下载文档原格式
湖南城市学院数学与计算科学学院《数学建模》实验报告专业：学号：姓名：指导教师：成绩：年月日目录实验一 初等模型........................................................................ 错误！未定义书签。
实验二 优化模型........................................................................ 错误！未定义书签。
实验三 微分方程模型................................................................ 错误！未定义书签。
实验四 稳定性模型.................................................................... 错误！未定义书签。
实验五 差分方程模型................................................................ 错误！未定义书签。
实验六 离散模型........................................................................ 错误！未定义书签。
实验七 数据处理........................................................................ 错误！未定义书签。
实验八 回归分析模型................................................................ 错误！未定义书签。
实验一 初等模型实验目的：掌握数学建模的基本步骤，会用初等数学知识分析和解决实际问题。
实验内容：A 、B 两题选作一题，撰写实验报告，包括问题分析、模型假设、模型构建、模型求解和结果分析与解释五个步骤。
数学建模实验报告班级：姓名：学号：元件可靠性问题一、实验问题：给出3种不同情况的元件连接方式，分别求解他们的正常运行概率。
其中每个元件的正常运行概率均为p。
元件数为N，方式2与方式3用到了与A元件相同的N个B元件。
连接方式如图：方式1：方式2：方式3：二、问题分析：Ｎ个元件的连接方式，相当于电阻的串并联，所以可以用电阻串并联的关系去分析各无件之间的关系：对于方式一来说，相当于电阻的串联。
所以，他的正常运行的概率为p^n.对于方式二来说，相当于电阻先串联再并联。
所以，他的正常运行的概率为：1-(1-P^n)(1-P^n)=2P^n-P^2n.对于方式三来说，相当于电阻先并联再串联。
所以，他的正常运行的概率为：(1-(1-P^n)^2)^n=(2p-p^2)^n现在再比较三个系统正常工作概率大小P1- P2= p^n–(2p^n-p^2n )= p^2n–p^n 由于0<p<1,所以易知P^2n-P^n<０。
所以有P1< P2P2- P3=(2p^n- p^2n)- (2p-p^2)^n= p^n［(2- p^n)-(2-p)^n］因为p^n>0,所以只要比较［(2- p^n)-(2-p)^n］大小即可。
对此式求导有-n［p^(n-1)-(2-p)^n-1］可见此式恒大于零,所以函数单调递增。
当p=１时，［(2- p^n)-(2-p)^n］=0.所以P2- P3 <0，再由上求导可知所以P2<P3所以P3最大。
即其的可靠性最高。
理发店问题一、实验题目：某单人理发店有４反椅子接待顾客排队理发，当４把椅子都坐满人时，后来的顾客就不进店而离去。
顾客平均到达速率为４人／Ｈ，理发时间平均10min/人。
设到达过程为泊松流，服务时间服从负指数颁布。
求：（１）顾客一到达就能理发的概率；（２）系统中顾客数的期望值和排队等待顾客数的期望值；（３）顾客在理发店内逗留的全部时间的期望值；（４）在可能到达的顾客中因客满离开的概率。
第1篇一、实验目的本次实验旨在让学生掌握数学建模的基本步骤，学会运用数学知识分析和解决实际问题。
通过本次实验，培养学生主动探索、努力进取的学风，增强学生的应用意识和创新能力，为今后从事科研工作打下初步的基础。
二、实验内容本次实验选取了一道实际问题进行建模与分析，具体如下：题目：某公司想用全行业的销售额作为自变量来预测公司的销售量。
表中给出了1977—1981年公司的销售额和行业销售额的分季度数据（单位：百万元）。
1. 数据准备：将数据整理成表格形式，并输入到计算机中。
2. 数据分析：观察数据分布情况，初步判断是否适合使用线性回归模型进行拟合。
3. 模型建立：利用统计软件（如MATLAB、SPSS等）进行线性回归分析，建立公司销售额对全行业的回归模型。
4. 模型检验：对模型进行检验，包括残差分析、DW检验等，以判断模型的拟合效果。
5. 结果分析：分析模型的拟合效果，并对公司销售量的预测进行评估。
三、实验步骤1. 数据准备将数据整理成表格形式，包括年份、季度、公司销售额和行业销售额。
将数据输入到计算机中，为后续分析做准备。
2. 数据分析观察数据分布情况，绘制散点图，初步判断是否适合使用线性回归模型进行拟合。
3. 模型建立利用统计软件进行线性回归分析，建立公司销售额对全行业的回归模型。
具体步骤如下：（1）选择合适的统计软件，如MATLAB。
（2）输入数据，进行数据预处理。
（3）编写线性回归分析程序，计算回归系数。
（4）输出回归系数、截距等参数。
4. 模型检验对模型进行检验，包括残差分析、DW检验等。
（1）残差分析：计算残差，绘制残差图，观察残差的分布情况。
（2）DW检验：计算DW值，判断随机误差项是否存在自相关性。
5. 结果分析分析模型的拟合效果，并对公司销售量的预测进行评估。
四、实验结果与分析1. 数据分析通过绘制散点图，观察数据分布情况，初步判断数据适合使用线性回归模型进行拟合。
2. 模型建立利用MATLAB进行线性回归分析，得到回归模型如下：公司销售额 = 0.9656 行业销售额 + 0.01143. 模型检验（1）残差分析：绘制残差图，观察残差的分布情况，发现残差基本呈随机分布，说明模型拟合效果较好。
《数学建模实验》实验报告学院名称数学与信息学院专业名称提交日期课程教师实验一：数学规划模型AMPL求解实验内容1. 用AMPL求解下列问题并作灵敏度分析:一奶制品加工厂用牛奶生产A1和A2两种奶制品，1桶牛奶可以在甲类设备上用12小时加工成3公斤A1或者在乙类设备上用8小时加工成4公斤A2，且都能全部售出，且每公斤A1获利24元，每公斤A2获利16元。
先加工厂每天能得到50桶牛奶的供应，每天工人总的劳动时间为480小时，并且甲类设备每天至多加工100公斤A1，乙类设备的加工能力没有限制，试为该厂制定一个计划，使每天的获利最大。
（1）建立模型文件：milk.modset Products ordered;param Time{i in Products }>0;param Quan{i in Products}>0;param Profit{i in Products}>0;var x{i in Products}>=0;maximize profit: sum{i in Products} Profit [i]* Quan [i]*x[i];subject to raw: sum{i in Products}x[i] <=50;subject to time:sum{i in Products}Time[i]*x[i]<=480;subject to capacity: Quan[first(Products)]*x[first(Products)]<=100;（2）建立数据文件milk.datset Products:=A1 A2;param Time:=A1 12 A2 8;param Quan:=A1 3 A2 4;param Profit:=A1 24 A2 16;(3) 建立批处理文件milk.runmodel milk.mod;data milk.dat;option solver cplex;solve;display x;(4)运行运行结果：CPLEX 11.0.0: optimal solution; objective 33602 dual simplex iterations (1 in phase I)x [*] :=A1 20A2 30;（5）灵敏度分析：model milk.mod;data milk.dat;option solver cplex;option cplex_options 'sensitivity';solve;display x;display x.rc, x.down, x.up;display raw, time, capacity;display raw.down, raw.up,raw.current, raw.slack;得到结果：【灵敏度分析】: x.rc x.down x.up:=A1 -3.55271e-15 64 96A2 0 48 72;raw = 48time = 2capacity = 0raw.down = 43.3333raw.up = 60raw.current = 50raw.slack = 0某公司有6个建筑工地，位置坐标为(a i, b i)(单位：公里),水泥日用量d i (单位：吨）1) 现有j j j吨，制定每天的供应计划，即从A, B两料场分别向各工地运送多少吨水泥，使总的吨公里数最小。
实验四 混合整数规划一、问题重述某开放式基金现有总额为15亿元的资金可用于投资，目前共有8个项目可供投资者选择，每个项目可重复投资。
根据专家经验，对每个项目投资总额不能太高，应有上限。
这些项目所需要的投资额已知，一般情况下投资一年后各项目所得利润也可估算出来，如表1所示。
请帮该公司解决以下问题：(1) 就表1提供的数据，应该投资哪些项目，使得第一年所得利润最高？(2) 在具体投资这些项目时，实际还会出现项目之间互相影响的情况。
公司咨询有关专家后，得到以下可靠信息：同时投资项目A 1，A 3，它们的年利润分别是1005万元，1018.5万元；同时投资项目A 4，A 5，它们的年利润分别是1045万元，1276万元；同时投资项目A 2，A 6，A 7，A 8，它们的年利润分别是1353万元，840万元，1610万元，1350万元，该基金应如何投资？ 其中M 为你的学号后3位乘以10。
(3) 如果考虑投资风险，则应如何投资，使收益尽可能大，而风险尽可能小。
投资项目总体风险可用投资项目中最大的一个风险来衡量。
专家预测出各项目的风险率，如表2所示。
二、符号说明i A :：投资额；i b ：i A 个项目所获得的年利润；i C ：第i A 个项目投资所获得的利润； 'i C ：第i A 个项目同时投资所获得的利润；i m ：投资i A 的上限； i y ：表示0—1变量；i p ：投资第i A 个项目的投资风险；三、模型的建立 对于问题一目标函数：81max i i i c x ==∑s.t. 150000i i i i i ib x b x m ⎧≤⎪⎨⎪≤⎩∑对于问题二 设定0—1变量131130...,1...,A A y A A ⎧⎨⎩项目不同时投资项目同时投资 452450...,1...,A A y A A ⎧⎨⎩项目不同时投资项目同时投资 2678326780...,,1...,,A A A A y A A A A ⎧⎨⎩,项目不同时投资,项目同时投资 目标函数：''''11133111332445524455''''322667788322667788max ()(1)()()(1)()()(1)()y x c x c y x c x c y x c x c y x c x c y x c x c x c x c y x c x c x c x c =++-++++-++++++-+++s.t. 11313124545232678267831500001000i i i i i ib x k y x xx x y ky x x x x y k y x x x x x x x x y kb x m ⎧≤⎪⎪=⎪⎪≤⎪⎪≥⎪⎪≤⎨⎪⎪≥⎪⎪≤⎪⎪≥⎪⎪≤⎩∑对于问题三：目标函数：max min max()i iii i i c x b x p =∑s.t. 150000i i i i i ib x b x m ⎧≤⎪⎨⎪≤⎩∑对于问题三模型的简化固定投资风险，优化收益，设a 为固定的最大风险。
数学建模实验报告姓名：学院：专业班级：学号：数学建模实验报告（一）——用最小二乘法进行数据拟合一．实验目的：1.学会用最小二乘法进行数据拟合。
2.熟悉掌握matlab软件的文件操作和命令环境。
3.掌握数据可视化的基本操作步骤。
4.通过matlab绘制二维图形以及三维图形。
二．实验任务：来自课本64页习题：用最小二乘法求一形如y=a+b x2的多项式，使之与下列数据拟合：三．实验过程：1.实验方法：用最小二乘法解决实际问题包含两个基本环节：先根据所给出数据点的变化趋势与问题的实际背景确定函数类；然后按照最小二乘法原则求最小二乘解来确定系数。
即要求出二次多项式: y=a+b x2的系数。
2．程序：x=[19 25 31 38 44]y=[19.0 32.3 49.0 73.3 97.8]ab=y/[ones(size(x));x.^2];a=ab(1),b=ab(2)xx=19:44;plot(xx,a+b*xx.^2,x,y,'.')3.上机调试得到结果如下：x = 19 25 31 38 44y=19.0000 32.3000 49.0000 73.3000 97.8000a = 0.9726b = 0.0500图形：四．心得体会通过本次的数学模型的建立与处理，我们学习并掌握了用最小二乘法进行数据拟合，及多项式数据拟合的方法，进一步学会了使用matlab软件，加深了我们的数学知识，提高了我们解决实际问题的能力，为以后深入学习数学建模打下了坚实的基础。
数学建模实验报告（二）——用Newton法求方程的解一．实验目的1.掌握Newton法求方程的解的原理和方法。
2.利用Matlab进行编程求近似解。
二．实验任务来自课本109页习题4-2：用Newton法求f(x)=x-cosx=0的近似解三．实验过程1.实验原理：把f(x)在x0点附近展开成泰勒级数f(x) = f(x0)+(x－x0)f'(x0)+(x－x0)^2*f''(x0)/2! +… 取其线性部分，作为非线性方程f(x) = 0的近似方程，即泰勒展开的前两项，则有f(x0)+f'(x0)(x－x0)=0 设f'(x0)≠0则其解为x1=x0－f(x0)/f'(x0) 这样，得到牛顿法的一个迭代序列：x(n+1)=x(n)－f(x(n))/f'(x(n))。
内江师范学院中学数学建模实验报告册编制数学建模组审定牟廉明专业：班级：级班学号：姓名：数学与信息科学学院2016年3月说明1.学生在做实验之前必须要准备实验，主要包括预习与本次实验相关的理论知识，熟练与本次实验相关的软件操作，收集整理相关的实验参考资料，要求学生在做实验时能带上充足的参考资料；若准备不充分，则学生不得参加本次实验，不得书写实验报告；2.要求学生要认真做实验，主要是指不得迟到、早退和旷课，在做实验过程中要严格遵守实验室规章制度，认真完成实验内容，极积主动地向实验教师提问等；若学生无故旷课，则本次实验成绩不合格；3.学生要认真工整地书写实验报告，实验报告的内容要紧扣实验的要求和目的，不得抄袭他人的实验报告；4.实验成绩评定分为优秀、合格、不合格，实验只是对学生的动手能力进行考核，跟据所做的的情况酌情给分。
根据实验准备、实验态度、实验报告的书写、实验报告的内容进行综合评定。
实验名称：数学规划模型（实验一）指导教师：实验时数： 4 实验设备：安装了VC++、mathematica、matlab的计算机实验日期：年月日实验地点：实验目的：掌握优化问题的建模思想和方法，熟悉优化问题的软件实现。
实验准备：1．在开始本实验之前，请回顾教科书的相关内容；2．需要一台准备安装Windows XP Professional操作系统和装有数学软件的计算机。
实验内容及要求原料钢管每根17米，客户需求4米50根，6米20根，8米15根，如何下料最节省？若客户增加需求：5米10根，由于采用不同切割模式太多，会增加生产和管理成本，规定切割模式不能超过3种，如何下料最节省？实验过程：摘要：生活中我们常常遇到对原材料进行加工、切割、裁剪的问题，将原材料加工成所需大小的过程,称为原料下料问题。
按工艺要求,确定下料方案,使用料最省,或利润最大是典型的优化问题。
以此次钢管下料问题我们采用数学中的线性规划模型.对模型进行了合理的理论证明和推导，然后借助于解决线性规划的专业软件Lingo 对题目所提供的数据进行计算从而得出最优解。
目录实训项目一线性规划问题及lingo软件求解 (1)实训项目二lingo中集合的应用…………………………………………。
7实训项目三lingo中派生集合的应用 (9)实训项目四微分方程的数值解法一 (13)实训项目五微分方程的数值解法二……………………………………。
.15实训项目六数据点的插值与拟合 (17)综合实训作品 (18)每次实训课必须带上此本子，以便教师检查预习情况和记录实验原始数据。
实验时必须遵守实验规则.用正确的理论指导实践袁必须人人亲自动手实验，但反对盲目乱动,更不能无故损坏仪器设备。
这是一份重要的不可多得的自我学习资料袁它将记录着你在大学生涯中的学习和学习成果.请你保留下来，若干年后再翻阅仍将感到十分新鲜，记忆犹新.它将推动你在人生奋斗的道路上永往直前！项目一：线性规划问题及lingo软件求解一、实训课程名称数学建模实训二、实训项目名称线性规划问题及lingo软件求解三、实验目的和要求了解线性规划的基本知识，熟悉应用LINGO解决线性规划问题的一般方法四：实验内容和原理内容一：某医院负责人每日至少需要下列数量的护士班次时间最少护士数1 6:00—10:00 602 10：00—14:00 703 14：00—18:00 604 18：00—22:00 505 22:00—02:00 206 02：00—06:00 30每班的护士在值班的开始时向病房报道,连续工作8个小时,医院领导为满足每班所需要的护士数,最少需要多少护士。
内容二：内容三五：主要仪器及耗材计算机与Windows2000/XP系统;LINGO软件六：操作办法与实训步骤内容一：考虑班次的时间安排，是从6时开始第一班，而第一班最少需要护士数为60，故x1>=60 ，又每班护士连续工作八个小时，以此类推，可以看出每个班次的护士可以为下一个班次工作四小时，据此可以建立如下线性规划模型：程序编程过程：min=x1+x2+x3+x4+x5+x6；x1〉=60;x1+x2〉=70；x2+x3>=60；x3+x4〉=50；x4+x5〉=20;x5+x6〉=30；编程结果：Global optimal solution found.Objective value：150.0000 Infeasibilities: 0。
实验四：Matlab 神经网络以及应用于汽油辛烷值预测专业年级： 2014级信息与计算科学1班姓名： 黄志锐 学号：201430120110一、实验目的1. 掌握MATLAB 创建BP 神经网络并应用于拟合非线性函数2. 掌握MATLAB 创建REF 神经网络并应用于拟合非线性函数3. 掌握MATLAB 创建BP 神经网络和REF 神经网络解决实际问题4. 了解MATLAB 神经网络并行运算二、实验内容1. 建立BP 神经网络拟合非线性函数2212y x x =+第一步 数据选择和归一化根据非线性函数方程随机得到该函数的2000组数据，将数据存贮在data.mat 文件中（下载后拷贝到Matlab 当前目录），其中input 是函数输入数据，output 是函数输出数据。
从输入输出数据中随机选取1900中数据作为网络训练数据，100组作为网络测试数据，并对数据进行归一化处理。
第二步 建立和训练BP 神经网络构建BP 神经网络，用训练数据训练，使网络对非线性函数输出具有预测能力。
第三步 BP 神经网络预测用训练好的BP 神经网络预测非线性函数输出。
第四步 结果分析通过BP 神经网络预测输出和期望输出分析BP 神经网络的拟合能力。
详细MATLAB代码如下：27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54disp(['神经网络的训练时间为', num2str(t1), '秒']);%% BP网络预测% 预测数据归一化inputn_test = mapminmax('apply', input_test, inputps); % 网络预测输出an = sim(net, inputn_test);% 网络输出反归一化BPoutput = mapminmax('reverse', an, outputps);%% 结果分析figure(1);plot(BPoutput, ':og');hold on;plot(output_test, '-*');legend('预测输出', '期望输出');title('BP网络预测输出', 'fontsize', 12);ylabel('函数输出', 'fontsize', 12);xlabel('样本', 'fontsize', 12);% 预测误差error = BPoutput-output_test;figure(2);plot(error, '-*');title('BP神经网络预测误差', 'fontsize', 12);ylabel('误差', 'fontsize', 12);xlabel('样本', 'fontsize', 12);figure(3);plot((output_test-BPoutput)./BPoutput, '-*');title('BP神经网络预测误差百分比');errorsum = sum(abs(error));MATLAB代码运行结果截图如下所示：MATLAB代码运行结果如下所示：图1 BP神经网络预测输出图示图2 BP神经网络预测误差图示图3 BP 神经网络预测误差百分比图示2. 建立RBF 神经网络拟合非线性函数22112220+10cos(2)10cos(2)y x x x x ππ=-+-第一步 建立exact RBF 神经网络拟合, 观察拟合效果详细MATLAB 代码如下：MATLAB代码运行结果如下所示：图4 RBF神经网络拟合效果图第二步建立approximate RBF神经网络拟合详细MATLAB代码如下：13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41F = 20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2); %% 建立RBF神经网络% 采用approximate RBF神经网络。
