然可以完成作业,但是不能够真正地理解数学建模的原理,不会将实际问题转换为数学问题,从而难于发现问题和解决问题。第二,教学内容陈旧,始终处于停滞状态,局限于书本上的例题,这些例题往往和时展相脱节,教学内容已经不能适应相应的社会发展要求。第三,数学建模课程缺乏时代性,学校没有形成对应的管理机制去监督数学建模教学的改革,现有的教学缺乏针对性,没有达到与时俱进。甚至,有的高校教学内容沿用了几年甚至十几年一成不变的教学大纲,以至于学生后来工作后无法将课堂上学到的知识灵活地运用到实际工作中从而满足自己的工作需要,实现个人价值和社会价值的统一。

针对以上数学建模教学中存在的问题,可以采取以下措施进行改革创新:

(一)传授模式的改变

数学建模是一个老师和学生互动的过程,为了改变传统的教学模式,可以改变教师一人讲授的传统方式,也可以采用多媒体教学。学生既是被动接受知识的载体,又是整个过程的主要参与者。期间老师可以将该讲授内容以录像、动画和视频的形式表现出来,也可以通过讲授并且启发提问的方式,便于学生思考、提问和讨论、从而调动了学生的主动性。建模过程是一个复杂的过程,往往没有现成的解决方案,此时老师和学生必须进行实际背景调查,每个学生都应该参与其中,充分发挥各自的主观能动性,以便培养学生在课堂上独立思考问题的能力。另外,在课堂上还要培养学生发散思维的能力,没有一个数学模型可以完全解决实际问题。反之,同样的一个问题也可以有几种不同的解决方案,基于假设的不同就会有这样那样的数学模型,教师和学生应该紧密结合,充分发挥学生的想象力和创造力,力争有一个满意的解答。

(二)传授内容的改革

数学模型教学内容的选取上,优先关注那些教学插件的典型性和案例背景的实用性、前沿性和数学方法的综合性的例题。内容上,应该尽力精选一些实际应用的例题进行建模教学示范,所选的数学模型不但要密切联系生活,更要和本专业课程紧密结合。通过展示这些例题的建模过程,不但使学生进一步加深对于数学建模原理的理解,还应该使学生明白如何将本专业所遇到的实际问题转换为理论问题,帮助学生理论联系实际,提高学生解决本专业实际问题的能力。

(三)引入数学软件,开设数学实验

随着计算机技术的空前发展,对于数学模型的求解完全可以借助于一些数学软件来快速实现。这就要求在大学课堂中除了要求学生掌握建模原理之外,更应该要求学生了解和掌握利用数学工具(C语言,Matlab,Maple,Mathematica,Gauss,Xmath等)来计算和解决比较复杂的科学问题。因此,必须开设相对应的课程以普及和介绍数学软件的各种运算和图形处理功能,同时还根据专业情况利用各个软件现有的工具箱来简化建模过程和扩充符合计算功能和仿真功能。在此基础之上,把数学工具软件应用到现有的数学建模教学中,可以提高数学建模的效率和质量,丰富了数学建模的方法和手段。

四、结语

目前,欧美国家的一些学校和教师早已经把数学建模实验课运用到实际中,切实发挥学生的动手能力和思考问题能力,培养了一大批能为社会作贡献的科学家。作为发展中的国家,我们更应该重视数学建模教学质量的提高,切实实现面向未来、面向世界的教育模式。然而,数学建模教学的改革是一个循序渐进的过程,在这个过程中就要扬长避短,抛弃陈旧观念,为高等学校的改革创造一个良好的环境。

[参考文献]

[1]李晓莉.数学建模的教学与实践[J].铁道师院学报,2002,(2).

[2]陈国华,黄勇,江惠民.数学建模与素质教育[J].数学的实践与认识,2003,(33):110-112.

[3]冯永明,张启凡,刘凤文.中学数学建模的教学构想与实践[J].数学通讯,2000,(7):56-57.

数学建模模型分析范文篇4

Abstract:Inallusiontothedeficienciesexistingincurrentstructuralstrengthanalysisofminiaturefarmingmachinesuchaslowcalculationaccuracy,difficultyinstructuremodelingandlowefficiencyandsoon,rapidstrengthanalysismethodforminiaturefarmingmachinestructurebasedonparametricsolidmodelingandautomaticfiniteelementmodelingandanalyzingispresented.Thenthe3Dentityrapidmodelingmoduleandautomaticofmainminiaturefarmingmachinestructureisbuild.Andtheautomaticanalysisexecutingaswellasresultextractionisrealized.Thus,thefeasibilityandtheeffectivenessofthemethodisverifiedbyaactuallycase.

关键词:微耕机;主要零部件;结构;有限元分析;快速

Keywords:miniaturefarmingmachine;maincomponents;structure;finiteelementanalysis;rapid

中图分类号:S222文献标识码:A文章编号:1006-4311(2015)25-0069-03

0引言

微耕机具有体积小、重量轻,便于用户使用和存放等优点,在水旱田整地、田园管理及设施农业等多种农业作业中得到了广泛应用。但国内对微耕机的研究起步较晚,设计技术和检测依然相对落后。微耕机结构分析是开展微耕机结构设计和结构检测的必经环节之一。

目前,国内微耕机的结构设计主要采用传统的类比设计方法,在静力学与运动学理论指导下,依据经验公式、图表、手册等资料,凭借设计者的经验选择设计参数,再经过反复修改与分析直至结构满足强度、刚度要求。这种设计方法费工费时,在分析结构强度和刚度时往往进行结构简化,不仅导致设计的产品结构笨重,成本高,而且容易忽略难以考虑的,重要的,甚至必要的因素,甚至形成“人为”的应力集中点,不符合实际动态情况。计算机技术和有限元分析技术的发展给微耕机结构强度分析与检测开辟了新途径,国内外学者在结构强度分析方面都取得了可喜的成果,但依然存在许多不足,主要表现在:①目前微耕机结构强度分析与检验绝大多数环节由人工或半自动完成[1-2],检验过程繁琐、耗时长、成本高;②计算机辅助工程技术的发展为实现结构快速分析提供了途径,作为主流结构分析软件之一,ANSYS在多个领域都得到了广泛应用,但直接在ANSYS仿真环境中建立微耕机结构实体模型具有建模难度高、过程复杂、耗时长问题[3-4];③现有研究中,在建立微耕机结构有限元模型方面主要采用手工操作的方式进行,不仅对操作者技术水平要求高,而且存在建模效率低、操作强度大等缺点,特别是在批量分析或优化设计求解时,这种操作方式的缺陷尤为突出[5-6]。

综合上述分析,研究微耕机结构强度快速分析方法,构建微耕机主要零部件的快速、自动化三维建模策略,探讨微耕机主要零部件模型的高效、高质量网格划分策略,实现微耕机主要零部件结构强度自动化快速分析和结果提取,减轻操作人员工作强度、缩短建模时间,提高分析效率,具有重大理论与现实意义。

1微耕机结构强度快速分析机制

为提高微耕机结构强度求解精度,采用ANSYS有限元分析工具求解微耕机结构强度响应。ANSYS有限元分析环境具有强大的有限元分析计算能力,能够进行复杂结构静、动态结构强度、刚度分析。但ANSYS软件的三维实体建模能力较低,直接在ANSYS环境中构建复杂微耕机结构具有操作难度大、效率低的缺点。为提高微耕机结构建模效率,利用ANSYS有限元分析环境与Pro/Engineer三维实体环境间的无缝接口,利用Pro/Engineer实体建模环境实现微耕机结构实体建模,实现充分发挥ANSYS有限元分析能力和Pro/Engineer实体建模能力的目标。此外,Pro/Engineer的参数化建模技术和Pro/Toolkit二次开发工具箱,为实现高效微耕机结构实体建模提供的技术条件。

综合上述分析,针对现有微耕机结构强度分析建模难度大,操作繁琐,求解精度低等问题,构建微耕机结构强度快速分析机制如图1所示。数据组织模块负责组织、管理微耕机结构强度分析过程中所需的及产生的相关数据。用户通过用户接口与数据组织模块进行数据交换,实现对分析过程中控制参数的设定和结果数据的读取。微耕机结构强度分析过程主要包括微耕机结构参数及工况设定、创建微耕机结构三维模型、创建微耕机结构有限元模型、微耕机结构有限元分析、分析结果提取等5个基本模块。微耕机结构参数集工况设定主要实现对微耕机结构参数、有限元分析计算工况等初始条件的设定。初始条件设定后,数据组织模块根据设定的初始参数,基于参数化实体建模技术和Pro/Toolkit二次开发技术,在Pro/Engineer环境中快速重生成微耕机结构三维实体模型。之后,数据组织模块调用ANSYS有限元环境,通过无缝数据接口导入Pro/Engineer环境中生成的微耕机结构三维实体模型,进行单元类型设定、网格划分、边界加载等操作创建微耕机结构有限元分析模型,进而执行有限元分析计算、提取计算结果并将结果通过用户接口呈现为用户。

2微耕机结构三维实体快速建模策略

目前,利用Pro/Toolkit二次开发工具箱实现参数化创建三维实体模型主要有以下2种方法:①调用几何特征创建函数建立三维模型;②基于参数化设计的模型样板建立三维模型。调用几何特征创建函数建立三维模型属于自底向上建模方法,柔性大,能够适应各种结构的参数化建模,但建模效率较低。基于参数化设计的模型样板建立三维模型属于自顶向下建模,建模效率高,且实现简单,但柔性较低,只能适应具有特定结构特征的实体模型。

基于参数化设计的模型样板建立三维模型的原理是通过基于Pro/Toolkit二次开发的应用程序控制修改模型样板的参数值,从而生成新的三维模型,其基本流程如图2所示。用户通过人机界面的对话框输入微耕机各零部件结构参数,系统判断当前是否已经启动Pro/Engineer环境,若还未启动则直接启动Pro/Engineer环境,并进行工作目录设置、载入结构模型样板、初始化参数环境等操作,进而根据用户设置的参数值修改模型样板的相应参数值,并在重生成模型后刷新屏幕,调整视图,为用户直观展现给定参数下模型效果,从而判断是否保存模型及退出Pro/Engineer环境。若选择保存模型,则同时保存实体模型值prt文件和实体参数至同名txt文件。

基于上述流程,在VisualStudio2008开发环境下构建微耕机主要零部件结构三维实体快速建模模块。如图3和图4所示分别为某型号微耕机牵引架总成建模界面及三维模型。

3微耕机结构高效有限元建模与分析

有限元模型是进行有限元分析的前提。有限元建模的任务是将实际问题或设计方案抽象为能为数值计算提供所有输入数据的有限元模型,其过程主要包括实体建模、网格划分、边界加载等3个过程。在有限元建模的三个阶段中,网格划分是关键环节之一,它对计算过程和计算结果有着重要的影响。

有限元网格划分对模型的细节提出了很多很高的要求,计算机也制约了模型的规模,简化模型是有限元建模最重要的一步。在创建实体模型时必须对实际模型进行简化,根据经验忽略螺纹孔、小半径倒角等不必要的细节。此外,网格的疏密也影响着模型的计算速度和计算精度。一般情况而言,计算变形量时,网格可以疏一些,而对应力计算,网格应当密一些。为避免网格大小划分不当对计算结果造成太大误差,采用如图5所示网格划分策略。程序开始时,用户设定初始网格大小、计算误差极限等初始条件,程序自动根据设定网格大小进行网格划分和有限元计算,若前后两次计算误差不在接受范围内,则将网格大小缩小一半,重新进行网格划分和有限元分析计算,直到前后两次分析计算结果误差满足误差极限要求,则上一次网格的规格作为有限元建模时依据的网格规格。基于上述有限元划分策略,构建了微耕机主要零部件结构网格自动划分模块。如图6所示为某型号微耕机牵引架总成网格模型。

网格划分完成后,利用APDL命令流,能够实现自动加载结构有限元分析计算边界条件,并执行有限元分析计算和计算结果提取。针对某型号微耕机牵引架总成,采用微耕机结构有限元分析模块对其进行三维实体建模、有限元建模、有限元分析计算及结果提取后,得到该结构的应力分布图和综合位移变形图如图7所示。从图中可知,该牵引架总成结构最大应力值为174.547MPa,最大变形量为1.041mm。计算结果不仅表明了该结构满足微耕机正常工作的结构强度要求和刚度要求,也验证微耕机结构有限元分析模块的可行性和有效性。

4小结

①针对现有微耕机结构强度分析存在的计算精度低、建模难度大、效率低等问题,期初了基于参数化实体建模和自动化有限元建模与分析微耕机结构强度快速分析机制,综合发挥Pro/Engineer强大的实体建模能力和ANSYS强大的有限元分析计算能力。②基于Pro/Toolkit二次开发工具箱,提出了微耕机结构三维实体快速建模策略,实现了微耕机主要零部件结构的快速三维实体建模。③基于Pro/Engineer和ANSYS的无缝数据接口和ANSYS的Batch工作模式,构建了微耕机结构高效有限元建模与分析策略,实现了自动化微耕机结构网格划分,边界加载,结构强度分析计算和结果提取等操作,并提供了交互友好的人机界面,从而验证了微耕机结构强度快速分析方法的可行性和有效性。

参考文献:

[1]PATELR,KUMARA,MOHAND.DevelopmentofanergonomicevaluationfacilityforIndiantractors[J].AppliedErgonomics,2000,31(3):311-316.

[2]杨懿,曾兴宁,等.微耕机自动测试系统研究[J].自动化与仪器仪表,2010(3):106-110.

[3]张季琴,杨福增.山地微型遥控耕地机的设计与试验[A].中国农业工程学会2011年学术年会论文集[C].

[4]颜华,吴俭敏,等.环形土槽微耕机试验平台设计[J].农业机械学报,2010,41(S1):68-72.

数学建模模型分析范文篇5

关键词:建模思想;创新思维;加强措施

在中学教学中,数学建模是一种重要的辅助工具。可以说,在整个数学领域,建模思想是学好数学的基础。具有建模思想,并掌握好运用好这种思想,就可以将抽象问题具体化,具体问题形象化,解决问题就会简单化。

一、加强数学建模思想

经历了三年初中数学的学习,学生对数学思想方法也有了认识和了解,在日常数学学习生活中,也会经常运用。但是光掌握了数学思想方法,在高中数学的学习中是不够的。因此,教师应该着重培养学生的建模思想。

什么是数学建模?当遇到实际抽象问题,需要从某个角度去定量分析研究的时候,我们需要对问题进行简化,去建立一个数学模型,用数学的语言和符号把问题表述出来,并通过推导计算等过程来解决问题,并符合实际,而这个建立模型的过程叫做数学建模。数学模型是数学符号、公式、流程(也叫做程序)、图形等的总称,是对实际问题的抽象解释,对问题的解决、事态的发展有指引作用。它体现了数学逻辑的严密性。它的应用,在数学中是极其广泛的。

数学建模思想对学生逻辑思维的发展、创新能力的提高有极大的促进作用。可以说,一旦掌握了这种思想,学生的创新思维的主体也就建立起来了。在素质教育下,教师的主要教学目标就是培养创新型人才,为社会提供更多的高素质高端人才。因此,教师应该加强学生的数学建模思想。

二、加强数学建模思想的措施

1.从实际出发,增强学生建模思想

教师应该从生活入手,从学生熟悉的实际问题出发,让他们将实际问题转化成数学问题,培养学生发现问题、分析问题、转化问题的能力,从而进一步培养学生的建模思想。例如,“篱笆问题”:一家农舍建鸡舍,靠墙而建,给出了墙的长度、占地面积,以及现有篱笆长度,问如何搭建比较合理?它考察了学生在现实生活中对数量关系的理解能力,自己去探索,去独立解决问题,强化对实际问题的解决能力,让学生领会建模思想和思维过程,进而强化建模思想解决问题的能力。

2.常见建模思想

常见的模型有:函数模型,数列模型,不等式模型,排列组合模型,概率模型,解析几何模型。教师可以根据模型的不同,分类讲解,举实例,让学生根据实例,跟教师一起进行分析、探究,参与到整个思维过程中。然后教师再让学生练习相关习题,强化建模思想。

(1)函数模型

可以根据题意分析变量关系,把握好变量之间的关系,建立目标函数,然后运用相关的数学思想方法解决函数问题得到答

案。在平时的学习中,运用该类模型的实际问题有:计算成本最低,利润最高,用料最省等实际问题。比如,“建鸡舍问题”:依墙而建,篱笆长度已知,墙长度已知,求怎样建鸡舍才能使占地面积最大?解决这类问题,就需要函数建模。教师应该多让学生练习该类题,增强函数建模思想。

(2)数列模型

在生产生活中,我们会遇到例如,增长率,复利,人口增长等问题,解决这类问题就需要建立数列模型。根据题意,分析明确首项和倍率等是解决这类题的关键。例如,某县位于沙漠边缘地带,人与自然长期进行顽强斗争,到1998年底全县绿化率已达到30%。从1999年开始每年将出现这样的局面:原有沙漠面积的16%改造为绿洲,而同时原有绿洲面积的4%又被侵蚀变为沙漠。

①写出1999年起以后任何相邻两年年底该县绿化率的关系式;

②判断是否成等比数列?为什么?

③至少经过多少年的努力才能使全县的绿化率超过60%?

本题中的绿地面积的多少涉及两个方面:政府加大了植树造林,绿地面积不断增加;由于不断受到侵蚀,原绿地面积已不断变成了沙漠,每一年这两个方面的绿地面积之和就是该年全县的绿地面积。由于每年沙漠绿地与绿地沙漠都是建立在前一年的基础上,且为百分比,因此可以考虑两年的绿地面积与全县面积的百分比之间的关系,是一道数列问题,由此我们可以通过递推数列来解决。

(3)不等式模型

数学学习中,会遇到最值问题,对于此类题,通常需要建立函数关系,列出关系表达式,再根据题意需求解决问题。此类模型相对简单易懂,多加练习就会掌握。

(4)排列组合模型

这类模型一般运用在与计数有关的问题上,在实际问题中,例如,课程安排,生产中的次品率等都需要排列组合模型。

例如,六人站成一排,求

①甲不在排头,乙不在排尾的排列法;

②甲不在排头,乙不在排尾,且甲乙不相邻的排列法。

分析:A.先考虑排头、排尾,但这两个要求相互有影响,因而考虑分类。

第一类:乙在排头,有120种站法。

第二类:乙不在排头,当然他也不能在排尾,有384种站法。

B.第一类:甲在排尾,乙在排头,有24种方法。

第二类:甲在排尾,乙不在排头,有72种方法。

第三类:乙在排头,甲不在排头,有96种方法。

第四类:甲不在排尾,乙不在排头,有282种方法。

共474种方法。

掌握了数列模型,对学生的逻辑思维能力具有促进作用。

(5)概率模型

遇到概率问题时,一定要分清哪些问题是古典概率,哪些问题是条件概率,具体问题具体分析。分清主要的概率类型和公式,这类题就会很容易攻克。

(6)解析几何模型

解析几何模型一般用于与曲线相关的问题上,如,物体运动的轨迹,抛物线的问题等,又如,求异面直线所成的角,二面角的平面角,线线垂直,线面垂直,面面垂直及平行等问题。解决这类问题就需要建立解析几何模型,此类模型抽象,不易懂,需要将类比等思想加入其中。在平时,学生应加强练习,不仅要与教师一起经历整个思维过程,还要自己锻炼思考,才能够掌握该种模型。

对于边远地区的数学教学,不应该受到环境的影响。教师应该努力提高自身素质,提高自身水平,将数学学习的主要思想和方法传授给学生。只要有肯学习的心,环境不是问题。

教师可以通过建模思想,提高学生的创新意识,开拓学生的创新思维能力。加强学生的独立思考能力及解决实际问题的能力,让学生的思维得到发散。只有掌握正确的思想和方法,才能够成为创新型人才,才能为社会增添一份力量。

参考文献:

[1]蔡上鹤.新中国中学数学教材建设51年[J].数学通报,2002(09).

[2]杨泽恒,熊明,王绍荣.数学建模活动阻力浅析[J].云南教育,2002(24).

数学建模模型分析范文1篇6

关键词:ACMC;多维数据挖掘;应用

中图分类号:TP311.13

层次分析方法是对某些复杂的决策问题的各种影响因素以及其中的内在关系进行深入分析,选用较少的定量信息让决策的思维过程变成数学化,进一步为无结构特征、多准则的高难度决策问题提供简单有效的决策方法。而数据挖掘即数据库中的知识发现,从繁杂的数据中选取含有潜在信息量的过程。而ACMC是把层次分析方法和多维数据挖掘方法相结合的方法,它能够提供一个可扩张、插拨、相互支持操作。重构的多维数据挖掘体系。下面本文就多重数据挖掘层次分析方法进行研究分析,以期让数据挖掘过程更加清晰可见,选取的模块更加准确。

1ACMC和多维数据挖掘的基本认识

1.1数据挖掘技术简要分析

随着数据库与人工智能技术的发展,数据挖掘技术应运而生,这是一个从数据集中识别有效、新颖,具有潜在利用价值到可理解模式的高级处理环节。一般包括数据清理、数据集成以及数据变换、数据挖掘、知识表示等,其中数据挖掘是中心。数据挖掘的目的主要用于指定数据挖掘任务中要查找的相关模式,通常把数据挖掘任务分成描述与预测两种。其中描述性数据挖掘的任务主要是刻画数据库内数据的一般特征;预测性数据挖掘任务是参照现阶段的数据进一步推理,然后进行预测分析。数据挖掘系统模型如下图1所示。

图1数据挖掘系统模型

1.2层次分析法构建挖掘模型策略

在知识数据库的复杂数据环境中,层次分析法构建挖掘模型不仅仅能从训练数据库中获得大量的信息数据,还可以用“ModelRefresh”以及“ModelEvaluation”对模型进行评估打分,然后选出正确的模型执行。运用层次分析结构把这些模型逐层筛选出来,进一步为整个数据挖掘大模型绘制整体结构。

2ACMC结构及应用流程

在一个完整体系的ACMC结构中,主要包括知识数据库、数据挖掘处理模式以及处理方法、数据模型学习、评估等。ACMC能够从多个角度、层次对数据挖掘进行整体改造,它能够提供一个相对完整的体系结构与一个很好的框架支持不同模式中数据挖掘模型化的方法,在这个结构体系中包括成功模型组件、并行挖掘模式以及同一个模式下的挖掘方法、评估挖掘方法模型,进一步定义出模型流的方向。ACMC能够从战略高度、多个层面的技术水平、不同抽象层面支持挖掘组件的结合,再重新设计数据挖掘的全部过程,然后提供一个科学合理的挖掘模型结构。

在ACMC流程的开始阶段,为了进一步提高模型的准确性,不一样的挖掘模型方法能和知识数据库通过交互方式让模型进行自我学习,然后,每一个模型能够和“AnalyticalBase”通过交互凡是对模型进行打分评估[7]。当评估工作完成后,会立刻进入挖掘模式层面,对每个挖掘模型方法进行详细分析比较,再进行分类、聚类、回归处理,按照从优到劣的顺序排列,最后用表格形式展现出来。在ACMC的最顶层是良好的挖掘模型,然后是最佳挖掘模型,最后排列结果由执行引擎处理,把这些优秀的挖掘模型进一步挖掘预测。其中在不同条件下,挖掘模型评估结果的优劣性有很大差异,虽然有一定的差异,但是在模式分支允许的情况下可以进行插播。这样可以提高工作成效、保证准确性。

3ACMC在多维数据挖掘中的应用

在ACMC中主要包括三个重要概念:模型学习、模型评估以及模型学习和评估之间的影响关系,这三个概念是对模型进化学习的完整诠释。其中模型学习环节出现在M-KPI层面,主要采用新数据更新原有模型,然后建立一个崭新的模型。新旧模型之间主要的不同在于新模型主要来源于新的数据,且算法的类型、模型范式都是相同的。模型评估环节出现在M-KPI、M-CSF这两种不同层面,把样品数据输入以后,利用模型能够评估打分,当出现预测的结果后,可以用实际结果评估模型,然后赋予一定权值,在每个M-KPI取得一定的权值以后,能够用权值筛选模型方法。

其次,模型学习与评估二者之间的关系,利用不同的M-KPI刷新模型,然后产生和新模型对应的新数据,再使用“AnalyticsData”对每一个模型依照不一样的需求数据评估,当输进不同的需求数据以后,就能够出现不一样的线性结构图形。经过综合分析不一样KPI的影响,每个M-CSF就能够产生相对应的影响波动图形。在ACMC中存在着众多的关键因素,其中主要包括“分类-CSF、回归-CSF以及聚类-CSF等”。其中分类是ACMC结构中一个非常重要的关键因素,进行分类的主要目的是学会分类函数或者分类模型,这种模型可以把数据库中的数据系列项反射到规定的类别中,通过分类体悟表述关键性数据类别的模型,然后预测以后的数据趋势。在分类-CSF中包括很多种算法,每一个数据样本采用n维特征向量描述属性数值。

最后,假定一定不明确的数据样本X,分配给各个类别,就会产生P,再依据贝叶斯定理,P(X)相对于全部类别属于常数,在最大化以后检验概率P能够转化成最大化的概率。此时若训练数据集中含有很多属性与元组,计算所得的P(X)数值可能会非常大,故一般情况下,需要先假设各个属性的取值是相互独立的,然后就可以从训练数据中求出来。按照这种方法,对一个未知类别的样本X,必须先计算出X所属类别概率,然后选取概率最大的类别当作类别。

4结语

总之,为了把多维、多层次复杂数据流的数据挖掘处理流程进行优化处理,在层次分析方法和数据挖掘理论的基础上,提出了层次分析法构建挖掘模型的理念。设计出了以层次分析法构建挖掘模型为基础的结构,提供一个用来支持各种各样挖掘组件的集成平台,为整个数据挖掘流程提供了一个可控策略,以从多个方面、多个层次对整个挖掘框架与不同模块之间的结合方法进行改进。其中CSF与KPI是一整个数据挖掘结构的重要环节,挖掘模型的评估是整个数据挖掘的引擎,直接影响到最终的决策。但是,来源于信息环境的反馈对ACMC而言非常重要,在这方面仍需要深入研究,实现ACMC和实际复杂数据环境的合理衔接,进一步提升ACMC策略的实用性。

参考文献:

[1]高武奇,康凤举,钟联炯.数据挖掘的流程改进和模型应用[J].微电子学与计算机,2011,9(07):885-886.

[2]毛伊敏,杨路明,陈志刚.基于数据流挖掘技术的入侵检测模型与算法[J].中南大学学报(自然科学版),2011,4(09):389-391.

[3]张蕴,李伟华.ACMC策略在多维数据挖掘处理过程中的应用[J].西北工业大学学报,2011,6(03):358-359.

数学建模模型分析范文

【关键词】数学建模建模方法应用

【中图分类号】G424【文献标识码】A【文章编号】1006-5962(2012)06(b)-0035-01

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、简化建立能近似刻画并解决实际问题的一种强有力的数学手段。当需要从定量的角度分析和研究一个实际问题时,人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上,用数学的符号和语言,把它表述为数学式子,也就是数学模型,然后用通过计算得到的模型结果来解释实际问题,并接受实际的检验。这个建立数学模型的全过程就称为数学建模。

1数学模型的基本概述

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。数学模型法就是把实际问题加以抽象概括,建立相应的数学模型,利用这些模型来研究实际问题的一般数学方法。教师在应用题教学中要渗透这种方法和思想,要注重并强调如何从实际问题中发现并抽象出数学问题,如何用数学模型(包括数学概念、公式、方程、不等式函数等)来表达实际问题。

2数学建模的重要意义

电子计算机推动了数学建模的发展;电子计算机推动了数学建模的发展;数学建模在工程技术领域应用广泛。应用数学去解决各类实际问题时,建立数学模型是重要关键。建立教学模型的过程,是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料,观察和研究实际对象的固有特征和内在规律,抓住问题的主要矛盾,建立起反映实际问题的数量关系,然后利用数学的理论和方法去分折和解决问题。数学建模越来越受到数学界和工程界的普遍重视,已成为现代科技工作者重要的必备能力。

3数学建模的主要方法和步骤:

3.1数学建模的步骤可以分为几个方面

(1)模型准备。首先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。(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。(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。(5)模型分析。对模型解答进行数学上的分析,特别是误差分析,数据稳定性分析。

3.2数学建模采用的主要方法包括

a.机理分析法。根据对客观事物特性的认识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:是数学理论研究的重要方法,对社会学和经济学等领域的实际问题解决对策中得到广泛应用。(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。

b.数据分析法:通过对量测数据的统计分析,找出与数据拟合最好的模型

可以包括四个方法:(1)回归分析法(2)时序分析法(3)回归分析法(4)时序分析法

c.其他方法:例如计算机仿真(模拟)、因子试验法和人工现实法

4数学建模应用

数学建模应用就是将数学建模的方法从目前纯竞赛和纯科研的领域引向商业化领域,解决社会生产中的实际问题,接受市场的考验。可以涉足企业管理、市场分类、经济计量学、金融证券、数据挖掘与分析预测、物流管理、供应链、信息系统、交通运输、软件制作、数学建模培训等领域,提供数学建模及数学模型解决方案及咨询服务,是对咨询服务业和数学建模融合的一种全新的尝试。例如北京交通大学在校学生组建了国内第一支数学建模应用团队,积极地展开数学建模应用推广和应用。

5努力倡导数学建模活动的要求

5.1积极开展数学建模活动,鼓励大家积极参与

为了提高学生的数学建模能力,学校可以开展数学建模活动,可以是竞赛制的和非竞赛制的,应当对成绩比较优秀的学生给予一定的奖励,从而提高学生的积极性。建模活动要有规章制度,要比较正规化,否则可能会达不到预期效果,而且建模过程竞赛要保证公平、公开,保证学生不受干扰影响。

5.2巩固数学基础,激发学生学习兴趣

首先数学建模需要扎实学生的数学基础,同时学生要具备较好的理论联系实际的能力以及抽象能力,还有就是要激发学生的学习兴趣,兴趣是学习的最好老师,假设教学课堂中过于枯燥无味,学生容易产生厌倦情绪,不利于学习。数学建模过程本质是比较有趣的过程,是对实际生活进行简化的一个过程,生动和有实际价值的。鼓励学生相互交流,促使学生用建模的思维方法去思考和解决生活中的实际问题,表现优秀的同学可以适度给予奖励评价。

总之,数学建模能力的培养应贯穿于学生的整个学习过程,积极地激发学生的潜能。数学应用与数学建模目的是要通过教师培养学生的意识,教会学生方法,让学生自己去探索?研究?创新,从而提高学生解决问题的能力。随着学生参加数模竞赛的积极性广泛提高,赛题也越来越向实用性发展。可以说正是数学建模竞赛带动了数模一步一步走向生产和实践中的应用。所以,数学建模广泛应用必成为了社会的发展趋势。

参考文献

[1]郑平正.浅谈数学建模在实际问题中的应用[J].考试(教研版).2007(01).

数学建模模型分析范文篇8

一、建立经济数学模型的步骤

模型的建立要遵循可行性和实用性,同时在设计的时候要按照一定的方法和步骤进行操作。一是深入地探知经济问题,总结经济问题的相关数据和资料。二是使用假设的途径把研究的问题进行简化,运用数学的方法,将各种复杂的变量进行归纳建立模型。因为模型要真实地反映客观经济,所以不能过于简单。考虑模型实施的难易程度,进而又不能太复杂。这需要分析人员对于所得资料的判断程度和准确的把握,将直接影响到这个模型的难易程度。通常根据模型和经济的关系通常分为经济模型、计量经济模型、投入产出模型、数学规划经济模型四种。用数学语言描述经济问题,进而得到某种经济意义的模型我们通常称之为数理经济模型。它是以定义形式而存在的,就是运用理论和规则表述经济问题中的量的关系。用数学数量相关的理论和方法结合建立模型我们通常称之为计量经济模型,它是统计、数学和经济三种理论知识结合产生出来的。以统计学为基础是它的主要特性。数据的完整是这种理论存在的前提。投入和产出的分析为基础是投入产出模型的理论的主要特性。投入条件和产出的数据是这种模型的主要探讨对象。这种模型存在的条件就是遵循恒等式关系。以系统的部分与总体存在线性关系为假设主要以线性代数为研究工具。各个部门之间的关系,产品地区间的平衡关系和相关的经济活动,都会在这种模型下反应出来。以数学规划理论和方法建立的模型称之为数学规划经济模型。研究对象的数值会被这种模型进行优化,同时反映出经济活动中的存在的问题,选取最佳的方案进行解决。

二、构建和运用经济数学模型时应注意的问题

数学模型对现实的反映是相对而言的,相关的经济范畴的建设是否合理,模型得出的结论是否有着科学性和说服力。在建立数学模型时要注意到以下几点。

1.对所研究的对象要做严谨的数据采集和分析工作。

2.在经济实际中只能对可量化的事物进行数学分析和构建数学模型而模型概念是无法进行数量分析的。尽管经济模型是反映事物的数量关系的离开具体理论所界定的概念就无从对事物的数量进行研究。经济上的量是在一定的界定下的量不是数学中抽象的量。

3.在模型建立的初期要顾及到相关的约束条件。数学方法有着逻辑紧密和推算准确的特性,这决定着数学模型会受到很多条件的制约。如果要确立模型的成立,大多需要假设条件的满足。

4.动态的经济现象用建造的经济模型去分析要注意,时空中不可量化条件的影响,这种影响有一般处于次要因素,但有时会上升到主要因素。

三、建立经济数学模型应遵从的主要原则

1.假设原则。这种原则不是独立存在的,相对而言经济问题的存在不是一种矛盾造成的,复杂的矛盾进行交错,所以在解决问题的时候要理清思路分清主次。排除干扰因素这样的假设在更接近实际的情况。假设的时条件的影响的大小、变量的大小和模型的适用范围等都是我们要考虑到的问题。

2.最优原则。这个原则分为两个方面。一个是经济变量和体系相互作用并且优化使得达到最佳。二是无约束条件极值存在而达到效率的最优、资源配置的最佳、消费效用或利润的最大化。

数学建模模型分析范文篇9

【关键词】大学数学;微积分;数学建模

长期以来,微积分都是大学理工专业的基础性学科之一,也是学生普遍感觉难学的内容之一.究其原因,既有微积分自身属于抽象知识的因素,也有教学过程中方法失当的可能,因此寻找更为有效的教学思路,就成为当务之急.

数学教学中一向有建模的思路,中学教育中学生也接受过隐性的数学建模教育,因而学生进入大学之后也就有了基础的数学建模经验与能力.但由于很少经过系统的训练,因而学生对数学建模及其应用又缺乏必要的理论认识,进而不能将数学建模转换成有效的学习能力.而在微积分教学中如果能够将数学建模运用到好处,则学生的建构过程则会顺利得多.本文试对此进行论述.

一、数学建模的学习价值再述

从学生的视角纵观学生接受的教学,可以发现现在的大学生所经历的教学往往更多地将研究重心放在教学方式上,基础教育阶段经历过的自主合作探究的教学方式,成为当前大学生的主流学习方式.这种重心置于教学方式的教学思路,会一定程度上掩盖传统且优秀的教学思想,不幸的是,数学建模就是其中之一.大学数学教学中,数学建模理应彰显出更充分的显性价值.现以微积分教学为例进行分析.

大学数学教学中,微积分知识具有分析、解决实际问题的作用,其知识的建构也能培养学生的应用数学并以数学眼光看待事物的意识与能力,而这些教学目标的达成,离不开数学建模.比如说作为建构微积分概念的重要基础,导数很重要,而对于导数概念的构建而言,极值的教学又极为重要,而极值本身就与数学建模密切相关.极值在微积分教学中常常以这样的数学形式出现:设y=f(x)在x0处有导数存在,且f′(x)=0,则x=x0称为y=f(x)的驻点.又假如有f″(x0)存在,且有f’(x)=0,f″(x)≠0,则可以得出以下两个结论:如果f″(x)0,则f(x0)是其极小值.在纯粹的数学习题中,学生在解决极值问题的时候,往往可以依据以上思路来完成,但在实际问题中,这样的简单情形是很难出现的,这个时候就需要借助一些条件来求极值,而在此过程中,数学建模就起着重要的作用.譬如有这样的一个实际问题:为什么看起来体积相同的移动硬盘会有不同的容量?给定一块硬盘,又如何使其容量最大?事实证明,即使是大学生,在面对这个问题时也往往束手无策.根据笔者调查研究,发现学生在初次面对这个问题的时候,往往都是从表面现象入手的,他们真的将思维的重点放在移动硬盘的体积上.显然,这是一种缺乏建模意识的表现.

反之,如果学生能够洞察移动硬盘的容量形成机制(这是数学建模的基础,是透过现象看本质的关键性步骤),知道硬盘的容量取决于磁道与扇区,而磁道的疏密又与磁道间的距离(简称磁道宽度)有关,有效的磁道及宽度是一个硬盘容量的重要决定因素.那就可以以之建立一个极限模型,来判断出硬盘容量最大值.从这样的例子可以看出,数学建模的意识存在与否,就决定了一个问题解决层次的高低,也反映出一名学生的真正的数学素养.因而从教学的角度来看,数学建模在于引导学生抓住事物的关键,并以关键因素及其之间的联系来构建数学模型,从而完成问题的分析与求解.笔者以为,这就是包括数学建模在内的教学理论对学生的巨大教学价值.

事实上,数学建模原本就是大学数学教育的传统思路,全国性的大学生数学建模竞赛近年来也有快速发展,李大潜院士更是提出了“把数学建模的思想和方法融入大学主干数学课程教学中去”的口号,这说明从教学的层面,数学建模的价值是得到认可与执行的.作为一线数学教师,更多的是通过自身的有效实践,总结出行之有效的实践办法,以让数学建模不仅仅是一个美丽的概念,还是一条能够促进大学数学教学健康发展的光明大道.

二、微积分教学建模应用例析

大学数学中,微积分这一部分的内容非常广泛,从最基本的极限概念,到复杂的定积分与不定积分,再到多元函数微积分、二重积分、微分方程与差分方程等,每一个内容都极为复杂抽象.从学生完整建构的角度来看,没有一个或多个坚实的模型支撑,学生是很难完成这么多内容的学习的.而根据笔者的实践,基于数学建模来促进相关知识的有效教学,是可行的.

先分析上面的极限例子.这是学生学习微积分的基础,也是数学建模初次的显性应用,在笔者看来该例子的分析具有重要的奠基性作用,也是一次重要的关于数学建模的启蒙.在实际教学过程中,笔者引导学生先建立这样的认识:

首先,全面梳理计算机硬盘的容量机制,建立实际认识.通过资料查询与梳理,学生得出的有效信息是:磁盘是一个绕轴转动的金属盘;磁道是以转轴为圆心的同心圆轨道;扇区是以圆心角为单位的扇形区域.磁道间的距离决定了磁盘容量的大小,但由于分辨率的限制,磁道之间的距离又不是越小越好.同时,一个磁道上的比特数也与磁盘容量密切相关,比特数就是一个磁道上被确定为1B的数目.由于计算的需要,一个扇区内每一个磁道的比特数必须是相同的(这意味着离圆心越远的磁道,浪费越多).最终,决定磁盘容量的就是磁道宽度与每个磁道上的比特数.

其次,将实物转换为数学模型.显然,这个数学模型应当是一个圆,而磁盘容量与磁道及一个磁道的容量关系为:磁盘容量=磁道容量×磁道数.如果磁盘上可以有效磁化的半径范围为r至R,磁道密度为a,则可磁化磁道数目则为R-ra.由于越靠近圆心,磁道越短,因此最内一条磁道的容量决定了整体容量,设每1B所占的弧长不小于b,于是就可以得到一个关于磁盘容量的公式:

B(r)=R-ra・2πrb.

于是,磁盘容量问题就变成了求B(r)的极大值问题.这里可以对B(r)进行求导,最终可以发现当从半径为R2处开始读写时,磁盘有最大容量.

而在其后的反思中学生会提出问题:为什么不是把整个磁盘写满而获得最大容量的?这个问题的提出实际上既反映了这部分学生没有完全理解刚才的建模过程,反过来又是一个深化理解本题数学模型的过程.反思第一步中的分析可以发现,如果选择靠近圆心的磁道作为第一道磁道,那么由于该磁道太短,而使得一个圆周无法写出太多的1B弧长(比特数),进而影响了同一扇区内较长磁道的利用;反之,如果第一磁道距离圆心太远,又不利于更多磁道的利用.而本题极值的意义恰恰就在于磁道数与每磁道比特数的积的最大值.通过这种数学模型的建立与反思,学生往往可以有效地生成模型意识,而通过求导来求极值的数学能力,也会在此过程中悄然形成.

又如,在当前比较热门的房贷问题中,也运用到微积分的相关知识,更用到数学建模的思想.众所周知,房贷还息有两种方式:一是等额本金,一是等额本息.依据这两种还款方式的不同,设某人贷款额为A,利息为m,还款月数为n,月还款额为x.根据还款要求,两种方式可以分别生成这样的数学模型:

x1=Am(1+m)n(1+m)n-1,

x2=Amemnemn-1.

显然,可以通过微积分的相关知识对两式求解并比较出x1和x2的大小,从而判断哪种还款方式更为合理.在这个例子当中,学生思维的关键点在于对两种还款方式进行数学角度的分析,即将还款的相关因子整合到一个数学式子当中去,然后求解.实际上本题还可以进一步升级,即通过考虑贷款利率与理财利率,甚至CPI,来考虑贷款基数与利差关系,以求最大收益.这样可以让实际问题变得更为复杂,所建立的数学模型与所列出的收益公式自然也就更为复杂,但同样能够培养学生的数学建模能力.限于篇幅,此不赘述.

三、大学数学建模的教学浅思

在实际教学中笔者发现,大学数学教学中,数学建模有两步必走:

一是数学建模本身的模式化过程.依托具体的教学内容,将数学建模作为教学重点,必须遵循这样的四个步骤:合理分析;建立模型;分析模型;解释验证.其中合理分析是对实际事物的建模要素的提取,所谓合理,即是要从数学逻辑的角度分析研究对象中存在的逻辑联系,所谓分析即将无关因素去除;建立模型实际上是一个数学抽象的过程,将实际事物对象抽象成数学对象,用数学模型去描述实际事物,将实际问题中的已知与未知关系转换成数学上的已知条件与待求问题;在此基础上利用数学知识去求解;解释验证更多的是根据结果来判断模型的合理程度.通常情况下,课堂上学生建立的模型有教师的判断作楸Vぃ因而合理程度较高,而如果让学生在课后采集现实问题并利用数学建模的思路去求解,则往往受建立模型过程中考虑因素是否全面,以及数学工具的运用是否合理等因素影响,极有可能出现数学模型不够精确的情形.这个时候,解释验证就是极为重要的一个步骤,而如果模型不恰当,则需要重走这四个步骤,于是数学模型的建立就成为一个类似于课题研究的过程,这对于大学生的数学学习来说,也是一个必需的过程.

二是必须基于具体知识去引导学生理解数学建模.数学建模作为一种数学思想,只有与具体实例结合起来才有其生命力.在微积分教学中之所以如此重视建模及应用,一个重要原因就是微积分知识本身过于抽象.事实表明,即使进入高校,学生的思维仍然不足以支撑这样的抽象的数学知识的构建,必须结合具体实例,让学生依靠数学模型去进行思考.因此,基于具体数学知识与实际问题的教学,可以让学生在知识构建中理解数学模型,在模型生成中强化知识构建,知识与数模之间存在着相互促进的关系,而这也是大学数学教学中模型应用的较好境界.

【参考文献】

数学建模模型分析范文篇10

一、经济数学模型的基本内涵

数学模型是数学思想精华的具体体现,是对客观实际对象的数学表述,它是在一定的合理假设前提下,对实际问题进行抽象和简化,基于数学理论和方法,用数学符号、数学命题、图形、图表等来刻画客观事物的本质属性及其内在联系。当数学模型与经济问题有机地结合在一起时,经济数学模型也就产生了。所谓经济数学模型,就是把实际经济现象内部各因素之间的关系以及人们的实践经验,归结成一套反映数量关系的数学公式和一系列的具体算法,用来描述经济对象的运行规律。所以,经济数学模型是对客观经济数量关系的简化反映,是经济现象和经济过程中客观存在的量的依从关系的数学描述,是经济分析中科学抽象和高度综合的一种重要形式。

经济数学模型是研究分析经济数量关系的重要工具,它是经济理论和经济现实的中间环节。它在经济理论的指导下对经济现实进行简化,但在主要的本质方面又近似地反映了经济现实,所以是经济现实的抽象。经济数学模型能起明确思路、加工信息、验证理论、计算求解、分析和解决经济问题的作用,特别是对量大面广、相互联系、错综复杂的数量关系进行分析研究,更离不开经济数学模型的帮助。运用经济数学建模来分析经济问题,预测经济走向,提出经济对策已是大势所趋。

在经济数学模型中,用到的数学非常广泛,有些还相当精深。其中包括线性规划、几何规划、非线性规划、不动点定理、变分发、控制理论、动态规划、凸集理论、概率论、数理统计、随机过程、矩阵论、微分方程、对策论、多值函数、机智测度等等,它们应用于经济学的许多部门,特别是数理经济学和计量经济学。

二、建立经济数学模型的基本步骤

1.模型准备。首先要深入了解实际经济问题以及与问题有关的背景知识,对现实经济现象及原始背景进行细致观察和周密调查,以获取大量的数据资料,并对数据进行加工分析、分组整理。

2.模型假设。通过假设把实际经济问题简化,明确模型中诸多的影响因素,并从中抽象最本质的东西。即抓住主要因素,忽略次要因素,从而得到原始问题的一个简化了的理想化的自然模型。

3.模型建立。在假设的基础上,根据已经掌握的经济信息,利用适当的数学工具来刻画变量之间的数学关系,把理想化的自然模型表述成为一个数学研究的题材——经济数学模型。

4.模型求解。使用已知的数学知识和观测数据,利用相关数学原理和方法,求出所建模型中各参数的估计值。

5.模型分析。求出模型的解后,对解的意义进行分析、讨论,即这个解说明了什么问题?是否达到了建模的目的?根据实际经济问题的原始背景,用理想化的自然模型的术语对所得到的解进行解释和说明。

6.模型检验。把模型的分析结果与经济问题的实际情况进行比较,以考察模型是否符合问题实际,以此来验证模型的准确性、合理性和实用性。如果模型与问题实际偏差较大,则须调整修改。

三、建立经济数学模型应遵从的主要原则

1.假设原则。假设是某一理论所适用的条件,任何理论都是有条件的、相对的。经济问题向来错综复杂,假设正是从复杂多变因素中寻求主要因素,把次要因素排除在外,提出接近实际情况的假设,从假设中推出初步结论,然后再逐步放宽假设条件,逐步加进复杂因素,使高度简化的模型更接近经济运行实际。作假设时,可以从以下几方面来考虑:关于是否包含某些因素的假设;关于条件相对强弱及各因素影响相对大小的假设;关于变量间关系的假设;关于模型适用范围的假设等等。

2.最优原则。最优原则可以从两方面来考虑:其一是各经济变量和体系上达到一种相对平衡,使之运行的效率最佳;其次是无约束条件极值存在而达到效率的最优、资源配置的最佳、消费效用或利润的最大化。由于经济运行机制是为了实现上述目标的最优可能性,我们在建立经济数学模型时必须紧紧围绕这一目标函数进行。

3.均衡原则。即经济体系中变动的各种力量处于相对稳定,基本上趋于某一种平衡状态。在数学中所表述的观点是几个函数关系共同确定的变量值,它不单纯是一个函数的变动去向,而是整个模型所共有的特殊结合点,在该点上整个体系变动是一致的,即达到一种经济联系的平衡。如需求函数和供给函数形成的均衡价格和数量,使市场处于一种相对平衡状态,从而达到市场配置的最优。

4.数、形、式结合原则。数表示量的大小,形表示量的集合,式反映了经济变量的联系及规律,三者之间形成了逻辑的统一。数学中图形是点的轨迹,点是函数的特殊值,因而也是函数和曲线的统一。可以认为经济问题是复杂经济现象中的一个点,函数则是经济变量之间的相互依存、相互作用关系,图形就是经济运行的规律和机制。所以,数、形、式是建模的主要工具和手段,是解决客观经济问题的三个要素。

5.抽象与概括的原则。抽象是思维的延伸,概括是思维的总结,抽象原则揭示了善于从纷繁复杂的经济现象延伸到经济本质,挖掘其本质的反映,概括是经济问题的纵横比较与分析,以便把握其本质属性,揭示其规律。

四、构建和运用经济数学模型应注意的问题

经济数学模型是对客观经济现象的把握,是相对的、有条件的。经济研究中应用数学方法时,必须以客观经济活动的实际为基础,以最初的基本假设为条件,一旦突破了最初的基本假设,就需要研究探索使用新的数学方法;一旦脱离客观经济实际,数学的应用就失去了意义。因此,在构建和运用经济数学模型时须注意到:

1.首先对所研究的经济问题要有明确的了解,细致周密的调查。分析经济问题运行的规律,获取相关的信息和数据,明确各经济变量之间的数量关系。如果条件不太明确,则要通过假设来逐渐明确,从而简化问题。

2.明确建模的目的。出于不同的目的,所建模型可能会有很大的差异。建模目的可能是为了描述或解释某一经济现象;可能是预报某一经济事件是否发生,或者发展趋势如何;还可能是为了优化管理、决策或控制等。总之,建立经济数学模型是为了解决实际经济问题,所以建模过程中不仅要建立经济变量之间的数学关系表达式,还必须清楚这些表达式在整个模型中的地位和作用。

3.在经济实际中只能对可量化的经济问题进行数学分析和构建数学模型,对不可量化的事物只能建造模型概念,而模型概念是不能进行数量分析的。尽管经济模型是反映事物的数量关系的,但必须从定性开始,离开具体理论所界定的概念,就无从对事物的数量进行分析和讨论。

4.不同数学模型的求解一般涉及不同的数学分支的专门知识,所以建模时应尽可能利用自己熟悉的数学分支知识。同时,也应征对问题学习了解一些新的知识,特别是计算机科学的发展为建模提供了强有力的辅助工具,熟练掌握一些数学或经济软件如Matlab、Mathematic、Lindo也是必不可少的。

数学建模模型分析范文篇11

论文摘要:计量经济学是一门涉及面广、计算复杂的较难学的课程。从学这门课应具备的知识条件入手。分析了学好的关键问题是:要把握线性回归模型的几个基本假定,要学会建模,要懂得几种参数估计的方法,还要明白模型检验的意义。

计量经济学是经济学领域内的一门应用性学科。它是以统计知识、数学方法为基础,以一定的经济理论为指导,以计算机为手段,通过建立计量经济模型,考察和研究经济社会中各种经济变量之间的数量关系,预测经济发展的趋势,检验经济政策效果的一门非常具有实用价值的学科。现在很多专业都开设这门课。但由于这门课涉及的知识面广、计算公式多而复杂,要求的应用手段高,所以,学生在学的过程中感到比较困难,且学的效果也不太理想。本人根据自己的教学体会,谈谈学好这门课应注意的几个关键问题。

首先.学生学这门课程必须具备以下条件:统计学、数学和经济学知识以及计算机技术。且缺一不可。

(一)对统计学而言,为了测定经济变量之间的数量关系,计量经济研究过程中采用了统计学的分析方法,如:计量经济学模型的统计检验、参数估计的方法以及建立模型所需要的统计数据资料的搜集等都离不开统计方法。特别是统计数据的搜集、整理和分析。因此,统计学就成为计量经济学研究的基础。统计资料的准确性、时效性和系统性就成为计量经济学模型建立的好坏、参数估计代表性大小的影响因素。

(二)对经济学而言,经济学是计量经济学的理论基础,因为计量经济学研究的主题是经济现象发展变化的规律,计量经济模型描述的是经济变量之间的数量关系,这就决定了计量经济研究必须以经济理论和经济运行机制作为建立模型的理论基础。如消费函数和投资函数的建立,就是以不同的消费理论和投资理论为前提的。此外,计量经济研究的结论反过来可以验证有关经济理论的正确与否。

(三)对数学而言,为了将经济理论和客观事实有机的结合起来,需要采用适当的方法。由于计量经济学研究的主要是多个因素之间静态或动态的随机关系,所以需要引人数理统计以及微积分与矩阵等理论方法,这些方法成为计量经济研究的建模工具。如利用最小二乘法估计模型中的参数就利用到微积分中的极值原理,在多元线性回归模型中要用矩阵理论推导参数的性质,在搜集资料时要用抽样理论等。现在经济学研究的数学化和定量化是经济学科学化的标志。这种科学化推动了经济学领域的发展,如微分学与边际理论,优化方法与最优配置理论,所以,数学是计量经济分析的一个基本工具,用数学方法去思考和描述经济问题和政策,这是计量经济学的关键。

(四)对计算机技术而言,社会发展到今天,计算机已普遍运用到定量分析中,定量分析是依据数理统计理论的发展而发展起来的。它包括系统论、信息论和控制论,其多数方法复杂,计算工作量大,这就需要利用计算机软件来解决问题。

所以,要想学好计量经济学,学生就必须要有厚实的统计学基础,扎实的数学功底和熟练的计算机应用技术。否则,分析问题时将会很困难,甚至分析不下去,即使分析出来,结论和实际也会有很大偏差或者根本和实际经济运行规律相违。

其次,学生学这门课必须注意把握线性回归模型的几个基本假定。

(一)几个基本假定是运用最小二乘法的前提条件。对于线性回归模型,模型估计的任务是用回归分析的方法估计模型的参数,常用的方法是普通最小二乘法,简称ors法,为保证参数估计量具有良好的性质,就需对模型提出几个假定。如果实际模型满足这些假定,ors法就是一种适用的方法,如果实际模型不满足这些假定,ors法就不再适用,这就需要发展其它方法来估计模型。因此它是运用ors法的前提。

几个基本假定是:1、假定解释变量xi是确定性变量,不是随机变量,且之间互不相关。(是第i个解释变量);2、零均值假定,即,其中为随机误差项;3、同方差假定,即,其中为方差;4、无自相关假定,即COV;5、解释变量与随机误差项之间互不相关假定,即;6、随机误差相服从均值为0,方差为的正态分布假定,即。

(二)几个基本假定是贯穿计量经济学的一条主线。计量经济学研究的一个主要任务是对模型进行计量经济检验,目的是检验计量经济学的性质。一般是检验模型中随机误差项是否存在异方差和序列相关的问题、解释变量是否存在多重共线性问题以及解释变量是否是随机变量,这些问题都是根据这几个基本假定而来的,即如果违背了同方差假定,模型就存在异方差,即;如果违背解释变量之间互不相关假定,模型就存在多重共线性问题,即0;如果违背随机误差项在不同样本点之间互不相关假定,模型就存在自相关问题,即0;如果违背解释变量是确定性变量的假定,那么模型就存在解释变量是随机变量的问题。每一个问题都有它产生的原因,会造成不同的后果,因此,就有不同的模型检验、处理和估计的方法,所以学生要特别注意把握这几个基本假定。

第三.学生学这门课要了解为什么要建模.以及如何建模?

模型就是表达研究系统内经济变量之间关系的一个或一组数学方程式。它是根据经济行为理论和样本数据显示出的变量间的关系建立的。如生产函数模型,在实际生活中,经济系统各部门之间、经济过程各环节之间、经济活动中各因素之间除了存在经济行为理论上的相互联系之外,还存在数量上的相互依存关系,这些关系可通过模型来表达。通过模型可进行结构分析、经济预测、政策评价和检验与发展经济理论。模型研究的是当一个或几个变量发生变化时,会对其它变量以至整个经济系统发生影响。如果人们不通过建模,而过分依赖直觉,即凭经验和学识去判断变量之间的关系,则会很危险,因为可能会忽略或者错误地使用某些重要的关系。另外,凭直觉判断变量之间的关系充其量只能算作定性分析,它只能分析出变量发展的趋势,而不能分析出当一个或几个变量每变动一个单位时会引起另一个变量变动几个单位,也就是说,它不能进行定量分析,不能证实变量变化的度以及进行统计检验和计量经济学检验。再有,经济预测时,要提供预测的精度,凭直觉的方法通常会阻碍预测结果置信度的数学度量。所以,只有通过建模,才能比较准确地反映经济现象中各经济变量之间的关系。

那么如何才能科学合理的建模?建模是一门很难掌握的艺术,因为它主要依赖建模过程中的直觉判断,而这些判断又没有清楚的准测。一般建模的方式有四种:一是根据经济行为理论,运用数理经济学的研究方法,判断变量间的关系,推导出模型的具体数学形式;二是根据实际统计资料绘制被解释变量与解释变量之间的相关图,由相关图现实的变量之间的关系确定模型的数学形式。如果相关图中的点大致呈一条直线,那么就建立直线回归模型,如果大致呈一条指数曲线,就建立指数曲线回归模型;三是如果数列是时间数列,可根据时间数列的特点确定模型。例如,若时间数列中各项数据的K次差大致为一常数,一般说可考虑配合K次曲线模型,若时间数列中各项数据的对数一次差大体为一常数,可考虑配合指数曲线模型;四是在某些情况下,如果无法事先确定模型的数学形式,那么就可采用各种可能的形式进行段模拟,然后选择其中较好的一种。这几种方式都是对理论模型的初步设定,在模型的估计和检验过程中还需逐步调整,以得到一个函数形式较为合理的模型。一个合理的模型应包括三点:(1)要符合经济现象的行为理论;(2)模型的建立方法和参数的估计方法要科学;(3)数据要真实可靠。

第四.学生学这门课必须掌握几个主要知识点。

这门课主要学单方程计量经济学模型、扩展的单方程计量经济学模型、联立的计量经济学模型以及模型的应用,其中又以单方程计量经济学模型为基础。不管什么样的模型,都要涉及到模型的建立、参数的估计以及模型的检验,这些其实就是这门课的主要知识点。模型的建立前己述过,这里主要谈谈参数估计的方法和模型的检验方法。

(一)参数估计的方法。模型建立以后,要想在实际中对经济现象进行估计和预测就必须估计模型的参数。参数是模型中表示变量之间数量关系的系数,说明解释变量对被解释变量的影响程度,它是未知的,需要估计。因此参数估计方法是计量经济学的核心内容,可根据不同的原理构造不同类型的估计方法。主要方法有:

1、普通最小二乘法(OIS法),是应用最多的一种方法。因为用这种方法估计的参数具有线性性、无偏性和最小方差性,即参数具有优良的性质。这种方法是从最小二乘原理出发的其它估计方法的基础,如加权最小二乘法、折扣最小二乘法、间接最小二乘法、二阶段最小二乘法。它的理论前提是各实际观察值与理论估计值离差平方和最小。

2、最大或然法(ML法),也称最大似然法。这种方法是从最大或然原理出发发展起来的一种估计参数的方法。虽然其应用没有最小二乘法普遍.但在计量经济学中占据很重要的地位。其原理是当从模型总体中随机抽取n组样本观测值之后,最合理的参数估计量应该使得从模型中抽取该n组样本观测值的联合概率最大。这个联合概率又称为变量的或然函数,通过对或然函数极大化以求得总体参数的估计量。

3、高斯—牛顿迭代法。对于有些不能转化为线性方程的非线性方程模型,估计参数时用高斯—牛顿迭代法就是一种适用的方法。它的基本思想是用泰勒级数展开式去近似地代替非线性回归模型,然后通过多次迭代去多次修正回归系数,使回归系数不断逼近非线性回归模型的最佳系数,最后使原模型的残差平方和达到最小。它的程序是:(1)选择初始值;(2)把泰勒级数展开;(3)估计修正因子;(4)检验精确度;(5)重复迭代。

(二)模型检验的类型。参数估计出之后,模型便已确定。但模型是否符合实际,能否解释实际经济运行过程,是否最大限度地拟合了样本数据,还需要进行检验,检验类型包括:

1、经济意义检验,主要检验各个参数值的符号以及数值的大小、数值之间的关系在经济意义上是否合理。例如,需求函数中,需求量一般与收人正相关,与价格负相关。所以,收人与价格的参数估计值分别应取正值和负值,如果结果相反,就应调整模型。又如,食品支出的恩格尔函数:其中:表示人均月食品支出水平,表示人均月收人水平,那么的取值区间应在。到1之间,因为食品的增长幅度一般低于收人的增长幅度,如超出这个范围,则不能通过经济意义的检验。

2、统计检验,是利用数理统计中的推断方法,对估计结果的可靠性进行检验。一般包括拟合优度检验法、模型的显著性检验法(F检验法)和解释变量检验法(T检验法)等。统计检验是对所有现象进行回归分析时都必须通过的检验。

数学建模模型分析范文篇12

关键词:时间序列分析上证指数ARIMA(p,d,q)模型预测

1.引言

“炒股票”是人们日常生活中一种非常常见的活动,但是受多种不确定因素的影响,股票价格往往随时间的变化而变化,导致股市呈现出随机性和非线性的波动趋势,这无疑给投资者们带来巨大的投资风险。本文以上证指数的历史数据为研究对象,分析并对其建立ARIMA模型。对所建立的模型进行检验和参数估计,检验其适应性以找到更优化的模型。应用模型对上证指数数据进行分析和预测,对2014年的上证指数的趋势走向进行分析说明。

2.数据的选取和预处理以及建立ARIMA模型

2.1数据预处理

对于时间序列的预处理主要是对数据进行三个方面的分析,即直观分析,特征分析和相关分析。

2.1.1原始数据序列的平稳性检验

(1)序列图直观检验

绘制原始数据(见表1)序列open的序列图,如图2-1所示:

从序列图直观分析,可以看出序列不符合零均值同方差的特征,初步判断序列不平稳。

2.1.2原始数据序列平稳化处理。通过各种数据处理方法将数据的非平稳特性从序列中分离出来,将其转为平稳的时间序列。

对原序列open进行一阶差分,生成一阶差分序列open1,其序列图如图2-2所示:

图2-2一阶差分序列时序图

Open1序列的时间序列图始终围绕一个常数值波动,因此可以认为该序列是平稳序列。

2.2建立ARIMA模型

(1)模型的初步识别和定阶。由原始数据的分析与处理可知,2013年9月1日至2014年4月14日上证指数的开盘价格数据时间序列是一个非平稳的时间序列,但是一阶差分后序列满足平稳性,故可以使用ARIMA(p,d,q)模型对其进行拟合。根据自相关图和偏相关图,可以看出,自相关系数和偏相关系数都是拖尾的,则open1为ARMA(p,q)序列。初步确定适合阶数p的取值为3、6,适合阶数q的取值也为3、6。ARIMA模型组合共有四组:ARIMA(3,1,3),ARIMA(3,1,6),ARIMA(6,1,3),ARIMA(6,1,6)。

(2)模型的适应性检验。即检验残差序列是否为白噪声序列。原假设是剩余序列是相互独立的白噪声序列,分别对各模型进行检验,结果显示F统计量均大于显著性水平,所以接受原假设,认为残差序列是白噪声序列,四组模型都通过了检验。

根据AIC准则,我们选择ARIMA(3,1,6)模型对open序列进行建模。ARIMA(3,1,6)模型的适应性检查,如图2-3所示:

图2-3ARIMA(3,1,6)模型的适应性检查

从上图可以看出,ARIMA(3,1,6)模型的拟合曲线基本接近。

2.3预测结果及误差

在进行模型预测的时候,用于对模型进行检验的数据是从2014年3月1日到4月1日的每天的上证指数开盘价格,如果模型的拟合效果比较好,可以认为这个模型是比较成功的;如果模型的拟合效果不是很好,我们就需要利用实际的数据对模型进行修改,然后对2014年后的数据进行预测。

用模型进行拟合预测,如图2-4所示:

从拟合效果图可以看出,ARIMA(3,1,6)模型对原始数据序列的拟合程度很好。

利用ARIMA(3,1,6)模型对2013年12月17日到2014年2月1日每天的上证指数收盘价进行预测,得到2013年12月17日到2014年2月1日每天的上证指数收盘价的预测值,并与实际值相比较,平均误差为0.9%,基本上符合了模型的精度要求。

3.结束语

对上证指数开盘价格所建立的ARIMA(3,1,6)模型,基于该模型上证指数开盘价格的定量分析,可以看出,上证指数开盘价格在短期内依然在2150到2400间上下浮动,但也有可能出现小幅的上扬,开盘价格突破2400。用此模型对大盘走势进行短期预测,可为投资者提供投资决策的依据。

参考文献:

[1][美]BOXGeorgeEP,JenkinsGwilym,ReinseGregory.时间序列分析:预测与控制[M].顾岚主,译.北京:中国统计出版社,1997

[2]常学将、陈敏、王明生.时间序列分析[M].北京:高等教育出版社,1993

[3]张大维、刘博、刘琪.EViews数据统计与分析教程[M].北京:清华大学出版社,2010.6

[4]李学军.基于ARIMA模型的外汇汇率时间序列预测研究[J].华东交通大学学报,2009,26(5)

[5]杨宇.基于ARMA模型对地价指数的预测[J].统计与决策,2007;5(1):40-11

    【公文范文】栏目
  • 上一篇:未来能源作文五篇
  • 下一篇:电气自动化特点(6篇)
  • 相关文章

    推荐文章

    本站专题