高考录取分数预测模型
姓名: 班级：
姓名: 班级：
姓名: 班级：
关于高考录取分数预测模型的探究
摘要
本文通过差分指数平滑法和自适应过滤法分别建立模型，根据历年学校录取线预测下一年的录取分数线。最后，根据预测出来的最佳数据，给2014年报考本校的考生做出合理的建议。
对于问题一和问题二，首先根据题意和所给出的学校历年的录取分数线，不难分析出高校的录取分数线是由当年的题目难度、考生报考数量、“大年”和“小年”等因素决定的。每年的分数线还是有一定差距的，例如，本校2012在北京市电气专业的录取线是428分，而2013年是488分，相差60分。因此，预测的时候，需要通过一些方法使数据趋于平滑，使之便于预测。通过这些分析，建立了两种可靠的预测模型。
模型一通过差分的方法，利用Matlab软件将后一年Y t与前一年Y t-1的数据相减得到一个差分值，构成一个新序列。将新序列的值与实际值依次迭加，作为下一期的预测值。以此类推，预测出2014年的录取分数线。模型二是根据一组给定的权数w对历年的数据进行加权平均计算一个预测值y，然后根据预测误差调整权数以减少误差，这样反复进行直至找到一组最佳权数，使误差减小到最低限度，再利用最佳权数进行加权平均预测。这两种方法很好的解决了历年录取分数相差较大难以预测的问题。预测值相对准确。预测结果数据量较大，在此以河北省为例，给出预测结果模型一：2014年本校电气专业录取线为495，模型二：2014年本校电气专业录取线为536。
最后，通过预测出的数据，比对模型一和模型二，取最佳预测值，给报考科技学院的考生做出较为合理的建议。
关键词：序列权数差分值加权平均高考录取线
一问题的重述
对广大高考考生来说，填报志愿和高考一样都是人生中最重要的一步。那张薄薄的志愿表和高考分数一样，很大程度上影响到考生的未来和前途。填报志愿科学、合理，就能够被与自己考分相对应的理想高校录取；如果志愿选择不当，找不准与自己考分相对应的高校，即使考出高分，也可能与重点大学擦肩而过或高分低就，甚至落榜，留下终身的遗憾，这样的实例举不胜举，因此有人说，高考成功与否，60％靠实力，40％靠志愿。那么有没有一种行之有效的方法来准确预测高校的录取分数，从而根据自己的分数准确选择目标高校呢？
1.请设计预测高校的录取分数的方法。
2.结合科技学院近些年各专业在各省的录取分数线，预测一下科技学院2014
年各专业在各省的录取分数线。
3.给计划报考科技学院的考生一些建议。
二问题的分析
问题一是问题二的前提，通过设计好的预测方法，来预测科技学院2014年各专业在各省的录取分数线。最后结合总体的预测数据，来解决第三个问题。因此，设计准确的预测方法是解决问题的关键。
首先，通过建立数学模型研究本校在各省的最低录取分数线，预测出本校2014年在各省的最低录取线。得出预测方法。然后导入科技学院前8年的在各省各专业的录取分数线，通过建立好的数学模型，运用得出的预测方法预测出本校2014年各专业在各省的录取分数线。
最后通过模型一和模型二的预测结果，将前7年的预测值和实际值进行比较，可以得出最佳的预测值，以此为依据，给2014年将要报考本校的考生做出建议。
三模型的假设
1、为计算方便，将学校没有招生的省份和专业的数据设为空；
2、历年考生数量和素质水平无较大波动；
3、时间序列的变动大概呈现直线趋势；
4、2008年四川地区录取线全部按非延考计算；
5、数据不足，工商管理专业不在预测范围内。
四符号说明
Y t t年的信息存储矩阵
▽y t y t与y t-1之差
▽?t+
Y t+1与Y t之差的预测值1
?t+1第t+1年的预测值
α加权系数
w i第t-i+1期的观测值权数
N权数个数
n 样本个数
w i’调整后的第t-i+1期的观测值
k学习常数
e t+1第t+1期的预测误差
X0给定的值
σ2总体方差
S y2总体方差的无偏估计量
X i第i年
五模型的建立与求解
5.1模型一的建立与求解
注：华电科院各年录取分数线见附表
5.1.1信息存储矩阵设计
设计高校录取分数线方法，建立差分指数平滑法数学模型。在预测之前，进行信息存储矩阵设计。下面是设计的矩阵
Y t =专业
省专业省专业
省专业省专业省专业
省专业
省专业省专业省333222111z y x z y x z y x ... 其中t 为年份，行指标为各省同一专业的录取线，列指标是同一省份各个专业的录取分数线。 5.1.2差分指数平滑法
差分指数平滑法模型是从数据变换的额角度考虑，即先对数据作处理，使之适用于一次指数平滑模型，之后再对输出的结果作处理，使之恢复为原变量的形态，利用以下的计算公式：
t t t t t t t t t Y +Y ?=Y
Y ?-+Y ?=Y
?Y -Y =Y ?+++-1111
??)3(?)1(?)2()1(αα
▽为差分符号，(1)式表示对序列作一阶差分，构成一个平稳的新序列,(3)表示
把经过一阶差分后的新序列的指数平滑预测值与变量当前的实际值迭加，作为变量下一期的预测值。由于计算量较大，我们编写了Matlab 程序来计算▽?t 、▽?t+1、?t+1。
为近一步说明指数平滑的实质，把式(2)依次展开，有
1
210
)1(])1()[1()4(---∑∞
=-==-+-+=t t t t y
Y a y y Y j
j t αα
ααα ，
(4)式表明Y t 是全部历史数据的加权平均，加权系数分别为α,α(1?α),α(1?α)2 显然有
(5)
1
)
1(1)
1(0
=--=
-∑
∞
=αα
ααj
j
由于加权系数符合指数规律，又具有平滑数据功能，所以称为指数平滑。 5.1.3加权系数的选择
在进行指数平滑时，加权系数选择很重要,由式(4)和(5)可以看出，α的大小规定了在新预测值中新数据和原预测值所占的比重，α值越大，新数据所占的比重就愈大，原预测值所占的比重就愈小，反之亦然，若把式(4)改写为
(6)
)
(1
∧
∧∧
-+=+t t t t
y y y y α
则从上式可以看出，新预测值是根据预测误差对原预测值进行修正而得到的。α的大小则体现了修正的幅度，α值愈大，修正值幅度愈大，α值愈小，修正幅度也愈小。若选取α=0，则t t y y ∧
∧
=+1，即下期预测值就等于本期预测值，在预测过程中不考虑任何新信息；若选取α=1，t t y y =+∧
1，即下期预测值就等于本期实际值，完全不相信过去的信息。这种极端情况很难做出正确的预测。因此，α值应根据时间序列的具体性质在0～1之间选择。在本文中α=0.5。 初始值本文选择2007年数据的实际值。
下面是利用模型一所得出的2008年到2013年的预测值和实际值的对比图
图一
通过图一可以看出，凡是历年各专业均有招生的地区，预测的结果较为全面而且准确。例如河北省、山西省等地。而某些年份没有录取的地区，或者只有少数专业录取的地区，预测的结果准确性稍有下降，有的甚至没有预测结果。例如内蒙古、西藏等地。
5.2模型二的建立与求解
5.2.1自适应过滤法的基本过程
自适应过滤法与移动平均法、指数平滑法一样，也是以时间序列的历史观测值进行某种加权平均来预测的，它要寻找一组“最佳”的权数，其办法是先用一组给定的权数来计算一个预测值，然后计算预测误差，再根据预测误差调整权数以减少误差。这样反复进行，直至找出一组“最佳”权数，使误差减少到最低限度。由于这种调整权数的过程与通讯工程中的传输噪声过滤过程极为接近，故称为自适应过滤法。自适应过滤法的基本公式
∑=∧
+-+--+=
+++=N
i i t i N t N t t t y
w y w y w y w y 1
1
11211)7(
式(7)中，1
+∧
t
y 为第t+1期的预测值，w i 为第t-i+1期的观测值权数，y t-i+1为t-i+1
2 2
3 1
1 w
2 期的观测值，N 为权数的个数。其调整权数的公式为
1
1
'2)8(+-++=i t
i
i i y ke w w
式(8)中，i =1,2 ,N ，t =N ,N +1, n ,n 为序列数据个数，w i 为调整前的第i 个权数，w i ’为调整后的第i 个权数，k 为学习常数，e i+1为第t +1期的预测误差。式(8)表明：调整后的一组权数应等于旧的一组权数加上误差调整项，这个调整项包括预测误差、院观测值和学习常数等三个因素。学习常数k 的大小决定权数调整的速度。 下面举一个简单的例子来说明此法的全过程。设有一个时间序列包括 10 个观测值，如表 9 所示。试用自适应滤波法，以两个权数来求第 11 期的预测值。
本例中 N = 2 。取初始权数 w 1 = 0.5 ，w 2 = 0.5 ，并设 k = 0.9 。t 的取值由 N = 2
开始，当 t = 2 时：
（1）按预测公式（7），求第 t + 1 = 3 期的预测值。
y
?t +1 = y ?3 = w 1 y 2 + w 2 y 1 = 0.15 （2）计算预测误差。
e t +1 = e 3 = y 3 ? y
?3 = 0.3 ? 0.15 = 0.15 （3）根据式（8），
w 1 = w 1 + 2ke 3 y 2 = 0.554
w ' = w + 2ke y = 0.527 （1）～（3）结束，即完成了一次权数调整，然后 t 进 1 再重复以前步骤。当 t = 3时：
（1）利用所得到的权数，计算第 t + 1 = 4 期的预测值。方法是，舍去最的一个观测值 y 1 ，增加一个新的观测值 y 3 。即
' ' y ?t +1 = y ? 4 = w 1 y 3 + w 2 y 2 = 0.2716
（2）计算预测误差
e t +1 = e 4 = y 4 ? y
? 4 = 0.13 （3）调整权数
w ' = 0.554 + 2 × 0.9 × 0.13 × 0.3 = 0.624 ' = 0.527 + 2 × 0.9 × 0.13 × 0.2 = 0.564 这样进行到 t = 10 时
' ' y ?t +1 = y ?11 = w 1 y 10 + w 2 y 9 但由于没有t=11的观测值y 11,因此
e t +1 = e 11 = y 11 ? 11∧
y
无法计算。这时，第一轮的调整就此结束。把现有的新权数作为初始权数，重新开始 t = 2的过程。这样反复进行下去，到预测误差（指新一轮的预测总误差）没有明显改进时，就认为获得了一个“最佳”权数，能实际用来预测第11期的数值。在实际应用中，权数调整计算工作量可能很大，必须借助于计算机才能实现。
下面试通过模型二预测出的结果，由于预测数据量大，在此给出几组有代表性的地区的预测结果。其他预测结果附件中给出。
(1) 河北省
由于本校在河北省历年均有招生，而且每年的分数线相差不大，所以得出的结果相对准确。图一是模型二预测出2011年到2014年的预测结果的比较。
图一
(2) 北京市
由于北京市每年的录取分数线相差较大，所以预测结果的准确性有所降低。图二是模型二预测出2011年到2014年的预测结果的比较。
(3) 内蒙古
由于本校在内蒙古2012年没有招生，导致数据不足，无法预测结果，测值仅有一年。
图二
5.3 模型三的建立与求解
5.3.1均差法的具体过程
高校历年录取线与省控线有具体分差，通过计算历年的分差平均值，可以得出预测年份的录取线和提前给出的省控线的具体分差。根据得出的分差，考生可以在报考志愿的时候，得出自己想要的结果。
5.3.2 具体公式
(9) Y= y l －y k
给出具体计算结果和建议：
河北省2012年省控二本线509，华电科院最低录取线514，根据式(9)得出分差为5。河北省报考本校考生分数线需超过本二线5分到10分。除西藏、青海、宁夏、等教育水平不高的地区，其他省份的考生在报考电气专业和热动专业的分数需超出当地二本线10到20分。本校电气专业和热动专业为热门专业，如果考生分数较低，但是想报考以上专业，可以采取先报其他要求较低专业，保证被学校录取后，在大二转专业到电气和热动。
六模型的评价与推广
填报志愿对于考生来说尤为重要，本文所建立的模型和得出的方法，对考生预测学校各专业的录取线有很大的参考价值和帮助。本文所建立的两个模型，模型一可以将所给起始数据年份的下一年预测出来。模型二由于运用自适应过滤法，N取4，所以，只能预测出2014年以及前3年的结果。在预测录取分数线的时候，两种模型综合运用，可以得出最佳的预测值。
在广大考生和家长一起报考学校的时候，本文的方法行之有效。所以可将建立的模型进行推广。
模型的优点：
(1)本文建立的数学模型对于学校每年均招生的省份和地区，可以很好的预测出下
一年的录取分数线，预测误差均保持在30分以内。
(2)模型一操作简单，只需将目标学校历年的专业录取线导入，即可预测出结。
(3)模型二预测的结果平稳准确。
模型的待改进之处：
(1)本文建立的模型在缺少数据的省份和地区，无法预测出结果。
(2)模型二只能预测出预测年以及前三的结果。
七建议
通过观察本文所建立的模型的计算结果，进行分析，可以给出报考本校考生以下几点建议。
(1)河北省报考本校考生分数线需超过本二线5分到10分。
(2)除西藏、青海、宁夏、等教育水平不高的地区，其他省份的考生在报考电气专
业和热动专业的分数需超出当地二本线10到20分。
(3)本校电气专业和热动专业为热门专业，如果考生分数较低，但是想报考以上专
业，可以采取先报其他要求较低专业，保证被学校录取后，在大二转专业到电气和热动。
八参考文献
[ 1] 王丽贤. 时间序列预测技术研究[D]. 天津理工大学2012
[ 2] 李志芬,张家权. 平稳时间序列法的分析和应用[J]. 东北水利水电. 2001(03)
[ 3] 王长江. 指数平滑法中平滑系数的选择研究[J]. 中北大学学报(自然科学版). 2006(06) [ 4] 张雪琴. 关于“指数平滑法”的研究[J]. 内蒙古农业大学学报(自然科学版). 2006(04) [ 5] 吉培荣,张玉文,简作群. 优选平滑系数的指数平滑法电量预测系统[J]. 电网技术. 1996(06) [ 6] 张雪琴. 关于“指数平滑法”的研究[J]. 内蒙古农业大学学报(自然科学版). 2006(04) [ 7] 濮强国. 改进自适应过滤预测技术及其应用[J]. 苏州城建环保学院学报. 2001(03)
[ 8] 刘金伟. 高等数学课程教学改革与实践探讨[J]. 教育与职业. 2007(18)
[ 9] 唐晓静. 高考填报志愿的综合决策模型[J]. 统计教育. 2010(03)
[10] 唐晓静. 高考填报志愿的综合决策模型[J]. 统计教育. 2010(07)
[11] 唐晓静. 矩阵方程解的结构[J]. 高等数学研究. 2006(03)
[12] 王亚盛. 高考志愿网报系统性能优化与志愿预测分析[D]. 昆明理工大学2011
[13] 史贞军. 高考志愿决策支持系统的设计与实现[D]. 北京交通大学2010
[14] 毛竞飞,盛兰芳,李金波. 高考成绩群体差异性分析[J]. 现代教育管理. 2011(04)
[15] 毛竞飞. 高考命题中试题难度预测方法探索[J]. 教育科学. 2008(06)
九附录
Matlab程序代码：
模型一
filenames=['2007.xls';'2008.xls';'2009.xls';'2010.xls';'2011.xls';'2012.xls';'2013.xls'];
m=7;
a=0.2;
[x,y]=size(xlsread('2007.xls'));
j=1
data_city=[];
for(i=1:m)
data(:,:,i)=xlsread(filenames(i,:))%将7个表的数赋给data三维数组
end
for i=2:3:y
if(i>=y)
break;
end
data1(:,j,:)=data(:,i,:)
j=j+1;
end
%取出data表里的最低分数组成新表data1
for(i=2:m)
y1(:,:,i)=data1(:,:,i)-data1(:,:,i-1)
end
y2(:,:,2)= y1(:,:,2);
for(i=2:m)
y2(:,:,i+1)=a.*y1(:,:,i)+(1-a).*y2(:,:,i)
end
for i=1:m
y3(:,:,i+1)=y2(:,:,i+1)+data1(:,:,i)
end
%[c,d,k]=size(data1(:,:,:));
%for i=1:k
% figure ;
% subplot(2,1,1);
% hold on;
% plot([1:m],data_city(1,:,i),'r.-.');
% plot([1:m],data_city(i,:,2),'g.-');
% plot([1:m],data_city(i,:,3),'b.-');
% plot([1:m],data_city(i,:,4),'c.-');
% xlabel('year');
% ylabel('score');
% legend('L分数线','Lmax','Lmin','Laverage'); % hold off
% subplot(2,1,2);
% hold on
% plot([1:m],data_city(i,:,5),'r.-.');
% plot([1:m],data_city(i,:,6),'g.-');
% plot([1:m],data_city(i,:,7),'b.-');
% plot([1:m],data_city(i,:,8),'c.-');
% legend('W分数线','Wmax','Wmin','Waverage'); % print(gcf,'-dpng',strcat(num2str(i),'.png'));
% hold off
% close all
% aver(i)=mean(data_city(i,:));
% pause;
%end
模型二
clc
clear
filenames=['2007.xls';'2008.xls';'2009.xls';'2010.xls';'2011.xls';'2012.xls';'2013.xls'];
m=7;
j=1;
[x,y]=size(xlsread('2007.xls'));
data_city=[];
for i=1:m
data(:,:,i)=xlsread(filenames(i,:));
end
for i=2:3:y
if(i>y)
break;
end
data1(:,j,:)=data(:,i,:);
j=j+1;
end
[a,b,c]=size(data1(:,:,:));
for i=1:b
for p=1:c
data2(:,p,i)=data1(:,i,p);
end
end
n=4;
terr=1000;
for h=1:31
for i=1:22
w=ones(1,n)/n;
while abs(terr)>0.00001
terr=[];
for r=n+1:c
yhat(i,r,h)=w(1)*data2(i,r-1,b)+w(2)*data2(i,r-2,b)+w(3)*data2(i,r-3,b)+w(4)*data2(i,r-4,b);
% yhat(i,r,h)=w*data2(i,r-1:-1:r-n,h)';
err=data2(i,r,h)-yhat(i,r,h);
terr=[terr,abs(err)];
k=fun2(data2(i,:,b));
w=w+2*k*err*data2(i,r-1:-1:r-n,b);
end
terr=max(terr);
end
yhat(i,c-2,h)=w(1)*data2(i,c-3,h)+w(2)*data2(i,c-4,h)+w(3)*data2(i,c-5,h)+w(4)*data2(i,c-6,h) yhat(i,c-1,h)=w(1)*data2(i,c-2,h)+w(2)*data2(i,c-3,h)+w(3)*data2(i,c-4,h)+w(4)*data2(i,c-5,h)
yhat(i,c,h)=w(1)*data2(i,c-1,h)+w(2)*data2(i,c-2,h)+w(3)*data2(i,c-3,h)+w(4)*data2(i,c-4,h) w,
yhat(i,c+1,h)=w(1)*data2(i,c,h)+w(2)*data2(i,c-1,h)+w(3)*data2(i,c-2,h)+w(4)*data2(i,c-3,h) end
end
function k=fun(y)
for(i=1:3)
sum(i)=y(i)^2+y(i+1)^2+y(i)^2+y(i+2)^2+y(i+3)^2+y(i+4)^2;
end
k=1/max(sum);
模型结果
w =
0.2500 0.2500 0.2500 0.2500
yhat(:,:,1) =
0 0 0 0 418.4469 382.0833 417.5269 398.7835
0 0 0 0 450.0000 440.0000 435.0000 444.0000
0 0 0 0 454.5000 444.0000 435.0000 442.5000
0 0 0 0 451.2500 440.0000 433.2500 441.7500
0 0 0 0 449.7500 437.7500 432.7500 440.7500
0 0 0 0 449.0000 436.7500 430.2500 437.5000
0 0 0 0 454.2500 443.7500 434.0000 440.0000
0 0 0 0 449.0000 436.2500 428.7500 436.0000
0 0 0 0 454.7500 440.0000 433.0000 441.7500
0 0 0 0 451.2500 440.2500 430.2500 437.7500
0 0 0 0 448.0000 435.7500 429.2500 438.2500
0 0 0 0 445.7500 433.2500 428.7500 441.5000
0 0 0 0 NaN NaN 426.5000 435.7500
0 0 0 0 449.7500 439.5000 431.5000 439.5000
0 0 0 0 NaN NaN 433.0000 443.5000
0 0 0 0 448.5000 436.7500 427.0000 435.0000
0 0 0 0 448.5000 438.0000 429.5000 436.7500
0 0 0 0 NaN NaN 429.7500 437.7500
0 0 0 0 448.5000 437.5000 431.0000 439.2500
0 0 0 0 456.7500 454.7500 448.0000 NaN
0 0 0 0 461.7500 462.2500 456.5000 459.2500
0 0 0 0 NaN NaN NaN NaN
yhat(:,:,2) =
0 0 0 0 441.2500 432.5000 417.2500 413.7500
0 0 0 0 432.0000 423.5000 402.5000 404.0000
0 0 0 0 429.5000 419.7500 400.0000 400.5000
0 0 0 0 424.0000 NaN NaN NaN
0 0 0 0 423.0000 NaN NaN NaN
0 0 0 0 417.0000 407.5000 381.7500 384.7500
0 0 0 0 428.5000 417.2500 390.7500 383.5000
0 0 0 0 425.5000 413.7500 383.0000 380.5000
0 0 0 0 423.0000 406.2500 374.7500 367.5000
0 0 0 0 418.0000 394.2500 363.2500 362.5000
0 0 0 0 417.5000 NaN NaN NaN
0 0 0 0 414.5000 NaN NaN NaN
0 0 0 0 411.5000 NaN NaN NaN
0 0 0 0 422.7500 404.5000 NaN NaN
0 0 0 0 417.2500 396.0000 361.5000 362.0000
0 0 0 0 426.2500 411.5000 378.5000 368.5000
0 0 0 0 410.2500 389.7500 371.7500 375.7500
0 0 0 0 417.0000 NaN NaN NaN
0 0 0 0 423.7500 404.2500 374.0000 367.2500
0 0 0 0 437.0000 422.0000 417.5000 414.2500
0 0 0 0 449.5000 435.2500 428.5000 428.2500
0 0 0 0 451.7500 434.5000 421.7500 421.5000 yhat(:,:,3) =
0 0 0 0 540.0000 540.7500 544.5000 536.7500
0 0 0 0 532.0000 532.7500 534.2500 526.2500
0 0 0 0 532.5000 533.5000 536.5000 526.5000
0 0 0 0 526.0000 525.0000 527.5000 521.5000
0 0 0 0 524.7500 523.7500 525.7500 518.7500
0 0 0 0 524.2500 523.2500 524.2500 517.5000
0 0 0 0 529.2500 530.2500 531.7500 522.7500
0 0 0 0 527.0000 526.5000 526.7500 518.2500
0 0 0 0 528.0000 527.5000 528.0000 520.2500
0 0 0 0 525.7500 524.5000 524.5000 516.2500
0 0 0 0 525.2500 524.0000 524.7500 516.7500
0 0 0 0 524.7500 523.7500 526.5000 520.5000
0 0 0 0 524.5000 523.2500 523.7500 516.2500
0 0 0 0 526.5000 527.0000 526.5000 517.7500
0 0 0 0 524.2500 523.2500 523.7500 515.7500
0 0 0 0 525.0000 525.0000 525.5000 496.5000
0 0 0 0 524.2500 523.0000 523.7500 515.7500
0 0 0 0 524.5000 523.5000 524.7500 517.0000
0 0 0 0 524.7500 525.0000 525.5000 517.5000
0 0 0 0 511.7500 509.2500 514.2500 518.5000 0 0 0 0 512.5000 509.7500 517.0000 522.7500 0 0 0 0 511.2500 509.0000 517.0000 522.0000
交巡警服务平台的设置与调度 摘要 由于警务资源有限，需要根据城市的实际情况与需求建立数学模型来合理地确定交巡警服务平台数目与位置、分配各平台的管辖范围、调度警务资源。设置平台的基本原则是尽量使平台出警次数均衡，缩短出警时间。用出警次数标准差衡量其均衡性，平台与节点的最短路衡量出警时间。 对问题一，首先以出警时间最短和出警次数尽量均衡为约束条件，利用无向图上任意两点最短路径模型得到平台管辖范围，并运用上下界网络流模型优化解,得到A区平台管辖范围分配方案。发现有6个路口不能在3分钟内被任意平台到达，最长出警时间为5.7分钟。 其次，利用二分图的完美匹配模型得出20个平台封锁13个路口的最佳调度方案，要完全封锁13个路口最快需要8.0分钟。 最后，以平台出警次数均衡和出警时间长短为指标对方案优劣进行评价。建立基于不同权重的平台调整评价模型，以对出警次数均衡的权重u和对最远出警距离的权重v 为参数，得到最优的增加平台方案。此模型可根据实际需求任意设定权重参数和平台增数，由此得到增加的平台位置，权重参数可反映不同的实际情况和需求。如确定增加4个平台，令u=0.6，v=0.4，则增加的平台位置位于21、27、46、64号节点处。 对问题二，首先利用各区平台出警次数的标准差和各区节点的超距比例分析评价六区现有方案的合理性，利用模糊加权分析模型以城区的面积、人口、总发案次数为因素来确定平台增加或改变数目。得出B、C区各需改变2个平台的位置，新方案与现状比较，表明新方案比现状更合理。D、E、F区分别需新增4、2、2个平台。利用问题一的基于不同权重的平台调整评价模型确定改变或新增平台的位置。 其次，先利用二分图的完美匹配模型给出80个平台对17个出入口的最优围堵方案，最长出警时间12.7分钟。在保证能够成功围堵的前提下，若考虑节省警力资源，分析全市六区交通网络与平台设置的特点，我们给出了分阶段围堵方案，方案由三阶段构成。最多需调动三组警力，前后总共需要29.2分钟可将全市路口完全封锁。此方案在保证成功围堵嫌疑人的前提下，若在前面阶段堵到罪犯，则可以减少警力资源调度，节省资源。 【关键字】：不同权重的平台调整评价模糊加权分析最短路二分图匹配
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）： A 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）：重庆工商大学 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： 2012 年 9 月 10 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）：
葡萄酒的评价 摘要 酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定的程度上反映葡萄酒和葡萄的质量。本论文主要研究葡萄酒的评价、酿酒葡萄的分级以及酿酒葡萄与葡萄酒的理化指标之间的相互关系问题。 对于问题一:我们从假设检验的角度出发分析，对两组的评分进行均值和方差运算，并在零假设成立的前提下通过使用Matlab 做T 检验，得出两组评酒员对于红葡萄酒的评价结果无显著性差异，而对于白葡萄酒的评价结果存在显著性差异的结果。再建立可信度模型 = H ，计算结果如下表， 对于问题二:根据葡萄酒质量的综合得分，将其划分为优、良、合格、不合格四个等级，并对酿酒葡萄的理化指标进行主成分分析，得出对葡萄影响较大的 到了它们的偏相关系矩阵。利用通径方法建立了数学模型，得出了它们之间的线性回归方程： 11231123=2.001x 0.0680.015x +........=0.0540.7580.753x ......... y x y x x ----+红红红红白白白白 对于问题四:在前面主成分分析和葡萄酒分级的基础上，建立Logistic 回归模型，并利用最大似然估计法求出线性回归方程的参数，得出线性回归方程。运用SPSS 软件，通过matlab 编程运算，求出受它们综合影响的线性回归方程。在验证时，随机从上面选取理化指标，将它们带入P 的计算式中，通过所求P 值判断此时葡萄酒质量所属级别，得出了不能用葡萄和葡萄酒的理化指标来评价葡萄酒的质量的结论。
２01４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《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： 20１4 年 9 月15日 赛区评阅编号(由赛区组委会评阅前进行编号）:
２０14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）：赛区评阅记录(可供赛区评阅时使用）：
车道被占用对城市道路通行能力的影响 摘要 随着城市化进程加快，城市车辆数的增加，致使道路的占用现象日益严重，同时也导致了更多交通事故的发生。而交通事故发生过程中，路边停车、占道施工、交通流密增大等因素直接导致车道被占用，进而影响了城市道路的通行能力。本文在视频提供的背景下通过数据采集，利用数据插值拟合、差异对比、车流波动理论等对这一影响进行了分析，具体如下： 针对问题一，首先根据视频1中交通事故前后道路通行情况的变化过程运用物理观察测量类比法、数学控制变量法提取描述变量（如事故横断面处的车流量、车流速度以及车流密度）的数据，从而通过研究各变量的变化，来分析其对通行能力的影响。而视频1中有一些时间断层，我们可根据现有的数据先用统计回归对各变量数据插值后再进行拟合，拟合过程中利用残差计算值的大小来选择较好的模型来反应各变量与事故持续时间的关系，进而更好地说明事故发生至撤离期间，事故所处横断面实际通行能力的变化过程。 针对问题二：沿用问题一中的方法，对视频2中影响通行能力的各个变量进行数据采集，同样使用matlab对时间断层处进行插值拟合处理，再将所得到的的变化图像与题一中各变量的变化趋势进行对比分析，其中考虑到两视频的时间段与两视频的事故时长不同，从而采用多种对比方式（如以事故发生前、中、后三时段比较差值、以事故相同持续时间进行对比、以整个事故时间段按比例分配时间进行对比）来更好地说明这一差异。由于小区口的位置不同、时间段是否处于车流高峰期以及1、2、3道车流比例不同等因素的影响，采用不同的数据采集方式使采集的变量数据的实用性更强，从而最后得到视频1中的道路被占用影响程度高于视频2中的影响程度，再者从差异图像的变化波动中得到验证，使其合理性更强。 针对问题三：运用问题1、2中三个变量与持续时间的关系作为纽带，再根据附件5中的信号相位确定出车流量的测量周期为一分钟，测量出上游车流量随时间的变化情况，而事故横断面实际通行能力与持续时间的关系已在1、2问中由拟合得到，所以再根据波动理论预测道路异常下车辆长度模型的结论，结合采集数据得到的函数关系建立数学模型，最后得出事故发生后，车辆排队长度与事故横断面实际通行能力、事故持续时间以及路段上游车流量这三者之间的关系式。 针对问题四：在问题3建立的模型下，利用问题4中提供的变量数据推导出其它相关变量值，然后代入模型，估算出时间长度，以此检验模型的操作性及可靠性。 关键词：通行能力车流波动理论车流量车流速度车流密度
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）： A 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）：大连工业大学 参赛队员(打印并签名 ) ： 1.王佳锴 2.梁嘉祯 3.杨挺 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： 2013年9月16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）： 赛区评阅记录（可供赛区评阅时使用）： 评 阅 人 评 分 备 注 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）：
SARS传播的数学模型 (轩辕杨杰整理) 摘要 本文分析了题目所提供的早期SARS传播模型的合理性与实用性，认为该模型可以预测疫情发展的大致趋势，但是存在一定的不足.第一，混淆了累计患病人数与累计确诊人数的概念；第二，借助其他地区数据进行预测，后期预测结果不够准确；第三，模型的参数L、K的设定缺乏依据，具有一定的主观性. 针对早期模型的不足，在系统分析了SARS的传播机理后，把SARS的传播过程划分为：征兆期，爆发期，高峰期和衰退期4个阶段.将每个阶段影响SARS 传播的因素参数化，在传染病SIR模型的基础上，改进得到SARS传播模型.采用离散化的方法对本模型求数值解得到：北京SARS疫情的预测持续时间为106天，预测SARS患者累计2514人，与实际情况比较吻合. 应用SARS传播模型，对隔离时间及隔离措施强度的效果进行分析，得出结论：“早发现，早隔离”能有效减少累计患病人数；“严格隔离”能有效缩短疫情持续时间. 在建立模型的过程中发现，需要认清SARS传播机理，获得真实有效的数据.而题目所提供的累计确诊人数并不等于同期累计患病人数，这给模型的建立带来不小的困难. 本文分析了海外来京旅游人数受SARS的影响，建立时间序列半参数回归模型进行了预测，估算出SARS会对北京入境旅游业造成23.22亿元人民币损失，并预计北京海外旅游人数在10月以前能恢复正常. 最后给当地报刊写了一篇短文，介绍了建立传染病数学模型的重要性.
1．问题的重述 SARS （严重急性呼吸道综合症，俗称：非典型肺炎）的爆发和蔓延使我们认识到，定量地研究传染病的传播规律，为预测和控制传染病蔓延创造条件，具有很高的重要性.现需要做以下工作： （1） 对题目提供的一个早期模型，评价其合理性和实用性. （2） 建立自己的模型，说明优于早期模型的原因；说明怎样才能建立一个真正能够预测以及能为预防和控制提供可靠、足够信息的模型，并指出这样做的困难；评价卫生部门采取的措施，如：提前和延后5天采取严格的隔离措施，估计对疫情传播的影响. （3） 根据题目提供的数据建立相应的数学模型，预测SARS 对社会经济的影响. （4） 给当地报刊写一篇通俗短文，说明建立传染病数学模型的重要性. 2．早期模型的分析与评价 题目要求建立SARS 的传播模型，整个工作的关键是建立真正能够预测以及能为预防和控制提供可靠、足够的信息的模型.如何结合可靠、足够这两个要求评价一个模型的合理性和实用性，首先需要明确： 合理性定义 要求模型的建立有根据，预测结果切合实际. 实用性定义 要求模型能全面模拟真实情况，以量化指标指导实际. 所以合理的模型能为预防和控制提供可靠的信息；实用的模型能为预防和控制提供足够的信息. 2.1早期模型简述 早期模型是一个SARS 疫情分析及疫情走势预测的模型， 该模型假定初始时刻的病例数为0N ， 平均每病人每天可传染K 个人（K 一般为小数），K 代表某种社会环境下一个病人传染他人的平均概率，与全社会的警觉程度、政府和公众采取的各种措施有关.整个模型的K 值从开始到高峰期间保持不变，高峰期后 10天的范围内K 值逐步被调整到比较小的值，然后又保持不变. 平均每个病人可以直接感染他人的时间为L 天.整个模型的L 一直被定为20.则在L 天之内，病例数目的增长随时间t (单位天)的关系是： t k N t N )1()(0+?= 考虑传染期限L 的作用后，变化将显著偏离指数律，增长速度会放慢.采用半模拟循环计算的办法，把到达L 天的病例从可以引发直接传染的基数中去掉. 2.2早期模型合理性评价 根据早期模型对北京疫情的分析与预测，其先将北京的病例起点定在3月1日，经过大约59天在4月29日左右达到高峰，然后通过拟合起点和4月20日以后的数据定出高峰期以前的K =0.13913.高峰期后的K 值按香港情况变化，即10天范围内K 值逐步被调整到0.0273.L 恒为20.由此画出北京3月1日至5月7日疫情发展趋势拟合图像以及5月7日以后的疫情发展趋势预测图像，如图1.
上海世博会影响力的定量评估 摘要 本文主要针对世博会对上海市的发展产生的影响力进行定量评估。 在模型一中，首先我们从上海的城市基础设施建设这一侧面定量评估世博会对上海市的发展产生的影响，而层次分析法是对社会经济系统进行系统分析的有力工具。所以 我们运用层次分析法，构造成对比矩阵a ，找到最大特征值λ，运用1 n CI n λ-=-进行一致 性检验，这样对成对比矩阵a 进行逐步修正，最终可以确定权向量。再运用模糊数学的综合评价法，通过组合权向量就可以得出召开世博会比没有召开世博会对上海城市基本设施建设的影响要高出40%。 在模型二中，上海世博会的影响力直接体现在GDP 上，我们直接以GDP 这个硬性直接指标来衡量上海世博会对上海的影响。因此我们运用线性回归的模型预测出在有无上海世博会这两者情况下的GDP 的值，并将运用线性回归得到的数据与上海统计年鉴中的相关数据进行比较运算，算出误差在1.2%左右，这说明我们用线性回归得到的模型能准确地反映出世博会对上海GDP 的影响。运用公式21 1 100%Q Q Q η-=?可以计算出世博对上海GDP 的影响力的大小为1983417833 100%11.2%17833 η-= ?=。 关键词：层次分析法 模糊数学 线性回归 城市基础建设 GDP
1 问题重述 2010年上海世博会是首次在中国举办的世界博览会。从1851年伦敦的“万国工业博览会”开始，世博会正日益成为各国人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。请你们选择感兴趣的某个侧面，建立数学模型，利用互联网数据，定量评估2010年上海世博会的影响力。 2 问题分析 对于模型一，为了定量评估2010年上海世博会的影响力，我们首先选取城市基础设施建设的投入这一个侧面，因为通过查找相关数据，我们发现，城市基础设施建设的投入在上海整个GDP的增长中占有很大的比重，对GDP的贡献占主体地位。而层次分析法是对社会经济系统进行系统分析的有力工具。为此，我们通过研究上海统计局的相关数据，使用层次分析法来评估世博会的召开对基础设施建设的投入的影响，目标层为世博会的召开对基础设施建设的投入的影响，准则层依次为电力建设、交通运输、邮电通信、公用事业、市政建设，方案层依次为没有召开世博时的影响、召开世博时的影响。首先我们通过层次分析法算出电力建设、交通运输、邮电通信、公用事业、市政建设的相对权重，然后应用模糊数学中的综合评价法对上海世博会对城市基础设施建设的影响作出综合的评价，应用综合评价法计算出没有召开世博和召开世博两种情况下的权重，从而得出上海世博会的召开对城市基础设施建设的影响。 对于模型二，直接以GDP这个硬性直接指标来衡量上海世博会对上海的影响。先根据上海没有申办世博会的GDP总额的相关数据，建立线性回归模型，由此预测不举办世博会情况下2010年上海市的GDP总额；再由2002年至2009年的GDP值用线性回归预测出举办世博会情况下2010年上海市的GDP总额，并将两种情况进行对比得出世博会对上海GDP的影响。 3 模型假设 3.1假设非典和奥运等重大事件对世博前的城市基础建设的投入影响很小，可以忽略。 3.2 假设不同时期国家的经济实力不同，对城市基础建设的投入影响很小，可以忽略。 3.3 假设我们查到的数据真实可靠。 4符号说明 CI为一致性指标； RI为随机一致性指标； CR为一致性比率； λ为成对比较矩阵的最大特征值； () 1,2,3,4,5 y i=分别为电力建设、交通运输、邮电建设、共用设施、市政建设2010 i 年各项投入金额的理论预测值；
高考录取分数预测模型 姓名: 班级： 姓名: 班级： 姓名: 班级：
关于高考录取分数预测模型的探究 摘要 本文通过差分指数平滑法和自适应过滤法分别建立模型，根据历年学校录取线预测下一年的录取分数线。最后，根据预测出来的最佳数据，给2014年报考本校的考生做出合理的建议。 对于问题一和问题二，首先根据题意和所给出的学校历年的录取分数线，不难分析出高校的录取分数线是由当年的题目难度、考生报考数量、“大年”和“小年”等因素决定的。每年的分数线还是有一定差距的，例如，本校2012在北京市电气专业的录取线是428分，而2013年是488分，相差60分。因此，预测的时候，需要通过一些方法使数据趋于平滑，使之便于预测。通过这些分析，建立了两种可靠的预测模型。 模型一通过差分的方法，利用Matlab软件将后一年Y t与前一年Y t-1的数据相减得到一个差分值，构成一个新序列。将新序列的值与实际值依次迭加，作为下一期的预测值。以此类推，预测出2014年的录取分数线。模型二是根据一组给定的权数w对历年的数据进行加权平均计算一个预测值y，然后根据预测误差调整权数以减少误差，这样反复进行直至找到一组最佳权数，使误差减小到最低限度，再利用最佳权数进行加权平均预测。这两种方法很好的解决了历年录取分数相差较大难以预测的问题。预测值相对准确。预测结果数据量较大，在此以河北省为例，给出预测结果模型一：2014年本校电气专业录取线为495，模型二：2014年本校电气专业录取线为536。 最后，通过预测出的数据，比对模型一和模型二，取最佳预测值，给报考科技学院的考生做出较为合理的建议。 关键词：序列权数差分值加权平均高考录取线
优化和评价的收费亭的数量 景区简介 由於公路出来的第一千九百三十，至今发展十分迅速在全世界逐渐成为骨架的运输系统，以其高速度，承载能力大，运输成本低，具有吸引力的旅游方便，减少交通堵塞。以下的快速传播的公路，相应的管理收费站设置支付和公路条件的改善公路和收费广场。 然而，随着越来越多的人口密度和产业基地，公路如花园州公园大道的经验严重交通挤塞收费广场在高峰时间。事实上，这是共同经历长时间的延误甚至在非赶这两小时收费广场。 在进入收费广场的车流量，球迷的较大的收费亭的数量，而当离开收费广场，川流不息的车辆需挤缩到的车道数的数量相等的车道收费广场前。因此，当交通繁忙时，拥堵现象发生在从收费广场。当交通非常拥挤，阻塞也会在进入收费广场因为所需要的时间为每个车辆付通行费。 因此，这是可取的，以尽量减少车辆烦恼限制数额收费广场引起的交通混乱。良好的设计，这些系统可以产生重大影响的有效利用的基础设施，并有助于提高居民的生活水平。通常，一个更大的收费亭的数量提供的数量比进入收费广场的道路。 事实上，高速公路收费广场和停车场出入口广场构成了一个独特的类型的运输系统，需要具体分析时，试图了解他们的工作和他们之间的互动与其他巷道组成部分。一方面，这些设施是一个最有效的手段收集用户收费或者停车服务或对道路，桥梁，隧道。另一方面，收费广场产生不利影响的吞吐量或设施的服务能力。收费广场的不利影响是特别明显时，通常是重交通。 其目标模式是保证收费广场可以处理交通流没有任何问题。车辆安全通行费广场也是一个重要的问题，如无障碍的收费广场。封锁交通流应尽量避免。 模型的目标是确定最优的收费亭的数量的基础上进行合理的优化准则。 主要原因是拥挤的
2014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《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：2014 年9 月 15日 赛区评阅编号（由赛区组委会评阅前进行编号）：
2014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）：赛区评阅记录（可供赛区评阅时使用）：
数学建模论文示例 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】
“空瓶换汽水”问题探讨 摘要：“空瓶换汽水”问题是一个比较经典的趣味数学问题，曾以“空瓶换啤酒”“废电池换新电池”“费电珠换新电珠”等形式出现在前苏联、德国和中国各种数学竞赛题目中。这个问题的探讨与解决，对于我们在日常生活中如何使开支与效益达到最优化等问题，具有一定的指导意义。 关键词：瓶数空瓶不含瓶单价推论 日常生活中，我们经常遇到过空瓶换汽水问题。喝完了凉爽的汽水还能用空瓶换汽水继续喝，那简直是炎炎夏日里的一种享受。如果没有经历过，那么以下这几道数学题你应该似曾相识。 【问题一】 某品牌汽水可以用3个空瓶再换回1瓶汽水，某人买回10瓶汽水，则他最多可以喝到多少瓶汽水 【解析一】 “用3个空瓶再换回1瓶汽水”，假设汽水一瓶3元，则空瓶相应的1元，而真正的汽水就只值2元，“某人买回10瓶汽水”意味着花去人民币 3*10=30元， 故而“最多可以喝到?30/2=15瓶。 【问题二】 5个空瓶可以换1瓶汽水，某班同学喝了161瓶汽水，其中有一些是用喝剩下来的空瓶换的，那么他们至少要买汽水多少瓶？ 【解析二】 同理“5个空瓶可以换1瓶汽水”由题意，假设1瓶汽水5元，空瓶则1元，真正的汽水只值4元，“某班同学喝了161瓶汽水”则一共真正汽水的钱是：161*4元； 而买整个汽水（真正的汽水加空瓶）需要5元，所以“他们至少要买汽水多少瓶”则等于( 161*4)/5=(161/5)*4=(32*4)...余1，此时就可算出32*4+1=129瓶。 笔者对类似的题目的思考与研究，得到以下推论： 1，汽水的瓶数=总共的钱/汽水（不含瓶）的钱； 2，至少要买汽水多少瓶=总花去的钱/汽水的单价+余数。 这些推论是否正确呢是否可以解决此类问题呢我们不妨拿类似的问题验证一下。 【问题三】 超市规定每3个空汽水瓶可以换一瓶汽水，小李有12个空汽水瓶，最多可以换几瓶汽水A.4瓶B.5瓶C.6瓶D.7瓶 【解答三】 由题意可知，空汽水瓶的价钱是1元，汽水加瓶是3元，所以“小李有12个空汽水瓶”等于小李有12元钱，问题是“最多可以换几瓶汽水”，就是小李
城市表层土壤重金属污染分析 摘要 本文旨在对城市土壤地质环境的重金属污染状况进行分析，建立模型对金属污染物的分布特点、污染程度、传播特征以及污染源的确定进行有效的描述、评价和定位。 对于重金属空间分布问题，首先基于克里金插值法，应用Surfer 8软件对各数据点的分布情况进行模拟，得到了直观的重金属污染空间分布图形；随后，分别用内梅罗综合污染指数以及模糊评价标准和模型对城区内不同区域重金属的污染程度进行了评判。 对于金属污染的主要原因分析问题，基于因子分析法、问题一的结果和对各个金属污染物的来源分析等因素，判断出金属污染的主要原因有：工业生产、汽车尾气排放、石油加工并推测该区域是镍矿富集区。随后讨论了污染源之间的相互关系和不同金属的污染贡献率。 针对污染源位置确定问题，我们建立了两个模型：模型一以流程图的形式出现，基于污染传播的一般规律建立模型，求取污染源范围，模型作用更倾向于确定污染源的位置；模型二基于最小二乘法原理，建立了拟合二次曲面方程，在有效确定污染源的同时也反映了其传播特征，模型更加清楚，理论性也更强。 在研究城市地质环境的演变模式问题中，我们对针对污染源位置确定问题所建模型的优缺点进行了评价，同时建立了考虑了时间，地域环境和传播媒介的污染物传播模型，从而反映了地质的演变。 综上所述，本文模型的特点是从简单的模型建立起，强更准确的数学模型发展，逐步达到目标期望。 关键词：重金属污染，克里金插值最小二乘法因子分析流程图
一、问题重述 1.1问题背景 随着城市经济的快速发展和城市人口的不断增加，人类活动对城市环境质量的影响日显突出。对城市土壤地质环境异常的查证，以及如何应用查证获得的海量数据资料开展城市环境质量评价，研究人类活动影响下城市地质环境的演变模式，日益成为人们关注的焦点。评价和研究城市土壤重金属污染程度，讨论土壤中重金属的空间分布，研究城市土壤重金属污染特征、污染来源以及在环境中迁移、转化机理，并对城市环境污染治理和城市进一步的发展规划提出科学建议，不仅有利于城市生态环境良性发展，有利于人类与自然和谐，也有利于人类社会 健康和城市可持续发展[1] 。按照功能划分，城区一般可分为生活区、工业区、山区、主干道路区及公园绿地区等，不同的区域环境受人类活动影响的程度不同。 现对某城市城区土壤地质环境进行调查。为此，将所考察的城区划分为间距1公里左右的网格子区域，按照每平方公里1个采样点对表层土（0~10 厘米深度）进行取样、编号，并用GPS 记录采样点的位置。应用专门仪器测试分析，获得了每个样本所含的多种化学元素的浓度数据。另一方面，按照2公里的间距在那些远离人群及工业活动的自然区取样，将其作为该城区表层土壤中元素的背景值。 1.2 目标任务 (1) 给出8种主要重金属元素在该城区的空间分布，并分析该城区内不同区域重金属的污染程度。 (2) 通过数据分析，说明重金属污染的主要原因。 (3) 分析重金属污染物的传播特征，由此建立模型，确定污染源的位置。 (4) 分析所建立模型的优缺点，为更好地研究城市地质环境的演变模式，分析还应收集的信息，并进一步探索怎样利用收集的信息建立模型及解决问题。 二、 模型假设 1）忽略地下矿源对污染物浓度的影响； 2）认为海拔对污染物的分布较小，故只在少数模型中讨论其作用； 3）认为题目中的采样方式是科学的，能够客观反映污染源的分布。 三、 符号说明 3.1第一问中的符号说明 i p ——污染物i 的环境污染指数 i C ——污染物i 的实测值 i S ——污染物i 的背景值 m ax (/)i i C S ——土壤污染指数的最大值 (/)i i avg C S ——土壤污染指数的平均值
Haozl觉得数学建模论文格式这么样设置 版权归郝竹林所有，材料仅学习参考 版权：郝竹林 备注☆ ※§等等字符都可以作为问题重述左边的。。。。。一级标题 所有段落一级标题设置成段落前后间距13磅 图和表的标题采用插入题注方式题注样式在样式表中设置居中五号字体 Excel中画出的折线表字体采用默认格式宋体正文10号 图标题在图上方段落间距前0.25行后0行 表标题在表下方段落间距前0行后0.25行 行距均使用单倍行距 所有段落均把4个勾去掉 注意Excel表格插入到word的方式在Excel中复制后，粘贴，word2010粘贴选用使用目标主题嵌入当前 Dsffaf 所有软件名字第一个字母大写比如E xcel 所有公式和字母均使用MathType编写 公式编号采用MathType编号格式自己定义
农业化肥公司的生产与销售优化方案 摘 要 要求总分总 本文针对储油罐的变位识别与罐容表标定的计算方法问题，运用二重积分法和最小二乘法建立了储油罐的变位识别与罐容表标定的计算模型，分别对三种不同变位情况推导出的油位计所测油位高度与实际罐容量的数学模型，运用matlab 软件编程得出合理的结论，最终对模型的结果做出了误差分析。 针对问题一要求依据图4及附表1建立积分数学模型研究罐体变位后对罐容表的影响，并给出罐体变位后油位高度间隔为1cm 的罐容表标定值。我们作图分析出实验储油罐出现纵向倾斜 14.时存在三种不同的可能情况，即储油罐中储油量较少、储油量一般、储油量较多的情况。针对于每种情况我们都利用了高等数学求容积的知识，以倾斜变位后油位计所测实际油位高度为积分变量，进行两次积分运算，运用MATLAB 软件推导出了所测油位高度与实际罐容量的关系式。并且给出了罐体倾斜变位后油位高度间隔为1cm 的罐容标定值（见表1），最后我们对倾斜变位前后的罐容标定值残差进行分析，得到样本方差为4103878.2-?，这充分说明残差波动不大。我们得出结论：罐体倾斜变位后，在同一油位条件下倾斜变位后罐容量比变位前罐容量少L 243。 表 1.1 针对问题二要求对于图1所示的实际储油罐，试建立罐体变位后标定罐容表的数学模型，即罐内储油量与油位高度及变位参数（纵向倾斜角度α和横向偏转角度β）之间的一般关系。利用罐体变位后在进/出油过程中的实际检测数据（附件2），根据所建立的数学模型确定变位参数，并给出罐体变位后油位高度间隔为10cm 的罐容表标定值。进一步利用附件2中的实际检测数据来分析检验你们模型的正确性与方法的可靠性。我们根据实际储油罐的特殊构造将实际储油罐分为三部分，左、右球冠状体与中间的圆柱体。运用积分的知识，按照实际储油罐的纵向变位后油位的三种不同情况。利用MATLAB 编程进行两次积分求得仅纵向变位时油量与油位、倾斜角α的容积表达式。然后我们通过作图分析油罐体的变位情况，将双向变位后的油位h 与仅纵向变位时的油位0h 建立关系表达式01.5(1.5)cos h h β=--，从而得到双向变位油量与油位、倾斜角α、偏转角β的容积表达式。利用附件二的数据，采用最小二乘法来确定倾斜角α、偏转角β的值，用matlab 软件求出03.3=α、04=β α=3.30，β=时总的平均相对误差达到最小，其最小值为0.0594。由此得到双向变位后油量与油位的容积表达式V ，从而确定了双向变位后的罐容表(见表2)。 本文主要应用MATLAB 软件对相关的模型进行编程求解，计算方便、快捷、准确，整篇文章采取图文并茂的效果。文章最后根据所建立的模型用附件2中的实际检测数据进行了误差分析，结果可靠，使得模型具有现实意义。 关键词：罐容表标定；积分求解；最小二乘法；MATLAB ；误差分
初中数学建模论文范文 数学建模随着人类的进步，科技的发展和社会的日趋数字化，应用领域越来越广泛，人们身边的数学内容越来越丰富。强调数学应用及培养应用数学意识对推动素质教育的实施意义十分巨大。数学建模在数学教育中的地位被提到了新的高度，通过数学建模解数学应用题，提高学生的综合素质。本文将结合数学应用题的特点，把怎样利用数学建模解好数学应用问题进行剖析，希望得到同仁的帮助和指正。 一、数学应用题的特点 我们常把来源于客观世界的实际，具有实际意义或实际背景，要通过数学建模的方法将问题转化为数学形式表示，从而获得解决的一类数学问题叫做数学应用题。数学应用题具有如下特点： 第一、数学应用题的本身具有实际意义或实际背景。这里的实际是指生产实际、社会实际、生活实际等现实世界的各个方面的实际。如与课本知识密切联系的源于实际生活的应用题；与模向学科知识网络交汇点有联系的应用题；与现代科技发展、社会市场经济、环境保护、实事政治等有关的应用题等。 第二、数学应用题的求解需要采用数学建模的方法，使所求问题数学化，即将问题转化成数学形式来表示后再求解。 第三、数学应用题涉及的知识点多。是对综合运用数学知识和方法解决实际问题能力的检验，考查的是学生的综合能力，涉及的知识点一般在三个以上，如果某一知识点掌握的不过关，很难将问题正确解答。 二、数学应用题如何建模 第一层次：直接建模。 根据题设条件，套用现成的数学公式、定理等数学模型，注解图为： 第二层次：直接建模。可利用现成的数学模型，但必须概括这个数学模型，对应用题进行分析，然后确定解题所需要的具体数学模型或数学模型中所需数学量需进一步求出，然后才能使用现有数学模型。 第三层次：多重建模。对复杂的关系进行提炼加工，忽略次要因素，建立若干个数学模型方能解决问题。 第四层次：假设建模。要进行分析、加工和作出假设，然后才能建立数学模型。如研究十字路口车流量问题，假设车流平稳，没有突发事件等才能建模。 三、建立数学模型应具备的能力
交巡警服务平台的设置与调度的数学模型 摘要 针对交巡警服务平台的设置与调度问题，本文主要考虑出警速度和各服务平台的工作量来建立合理方案。对于A区的20个交巡警服务平台分配管辖范围的问题，我们采用Dijkstra算法，分别求得在3分钟内从服务台可以到达的路口。根据就近原则，每个路口归它最近的服务台管辖。 对进出A区的13个交通要道进行快速全封锁，我们采用目标规划进行建模，运用MATLAB软件编程，先找出13个交通要道到20个服务台的所有路径。然后在保证全封锁时间最短的前提下，再考虑局部区域的封锁效率，即总封锁时间最短，封锁过程中总路程最小，从而得到一个较优的封锁方案。 为解决前面问题中3分钟内交巡警不能到达的路口问题，并减少工作量大的地区的负担，这里工作量以第一小问中20个服务台覆盖的路口发案率之和以及区域内的距离的和来衡量。对此我们计划增加四个交巡警服务台。避免有些地方出警时间过长和服务台工作量不均衡的情况。 对全市六个区交警平台设计是否合理，主要以单位服务台所管节点数，单位服务台所覆盖面积，以及单位服务台处理案件频率这些因素进行研究分析。以A 区的指标作为参考，来检验交警服务平台设置是否合理。 对于发生在P点的刑事案件，采用改进的深度搜索和树的生成相结合的方法，对逃亡的犯罪嫌疑人进行可能的逃逸路径搜索。由于警方是在案发后3分钟才接到报警，因此需知道疑犯在这3分钟内可能的路线。要想围堵嫌疑犯，服务台必须要在嫌疑犯到达某节点之前到达。用MATLAB编程，搜索出嫌疑犯可能逃跑的路线，然后调度附近的服务台对满足条件的节点进行封锁，从而实现对疑犯的围堵。 关键词：Dijkstra算法；目标规划；搜索；
承诺书 我们仔细阅读了数学建模竞赛选拔的规则. 我们完全明白，在做题期间不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人研究、讨论与选拔题有关的问题。 我们知道，抄袭别人的成果是违反选拔规则的, 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，严格遵守选拔规则，以保证选拔的公正、公平性。如有违反选拔规则的行为，我们将受到严肃处理。 我们选择的题号是（从A/B/C中选择一项填写）： 队员签名：1. 2. 3. 日期：年月日
2012年河南科技大学数学建模竞赛选拔 编号专用页 评阅编号（评阅前进行编号）： 评阅记录（评阅时使用）： 评 阅 人 评 分 备 注
C题数学建模竞赛成绩评价与预测 一、摘要 近20 年来，CUMCM 的规模平均每年以20％以上的增长速度健康发展，是目前全国高校中规模最大的课外科技活动之一。本文对数学建模竞赛成绩的评价与预测问题进行了建模、求解和相关分析。 对于问题一，首先对广东赛区各院校2008-2011年建模奖励数据进行统计分析，将决策问题分为三个层次，建立多层次模糊综合评判模型。在该模型中，将因素集{国家一等奖，国家二等奖，省一等奖，省二等奖，省三等奖}看作准则层，将2008-2011各年建模情况看作方案层，结合实际情况，给出改进综合评判模型，解得广东金融学院、华南农业大学的总体综合评定成绩分别2.9474、2.7141,排名第一、第二。 对于问题二，首先建立单年的综合评定模型，得出广州赛区各院校2008-2011年的综合评定成绩。鉴于仅有4组数据，分别采用GM(1，1)法、回归曲线最小二乘法、移动平均法进行建模，最后结合实际情况并根据结果对比以上三种模型，确定了移动平均法方案最优，最终得出广东金融学院、华南农业大学的综合评定成绩分别为0.7369、0.6785，依旧排名第一、第二，较好地解决了问题二。 对于问题三，鉴于附件2所给数据冗杂庞大，故从中抽取2008-2011年的建模数据作为样本，分别统计出本科组和专科组在这四年中每年获得国家一等奖和国家二等奖的人数；将问题一中国家一等奖、二等奖的权重进行归一化处理，建立类似问题一的特殊综合评判模型，得出本科组哈尔滨工业大学、解放军信息工程大学的综合评定成绩分别为5.5117、4.6609；专科组海军航空工程学院、太原理工轻纺与美术学院的综合评定成绩分别为1.3931、1.3095，名列各组第一、第二，问题三得到了较好解决。 对于问题四，除全国竞赛成绩、赛区成绩外，讨论了学生的能力、参赛队数、师资力量、学校的综合实力、硬件设施等因素对建模成绩评估的影响，考虑首先对因素集进行模糊聚类分析，然后用层次分析法来进行评价，用BP神经网络结合Matlab软件来进行预测，理论上问题四能够得到较好地得到解决。 关键词: 模糊综合评判模型GM（1，1）模型移动平均法综合评定成绩
2010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）： 参赛队员 (打印并签名) ：1. 王静茹 2. 杨曼 3. 朱元霞 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）：
2010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）： 赛区评阅记录（可供赛区评阅时使用）： 评 阅 人 评 分 备 注 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）： 2010年上海世博会经济影响力的定量评估 摘要 本文选取2010年上海世博会对上海经济的影响作为研究对象，首先，我们选择了 五届影响力较大的世博会与上海世博会进行了定量的纵向评估。 利用互联网的相关数据，运用层次分析法确定了各级评价指标的相对权重，然后 利用模糊综合评判法给这六届世博会的经济影响力进行了定量评估，利用MATLAB 计算出了1933年芝加哥世博会以来六届综合性世博会的经济影响力的综合评分依次为 75.12、80.01、80、11、77.35、79.35、80.75，由表我们可以肯定上海世博会的经济影响力是继1851年伦敦世博会以来较强的。 其次我们采用投入——产出模型模型的核心思想，以年份与GDP 的对数值的二次 相关关系和上海市社会固定资产总投入与GDP 的对数值的线性关系，利用上海统计年鉴发布的数据，分别建立无世博影响的表达式i i i x x x e Q 21210904.01117.00032.06278.81-++=，与有世博影响的表达式i i i x x x e Q 21212955.00176.00019.01211.82+-+=，两式的预测误差均在1.1%以内。与 2008年真实值比较，用表达式1Q 预测2008年的GDP 的值可以得出世博会对2008年上海市经济贡献率达到20.9%。并且在得知申办世博会后第i 年上海市固定投入总额的前提下由%1002 12?-=Q Q Q η可求出世博会对上海地区经济的持续性积极影响。如假设2011年市固定资产总投资为5600亿元，则世博会对上海经济有16%的积极影响。 最后,经过对2010年上海世博会的经济影响力的两方面的评估,我们得知上海世博 会在历届世博会的经济影响力的综合评分中是最高的。由此得出,上海世博会对上海经济的影响力是非常大的,此次世博会除了对上海的直接收益影响明显外, 世博会对上海地区经济的持续性积极影响。 关键词：层次分析 模糊综合评判 投入——产出模型 回归模型 一、问题重述 2010年上海世博会是首次在中国举办的世界博览会。从1851年伦敦的“万国工业博览会”开始，世博会正日益成为各国人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。请你们选择感兴趣的某个侧面，建立数学模型，利用互联网数据，定量评估2010年上海世博会的影响力。 二、问题分析