航班延误问题
摘要
近年来，随着我国航班延误问题的增多，所引起乘客与航空公司之间的纠纷也逐渐增多，如果不能及时得到解决，会激发两者之间的矛盾，从而影响我国航空公司的声誉。本文根据收集所得的数据，分析国内航班延误的真实原因，并对航空公司提出优良的改进措施，对乘客提出合理的应对策略。
针对问题一，我们首先对收集到的原始数据进行统计并处理，得到航班总数，延误航班数及航班延误率（也有具体每个月的数据），在此基础上，将这些数据进行合理的处理后得出结论是不正确的。
针对问题二，本文将所得数据进行整理，得到航班总数、正常航班数、不正常航班数的时间序列数据，而且在此基础之上，对因各种因素导致的航班延误数进行统计分析，充分挖掘航班延误的几个主要原因是航空公司自身原因，流量原因，天气原因等。
针对问题三，目前我国国内对航班延误的研究有很多，如对于已知的不正常航班延误调度模型及算法，而本文将采用层次分析法和一致矩阵法，将问题归结为确定供决策的方案相对于减少航班延误率的相对重要权值或相对优劣次序的排定。
关键词：航班延误率层次分析法一致矩阵法
一、问题重述
1、题目所给材料得出的中国航班延误问题最严重的结论是否正确？
2、我国航班延误的主要原因是什么？
3、对于解决航班延误问题有什么改进措施？
二、问题分析
2.1问题一的分析
问题一要求我们回答中国的航班延误问题是否最严重。首先，我们查阅国内外各大航空公司的网页和一些主要统计部门的相关信息，得到大量关于国内外各大航班的延误情况的原始统计数据，然后考虑用MATLAB软件对这些数据进行合理分析并做出统计数据的相关图形，通过对比分析国内外航班的延误状况，从而得到结论。
2.2问题二的分析
分析航班延误的主要原因。航班延误是当前国民行业发展中的一大难题，也是顾客对航空服务质量不满意的主要内容。根据收集到的数据，可以发现导致航班延误有两大主要原因，一是航空公司自身的原因，涉及到航空公司自身的相关运行管理；另一方面是非航空公司自身因素，包括空管流量控制，恶劣天气，军事活动等非航空公司自身因素。为了问题分析的方便，进而对数据进行更深层次的挖掘处理，并且有效的结合实际情况，分析得出航班延误的主要原因。
2.3问题三的分析
问题三要求提出对于航班延误的改进措施（如航空公司的预定票策略，乘客购买航空延误保险或恰当选择出行方式等），我们通过分析历年我国航班的延误率初步得出我国延误的大致水平，然后从航班延误成本和航班延误时长两个点入手，构造动态规划模型，最后为航空公司提供一种合理的管理措施，即延误时长在一定的合理的范围内，满足延误成本最小的建议。同时我们通过分析航班延误率和延误时长的变化规律，给乘坐飞机的乘客提出几种合理的意见，如周六航班延误时间比较长且延误的可能性比较大，对于此种情况延误系数较大的乘客不建议在周六出行。
三、问题假设
1、假设收集到的数据都是可靠的；
2、假设没有重大的自然灾害导致航班延误；
3、假设国内外对于准点率的标准是一致。
四、符号定义与说明
C
降低航班延误率 1B 正常航班数量 2B 利润 3B 乘客印象 1A 做好运营管理 2A 增加航路 3A 增加保险金额 4A 增广航域
1D 方案A 1、A 2、A 3、A 4对准则B 1的判断矩阵 2D 方案A 1、A 2、A 3、A 4对准则B 2的判断矩阵 3D 方案A 1、A 2、A 3、A 4对准则B 3的判断矩阵 4D
准则B 1、B 2、B 3对目标C 的判断矩阵 ij a 矩阵中第i 行第j 列的元素 λ
判断矩阵自身产生的误差
ij λ
判断矩阵中第i 行j 列的元素产生的误差 v 判断矩阵最大特征根对应特征向量
w i
判断矩阵最大特征根对应特征向量第i 行的元素 γ
判断矩阵的最大特征根
五、模型建立
5.1问题一的模型建立
FlightSatas发布的月度全球航空报告称，6月份北京、上海在全球35个主要国际机场里面的准点率垫底。上海浦东机场倒数第二，准点率仅为28.72%。就是说，在浦东机场乘10次飞机，只有3次是准时的，见[1]。
事实上，自今年 3月起FlightStats发布全球35个主要机场延误率排行榜以来，中国北、上、广三地机场四个月间始终处于垫底位置（6月缺少广州机场数据）。历史数据显示，今年3到5月，上海浦东机场准点率分别为30%、33%和36%，在6月则跌至28.72%。
但是我国的航班准点率真的有这么低吗？答案不是这样的。
原因一：“航空物语”前几日做了一个科普：以6月7日广州飞北京的中国南方航空CZ3103航班为例，南航内部数据显示的是飞机在12时01分实际滑出（此时显然舱门已关闭），经过跑道滑行后12时35分实际离地。而在FlightStats网站查询到的CZ3103航班信息，航班离港时间是12时35分（也就是实际起飞时间，时间点C）。而在其页面下方，清晰地标注着航班延误计算的是实际关闭舱门（时间点B）和计划关闭舱门（时间点A）相距的时间差。
这也就是说，FlightStats在美国和欧洲等大部分国家采用的数据都是飞机“舱门关闭时间”，而对中国机场采用飞机实际起飞时间，由于飞机从关舱门到离地之间还有跑道滑行、等候等耗时，大约需要半个小时，这样的计算方式是不公平的。
原因二：机场的延误率不能单从某一段时间或某一个机场的航班情况而断定，我们应该从长时间和多个机场的整体情况来考虑问题。
5.1.1关于飞机晚点时间的规定
对于我国机场来说，如果一个航班在计划起飞时间后30分钟内完成起飞（机轮离地），即认为该航班准点放行；对于航空公司而言，如果一个航班在计划降落后30分钟内着陆（机轮接地），则该航班准点到港，反之即为晚点。但在这里值得提及的是在国际上规定的晚点时间是在15分钟内完成起飞。因此我们所得到的数据是按照各国自己国情所规定的晚点时间统计的。
针对以上情况，在以下的模型建立与求解中，我们不对数据进行重新统计，采取遵照各国原始数据所反映的延误率情况的原则，进行数据和模型的分析。
5.1.2延误率分析
经过我们这几天的查找，我们找到了中国与美国之间航班正常率的数据，如表5.1，[2]。
表5.1中国与美国航班准点率对比
年份中国美国年份中国美国
2007年83.19% 73.42% 2011年77.20% 79.62%
2008年82.57% 76.04% 2012年74.83% 81.85%
2009年81.90% 79.49% 2013年73.56% 78.00%
2010年75.80% 79.79% 2014年65.44% 76.20%
表5.1是我国与美国07-14年的正常率的比较图，由此可以看出07-11年我国的正常率是和美国差不多的在有些年份是高于美国的，但是11年以来我国的正常率却呈现出了递减趋势，这确实需要航空公司的进一步合理规划[1]。
为了更方便的看出中美之间的对比我们将表格进行处理得到图5.1，如下
图5.1中美准点率条形图对比
由图5.1我们更能直观的看出中美航班准点率的对比，由此可以看出两者的差距并没有报道上说的那样大。我们对此还收集到了2015年一二月中国多个大型机场的航班准点率，如表5.2和表5.3
表5.2各大机场一月份正常率 表5.3各大机场二月份正常率
由表5.2和5.3足以看出我国大型机场
正常率是不低的，只是在个别月份内有所下降，并且题中所说的机场并不能代表我国所有的机场。
由原因一二加上我们对收集到数据的分析和处理足以说明我国只是在个别月份的个别机场出现正常率很低的情况，相对于全国的机场而言我国航班的正常率并不低，由此可以看出上述结论具有偏面性，结论是不完全正确的[2]。 5.2问题二的模型建立
航班延误是当前国际民航业发展中的一大难题，也是顾客对航空服务质量不满意的主要内容。由第一问中，我们可知航班延误的主要原因有：一、航空公司的运行管理；二、流量控制；三、恶劣天气影响；四、其他。其中军事活动和机场保障是比例比较小的，所以我们为了问题分析的方便所考虑将这两者归结为其他。经过处理后的数据如下
机场
正常率
同比
昆明 88.71% +6.56 成都 83.31% -7.34 郑州 70.37% -8.60 长沙 65.41% -16.95 大连 77.05% -11.34 深圳 73.64% -1.28 青岛 75.78% -4.25 虹桥 72.30% -13.52 贵阳 67.42% -26.48 广州 67.42% -18.95 西安 83.92% -2.86 重庆
77.48%
-16.67
机场 正常率 同比 昆明 87.68% +9.61 成都 87.33% -7.53 郑州 77.60% -9.62 长沙 79.54% -6.27 北京 78.18% +0.34 深圳 80.85% +7.61 青岛 82.68% +0.57 虹桥 80.79% -1.11 贵阳 80.40% -16.22 广州 81.46% -5.01 西安 86.95% -1.61 重庆
81.03%
-11.7
表5.4所示。
表5.4航班延误原因所占比重
年份航空公司流量控制天气其他
2006 0.48 0.22 0.23 0.07
2007 0.47 0.28 0.15 0.10
2008 0.43 0.19 0.27 0.11
2009 0.39 0.23 0.19 0.19
2010 0.41 0.24 0.23 0.12
2011 0.37 0.28 0.20 0.15
2012 0.36 0.22 0.21 0.21
2013 0.37 0.28 0.21 0.13
将表5.4中的数据以直方图的形式呈现，如下图5.2所示
图5.2航班延误原因直方图[3]
由直方图我们可以清晰的看出，在航班延误影响的因素比例中，航空公司自身的影响是占比重最大的，但从2006年以来，这个比例在逐年下降，天气原因造成的航班延误基本保持在20%左右。
从当前实际来看，导致航班延误的原因可以分成两大类，分别为航空公司自身因素，例如不合理的航班调配；另外一类为非航空公司因素，例如流量控制，天气原因，军事活动等等。在上述归类的四大原因中，除天气原因外，其他三方面原因只是航班延误的表层原因，并不是航班延误的深层次原因和实质性矛盾。表面看来，航空公司
自身因素是航班延误的“罪魁祸首”，因为数据表明，其所占比重为40%左右，但由于航空运输的系统性，航班能否正常准点起飞，很大程度上取决于民航系统中其他相关单位的协调与配合，例如机场和空中交通管理部门，而且，目前的航班延误的统计也存在一定问题，致使一些不是航空公司自身原因导致的航班延误也计入航空公司自身因素里，例如空中交通管理部门实施的流量控制也会导致航班延误。
由此可以得出导致航班延误的真正原因是：随着国家经济社会的发展和改革开放的深入，中国航空运输的需求量日益增加，而民航可使用的空域仅占中国全部空域的20%左右，大量空域被划为军航空域，或者禁区，日益增加的需求量与优先使用的空域资源之间的矛盾是导致航班延误的真实原因。有数据显示：2011年中国人均乘机次数是0.2次，比2002年的0.07次增长了3倍，比1978年提高了100倍。然而改革开放以来，我国民用航空的空域资源一直被限制在20%左右，时至今天，两者之间的矛盾越来越恶化，这才是航班延误的真实原因[4]。
5.3问题三的模型建立
航班延误问题的处理一直是航空公司的比较棘手的一件事，也是国际航空行业的一个痼疾，而目前我国针对航空延误的措施虽不断地在改进，如在2012年成立航班延误治理委员会，建立预警系统和取消航班时刻措施，在一定程度上减小了航班的延误率，但仍是收效甚微,如5.5表所示：
表5.5 2008-2014年我国航班延误率[5]
年份2008年2009年2010年2011年2012年2013年2014年延误率17.43% 18.10% 24.20% 22.80% 15.17% 16.44% 34.56% 从表中可以看出这些措施仅仅做到了治标不治本，在实行措施的年份航班延误率确实有所下降，但在2014年我国航班延误率开始反弹。
目前我国国内对航班延误的研究有很多，而本文将采用层次分析法，将问题归结为确定供决策的方案相对于减少航班延误率的相对重要权值或相对优劣次序的排定。
5.3.1建立层次结构模型
将目标、决策的准则、措施按它们之间相互关系分为最高层、中间层和最低层。根据我们搜集到的信息，构造如下层次结构模型：
最高层：降低航班延误率
中间层：航班数量，成本，乘客印象
最低层：做好运营管理，增加航班延误险金金额，增加航路，增广航域[6]
5.3.2构造判断（成对比较）矩阵
在确定各层次各因素之间的权重时，如果只是定性的结果，则常常不容易被人所接受，因而我们采用Saaty 等人提出的一致矩阵法，通过判断构造矩阵来表示本层所有因素针对上层某一个因素的相对重要性的比较。判断矩阵的元素用Saaty 的标度法给出[7]。 现以求12
34A A A A 对于的判断矩阵给出例子：
设要比较各方案123
4A A A A 对准则1B 重要性
构造相对重要性矩阵
1
(),0,ij n n ij ji ij
A a a a a *=>=
依据我们搜集到的信息，我们构造如下判断矩阵：
1234A A A A
降低航班延误率C
正常航班数量B 1
利润
B 2 乘客印像B 3
做好运营管理A 1
增加航路A 2
增加保险金额A 3
增广航域A 4
目标
准则
方案
116931112631
11192513
5
13
D ?? ? ? ? ?= ? ? ? ???
易知，这样构造出的判断矩阵，若其不是一致阵，则在其矩阵内部一定存在误差，如从矩阵1D 中我们可以得到
???=?==23
)
:(9):(623
31132112a A A a A A a
这与矩阵中223=a 相矛盾，故存在误差。
引入一个量λ来表现误差的大小，通过分析可知，此矩阵1D 为正互反阵，
故只需判断)32,(==>i i i j a ij 或的误差ij λ，而ij λ可由j i i i a a )1()1(,--推出的'
ij a 来定值。在本
文中，我们采用Saaty 给出的公式：
'
ij ij ij
a a λ=- 2,23
ij i j i i λλ<===
∑
或
运用matlab 算得对于矩阵1D ， 5.744λ=，这在Saaty 给出的误差范围内，即我们构造的判断矩阵是可行的。 5.3.3 计算权向量
对于构造出的判断矩阵，我们可以求出其最大特征根所对应特征向量并将其作为权向量。
同样的，下面以求12
34A A A A 对于1B 的判断矩阵的权向量给出例子：
1
11112342222123413333123444441
2
3
41693111
2
631
1
1192513
5
13
w w w w w w w w w
w w w w w w w D w w w w w w w w w w w w w w w w ?? ??? ? ? ? ? ? ? ? ?== ? ?
? ? ? ? ? ??? ???
， ???
???
? ??=4321w w w w v
若1D 为一致阵，则1D 的唯一特征根为4 通过公式
0)4(4=-?*=v E A v Av
可求出v ，对v 进行归一化，可将其作为权向量
若1D 不为一致阵，则采用Saaty 给出的建议，取1D 得最大特征根γ对应特征向量作为权向量联立公式
110()0D E D E γγ?-=?
-=?
可求出（其中，γ取所以可能的值中的最大值） 对于矩阵1D ，我们求出
????
??
? ??----=3803.00825
.01461.09095.0v 即各方案12
34A A A A 对准则1B 的权分别为0.5989,0.0962,0.0543,0.2506
5.3.4模型的求解
依据我们搜集到的数据，我们构建如下判断矩阵 方案12
34A A A A 对准则1B 的判断矩阵
?
?????
??
? ??=153
3
1511
2191
31216139
611D 方案1234A A A A 对准则2B 的判断矩阵
????????
? ??=16
23
16113151
2131
2135212D 方案1234A A A A 对准则3B 的判断矩阵
313291113321
216211119
3
6
D ?? ? ? ? ?= ? ? ? ???
准则123,,B B B 对目标C 的判断矩阵
??
?????
? ??=1241211614614D
使用上述方法，我们可以求出 方案1234A A A A 对准则1B 的权向量1v ， 方案1234A A A A 对准则2B 的权向量2v ， 方案12
3
4A A A A 对准则3B 的权向量3v ，
准则123,,B B B 对目标C 的权向量4v 带入到公式
()12340.56330.1208v v v v 0.10310.2128C ?? ?
?*= ? ???
即方案12
34A A A A 目标C 的权分别为0.5633,0.1208,0.1031,0.2128
故对于降低航班延误率的最有效措施为航空公司自己做好运营管理。
六、模型评价
航班延误是当前国际民航业发展中的一大难题，也是顾客对航空服务质量不满意的主要内容，如果航空公司不能有效的提高内部管控能力，增强其对飞机起飞的运筹把握程度，很有可能给客户造成诸多不便，甚至会激发客户与航空公司之间的矛盾，对航空公司的声誉造成影响。 6.1模型的评价 6.1.1模型优点
1．问题一是根据美国航空数据网（https://www.doczj.com/doc/7913869398.html, ）收集到的精确数据进行严密 的数学推算所得的结果，结论较为准确。
2.运用Excel 软件对数据进行处理计算，使结果更加准确，并作出平面图表直观 的反映出航班的延误情况。
3.问题二综合考虑了多种影响因素，较为透彻的分析出我国航班的主要原因。
4.问题三较为全面的对影响航班延误的多种因素提出了相应的对策。 6.1.2模型缺点
1.问题一用收集到的三天航班延误数据来代表国际航班的近况具有一定的片面性。
2.问题二所用的排队模型仅考虑一次意外所造成的延误，具有不确定性。
3.问题三仅从理论上分析了改进航班延误的措施。
参考文献
[1]章绍辉.数学建模[M].北京:科学出版社,2010:98-102.
[2]张德丰等.MATLAB数值分析[M].北京:机械工业出版社,2012:24-25.
[3]姜启源,谢金星,叶俊.数学模型（第四版）[M].北京:高等教育出版社,2011:56-58.
[4]杜健卫,王若鹏.数学建模基础案例（第二版）[M].北京:化学工业出版社,2014:35.
[5]Mark M.Meerschaert.数学建模方法与分析[M].北京:机械工业出版社,2009:78-81.
[6]肖磊,徐东琳.数学建模实验[M].北京:经济科学出版社,2012:42-45.
[7]李玲娟,豆坤.层次分析法中判断矩阵的一致性研究[J].计算机技术与发展,2009,19(10):131-133.
自然灾害保险问题的研究 摘要 我国是农业大国,又是世界上遭受自然灾害损失最为严重的国家之一。近10年来,自然灾害给我国造成的经济损失每年都在1000亿元以上。自然灾害对农业经济发展的影响非常严重。但与国际上大灾风险主要通过保险机制来分担化解的做法不同,我国自然灾害损失的救助工作主要依靠国家财政援助和生产自救进行,有关自然灾害风险防范的保险体系尚未真正建立。因此,必需改革目前的保险体制,探索建立巨灾保险救助和通过资产证券化等非传统风险转移方式分散农业巨灾风险的新途径,有效地提升保险在国家灾害救助体系中的积极作用，因此我们分析了近几年天气，各地区的农作物种植面积，受灾，成灾，绝收面积的有关数据，得出了自然灾害的变化趋势，通过Excel,matlab等软件建立了几个模型以及分析出了受灾面积的函数y=-879.8x+2E+6,R*R=0.089,成灾面积y=-132.6X+21663,R*R+0.003绝收面积的函数y=-328.1X+66308，R*R=0.307并且还分析了出了降水量，风速，冰雹在近几年的变化趋势，为今后的预防工作和提出更加合理的保险险种方案做出了充分的准备。 关键词：自然灾害、保险险种、灾害变化趋势、土地种植面积、模型的建立 一、问题重述 根据2013年3月5日《环球时报》转摘美国《商业周报》的相关报道，“在2012年全世界发生的10大自然灾害中，有4场是发生在中国。包括3场严重的夏季洪涝灾和席卷苏鲁冀等沿海地区的台风‘达维’造成的灾害。另外，还有很多地区遭受了严重干旱、冰雹等自然灾害，共造成290亿美元的损失，但通过投保由保险公司赔付的比例仅占总损失的４％左右，这个比例相对美国的自然灾害保险赔付率相差甚远。”另据报道：“2013年3月20日发生在广东、广西等省部分地区的一场大风和冰雹灾害，造成直接经济损失达13亿多元。”这个事实警示我们，中国需要重视和加强自然灾害保险的研究和实践，特别是针对严重自然灾害的保险体系建设和对策方案的研究，推动由政府主导的自然灾害政策性保险方案的实施。 农业灾害保险是国家政策性保险之一，即政府为保障国家农业生产的发展，基于商业保险的原理并给予政策扶持的一类保险产品。农业灾害保险也是针对自然灾害，保障农业生产的重要措施之一，是现代农业金融服务的重要组成部分，它与现代农业技术、现代农业信息化及市场建设共同构成整个农业现代化体系。农业灾害保险险种是一种准公共产品，基于投保人、保险公司和政府三方面的利益，按照公平合理的定价原则设计，由保险公司经营的保险产品，三方各承担不同的责任、义务和风险。农业灾害保险分种植业保险和养殖业保险两大类，现有几十个险种，因不同地区的气象条件和作物种类不同，其险种和设置方案都不尽相同。农业灾害保险除遵循保险的共同原理外，有其自身的特点。比如，其损失规律有别于人寿保险和通常的财产保险（如汽车险）等。政府作为投保人和承保人之外的第三方介入以体现对国家安全和救灾的责任。附件1给出了P省种植业现行的部分险种方案，请你们从实际出发，查阅和参考附件中的数据资料，通过分析建模，研究解决下面的问题：（1）对附件2中的数据做必要的统计分析，研究P省现有农业灾害保险险种方案可能存在的风险，并分析其方案是否存在不合理性。
“互联网+”时代的出租车资源配置 摘要 随着“互联网+”时代的到来，针对当今社会“打车难”的问题，多家公司建立了打车软件服务平台，并推出了多种补贴方案，这无论是对乘客和司机自身需求还是对出租车行业发展都具有一定的现实意义。本文依靠ISM解释结构、AHP-模糊综合评价、价格需求理论、线性规划等模型依次较好的解决了三个问题。 对于问题一求解不同时空出租车资源“供求匹配”程度的问题，本文先将ISM模型里的层级隶属关系进行改进，将影响出租车供求匹配的12个子因素分为时间、空间、经济、其它共四类组合，然后使用经过改进的AHP-模糊综合评价方法建立模型，提出了出租车空载率这一指标作为评价因子的方案，来分析冬季某节假日市南岗区出租车资源“供求匹配”程度。通过代入由1-9标度法确定的各因素相互影响的系数，得出各个影响因素的权重大小，利用无量纲化处理各影响因素，得出最终评判因子为0.3062，根据“供求匹配”标准，得出市南岗区出租车资源“供求匹配”程度处于供需合理状态的结论。同理，也得到了市不同区县、不同时间的供求匹配程度，最后作出市出租车“供求匹配”程度图。 对于问题二我们运用价格需求理论建立模型，以补贴前后打车人数比值与空驶率变化分别对滴滴和快的两个公司的不同补贴方案进行求解，依次得到补贴后对应的打车人数及空驶率的变化，再和无补贴时的状态对比，最后得出结论：当各公司补贴金额大于5元时，打车容易，即补贴方案能够缓解“打车难”的状况；当补贴小于5元时，不能缓解“打车难”的状况。 对于问题三，在问题二的模型下，建立了一个寻找最优补贴金额的优化模型，利用lingo软件[1]进行求解算出最佳补贴金额为8元，然后将这个值带入问题二的模型进行验证，经论证合理后将补贴金额按照4种分配方案分配给司机乘客。关键词：ISM解释结构模型；AHP-模糊综合评价；价格需求理论；线性规划
西南大学2014年春《数学建模》作业及答案(已整理) 第一次作业 1：[填空题] 名词解释: 1．原型 2．模型 3．数学模型 4．机理分析 5．测试分析 6．理想方法 7．计算机模拟 8．蛛网模型 9．群体决策 10．直觉 11．灵感 12．想象力 13．洞察力 14．类比法 15．思维模型 16．符号模型 17．直观模型 18．物理模型19．2倍周期收敛20．灵敏度分析21．TSP问题22．随机存储策略23．随机模型24．概率模型25．混合整数规划26．灰色预测 参考答案： 1．原型：原型指人们在现实世界里关心、研究或者从事生产、管理的实际对象。2．模型：指为某个特定目的将原形的某一部分信息简缩、提炼而构造的原型替代物。3．数学模型：是由数字、字母或其它数字符号组成的，描述现实对象数量规律的数学公式、图形或算法。4．机理分析：根据对客观事物特性的认识，找出反映内部机理的数量规律，建立的模型常有明显的物理意义或现实意义。5．测试分析：将研究对象看作一个"黑箱”系统，通过对系统输入、输出数据的测量和统计分析，按照一定的准则找出与数据拟合得最好的模型。6．理想方法：是从观察和经验中通过想象和逻辑思维，把对象简化、纯化，使其升华到理状态，以其更本质地揭示对象的固有规律。7．计算机模拟：根据实际系统或过程的特性，按照一定的数学规律用计算机程序语言模拟实际运行情况，并依据大量模拟结构对系统或过程进行定量分析。8．蛛网模型：用需求曲线和供应曲线分析市场经济稳定性的图示法在经济学中称为蛛网模型。9．群体决策：根据若干人对某些对象的决策结果，综合出这个群体的决策结果的过程称为群体决策。10．直觉：直觉是人们对新事物本质的极敏锐的领悟、理解或推断。11．灵感：灵感是指在人有意识或下意识思考过程中迸发出来的猜测、思路或判断。12．想象力：指人们在原有知识基础上，将新感知的形象与记忆中的形象相互比较、重新组合、加工、处理，创造出新形象，是一种形象思维活动。13．洞察力：指人们在充分占有资料的基础上，经过初步分析能迅速抓住主要矛盾，舍弃次要因素，简化问题的层次，对可以用那些方法解决面临的问题，以及不同方法的优劣作出判断。14．类比法：类比法注意到研究对象与以熟悉的另一对象具有某些共性，比较二者相似之处以获得对研究对象的新认识。15．思维模型：指人们对原形的反复认识，将获取的知识以经验的形式直接储存于人脑中，从而可以根据思维或直觉作出相应的决策。16．符号模型：是在一定约束条件或假设下借助于专门的符号、线条等，按一定形式组合起来描述原型。17．直观模型：指那些供展览用的实物模型以及玩具、照片等，通常是把原型的尺寸按比例缩小或放大，主要追求外观上的逼真。18．物理模型：主要指科技工作者为一定的目的根据相似原理构造的模型，它不仅可以显示原型的外形或某些特征，而且可以用来进行模拟实验，间接地研究原型的某些规律。19．2倍周期收敛：在离散模型中，如果一个数列存在两个收敛子列就称为2倍周期收敛。20．灵敏度分析：系数的每个变化都会改变线性规划问题，随之也会影响原来求得的最优解。为制定一个应付各种偶然情况的全能方法，必须研究以求得的最优解是怎样随输入系数的变化而变化的。这叫灵敏性分析。21．TSP问题：在加权图中寻求最佳推销员回路的问题可以转化为在一个完备加权图中寻求最佳哈密顿圈的问题，称为TSP问题。22．随机存储策略：商店在订购货物时采用的一种简单的策略，是制定一个下界s和一个上界S，当周末存货不小于s时就不定货；当存货少于s 时就订货，且定货量使得下周初的存量达到S，这种策略称为随机存储策略。23．随机模型：如果随机因素对研究对象的影响必须考虑，就应该建立随机性的数学模型，简称为随机模型。24．概
摘要 深圳作为中国经济发展的重点城市，人口与医疗问题已经成为我们的焦点话题，是一个复杂的系统工程。本文针对深圳地区人口年龄分布情况，外来务工人员的数量，从实际出发，在基于一些合理简化假设的基础上，建立数学模型，并充分利用matlab 等软件简化计算，对相关问题进行了有针对性的求解。 在预测未来十年深圳常住人口时，我们运用了matlab 一元线性回归对近十年的数据进行了多次拟合，并对这些拟合进行了比较得出深圳常住人口模型公式为：2() 1.00050.00838.1671Q x e x x =+-+, 通过拟合预测出了未来十年深圳市常住人口的数量，同时在网上2000年到2010年的人口结构的数据，通过Leslie 矩阵预测出了未来十年人口结构的分布。通过分析深圳近人口数量和人口结构的变化，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求呈线性递增趋势。同时选取了高血压，脑出血，癌症这三种疾病进行预测，运用matlab 最小二乘法散点拟合，得出这三种疾病的发展趋势，由此预测出未来十年这三种疾病的就医的床位需求。 关键词：matlab 、一元线性回归、Leslie 、最小二乘法、床位需求 一、问题重述 从深圳的人口的结构来看，显著的特点是流动人口远远超过户籍人口，且年轻人口占主绝对优势。流动人口主要从事第二、三产业的企业一线工人等。年轻人身体好，发病少 ，导致深圳目前人均医疗设施低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，政策的调整与世界的推移会使深圳市老年人增加。产业结构的变化也会影流动人口的数量。直接会导致深圳市未来的医疗需求的变化。 现有人口社会发展模型在面对深圳情况时，难以满足人口和医疗预测的要
2013高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮 件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问 题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果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明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反 竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：华南师范大学增城学院 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人 (打印并签名)： 日期：年月日
赛区评阅编号（由赛区组委会评阅前进行编号）：
2013高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
DVD在线租赁 摘要 问题（三）：题目需要我们回答购买各种DVD的数量来使95%的会员能看到他DVD想看到的DVD，并且要怎么分配才能使满意度达到最大；每种建立以总的购买数最小、会员满意度最大为双目标的规划模型。通过确定在一个月内每张DVD的在每个会员中手中的使用率；然后通过c语言程序编程来确定每种DVD 的购买量；建立0-1规划模型；通过LINGO软件使满意度达到最大，来最终确定DVD的分配； 一级，二级目标，将多目标规划转化为单目标；同时将第j种DVD的购买量y的整数约束去掉，求解出最小购买数为张。将最小购买数作为约束条件，优j 化满意度后，得到最大满意度为95%；然后对此时DVD的购买量 y向上取整，得 j 到总购买数为186张。当购买数为186张时，会员满意度达到97%。 三、模型假设 1、租赁周期为一个月，每月租两次的会员可以在月中再租赁一次； 2、同一种DVD每人只能租赁一次； 3、DVD在租赁过程中无损坏； 4、会员每月至少交一次订单； 5、会员只有把前一次所借的DVD寄回，才可以继续下一次租赁 6、月底DVD全部收回，继续下个周期的租赁； 7、随着时间的推移，该网站的会员们的流动情况不会出现大变动。 四、符号说明
练习1基础练习 一、矩阵及数组操作: 1．利用基本矩阵产生3×3和１5×８的单位矩阵、全1矩阵、全0矩阵、均匀分布随机矩阵([－１，1］之间）、正态分布矩阵（均值为1,方差为4）。 A=eye(3) Ｂ＝ｅyｅ(15,８)C=ones(3)D=oｎes(15,8）E=ｚeros （3) Ｆ=zeroｓ(1５,８) Ｇ＝(-1+(１-(-1))*ｒand(３)) H=1+ｓqrt（4)*ｒaｎdn(5) ２．利用fｉx及ｒanｄ函数生成[0,10]上的均匀分布的10×10的整数随机矩阵a,然后统计a中大于等于5的元素个数 ａ=fix（０＋(１０-0）*rand(1０)）; K=finｄ(a>＝5); Num=lenｇｔｈ(K)或者ｎｕm=suｍ（ｓum(a>=５)) num = 53 3.在给定的矩阵中删除含有整行内容全为０的行,删除整列内容全为0的列。 如已给定矩阵A在给定的矩阵中删除含有整行内容全为０的行 在命令窗口中输入Ａ(find(ｓum(ａｂｓ(A'))==０）,:)=[]; 删除整列内容全为0的列。A(：，finｄ(suｍ(ａbｓ(Ａ'))＝=0))=［];
二、绘图： 4．在同一图形窗口画出下列两条曲线图像: ｙ1=２x+5； ｙ2=x ＾2-3x+1， 并且用ｌegen ｄ标注 ｘ=０:０.01：10; y1=2*x+5; y ２=x.^2-３*x+１； plot(ｘ,y １，x,ｙ2,'ｒ') ｌeg ｅn ｄ('y １', 'y2') 12345678910 -1001020304050607080 5.画出下列函数的曲面及等高线： ｚ=x^２+y^2+ｓｉn(xy). 在命令窗口输入:
答卷编号（参赛学校填写）： 答卷编号（竞赛组委会填写）： 论文题目：深圳人口与医疗需求预测（A）组别：本科生 参赛学校： 报名序号： 参赛队员信息(必填)： 答卷编号（竞赛组委会填写）：
评阅情况（省赛评阅专家填写）： 省赛评阅1： 省赛评阅2： 省赛评阅3： 省赛评阅4： 省赛评阅5： 深圳市人口与医疗需求预测模型 摘要： 人口与医疗问题是关系到国计民生的大问题，能够合理而准确地预测就显得非常重要。但不同城市有不同的人口特点，本文在吸取前人经验的基础上，以深圳的人口为依托提出了一些新的简单而实用方法，希望能为政府决策提供帮助。 针对深圳市人口结构中非户籍人口比重大，流动人口多这一特点，我们采用了灰色GM(1,1)模型，通过matlab对深圳市自2001至2010年的数据进行拟合，发现其人口变化近似呈线性增长，线性相关系数高达0.99，我们就此认定其为线性相关并给出线性方程。同理，针对其非户籍人口，我们进行matlab拟合发现，其为非线性相关，并得出相关函数。 通过模拟出的常住人口与非户籍人口的函数，我们可以很容易的得出深圳市的人口数量变化情况，同时我们以非户籍人口与常住人口的函数之比作为深圳市人口结构的变化，通过作图发现，深圳市非户籍人口正逐年下降，这正与官方以及媒体报道深圳市产业转型相对应。 由于深圳市人口结构中外来人口比例接近76%，而且外来人口中以青壮年居多，可以认为在较短时间内（十年内）外来人口年龄结构近似不变，同时当地户籍人口因为受历史条件影响，人口年龄结构在短期内也不会发生较大变化，所以
我们大胆假设深圳市未来十年人口年龄结构近似不变。同时深圳市各区发展水平相同，可以认为其人口发展态势与深圳市总体相同，所以其所在深圳市人口比例不变。 通过查阅资料得知床位需求与各年龄段人数、住院率、平均住院天数以及该地平均年床开放日数有关，在查找资料以及大量演算基础上，利用已求出的常住人口变化函数，我们得出深圳市的床位需求函数，而深圳市各区对应的床位需求则为深圳市总的床位需求乘以本区总人口所占深圳市总人口的比例（已架设各区人口在较短时间内保持不变）。 考虑到问题研究的实用性，我们选取了肺癌与胃癌作为深圳市疾病研究的对象，我们通过查找肺癌与胃癌在深圳市不同年龄段的发病率，这两种病在市级与区级医院的住院天数以及这两种级别的医院的平均年床开放日数，利用已知的病床需求函数，做出了针对深圳市不同级别医疗机构的函数表达式，通过函数表达式我们可以很轻松的看出深圳市不同类型医疗机构的床位需求。 最后以我们的模型为依托去测试深圳市各年的相关数据，都表现出来比较好的吻合性，它充分证明了我们模型的正确性。但是，由于时间仓促，模型仍有不完善地方，而且有其局限性（在较长时间内误差较大），随着时间推移，深圳外来人口比例将更低，老龄化趋势将更加显著，这显然会影响深圳市各级机构床位需求的预测，我们希望可以引入包含年龄结构的函数对其修正，而这将会成为我们以后的一个研究方向。 关键字：灰色GM(1,1)模型线性相关方程 一、问题重述 深圳市是一个流动人口多，户籍人口少的城市，外来人口多导致深圳市青壮年劳动力多，由于青壮年劳动力身体健康程度要高于其它人群，因此深圳目前人均医疗设施虽然低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，随着时间推移和政策的调整，深圳老年人口比例会逐渐增加，产业结构的变化也会影响外来务工人员的数量。这些都可能导致深圳市未来的医疗需求与现在有较大的差异。未来的医疗需求与人口结构、数量和经济发展等因素相关。请根据深圳市人口特点预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求；根据深圳市人口的年龄结构和患病情况及所收集的数据，选择预测几种病在不同类型的医疗机构就医的床位需求。 二、问题分析 深圳市人口特点是流动人口多，非户籍人口多，但户籍人口较少，针对这个情况，我们选取人口结构中的主要矛盾，即常住人口与非常住人口（即非户籍人口）进行研究。我们首先分析了深圳市近十年的人口年龄结构变化，发现其结构变化幅度很小，因此在短期内我们可以认为其年龄结构恒定。由于本题需要处理数据较多，我们采用matlab进行辅助分析，通过拟合结果研究其常住人口已经非户籍人口变化。而对于人口结构，我们可以用非户籍人口与总人口的比例来表
B题“互联网+”时代的出租车资源配置 出租车是市民出行的重要交通工具之一，“打车难”是人们关注的一个社会热点问题。随着“互联网+”时代的到来，有多家公司依托移动互联网建立了打车软件服务平台，实现了乘客与出租车司机之间的信息互通，同时推出了多种出租车的补贴方案。 请你们搜集相关数据，建立数学模型研究如下问题： (1)试建立合理的指标，并分析不同时空出租车资源的“供求匹配”程度。指标：里程利用率，车辆满载率，车辆拥有量（万人）等，从这些指标去按以下步骤收集数据并分析 1分别收集一线（比如北上广），二线（比如西安），三线（比如拉萨）城市各一个的出租车数据来分析，这样就能代表全国了。这就是第一问中的“空” 2主要分析各个城市早（7:00——8:30） 中（11:30——2:30） 晚（17:30——18:30）上班高峰 和平时时段的打车的供求情况这就是第一问中的“时” 3最后总结哈供求匹配程度
(2)分析各公司的出租车补贴方案是否对“缓解打车难”有帮助？ 1选取几个打车平台的补贴方案去分析，比如： 快的打车补贴变化 2014年1月20日快的打车乘客车费返现10元，司机奖励10元 2014年2月17日快的打车乘客返现11元，司机返5-11元[10] 2014年2月18日快的打车乘客返现13元[11] 2014年3月4日快的打车乘客返现10元/单，司机端补贴不变[6] 2014年3月5日快的打车乘客补贴金额变为5元 2014年3月22日快的打车乘客返现3—5元 2014年5月17日软件乘客补贴“归零” 2014年7月9日，将司机端补贴降为2元/单。[12] 2014年8月9日，滴滴、快的两大打车软件再出新规，全面取消司机端现金补贴。 滴滴打车 1月10日，滴滴打车乘客车费立减10元、司机立奖10元 2月17日，滴滴打车乘客返现10-15元，新司机首单立奖50元 2月18日，滴滴打车乘客返现12至20元 3月7日，滴滴打车乘客每单减免随机“6-15元” 3月23日，滴滴打车乘客返现3-5元 5月17日，打车软件乘客补贴“归零” 7月9日，软件司机端补贴降为2元/单 8月12日，滴滴打车取消对司机接单的常规补贴 2分析传统出租车公司的补贴方案 3最后一定要联系到是否对“缓解打车难”有帮助上，结论是：有一定帮助，但并未完全解决问题（），同时产生了新的问题。 注意要用数据和案例论证，不能自己在那空口说。这样就为下
大致符合f=0.0069*x.^5-0.2669*x.^4+3.7108*x.^3-20.8889*x.^2+36.2143*x+60.0136;的分布，呈现夏季短日照冬季长日照，春秋居中的规律。1-6月份递减，
X=[0 400 800 1200 1600 2000 2400 2800]; Y=[0 400 800 1200 1600 2000 2400]; [x,y]=meshgrid(X,Y); z=[1180 1320 1450 1420 1400 1300 700 900;... 1230 1390 1500 1500 1400 900 1100 1060;... 1270 1500 1200 1100 1350 1450 1200 1150;... 1370 1500 1200 1100 1550 1600 1550 1380;... 1460 1500 1550 1600 1550 1600 1600 1600;... 1450 1480 1500 1550 1510 1430 1300 1200;... 1430 1450 1470 1320 1280 1200 1080 940]; figure(1); meshz(x,y,z) title('源数据点') xi=[0:40:2800]; yi=[0:40:2400]; zc=interp2(x,y,z,xi,yi','spline'); figure(2); surfc(xi,yi,zc); title('地貌图'); figure(3); contour(xi,yi,zc); 【2】结果：
深圳杯数学建模A题答 案 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
摘要 深圳作为中国经济发展的重点城市，人口与医疗问题已经成为我们的焦点话题，是一个复杂的系统工程。本文针对深圳地区人口年龄分布情况，外来务工人员的数量，从实际出发，在基于一些合理简化假设的基础上，建立数学模型，并充分利用matlab等软件简化计算，对相关问题进行了有针对性的求解。 在预测未来十年深圳常住人口时，我们运用了matlab一元线性回归对近十年的数据进行了多次拟合，并对这些拟合进行了比较得出深圳常住人口模型公式为： 2 =+-+, 通过拟合预测出了未来十年深圳市常住人口的Q x e x x () 1.00050.00838.1671 数量，同时在网上2000年到2010年的人口结构的数据，通过Leslie矩阵预测出了未来十年人口结构的分布。通过分析深圳近人口数量和人口结构的变化，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求呈线性递增趋势。同时选取了高血压，脑出血，癌症这三种疾病进行预测，运用matlab最小二乘法散点拟合，得出这三种疾病的发展趋势，由此预测出未来十年这三种疾病的就医的床位需求。 关键词：matlab、一元线性回归、Leslie、最小二乘法、床位需求 一、问题重述 从深圳的人口的结构来看，显着的特点是流动人口远远超过户籍人口，且年轻人口占主绝对优势。流动人口主要从事第二、三产业的企业一线工人等。年轻人身体好，发病少，导致深圳目前人均医疗设施低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，政策的调整与世界的推移会使深圳市老年人增加。产业结构的变化也会影流动人口的数量。直接会导致深圳市未来的医疗需求的变化。 现有人口社会发展模型在面对深圳情况时，难以满足人口和医疗预测的要求。为了解决此问题，请根据深圳人口发展变化态势以及全社会医疗卫生资源投入情况（医疗设施、医护人员结构等方面）收集数据、建立针对深圳具体情况的数学模型，预测深圳未来的人口增长和医疗需求，解决下面几个问题： 1.分析深圳近十年常住人口、非常住人口变化特征，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求； 2.根据深圳市人口的年龄结构和患病情况及所收集的数据，对几种病进行预测，在不同类型的医疗机构就医的床位需求。
2011年全国大学生数学建模竞赛测试试题(A) 时量：180分钟满分：150分 院系：专业：学号：姓名： 一、选择题（2分/题×10题=20分） 1、Matlab程序设计中清除当前工作区的变量x,y的命令是( c ) A.clc x,y B.clear(x y) C.clear x y D.remove(x,y) 2、关于Matlab程序设计当中变量名和函数名的描述，下述说法正确的是( B ) A.都不区分大小写 B.都区分大小写 C.变量名区分,函数名不区分 D. 变量名区分,函数名不区分 3、MA TLAB软件中，把二维矩阵按一维方式寻址时的寻址访问是按（B）优先的。 A.行 B.列 C.对角线 D.左上角 4、关于矩阵上下拼接和左右拼接的方式中，下列描述是正确的是（ D ） A．上下拼接的命令为C=[A, B]，要求矩阵A, B的列数相同； B．左右拼接的命令为C=[A; B]，要求矩阵A, B的行数相同； C．上下拼接的命令为C=[A; B]，要求矩阵A, B的行数相同； D．左右拼接的命令为C=[A, B]，要求矩阵A, B的行数相同。 5、Matlab命令a=[65 72 85 93 87 79 62 73 66 75 70];find(a>=70 & a<80)得到的结果为（C ） A.[72 79 73 75] B.[72 79 73 75 70] C.[2 6 8 10 11] D.[0 1 0 0 0 1 0 1 0 1 1] 6、矩阵(或向量)的范数是用来衡量矩阵(或向量)的（A）的一个量 A.维数大小 B.元素的值的绝对值大小 C.元素的值的整体差异程度 D.所有元素的和 7、计算非齐次线性方程组AX=b的解可转化为计算矩阵X=A-1b，可以用Matlab的命令（A）实现 A.左除命令x=A\b B.左除命令x=A/b C.右除命令x=A\b D.右除命令x=A/b 8、关于Matlab的矩阵命令与数组命令，下列说法正确的是（b） A.矩阵乘A*B是指对应位置元素相乘 B.矩阵乘A.*B是指对应位置元素相乘 C.数组乘A.*B是指对应位置元素相乘 D.数组乘A*B是指对应位置元素相乘 9、生成5行4列，并在区间[1:10]内服从均分布的随机矩阵的命令是（d） A.rand(5,4)*10 B.rand(5,4,1,10) C.rand(5,4)+10 D.rand(5,4)*9+1 10、关于Matlab的M文件的描述中，以下错误的是（ d ） A、Matlab的M 文件有脚本M文件和函数M文件两种； B、Matlab的函数M文件中要求首行必须以function顶格开头；
承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》(以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载)。 我们完全明白，在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果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明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示(包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等)。 我们参赛选择的题号是(从A/B/C/D中选择一项填写)： B 我们的报名参赛队号为(8位数字组成的编号)： 所属学校(请填写完整的全名)： 参赛队员(打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人(打印并签名)： (论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。) 日期：年月日赛区评阅编号(由赛区组委会评阅前进行编号)：
编号专用页 赛区评阅编号(由赛区组委会评阅前进行编号)： 全国统一编号(由赛区组委会送交全国前编号)：全国评阅编号(由全国组委会评阅前进行编号)：
创意平板折叠桌的设计 摘要 随着人类思维的不断进步，极具创意的作品也层出不穷。本文对创意平板折叠桌进行分析，运用三维坐标对不同平板折叠桌的结构进行描述。桌子外形由直纹曲面构成，桌面近似圆形，桌腿分成两组，每组各用一根钢筋将木条连接，钢筋两端分别固定在桌腿各组最外侧的两根木条上。随着铰链的活动，折叠桌可以平摊成一张平板，折叠时，沿木条有空槽以保证滑动的自由度。此折叠桌不仅设计精妙，造型美观。而且具有一定的实用价值，节省存储空间。 针对问题一，给定了一块平板的长宽高、木条宽度、以及折叠桌的高度。以折叠桌的某一桌脚为原点，利用对称性，建立空间直角坐标系。通过构建几何模型来找出桌面与最外侧桌脚木条的夹角(锐角)关系。然后运用三角函数计算出每根桌脚木条的长度以及开槽的大小。设每根桌脚木条与桌面的夹角为变量，通过几何关系，列出每条桌脚顶点处的坐标,, x y z分别满足的函数表达式，根据表达式编写MATLAB程序，画出桌脚边缘线变化过程。最后根据每个桌脚点在折叠过程中的改变，加入动态函数，用MATLAB画出折叠桌的动态过程。 针对问题二，根据稳固性好、加工方便、用材最少这三个限制条件求出非线性规划的目标函数和约束条件。由于问题一中要求稳固性好，所以对折叠桌的受力点做受力分析，为了使桌子承受最大的力量，对作用于折叠桌的压力、支持力、摩擦力等作分析。一个好的设计没有实用性就不能使用，所以我们把受力分析放在首要地位。为了使加工方便和用材最少，在保证稳固性的前提下减少使用的钢筋数量和选择最优加工参数。同时加工方便与材料的质地也有关，但是我们这里不考虑，统一用木质平板。根据以上三个约束条件，运用最优化的方法建立非线性规划模型，再用MATLAB求出最优解，得到最优的加工设计参数。 针对问题三，在问题一与问题二的模型基础上，设计出两种创意平板折叠桌。创意平板折叠桌一为桌面类似为菱形的折叠桌，建立坐标系得出菱形桌面和桌腿木条的方程，用MATLAB 进行编程，画出其动态图形。创意平板折叠桌二采用题目已给的图，采用一定的拼接技术，可根据顾客需求拼接出满足条件的的折叠桌。 关键词：边缘线MATLAB LINGO 受力分析最优化
网络学院数学建模作业题
数学建模作业题 注意事项： 作业共十题，每题十分，全部是比较简单的建模计算题，题目既是课本上的习题，在课本304~315有参考解答，又是在线题库的题目，在题库里有更详细的解答。学员应该先自己动脑筋解决，然后才参考一下课本及题库的解答。 评分高低主要是看完成作业的态度、独立程度和表达清晰程度。 上传的作业必须是包括全部作业的单独一份word文档，必须自己录入，不允许扫描，不允许直接插入题库答案中的图片。严重违反者，不及格。 请于有效期结束前两周提交上传作业，教师尽快批改，请学员有效期结束前一周查看成绩，不及格的学员可以在课程答疑栏目提出或者课程论坛提出重交申请，教师删除原作业后，这些学员可以在有效期结束前之前重交作业。每人只有一次重交机会。 作业题与考试相关（当然不会一模一样），认真完成作业的学员，必将在考试取得好成绩。 一、教材76页第1章习题1第7题（来自高中数学课本的数学探究问题，满分10分） 表1.17是某地一年中10天的白昼时间（单位：小时），请选择合适的函数模型，并进行数据拟合. 日期1月1日2月28日3月21日4月27日5月6日
白昼时间 5.59 10.23 12.38 16.39 17.26 日期 6月21日 8月14日 9月23日 10月25日 11月21日 白昼时间 19.40 16.34 12.01 8.48 6.13 解：根据地理常识，某地的白昼时间是以一年为周期而变化的，以日期在一年中序号为自变量x ，以白昼时间为因变量y ，则根据表1.17的数据可知在一年（一个周期）内，随着x 的增加，y 大约在6月21日（夏至）达到最大值，在12月21日（冬至）达到最小值，在3月21日（春分） 或9月21日（秋分）达到中间值。选择函数y=(b x A ++)3652sin(?π)作为函数值。根据表1.17的数据，推测A ，b 和?的值， 作非线性拟合得385.123712.13652sin(9022.6+-=x y π，预测该地12月21日的白昼时间为5.49小时。 二、教材100页第2章习题2第1题（满分10分） 继续考虑第2.2节“汽车刹车距离”案例，请问“两秒准则”和“一车长度准则”一样吗？“两秒准则”是否足够安全？对于安全车距，你有没有更好的建议？ 解：“两秒准则”表明前后车距D 与车速v 成正比例关系v K D 2 =，其中s K 22 =，对于小型汽车，“一车长度准则”与“两秒准则”不一致。由)]([1 2 2 K K v K v D d --=-可以计算得到当D d h km K K K v <=-<时有/428.542 12 ，“两秒准则”足够安全，或者把刹车距离实测数据和“两秒准则”都画在同一幅图中，根据图形指出“两秒准则”足够安全的车速范围。用最大刹车距离除以车速，得到最大刹车距离所需的尾随时间，并以尾随时间为依据，提出更安全的准则，如“3秒准则”、“4
深圳人口与医疗需求预测 摘要 问题一中，由于深圳市不同于常规一线城市，从结构来看，深圳人口的显著特点是流动人口远远超过户籍人口，影响人口数量增长的因素较多，人口年龄结构变化大，常用人口预测模型误差较大，本文通过Mathematica 二次曲线拟合预测产生未来十年产业从业人员比例，并建立多元线性回归拟合模型来预测深圳市非常住人口数量，其次用 Markov 链预测未来人口年龄结构比例，利用Matlab 程序预测未来具有就医需求的总人 口数并得出深圳市床位需求，以及各区床位需求。问题二中，选取两种疾病，利用灰色GM (1,1) 模型预测小儿肺炎和老年性白内障未来十年的入院率，利用Excel 处理得出对各类医疗机构床位需求权重，得到未来十年的小儿肺炎的床位需求和老年性白内障对各类医疗机构的床位需求。 关键词：关键词：二次曲线拟合预测 Markov 链 多元线性回归 灰色GM (1,1) 预测模型 -1- 一、问题重述
深圳市我国人口增长最快的地方，从1980年到2010年，深圳每年都以30多万的人口增幅增长，到2010年深圳市总人口已达到1037万人。从结构来看，深圳人口的显著特点是流动人口远远超过户籍人口，且年轻人口占绝对优势。深圳流动人口主要是从事第二、三产业的企业一线工人和商业服务业人员。年轻人身体强壮，发病较少，因此深圳目前人均医疗设施虽然低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，随着时间推移和政策的调整，深圳老年人口比例会逐渐增加，产业结构的变化也会影响外来务工人员的数量。这些都可能导致深圳市未来的医疗需求与现在有较大的差异。就深圳市的相关情况，建立数学模型分析研究下面的问题：问题一：分析深圳近十年常住人口、非常住人口变化特征，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求。问题二：根据深圳市人口的年龄结构和患病情况及所收集的数据，选择预测几种病（如：肺癌及其他恶性肿瘤、心肌梗塞、脑血管病、高血压、糖尿病、小儿肺炎、分娩等）在不同类型的医疗机构就医的床位需求。 二、问题分析 问题一：近十年常住人口、非常住人口（由给出的数据得知，常住人口包括户籍人口和流动人口中非户籍人口（居住时间在6个月以上），非常住人口是流动人口中居住时间在六个月之内）与城市的经济产业发展高度相关。产业结构影响非常住人口数量，非常住人口数量影响常住人口数量，具有就医需求的人口数量等于常住人口与非常住人口之和。问题二中，由问题一得出的数据，针对人群对各类医疗机构的选择计算出需求权重，得出不同类型的医疗机构就医的床位需求。问题二：每一种疾病都会有一个高发人群年龄段，例如，老年性白内障，心脏病、高血压等疾病多发生在老年人中，而小儿肺炎发生在少年儿童中，因此该年龄段人口的比例严重影响着该种疾病入院率。因此需要预测先预测出来深圳市未来十年的入院率，其次在根据问题一得出的人口结构数量计算出每年的入院人数，再根据床位数=该病入院人数 × 平均住院日得出该种病的床位需求。一年的总天数(365天) 三、模型假设 1、假设深圳市各区人口体质保持不变，并且在同一年度各区入院率相同。 2、假设每种病每年平均住院日保持不变。 3、假设所预测出来的医院床位每天没有空闲的时候。 4、假设各区相对封闭，本区人口不会跨区就医。 -2-
2015 数学建模B题 （公选课） 后打车时代究竟能走多远 --基于数学分析的打车软件盈利模式的评估体系 1．摘要 打车软件作为新兴的交易平台，增加了交易机会。且与街头扬招方式相比，打车软件优势也很明显，它可以让出租车司机迅速找到它的客户。出租车正在寻找客人而“空跑”。打车软件的出现则改变了这种信息不对称，大大降低了司机的“空载率”，减少了司机和乘客之间的交易成本——司机扫街和乘客扫街的时间成本。 其次，改变了支付方式。传统现金交易有两个弊病，一是安全性。另外，大量现金交易增加了司机的交易成本：时不时收到假钞，蒙受经济损失；每周几次到银行存钱也增加了时间成本。这些优势就使得打车软件极具有盈利的可能，只有软件找到用户并增强对他们的粘性，就有许多渠道来针对他们来盈利。 随着近两年打车软件的兴起，从原先40多款打车软件的百花齐放演变成现在的嘀嘀、快的双雄争霸，市场竞争也趋于白热化。2014年伊始，嘀嘀打车和快的打车进入史上空前的“烧钱大战”，在高峰期甚至达到2月17日乘客返现10—15元，新司机首单立奖50元，而且每单都有补贴十块。目前两大打车软件纷纷将针对乘客的补贴降至3元/单，对司机端的补贴，嘀嘀是5元/单，快的4元/单。部分城市的嘀嘀打车更已取消“立减优惠”，取而代之的是“用嘀嘀添新衣”的广告或改送购物网站现金券。那么，在后打车时代，滴滴打车这类打车软件还能走多远了？我们通过对打车软件盈利模式的研究来探索这个问题。 关键词：空载率，支付方式，交易成本，后打车时代2．模型的假设 ①打车软件开拓的市场基本成熟，大公司的投资也不再，补贴也不再， 利用生活服务来增强对用户的粘性。 ②假设软件公司为用户提高的生活服务质量日趋完善，出租车司机的
对作业题目的说明 1. 本次数学建模周一共提供十五道题目供大家选择。每支队伍（2-3人/队）必须从以下题目中任意选取一题（只须选择一道），并完成一篇论文，对论文的具体要求参阅《论文格式规范》。 2. 题目标注为“A ”的为有一定难度的题目，指导老师会根据题目的难度对论文最后的评分进行调整。 （一）乒乓球赛问题 (A) A 、 B 两乒乓球队进行一场五局三胜制的乒乓球赛，两队各派3名选手上场，并各有3种选手的出场顺序（分别记为123,,ααα 和123,,βββ）。根据过去的比赛记录，可以预测出如果A 队以i α次序出场而B 队以j β次序出场，则打满5局A 队可胜 ij a 局。由此得矩阵()ij R a =如下： 12 3 1232 140345 3 1R βββααα?? = ? ? ??? （1） 根据矩阵R 能看出哪一队的实力较强吗？ （2） 如果两队都采取稳妥的方案，比赛会出现什么结果？ （3） 如果你是A 队的教练，你会采取何种出场顺序？ （4） 比赛为五战三胜制，但矩阵R 中的元素却是在打满五局的情况下得到 的，这样的数据处理和预测方式有何优缺点？ （二）野兔生长问题 在某地区野兔的数量在连续十年的统计数量(单位十万)如下： 分析该数据，得出野兔的生长规律。 并指出在哪些年内野兔的增长有异常现象，
预测T=10 时野兔的数量。 （三）停车场的设计问题 在New England的一个镇上，有一位于街角处面积100 200平方英尺的停车场，场主请你代为设计停车车位的安排方式，即设计在场地上划线的方案。 容易理解，如果将汽车按照与停车线构成直角的方向，一辆紧挨一辆地排列成行，则可以在停车场内塞进最大数量的汽车，但是对于那些缺乏经验的司机来说，按照这种方式停靠车辆是有困难的，它可能造成昂贵的保险费用支出。为了减少因停车造成意外损失的可能性，场主可能不得不雇佣一些技术熟练的司机专门停车；另一方面，如果从通道进入停车位有一个足够大的转弯半径，那么，看来大多数的司机都可以毫无困难地一次停车到位。当然通道越宽，场内所容纳的车辆数目也越少，这将使得场主减少收入。 请你通过建模的计算结果，来给出一个合理的设计方案。 （四）奖学金的评定(A) 背景 A Better Class (ABC)学院的一些院级管理人员被学生成绩的评定问题所困 ）,这使得扰。平均来说，ABC的教员们一向打分较松（现在所给的平均分是A — 无法对好的和中等的学生加以区分。然而,某项十分丰厚的奖学金仅限于资助占总数10%的最优秀学生,因此,需要对学生排定名次。 教务长的想法是在每一课程中将每个学生与其他学生加以比较,运用由此得到的信息构造一个排名顺序。例如,某个学生在一门课程中成绩为A,而在同一课程中所有学生都得A,那么就此课而言这个学生仅仅属于“中等”。反之，如果一个学生得到了课程中唯一的A，那么，他显然处在“中等至上”水平。综合从几门不同课程所得到的信息，使得可以把所有学院的学生按照以10%划分等级顺序（最优秀的10%，其次的10%，等等）排序。 问题 , B+ ,…）这样的方式给出的,教务（1）假设学生成绩是按照（A+，A, A — 长的想法能否实现?