2012年 数学建模大赛 房地产建模

2012年全国大学生数学建模竞赛河南赛区本科组获奖情况表序号院校学生姓名学生姓名学生姓名指导老师获奖等级1 河南工程学院李江城韩肖梅王晓燕指导教师组全国一等奖2 河南科技大学王通李华康小盼郭春娜全国一等奖3 河南理工大学金保罗李晓王闪飞指导教师组全国一等奖4 解放军信息工程大学乔凯陈紫阳贺文颉杜剑平全国一等奖5 解放军信息工程大学罗翼王占刚贾冬航杜剑平全国一等奖6 解放军信息工程大学张尚达郭世林刘斯奇刘靖旭全国一等奖7 洛阳师范学院张严鸽张延馨巴琳指导教师组全国一等奖8 洛阳师范学院倪辉崔慧姚毅强指导教师组全国一等奖9 洛阳师范学院王松李延林陈亚静指导教师组全国一等奖10 信阳师范学院熊高峰刘丽刘运何俊杰全国一等奖11 郑州轻工业学院罗佳佳管鑫鑫谢先斌指导教师组全国一等奖12 郑州轻工业学院卜俊良李文博余其文指导教师组全国一等奖13 郑州轻工业学院张令令孙会平赵炫指导教师组全国一等奖14 安阳师范学院杨迪斐岳冉冉葛江海指导教师组全国二等奖15 河南财经政法大学朱丽雅宁梦囡李留杰李伟平全国二等奖16 河南财经政法大学张恺李胜蓝杨倩倩张丽丽全国二等奖17 河南城建学院刘永召李菲刘玉辉汪学海全国二等奖18 河南大学张娟付岩峰胡奇杰杨晓艺全国二等奖19 河南工程学院郭雪峰崔盼盼余翅飞指导教师组全国二等奖20 河南工程学院李孟华焦龙飞刘畅指导教师组全国二等奖21 河南工程学院刘燕付星辉田朋飞指导教师组全国二等奖22 河南工程学院李伟立袁庆浩黄冠指导教师组全国二等奖23 河南科技大学陈东凯郭阳阳房淑娟杨德五全国二等奖24 河南科技大学徐磊陈立于慧敏李培峦全国二等奖25 河南科技大学蔡承洁徐文洪陈国娇张建侠全国二等奖26 河南科技大学郑文坡叶静斌李玉娟吴玉森全国二等奖27 河南科技学院许朝阳姜慧芳董文涛指导教师组全国二等奖28 河南科技学院王丽丽胡亚静朱大照指导教师组全国二等奖29 河南理工大学管庆光闫丹张志指导教师组全国二等奖30 河南理工大学孔亮吴元锋曾会会指导教师组全国二等奖31 河南理工大学蔡铭霞蔡之德徐青伟指导教师组全国二等奖32 河南理工大学陈海峰梁文超梁夏夏指导教师组全国二等奖33 河南理工大学高显慧卢兰鑫王优指导教师组全国二等奖34 河南理工大学万方科技学院赵瑞营杨欣欣娄超指导教师组全国二等奖35 河南师范大学刘洋洋程兴举郑亚鸽指导教师组全国二等奖36 华北水利水电学院李晓会牛志奎徐凤阳张云鹏全国二等奖37 华北水利水电学院徐波赵毅郑俊耀毋红军全国二等奖38 解放军信息工程大学王明江浩东张慧鑫刘靖旭全国二等奖39 解放军信息工程大学孙泽栋罗兰余雷刘靖旭全国二等奖40 解放军信息工程大学任炯炯陈骁李家梁刘靖旭全国二等奖41 解放军信息工程大学李坦张沛林文铅指导教师组全国二等奖42 解放军信息工程大学刘辉吴铮陈荣基杜剑平全国二等奖43 解放军信息工程大学赵光明陶扬民樊云龙杜剑平全国二等奖44 解放军信息工程大学胡阳谭昊刘长江杜剑平全国二等奖45 洛阳理工学院王义赵三峰李春蕾指导教师组全国二等奖46 洛阳理工学院孙兴凯刘书德刘钟霞指导教师组全国二等奖47 洛阳理工学院肖锴刘亚强张明飞指导教师组全国二等奖48 洛阳理工学院姜振冬牛毅可绳传水指导教师组全国二等奖49 洛阳理工学院刘晓科李晓伟朱鹏指导教师组全国二等奖50 洛阳理工学院许鹏涛熊强强郭俊峰指导教师组全国二等奖51 洛阳理工学院许世博杨永郑陈嘉琦指导教师组全国二等奖52 洛阳理工学院孙建强李洋袁闪闪指导教师组全国二等奖53 洛阳理工学院谢晓庚靳阳阳郜瑶瑶指导教师组全国二等奖54 洛阳师范学院杜春彦张华真赵元绮指导教师组全国二等奖55 洛阳师范学院王静粟静李俊涛指导教师组全国二等奖56 洛阳师范学院陈梦洁李玲宁胜男指导教师组全国二等奖57 洛阳师范学院魏文豪陈健利薛辉指导教师组全国二等奖58 洛阳师范学院王乐卢玉琦卫婷婷指导教师组全国二等奖59 洛阳师范学院张若愚童珍珍佟力指导教师组全国二等奖60 南阳师范学院张小会褚秋月尚耐丽陈庆全国二等奖61 南阳师范学院刘见知段玉洁张蒙蒙李鑫全国二等奖62 平顶山学院王德莉李雯李海钰朱维钧全国二等奖63 平顶山学院刘佳黄文涛刘豪严磊全国二等奖64 新乡学院李军生刘娜娜杨再有赵国喜全国二等奖65 新乡学院代林帅朱德伟鲁璐王仁举全国二等奖66 信阳师范学院吴敏彭冲冲张兴瑞李学志全国二等奖67 信阳师范学院张万里谭卫娟张文歌祁传达全国二等奖68 信阳师范学院高斯高尽晓徐金鹏祁传达全国二等奖69 信阳师范学院陈昊尹霜郭鑫何俊杰全国二等奖70 信阳师范学院胡光源郭琳琳马盼盼冯书香全国二等奖71 许昌学院黄博陈升泉范等指导教师组全国二等奖72 许昌学院燕孟超杜鑫吴新明指导教师组全国二等奖73 许昌学院王国宏尹伟东周嶺指导教师组全国二等奖74 许昌学院徐清洁任奕达李亚楠指导教师组全国二等奖75 郑州大学孟凡丽叶璐辛明珠轩华全国二等奖76 郑州大学闫鹏飞燕慧慧王典轩华全国二等奖77 郑州大学杨婷婷张迪李珂张建华全国二等奖78 郑州大学李翔廖怀思马艳丽许立敏全国二等奖79 郑州大学陈治国李圆韩凤华段世霞全国二等奖80 郑州大学让家恒程奔驰陈亢张建华全国二等奖81 郑州大学西亚斯国际学院吕瑞鹏方一鸣陈胜强指导教师组全国二等奖82 郑州轻工业学院席佳佳许景杰张亚兰指导教师组全国二等奖83 中原工学院吴朋杰张秀敏侯晓磊指导教师组全国二等奖84 中原工学院王浩马文龙任佳佳指导教师组全国二等奖85 中原工学院陈方方宋勇冉丽敏指导教师组全国二等奖86 中原工学院信息商务学院任向阳祝燕方黄加锐指导教师组全国二等奖87 商丘师范学院程亚男李佳举张坤禹仁贵全国二等奖88 安阳师范学院吴述银徐姣凤孙晓奇指导教师组省一等奖89 安阳师范学院张生王培育秦豆豆指导教师组省一等奖90 安阳师范学院郑俊丽沈卉卓旗千指导教师组省一等奖91 安阳师范学院卢培杜晓东马凯指导教师组省一等奖92 安阳师范学院晋思思白艳霞崔瑞娟指导教师组省一等奖93 安阳师范学院刘艳芳王雪伟赵沛歌指导教师组省一等奖94 安阳师范学院冯军红梁洋洋杨双双指导教师组省一等奖95 安阳师范学院杨荟侯忻利晏明国指导教师组省一等奖96 河南财经政法大学付抒唅李梦鸽刘笑彤李伟平省一等奖97 河南财经政法大学齐佳许芳芳叶顺心李志强省一等奖98 河南财经政法大学闫珊珊许雅楠王玉洁王海红省一等奖99 河南财经政法大学吴奇奇马子涵裴元颖李伟平省一等奖100 河南财经政法大学王雯雯李川孙梦姣谢华朝省一等奖101 河南财经政法大学段玉陆培争李季桃李伟平省一等奖102 河南财经政法大学孙珍珍陈肖静上官天乔蕾省一等奖103 河南财经政法大学谢开琛李向南王静王海红省一等奖104 河南财经政法大学侯燕方张楠刘丹王海红省一等奖105 河南财经政法大学陈益秀程玉帛张乐李伟平省一等奖106 河南财经政法大学李方方薛洋洋赵东王海红省一等奖107 河南财经政法大学赵永才王楠王婵李伟平省一等奖108 河南财经政法大学赵丽端王诗雨尚迪张丽丽省一等奖109 河南财经政法大学王晨静张玺王鹏飞李伟平省一等奖110 河南财经政法大学余璇郭继帅赵晓敏张丽丽省一等奖111 河南财经政法大学凌秀花拜喆喆李颖李志强省一等奖112 河南财经政法大学王冰涛李全龙杨艳艳李志强省一等奖113 河南城建学院彭展王彦锋刘亚欣张晓果省一等奖114 河南城建学院智盈盈姬云龙王朝盈梁利端省一等奖115 河南城建学院尹明路曾卓王方彦穆静静省一等奖116 河南城建学院周晓丹李照耀裴晨辉胡素敏省一等奖117 河南城建学院李学良宁定远邵盼阳刘常胜省一等奖118 河南城建学院白一帆朱玉超安莉佳梁利端省一等奖119 河南大学司远君武雪会张朝晖王波省一等奖120 河南大学魏云涛陈博远许宗礼王沛省一等奖121 河南大学刘天义张婷婷毛静静徐琛梅省一等奖122 河南工程学院曾奇胡纪瑞豆亚亚指导教师组省一等奖123 河南工程学院汪振江鲁晨晨钮艳光指导教师组省一等奖124 河南工程学院朱路路夏凤勤梁朴阳数模指导组省一等奖125 河南工程学院霍凯歌段旭柯韩亚伟指导教师组省一等奖126 河南工程学院张可可彭积鸿杨志伟指导教师组省一等奖127 河南工程学院余坤明张尚贾晓静指导教师组省一等奖128 河南工程学院李艳妮程文华曹成奇指导教师组省一等奖129 河南工程学院李彬王亚琦董文伟指导教师组省一等奖130 河南工程学院连坤段鹏飞王妍指导教师组省一等奖131 河南工程学院何淑通熊玉鑫刘嘉雯指导教师组省一等奖132 河南工程学院曹瑾璇完颜东臣郑源兴指导教师组省一等奖133 河南工程学院任璐璐陈凯歌赵宗佩指导教师组省一等奖134 河南工业大学郭珊山徐力丁德祥曹建莉省一等奖135 河南工业大学沈小毅王光张楚程涛省一等奖136 河南科技大学李宗恒丁深圳李征杨德五省一等奖137 河南科技大学薛军记张翠霞马东丽尚有林省一等奖138 河南科技大学卢明轩王萍莫长林李培峦省一等奖139 河南科技大学李智标汪鹏杨梦鸽秦青省一等奖140 河南科技大学韩清波衡俊平赵军黄志勇省一等奖141 河南科技大学谷胜辉高健人李茜黄志勇省一等奖142 河南科技大学张传运张慧敏郑雅丽冯爱芬省一等奖143 河南科技大学包建东邓煜琳任烨尚有林省一等奖144 河南科技大学温利明朱俊珂卢雪秦青省一等奖145 河南科技大学赵创商拴记赵万鹏尚有林省一等奖146 河南科技大学孙乾程张中洲王晓茜冯爱芬省一等奖147 河南科技大学史忠兵张帅伟王安张建侠省一等奖148 河南科技大学韩若琰田柳青董辉远程东明省一等奖149 河南科技大学丁振朱祖云冯朋帅秦青省一等奖150 河南科技大学姜鹏程胡静徐文豪王锋叶省一等奖151 河南科技大学刘亚军高森祺冯雪玲贾小尧省一等奖152 河南科技大学王双喜余常晖李军侯海龙省一等奖153 河南科技大学耿乾赫王换敏胡玉小李保安省一等奖154 河南科技大学林宜炎林森熊影辉张冀省一等奖155 河南科技大学刘梦毅周玉妍王知博冯爱芬省一等奖156 河南科技学院杨美玲王晓敏马鹏飞指导教师组省一等奖157 河南科技学院张莉媛马园园杨晓刚指导教师组省一等奖158 河南科技学院张国亮李晓伟孙鹏飞指导教师组省一等奖159 河南科技学院张家玮韩广洋任亚娟指导教师组省一等奖160 河南理工大学刘旺旺庞曙天赵玉栋指导教师组省一等奖161 河南理工大学李夏青秦喜静杨宗豪指导教师组省一等奖162 河南理工大学冯爱虎高飞罗亮指导教师组省一等奖163 河南理工大学郭佳宁雷改李凯杰指导教师组省一等奖164 河南理工大学刘亚宁彭灵肖乐杰指导教师组省一等奖165 河南理工大学蔡武豪金静坡魏延巍指导教师组省一等奖166 河南理工大学林涛刘洋时维经指导教师组省一等奖167 河南理工大学高继宽郭浩平李建平指导教师组省一等奖168 河南理工大学豆梓晴黄凯卢新义指导教师组省一等奖169 河南理工大学李明睿宋鹏周瑞华指导教师组省一等奖170 河南理工大学涂亚萍王勇徐同旭指导教师组省一等奖171 河南理工大学刘国伟刘书伟闫泽正指导教师组省一等奖172 河南理工大学常明亮程亚飞李海燕指导教师组省一等奖173 河南理工大学李震伟娄元静卫召指导教师组省一等奖174 河南理工大学邵伟吴婵媛赵宁博指导教师组省一等奖175 河南理工大学郭胜蒋晨光申亚涛指导教师组省一等奖176 河南理工大学贺佳兴苗朝阳叶自强指导教师组省一等奖177 河南理工大学梅亚超司坤坤朱浩指导教师组省一等奖178 河南理工大学刘少杰王乐乐徐东东指导教师组省一等奖179 河南理工大学万方科技学院张振波陈玉雯黄婉茹指导教师组省一等奖180 河南农业大学曹洁赵阳王昱臻指导教师组省一等奖181 河南农业大学刘宇郭新辉谢小丽指导教师组省一等奖182 河南师范大学陈雪靳娇娜赵保朋指导教师组省一等奖183 河南师范大学董鹏雁李芬王霄希指导教师组省一等奖184 河南师范大学刘艳玲常欣欣雷明琦指导教师组省一等奖185 河南师范大学董凤凤蔡苗苗陈克涛指导教师组省一等奖186 河南师范大学梁冰雪赵文龙付忠良指导教师组省一等奖187 河南师范大学张丹丹赵萌萌葛晓静指导教师组省一等奖188 河南师范大学王金婉王倩吴飞川指导教师组省一等奖189 河南师范大学肖克聪王莹范风娇指导教师组省一等奖190 河南师范大学黄世轩张勇郑艺指导教师组省一等奖191 河南师范大学朱会芳丹亚楠李福燕指导教师组省一等奖192 河南师范大学李昊张菁菁魏芳芳指导教师组省一等奖193 河南师范大学王玉超贾思彧张亚玲指导教师组省一等奖194 河南师范大学周军晓王建娜张软玉朱珂省一等奖195 河南师范大学高源彭志鹏许晓培宋艳兵省一等奖196 河南师范大学景瑞轶张燕楠刘丹刘宁省一等奖197 河南师范大学杨乐王运超王晓涵朱珂省一等奖198 河南师范大学胡君张雅菁张大蔓指导教师组省一等奖199 河南师范大学新联学院姜飞陈浩楠李向春指导教师组省一等奖200 华北水利水电学院宋波赵家晓赵军厂王俊芳省一等奖201 华北水利水电学院董晓农康朋飞张世达张愿章省一等奖202 华北水利水电学院马兴波宋宝韦保磊魏志强省一等奖203 华北水利水电学院孟雷张九红郅鸣扬李鹏省一等奖204 华北水利水电学院王恩朋殷鹏远刘俊杰李鹏省一等奖205 黄河科技学院邵云峰李晓丹焦任直唐风军省一等奖206 黄河科技学院赵基银杨猛张金华马艳琴省一等奖207 黄河科技学院杨超李婉祯李晴晴王爱苹省一等奖208 黄河科技学院崔方超黄健源侯婷婷马艳琴省一等奖209 黄河科技学院马哲吕永志王娇张荣艳省一等奖210 黄淮学院郑柏杨周晓园李士伟侯亚林省一等奖211 黄淮学院唐正亚张深余克广赵中省一等奖212 解放军信息工程大学邢凯刘琰曹建凯杜剑平省一等奖213 解放军信息工程大学吴运达黄强付博实杜剑平省一等奖214 解放军信息工程大学许可陈泽亮张文昆杜剑平省一等奖215 解放军信息工程大学史文洁杨乐赵禹涵魏萌省一等奖216 解放军信息工程大学袁竟李慧斌杨保绚杜剑平省一等奖217 解放军信息工程大学柴川森陈涛彭小详刘靖旭省一等奖218 解放军信息工程大学边媛王硕姚思恺指导组省一等奖219 解放军信息工程大学赵彤蒋懋水康世泽杜剑平省一等奖220 解放军信息工程大学颜湛杰王凯谭捷刘靖旭省一等奖221 解放军信息工程大学赵智昊刘洋孙扬刘靖旭省一等奖222 解放军信息工程大学刘智鑫靳科顾帅楠刘靖旭省一等奖223 解放军信息工程大学郁剑锋邱钊洋顾家月杜剑平省一等奖224 解放军信息工程大学金建树郭玮琪刘航指导教师组省一等奖225 解放军信息工程大学高若辰陈佳琪应慧锋郭建峰省一等奖226 解放军信息工程大学崔竞一张莹莹王欣慧指导教师组省一等奖227 解放军信息工程大学王圣辉王兴宝郭利凯杜剑平省一等奖228 解放军信息工程大学何杰张洋赵勇胜杜剑平省一等奖229 解放军信息工程大学谭鹏尚涛翟坤毅指导教师组省一等奖230 解放军信息工程大学邹羿李劲松李中国杜剑平省一等奖231 解放军信息工程大学艾江东赵乾袁海涛指导教师组省一等奖232 解放军信息工程大学林勋崔坤军肖博杜剑平省一等奖233 解放军信息工程大学杨再军张军琪孙天锋指导教师组省一等奖234 解放军信息工程大学于治平舒帆刘秋红杜剑平省一等奖235 解放军信息工程大学惠志华万嘉骏陈晨杜剑平省一等奖236 解放军信息工程大学罗友强肖睿卿李帅刘靖旭省一等奖237 解放军信息工程大学李帅程奎毓胡焰彬杜剑平省一等奖238 洛阳理工学院李志鹏丁帅孙苗苗指导教师组省一等奖239 洛阳理工学院田向毅肖兴兴洪腾腾指导教师组省一等奖240 洛阳理工学院韩奇高程朗韩磊指导教师组省一等奖241 洛阳理工学院袁双印郝二岗杜帅指导教师组省一等奖242 洛阳理工学院杨沛霖杨志欣吕辰垚指导教师组省一等奖243 洛阳理工学院乔龙胜郝帅董新维指导教师组省一等奖244 洛阳理工学院李自豪贺延昌曹茂庆指导教师组省一等奖245 洛阳理工学院罗骞孙楠王增增指导教师组省一等奖246 洛阳理工学院陈相显张莎莎张梦杰指导教师组省一等奖247 洛阳理工学院管青龙袁娜娜陈志鹏指导教师组省一等奖248 洛阳理工学院杨义成焦夏男何亚倩指导教师组省一等奖249 洛阳理工学院范拯华单秀杰姚金喜指导教师组省一等奖250 洛阳理工学院陈豪唐亚聪郝伟晓指导教师组省一等奖251 洛阳理工学院肖冰新范念浩张文龙指导教师组省一等奖252 洛阳师范学院孙赫赫史楠楠杨柳指导教师组省一等奖253 洛阳师范学院段永芳马喆谢春阳指导教师组省一等奖254 洛阳师范学院郭静王姣姣祝聪指导教师组省一等奖255 洛阳师范学院徐优优马冰关晶指导教师组省一等奖256 洛阳师范学院许小娜齐文秀栗敏杰指导教师组省一等奖257 洛阳师范学院刘雷黄文毅杜瑞姣指导教师组省一等奖258 洛阳师范学院马瑞华刘星星楚贵指导教师组省一等奖259 洛阳师范学院闫会敏赵路贾程皞指导教师组省一等奖260 洛阳师范学院孙楠李佳珈何凡亭指导教师组省一等奖261 洛阳师范学院贾胜南尹星薛亚君指导教师组省一等奖262 南阳理工学院王聪聪柳伟伟冯展王国欣省一等奖263 南阳理工学院高振伟蔡海伟赵毅王满省一等奖264 南阳理工学院施建军王泽华张晓艳宋亮省一等奖265 南阳理工学院薛林源陈大花李照亮刘阳省一等奖266 南阳理工学院虞蛟龙张恒伟王慧芳黄娜省一等奖267 南阳师范学院任彩风仝哲王白雪邵曙光省一等奖268 南阳师范学院李硕侯春枝杨肖华梦霞省一等奖269 南阳师范学院李明辉王茂琳翟倩闫苗苗省一等奖270 南阳师范学院余鹏程郭美恒刘艳芳李鑫省一等奖271 南阳师范学院赵玉洁王菲王亚萍徐国东省一等奖272 南阳师范学院朱红艳宋素华张志永王保军省一等奖273 南阳师范学院戚攀攀徐辉尚传录王骁力省一等奖274 平顶山学院孙宝磊吴莉华李军胜杨锦伟省一等奖275 平顶山学院高琼琼李双艳李杰王安省一等奖276 平顶山学院党莎莎赵檬晶焦润洁李建民省一等奖277 平顶山学院刘迷仁张洪亮孟凡黎惠志昊省一等奖278 平顶山学院魏东丹李梦雅余海洋杨锦伟省一等奖279 平顶山学院张彦南庄喜阳汪伟朱维钧省一等奖280 安阳工学院任月明韩帅豪张彦忠指导教师组省一等奖281 商丘师范学院张蓓蕾郝江会兀凯文刘磊省一等奖282 商丘师范学院尤丽霞李婉郭鑫刘磊省一等奖283 商丘师范学院孔冬艳付会清李延恕刘磊省一等奖284 新乡学院孟会娜孟杰李聪王仁举省一等奖285 信阳师范学院陈昌燕段朝翠郑欢蔡礼明省一等奖286 信阳师范学院刘树芝孙娇娇罗梦丹陶有德省一等奖287 信阳师范学院杨晨王静赵淑贤秦金华省一等奖288 信阳师范学院刘蕊蕊霍元元尹爽爽秦金华省一等奖289 信阳师范学院胡梦飞周亚萍李素华祁传达省一等奖290 信阳师范学院涂现峰董层丁梦利周学勇省一等奖291 信阳师范学院温佳威栗鼎玉李娟娟任磊省一等奖292 信阳师范学院胡继林师东利廖玉锋周学勇省一等奖293 许昌学院黄世雄汪洁洁蒋丹指导教师组省一等奖294 许昌学院王献伟吴玉婵孔婷婷指导教师组省一等奖295 许昌学院田易迪曹慧琼王雅娟指导教师组省一等奖296 许昌学院刘诺迪秦仕超王玫玫指导教师组省一等奖297 许昌学院孔威威魏鹏冯肖肖指导教师组省一等奖298 许昌学院张岩翟慧鹏张俊业指导教师组省一等奖299 许昌学院张俊辉邵文静马亚鑫指导教师组省一等奖300 郑州大学谢莲花王珂张业广张炎亮省一等奖301 郑州大学陈振东方彬刘会芳张建华省一等奖302 郑州大学张兴华安小景安冬轩华省一等奖303 郑州大学胡振宇范刚刘玉华许立敏省一等奖304 郑州大学陈黎明刘茜冰王婧雅段世霞省一等奖305 郑州大学曹亭王科峰张明明李冰省一等奖306 郑州大学窦鹏佳王远勇李静静狄卫民省一等奖307 郑州大学董雅利候会敏赵云王爱领省一等奖308 郑州大学李豪陈雨晴陈豪杰曹庭珠省一等奖309 郑州大学孟雨梅晨光祁冠领薛朝改省一等奖310 郑州大学崔战伟陈琼王赛楠翟运开省一等奖311 郑州大学李超凡张亚飞鲁文军刘会新省一等奖312 郑州大学赵聪饶经纬吕岩李喜岷省一等奖313 郑州大学张向阳容晓晖曾树明曹海旺省一等奖314 郑州大学陈海燕王蒙夏晓刚蔡雁岭省一等奖315 郑州大学张越金新博刘园园曹庭珠省一等奖316 郑州大学贾伟郭江涛高传伟王爱领省一等奖317 郑州大学陈首彬栾勇万晨曦张建华省一等奖318 郑州大学西亚斯国际学院王亚奇王满王英杰指导教师组省一等奖319 郑州大学西亚斯国际学院张芳芳岳迅张帅指导教师组省一等奖320 郑州航空工业管理学院王雅璞叶绍龙徐斌李士恒省一等奖321 郑州航空工业管理学院薛旭旭马丽红宋晓燕刘卫锋省一等奖322 郑州航空工业管理学院陈瑜陈健张龙磊李士恒省一等奖323 郑州航空工业管理学院李宁宁郭盼盼王亚磊刘卫锋省一等奖324 郑州科技学院刘超赵芬芳尹峰指导教师组省一等奖325 郑州轻工业学院张艳春王美娇刘平指导教师组省一等奖326 郑州轻工业学院任静李栋毛新梅指导教师组省一等奖327 郑州轻工业学院宋坤鹏李世华宗洁琼指导教师组省一等奖328 郑州轻工业学院高闯郭景楠张冠显指导教师组省一等奖329 郑州轻工业学院王凯刘霄翔程华峥指导教师组省一等奖330 郑州轻工业学院马振周战江李鹏指导教师组省一等奖331 郑州轻工业学院余川王力胡书锋指导教师组省一等奖332 中原工学院杜娅丽司电成张宇蓓指导教师组省一等奖333 中原工学院王君帅孙访荆广豪指导教师组省一等奖334 中原工学院刘瑞瑞秦建强禹方志指导教师组省一等奖335 中原工学院王宾王兆兴李鹏飞指导教师组省一等奖336 中原工学院王璐璐牟根宏薛海彬指导教师组省一等奖337 中原工学院陈潇潘慧杰宋露露指导教师组省一等奖338 中原工学院信息商务学院杜朋飞杨秋霞孙佳指导教师组省一等奖339 中原工学院信息商务学院李晓晓李苗张路路指导教师组省一等奖340 中原工学院信息商务学院邢凯杰周春亮刘莉婕指导教师组省一等奖341 中原工学院信息商务学院刘少永郭泽华赵蔚静指导教师组省一等奖342 中原工学院信息商务学院蔡丹丹王胖胖乔亚楠指导教师组省一等奖343 周口师范学院龚驰洪婷婷田玉科指导教师组省一等奖344 安阳师范学院马旭静徐小玉冯凌巧指导教师组省二等奖345 安阳师范学院许红丹李志会邓聪慧指导教师组省二等奖346 安阳师范学院黄艳荣刘霞刘倩茹指导教师组省二等奖347 安阳师范学院周莎莎孔莹莹杨志平指导教师组省二等奖348 安阳师范学院戴丽丰韩荣霞魏雨指导教师组省二等奖349 安阳师范学院吕文静王竞陶张万亚指导教师组省二等奖。

研究生数学建模-房地产行业的数学模型题目房地产行业的数学模型摘要:本文以商品房为例,建立了房地产行业住房需求的BP神经网络模型、住房供给的GM(1,1)模型、房地产行业与国民经济其他行业关系的灰色关联度模型和房价预测的Markov模型.对于住房需求问题,选取商品房年度销售面积作为反映住房需求的指标,把年底城镇总人口数等七个变量作为影响需求的因素,建立了BP神经网络模型,对住房需求进行了很好的预测.对于住房供给问题,选取商品房年竣工面积作为商品房当年的供给量,建立了GM(1,1)模型,并用残差、关联度和后验差对所得的模型进行了检验,最后对全国房地产市场2011-2015年的商品房年竣工面积进行了合理预测.对于房地产行业与国民经济其他行业关系问题,运用灰色关联度分析和信息熵对全国房地产市场与其他行业的关联度进行了定量分析,并按其关联性的强弱进行了排序.对于房价预测问题,首先用三次插值多项式对1991-2009年商品房年销售价格进行模拟,运用Markov过程得到状态转移概率矩阵,建立了Markov模型,并对2010年的商品房年销售价格进行了预测.然后通过房地产开发综合景气指数的变化对我国近几年房地产市场的发展态势进行了分析,再用房屋销售价格环比指数对房地产政策的成效进行了评价,提出了房地产政策严厉度对政策的严厉性进行量化.最后,对模型的优缺点进行了分析,并对模型进行了评价.关键词：BP神经网络GM(1,1) 灰色关联度Markov预测一、问题重述房地产行业既是国民经济的支柱产业之一,又是与人民生活密切相关的行业之一,同时自身也是一个庞大的系统,该系统的状态和发展对国民经济的整个态势和全国人民的生活水平影响很大.近年来,我国房地产业发展迅速,不仅为整个国民经济的发展做出了贡献,而且为改善我国百姓居住条件发挥了决定性作用.但同时房地产业也面临较为严峻的问题和挑战,引起诸多争议,各方都坚持自己的观点,然而多是从政策层面、心理层面和资金层面等因素来考虑,定性分析多于定量分析.显然从系统的高度认清当前房地产行业的态势、从定量角度把握各指标之间的数量关系、依据较为准确的预见对房地产行业进行有效地调控、深刻认识房地产行业的经济规律进而实现可持续发展是解决问题的有效途径.因此通过建立数学模型研究我国房地产问题是一个值得探索的方向.利用附录中提供的及可以查找到的资料建立房地产行业的数学模型,建议包括1．住房需求模型;2．住房供给模型;3．房地产行业与国民经济其他行业关系模型;4．对我国房地产行业态势分析模型;5．房地产行业可持续发展模型;6． 房价模型等.并利用模型进行分析,量化研究该行业当前的态势、未来的趋势,模拟房地产行业经济调控策略的成效.希望在深化认识上取得进步,产生若干结论和观点.如果仅就其中几个问题建立模型也是适宜的,对利用附件给的天津市的数据建模并进行分析同样鼓励.研究房地产问题并不需要很多、很深的专业知识,问题也不难理解.作者也完全可以独立自主地提出自己希望解决的房地产中的新问题,建立相应的数学模型予以解决,所建的每个模型要系统、深入,至少应该自成兼容系统,数据可靠,结论和观点有较多的数据支撑、有较强的说服力、有实际应用价值.二、模型假设1. 城镇房地产市场是中国房地产行业的主要部分;2. 商品房本年竣工面积作为商品房当年的供给量;3. 近期内没有经济危机影响房地产行业.三、符号说明符号符号说明i A影响住房需求的因素()1,2,,7i =()()0x i 商品房年销售面积的原始序列值()1,2,,20i = ()()0ˆx i 商品房年销售面积的估计序列值()1,2,,20i = ()()0y i 商品房年竣工面积的原始序列值()1,2,,17i = ()()0ˆy i 商品房年竣工面积的估计序列值()1,2,,17i =()()1y i商品房年竣工面积原始值的累加生成序列()1,2,,17i =()i ε 原始序列()()0y i 与估计序列()()0ˆyi 的绝对误差()1,2,,17i = ()i δ 原始序列()()0y i 与估计序列()()0ˆy i 的相对误差()1,2,,17i =()i η关联度系数()1,2,,17i =ρ分辨率()01ρ<< r 关联度()0Y原始序列()()0y i 的均值ε 绝对误差()i ε的均值 i S方差()1,2i = C 方差比 P小误差概率0i ∆ 参考序列与比较序列的绝对差值()1,2,,13i =i H信息熵()1,2,,13i =i w 评价指标的熵权()1,2,,13i = t p商品房年销售价格()1,2,,19t =ˆt p 商品房年销售价格预测值()1,2,,19t =i Ω状态区域()1,2,,4i =V 状态转移矩阵 L房地产政策的严厉度四、模型的建立与求解房地产行业是一个庞大的系统,可以从微观和宏观两个角度进行分析,其中住房是房地产行业的核心部分.从微观角度看,房地产市场上存在住房需求与住房供给的经济运动.从宏观角度看,房地产行业作为国民经济的支柱产业,与整个国家的经济发展密切相关,政府的调控政策对房地产市场的发展也会产生一定影响.以下用住房需求、住房供给、房地产行业与国民经济其他行业关系和房价预测四个模型对房地产业进行分析. 1. 住房需求模型本节以商品房的住房需求为例,构建BP 神经网络模型,并利用Matlab 神经网络工具箱中的相关函数对住房需求进行预测.选取商品房本年销售面积()()0x i 作为反映住房需求的指标,把年底城镇总人口数1A 、城镇家庭平均每人可支配收入2A 、人均国内生产总值(现价)3A 、城镇新建住宅面积4A 、城镇固定资产投资5A 、城镇储蓄存款6A 和城镇家庭平均每人全年实际收入7A 七个变量作为影响住房需求的因素 (具体数据见附录) .其中人是住房的最终消费者,人口数量的增长必然会对住房的需求提出更高的要求,所以人口数量是决定住房需求的基本因素.城镇人均可支配收入指城镇居民家庭人均可用于最终消费支出和其它非义务性支出以及储蓄的总和,即居民家庭可以用来自由支配的收入,它从购买力方面影响住房需求.人均国内生产总值是一个国家核算期内实现的国内生产总值与这个国家的常住人口的比值,是衡量人民生活水平的一个标准,它从宏观层面影响住房需求.城镇新建住宅面积和城镇固定资产投资反映了国家的城镇化水平,是城镇吸引力的体现,具有较强吸引力的城镇会吸引周边地区乃至全国范围内的住房购买需求. 城镇储蓄存款和城镇家庭平均每人全年实际收入反映了城镇家庭拥有财富的能力.购买住房就需要支出,所以住房需求受制于家庭的收入.神经网络是一种模仿人脑结构及其功能的信息处理方法,它通过对样本数据的反复训练实现对未知信息的推理.由于神经网络对数据没有特殊的要求,输出结果能够达到很高的精度,且非常适合用于预测.其预测原理为神经网络的训练是根据样本数据反复进行的,训练过程中,处理单元对数据进行汇总和转换,它们之间的连接被赋予不同的权值.当输出的结果在指定的精度级别上与已知结果相吻合时,对网络的训练就不再进行.通过对神经网络的训练和学习,使网络可以总结出内在的规律,从而对输出变量进行预测.本节所创建的BP 神经网络的指标分别取:学习速率选取为0.01,网络输入变量为7,隐藏层神经元的个数选为13,网络输出误差精度设为0.001. [1]该神经网络图1所示.输入层隐藏层 输出层图1 神经网络图假定输入层的第i 个节点得到的输入为i A ,输入到隐藏层的第h 个节点的则为这些值的加权平均ihi iwA ∑,最终通过传输函数f 从输出层输出()ih i if w A θ-∑,θ为隐藏层神经元的阈值.由于原始数据的单位不同,造成了指标量纲不统一的情况.为了加快网络的收敛速度,在训练前对数据做了标准化变换.标准化准则为*,ij jij jA A A σ-=其中11n j ij i A A n ==∑,11()()1nj ti i tj j t A A A A n σ==---∑.采用Levenberg-Marquardt 算法对数据进行训练,由下面的训练结果图可以看出,网络训练6次后即可达到误差要求,预测值的均方误差达到了0.000054175,预测效果较好.图2 训练结果图下面对给定的商品房年销售面积的原始序列()()()()()()(){}{}00001,2,,203025.5,4288.9,,104349X x x x ==进行估计,得出的估计值()()0ˆxi 如表1: 表1 销售面积的原始序列及估计序列(单位:万平方米)年度1991199219931994199519961997原始序列()()0x i 3025.5 4288.9 6688 7230 7906 7900901估计序列()()0ˆx i 3703.3 5189.4 7660 8268 8731 87629684年度1998199920002001200220032004原始序列()()0x i 12185 14557 18637 22412 26808 33718 38232估计序列()()0ˆx i 12767 14875 18729 22209 26337 33241 37544年度200520062007200820092010原始序列()()0x i 55486 61857 77355 65970 94755 104349估计序列()()0ˆx i 54018 60408 75839 65290 92490 100744图3展示了商品房年销售面积的原始序列及估计序列的曲线,从图中可以看出两个序列的拟合程度较高.4时间（年）销售面积（万平方米）商品房本年销售面积模型估计值图3销售面积的原始值及估计值序列图本节对影响住房需求的影响因素进行了分析,采用BP 神经网络建立了住房需求的预测模型,估计值与原始值之间的均方误差很小,证明了采用神经网络进行住房需求预测的有效性.2. 住房供给模型2.1 GM(1,1)模型的建立根据全国房地产市场1994-2010年的年度商品房本年竣工面积的统计资料,下面采用灰色系统理论,建立灰色GM(1,1)预测模型,对未来五年的商品房销售价格做出合理预测.对给定的商品房竣工面积的原始序列()()()()()()(){}{}00001,2,,1711637,14873.85,,75961Y y y y ==,作累加生成1—AGO 序列()()()()101,1,2,,17.ki y k y i k ===∑详细数据见表2:年份 1994 1995 1996 1997 1998 1999 原始序列()()0y i1163714873.85 15356.7115819.717566.621410.8生成116326514186576875259666序列()()1y i7 0.85 7.56 7.26 3.86 4.66年份 2000 2001 2002 2003 2004 2005 原始序列()()0y i25104.929867.434975.841464.142464.953417生成序列()()1y i121769.56 151636.96 186612.76 228076.86 270541.76 323958.76 年份 2006 2007 2008 2009 2010 原始序列()()0y i55830.960606.766544.872677.475961生成序列()()1y i379789.66 440396.36 506941.16 579618.56 655579.56图4为原始序列及1—AGO 生成序列的散点图,图中清晰地展现了每年商品房的竣工面积及其累计和.012345675时间（年）住房供给量（万平方米）原始序列生成序列图4 竣工面积原始序列及1—AGO 生成序列的散点图采用一阶单变量微分方程进行估计,得到白化形式的GM(1,1)模型()()11,dY aY u dt+= (1) 式中,a u 为待估计参数.求解白化方程(1),得到GM(1,1)模型的形式为()()()()10ˆ11,0,1,,16,ai u u yi y e i a a -⎛⎫+=-+= ⎪⎝⎭(2)还原后的预测模型为()()()()()()011ˆˆˆ11,1,,16,y i y i y i i +=+-=(3)其中()()()()0ˆ11yy =. 记参数向量[]ˆTaa u =,用最小二乘法求解得 ()1ˆ.T T N aB B B Y -= (4) 式中,B 为累加生成矩阵,N Y 为向量,二者的构造为()()()()()()()()()()()()()()()11111111212-19073.92511-34189.20512312-617599.0611161712y y y y B y y ⎡⎤-+⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥-+⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥-+⎢⎥⎣⎦,()()()()()()[]0002,3,,1714873.85,15356.71,,75961.N Y y y y ⎡⎤==⎣⎦将,N B Y 带入(4)式得到[]ˆ0.111213693Ta=-. 根据以上数据带入式子(3)和(4)可求得商品房竣工面积的GM(1,1)预测模型为:()()0.11121ˆ1134780123140,0,1,,16i yi e i +=-=()()()()()()()()0.111210.1112000ˆ1134780,1,,16.ˆ11i i y i ee i y x -⎧+=-=⎪⎨=⎪⎩ (5)由(5)式可得到1994-2010年住房竣工面积的估计值,并将其与原始序列的真实值比较,详见表3:年份 原始序列()()0y i估计序列()()0ˆyi年份 原始序列()()0y i估计序列()()0ˆyi1994 11637 116372003 41464.1 38582.8300 1995 14873.85 15851.4776 2004 42464.9 43120.5826 1996 15356.71 17715.7805 2005 5341748192.0234 1997 15819.7 19799.3454 2006 55830.9 53859.9198 1998 17566.6 22127.9598 2007 60606.7 60194.4213 199921410.824730.4441200866544.867273.92782000 25104.9 27639.0083 2009 72677.4 75186.0598 2001 29867.4 30889.6507 20175961 84028.7430 200234975.834522.6033图5展示了实际值与估计值这两个序列,从图中可以看出,两个序列之间拟合的程度高.1234567894时间（年）住房供给量（万平方米）实际值估计值图5竣工面积实际值及估计值序列图2.2 模型检验下面从残差、关联度和后验差三个方面对所得的模型进行检验. （1） 残差检验计算原始序列()()0y i 与估计序列()()0ˆy i 的绝对误差()i ε及相对误差()i δ,其中()()()()()()()()()()0000ˆ,1,2,,17,100%,1,2,,17.i y i yi i i i i y i εεδ=-==⨯=(2)关联度检验关联度系数定义为()()()()()()()()min max ,1,2,,17.max i i i i i i ερεηερε+==+其中ρ为分辨率且01ρ<<,本例中取0.5ρ=.运用Matlab 求解,得到的结果详见表4:年份 绝对误差()i ε相对误差()i δ关联度系数()i η19940 0 1 1995 977.6276 6.5728% 0.8049 1996 2359.0705 15.3618% 0.6310 1997 3979.6454 25.1563% 0.5034 1998 4561.3598 25.9661% 0.4693 1999 3319.6441 15.5045% 0.5486 2000 2534.1083 10.0941% 0.6142 2001 1022.2507 3.4226% 0.7978 2002 453.1967 1.2957% 0.8990 2003 2881.2700 6.9488% 0.5833 2004 655.6826 1.5441% 0.8602 2005 5224.9766 9.7815% 0.4357 2006 1970.9802 3.5303% 0.6718 2007 412.2787 0.6803% 0.9073 2008 729.1278 1.0957% 0.8469 2009 2508.6598 3.4518%0.61662010 8067.7430 10.6209%0.3333由于关联度系数的信息较为分散,不便于比较.为此,综合各个时刻的关联度系数,得到关联度r .通常0.5ρ=时,0.6r >便可认为关联度可以满意[2]. 关联度r 定义为()11.ni r i n η==∑本例中,()110.6778ni r i n η===∑.(3)后验差检验首先计算原始数列的()0Y 的均值()0Y 及均方差1S ,其定义为()()()0011,ni Y y i n ==∑ ()()()()2011.1ni y i Y S n =-=-∑然后计算绝对误差()i ε的均值ε及方差2S ,其定义为()11,ni i n εε==∑()()212.1ni i S n εε=-=-∑计算方差比21C S S =及小误差概率(){}10.6745P i S εε=-<. 确定模型级别,方法如表5.表5 模型级别 等级 好合格 勉强合格不合格取值PC P C PC PC 0.95>0.35<0.8> 0.5< 0.7> 0.65<0.7≤ 0.65≥将实际数据代入计算,得到后验差检验结果如表6.项目()0Y1Sε2SC P模型级别结果 43.856410⨯ 84.825210⨯32.450410⨯64.86110⨯ 0.0093 1好(I 级)由模型的检验可知,关联度0.6778r =,大于0.6,,C P 的取值均满足I 级模型的要求,说明模型的精确度较高,可用于实际预测.利用公式(5)对全国房地产市场2011-2015年的商品房竣工面积进行预测,得到表7:年份2011 2012 2013 2014 2015预测值()()0ˆyi 93911 104960 117300 131100 1465103. 房地产行业与国民经济其他行业关系模型本节以《中国统计年鉴2011》国民经济核算中的分行业增加值为基础数据,运用灰色关联度分析并结合信息熵对房地产相关行业进行权重赋值的方法,对全国房地产业与其他行业的关联度进行定量分析,进一步确定了全国房地产业与其他行业的关联程度,为制定合理的政策和战略提供参考.下面对灰色关联度模型的理论作一下简单阐述.设系统有n 个待优选的评价对象,对每个对象又有m 个评价因素,每个评价对象在相应各个评价因素下的属性值构成如下属性矩阵:1112121222121,2,,.1,2,n n ik m m mn x x x x x x i m X k n x x x ⎡⎤⎢⎥=⎢⎥= , ⎢⎥=⎢⎥⎣⎦这里的ik x 表示第k 个评判对象在第i 个评判因素下的指标属性.根据实际情况确定参考因素和比较因素.设:参考序列为0()x k ,且1,2,,k n =;比较序列为()i x k ,且1,2,,i m =和1,2,,k n=.根据国民经济体系的行业分类,选取以下13个行业:A 农林牧渔业,B 工业,C 建筑业,D 交通运输、仓储和邮政业,E 信息传输、计算机服务和软件业,F 批发和零售业,G 住宿和餐饮业,H 金融业,I 租赁和商务服务业,J 科学研究、技术服务和地质勘查业,K 居民服务和其他服务业,L 卫生、社会保障和社会福利业,M 公共管理和社会组织.全国房地产业与以上行业的国内生产总值增加值如表8所示:行年份业2005 2006 2007 2008 2009 A 22420 24040 28627 33702 35226B 77230.779091310.9363110534.8760130260.2387135239.9499C 10367.315012408.605315296.481618743.200022398.8267D 10666.163012182.984614601.039416362.503216727.1098E 4904.06875683.45196705.58077859.67318163.7861F 13966.175016530.722320937.835326182.339028984.4658G 4195.71664792.58575548.11376616.071297118.1671H 6086.82628099.082212337.549314863.250517767.5262I 3129.13883790.76934694.85405608.21776191.3598J 2163.98752684.78593441.33983993.35144721.7311K 3127.98863541.69993996.48294628.04855271.4826L 2987.3034 3326.2433 4013.7670 4628.7477 5082.5559 M 7361.1579 8836.6491 10830.4327 13783.7177 15161.7375 X8516.432410370.456013809.746314738.699318654.8792上表最后一行为房地产业的国内生产总值,作为参考序列0X .由行A M →构成比较序列()1,2,,i X i m =,也就是上面提到的属性矩阵ik X .根据房地产行业与相关行业的关系,采用公式min 1,2,,1,2,,max min ik ikiik ik iki ix x i m Z k n x x ⎛⎫-=⎪= , ⎪=-⎝⎭(6)对指标进行归一化处理.由公式(6)对ik X 进行无量纲化处理结果如表9.行业 年份 2005 2006 20072008 2009A 0 0.1265 0.4847 0.8810 1B 0 0.2427 0.5741 0.9142 1C 0 0.1697 0.4097 0.6962 1D 0 0.2503 0.6492 0.9398 1E 0 0.2391 0.5527 0.9067 1F 0 0.1708 0.4642 0.8134 1G 0 0.2042 0.4628 0.8282 1 H0.1723 0.5351 0.75141I 0 0.2161 0.5113 0.8096 1 J 0 0.2036 0.4994 0.7152 1 K 0 0.1930 0.4052 0.6998 1 L 0 0.1618 0.4899 0.7834 1 M 0 0.1892 0.4447 0.8233 1 X0.1829 0.5221 0.61371需要说明的是,后面我们会用到所有其他行(比较序列)与参考序列的差计算绝对差值序列,所以这里把参考序列也放入属性矩阵中进行归一化,如上表9中的X 行.表9即为归一化后的矩阵ik Z (参考序列不包括在内).绝对差值序列是参考序列与比较序列的绝对差值00()().i i z k z k ∆=- (7)运用公式(7),得到绝对差序列详见表10.表10 全国房地产业的国内生产总值增加值的绝对差值序列i∆行业 年份 2005 2006 20072008 2009A 0 0.0564 0.0374 0.2673 0B 0 0.0599 0.0520 0.3004 0C 0 0.0132 0.1124 0.0824 0D 0 0.0674 0.1271 0.3261 0E 0 0.0562 0.0306 0.2930 0F 0 0.0121 0.0579 0.1997 0G 0 0.0214 0.0593 0.2145 0 H0.0106 0.0130 0.1376I 0 0.0332 0.0108 0.1958 0 J 0 0.0207 0.0227 0.1015 0 K 0 0.0101 0.1169 0.0861 0 L 0 0.0211 0.0322 0.1697 0 M0.0063 0.0774 0.2096根据上式(公式7)可以得出min ∆和max ∆分别为绝对差值的最小值和最大值.其中min 0max 0,,min ()(),max 1,2,,.1,()()2,,,.i i i ki kz k z k z k i k n z m k ∆=-∆===-由上式可得,min max 0,0.3261.∆=∆=()i Y k 对0()Y k 的灰色关联度系数如下min max0max().i k ρηρ∆+∆=∆+∆(8)式中ρ是分辨率,本文取0.5ρ=.利用公式(8),灰色关联度系数矩阵如表11所示.表11 灰色关联度系数()k η行业 年份 20052006200720082009A 1 0.7431 0.8134 0.3789 1B 1 0.7315 0.7582 0.3518 1C 1 0.9251 0.5919 0.6642 1D 1 0.7076 0.5619 0.3333 1E 1 0.7436 0.8422 0.3576 1F 1 0.9309 0.7380 0.4495 1G 1 0.8842 0.7332 0.4319 1H 1 0.9390 0.9260 0.5423 1I 1 0.8309 0.9379 0.4543 1J 1 0.8871 0.8778 0.6163 1K 1 0.9415 0.5824 0.6545 1L 1 0.8854 0.8351 0.4900 1M 1 0.9629 0.6782 0.4375 1由于灰色关联度系数仅表示各年度数据间的灰色关联程度,为了进一步对整个序列进行比较,即()i Z k 和0()Z k 的比较,根据信息论知识可知,某项指标值变化程度越大,信息熵越小,该指标权重就应该越大,反之也成立.所以,可根据各个指标的变化情况,利用客观赋值法中的信息熵法计算出评价因素权重,以便能够更加准确和科学地计算灰色关联度.按照熵思想,人们在决策中获得信息的多少和质量,是决策的精度和可靠性大小的决定因素之一.所以熵在应用于不同决策过程中的评价或案例的效果评价时是一个很理想的尺度. [3]评价指标的信息熵如下面公式所示,1ln .ni ij ij j H K f f ==-∑在此,我们得到的信息熵值为()0.7479,0.7936,0.7617,0.7984,0.7915,0.7660,0.7766,0.7744,0.7854,0.7826,0.7693,0.7662,0.7698.i H =假定,0ij f =时,ln 0ij ij f f =;其中,1ijij nijj z f z==∑,1ln K n=.计算得0.6213K =.评价指标的熵权i w 公式11i i mii H w m H =-=-∑.计算得到()0.0864,0.0708,0.0817,0.0691,0.07150,0.0802,0.0766,0.0774,0.0736,0.0745,0.0791,0.0802,0.0789.w =灰色关联度的计算公式为1().mi k i r w i η==∑带入数据,得到()0.3401,0.2719,0.3416,0.2490,0.2819,0.3304,0.3102,0.3409,0.3107,0.3266,0.3305,0.3376,0.3219.r =对0()Z k 和评价因素()i Z k ,其关联度分别为()1,2,,i r i m =,按从大到小的顺序,即得灰色关联度顺序,例如设12m r r r >>>,表明1Z 和0Z 的关联度最大,或者对0Z 的影响最大,2Z 次之.由上面得到的灰色关联度如图6.卫生福居民服批发零科研技公共管租赁商住宿餐信息软工业交通邮建筑金融农林牧图6 灰色关联度条形图根据以上对全国的房地产业与相关产业的关联度的计算和分析可以看出:全国房地产业与建筑业的关联程度最大,关联度为0.3416;此处房地产业与金融业、农林牧渔业、卫生、社会保障和社会福利业、居民服务和其他服务业、 批发和零售业、科学研究、技术服务和地质勘查业和公共管理和社会组织的关联度也较大,灰色关联度分别为0.3409,0.3401,0.3376,0.3305,0.3304,0.3266,0.3219.可见,房地产业的发展将对相关产业的发展起到很强的拉动作用,同时对国民经济的发展也具有重大的影响. 4. 房价预测模型Markov 链是时间和状态均为离散变量的随机过程.它的特点是无后效性,即在0t 时刻的状态为已知时,它在时刻0t t >的状态与其在0t 之前的状态无关[4].Markov 模型能充分利用历史数据给予的信息,为随机波动较大的数据预测工作提供了一种新的方法,提高预测的精度.因此本文采用Markov 模型对房价进行预测.依据附录中1991-2009年商品房年销售价格{},1,2,,19t p t =,其中2010年商品房年销售价格从中国统计年鉴中查到,详细数据见表12:年份 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000销售价格tp7869951291 1409 1591 1806 1997 2063 2053 2112年份 2001 2002 2003 2004 2005 2006 2007 2008 2009销售价格tp2170 2250 2359 2778 3168 3367 3864 3800 4681将时间1991-2009年离散为时间序列1-19,商品房年销售价格t p 用三次插值多项式进行拟合,得到其拟合曲线为32ˆ 1.431136.2213394.6141387.8186,1,2,,19.t pt t t t =-++=运用Markov 模型预测2010年商品房的销售价格.首先对商品房年销售价格t p 的数据序列进行状态区间划分,为保证预测的准确度和计算的方便性,并结合近几年商品房销售价格的具体情况,将数据序列化分为四个状态,分别记为,1,2,,4i i Ω=,这里i Ω的划分按与拟合曲线ˆt p的变化趋势相一致的准则,即以ˆt p 为基准曲线,作四条平行于ˆt p的曲线而得到四个条形区域,每一个条形区域代表一个状态,即使i Ω所属于的一个状态区域,如图7示:tpt实际值拟合曲线状态分割线↑Ω1↑Ω2Ω3↓Ω4↓图7 状态分割曲线其中每个区域的上、下界见如下的状态划分标准表:状态1Ω 2Ω 3Ω 4Ω 状态下界 ˆ300t p - ˆ150t p - ˆt pˆ150t p+ 状态上界 ˆ150t p- ˆt p ˆ150t p+ ˆ300t p + 从图7中可以得到1991-2009年商品房年销售价格t p 的Markov 转移情况,得到表14:状态1Ω 状态2Ω 状态3Ω 状态4Ω 合计 状态1Ω 0 0 2 0 2 状态2Ω 1 3 2 0 6 状态3Ω 0 3 3 2 8 状态4Ω112继而得到状态转移概率矩阵010*******.03314120120V ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦由图7可知2009年商品房年销售价格19p 处于状态区间3Ω,根据状态转移矩阵知19p 转移到20p 时分别以概率3处于状态区间2Ω、38处于状态区间3Ω和14处于状态区间4Ω,故根据Markov 模型估计的2010年的商品房年销售价格()()()()2020202020202020ˆˆˆˆˆˆ15015015030033145ˆ5145.6.8282422p p p p p p p p-++++++⎛⎫⎛⎫⎛⎫=++=+= ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭查《中国统计年鉴2011》[5]可知:2010年商品房年销售价格为5230元,两者的绝对误差1.61%.五、房地产发展态势与政策成效分析1. 房地产市场发展态势分析本节首先运用房地产开发综合景气指数的变化对我国近几年的房地产市场的发展态势进行分析.房地产开发景气指数,指对企业景气调查中的定性经济指标通过定量方法加工汇总,综合反映某一特定调查群体或者发展趋势的一种指标.房地产开发景气指数是反映房地产业发展景气状况的综合指数.1998年1月至2011年七月的房地产开发景气指数详见图8,其中2009-2011年1月的数据缺失,为了便于分析,文中采用相邻样本均值插补法对缺失值进行插补,插补后的数据分别为95.6、104.57和102.35.929496982000—072008—012005—072003—011998—012011—082010—07图8 房地产开发综合景气指数近年来,国务院对房地产业出台了一系列调控政策.1998年,国务院发布了《城市房地产开发经营管理条例》,我国开始进行住房制度的改革.由上图可以看出,从1998年到2001年末,房地产开发综合景气呈上升趋势.2002年,建设部等六部委发布了《关于加强房地产市场宏观调控促进房地产市场健康发展的若干意见》,国家开始遏制房价过快上涨势头,以促进房地产业和国民经济健康发展,当时的调控手段比较单一,主要通过土地和金融政策类约束开发商的投资或居民的购房需求.2006年5月29日,国务院办公厅转发建设部等九部门《关于调整住房供应结构稳定住房价格的意见》,国家开始对房地产市场的供应结构进行调整和规范.2008年受经济危机影响,我国房地产市场进入低迷时期.由于为应对经济危机超发的货币和调控政策的松动,2009年房地产市场迅速由低迷变为亢奋,房地产开发综合景气指数迅速上升.2010年4月,为了切实解决城镇居民住房问题,国务院发布了《国务院关于坚决遏制部分城市房价过快上涨的通知》(简称“新国十条”).该通知加大了调控力度,要求实行更为严格的差别化住房信贷政策,发挥税收政策对住房消费和房地产收益的调节作用.多种调控方式取得了一定效果,由图中可以看出2010年房地产开发综合景气指数大体呈下降趋势.2011年1月,国务院发布了《关于进一步做好房地产市场调控工作有关问题的通知》(简称“新国八条”),房地产开发综合景气指数在小幅上涨后又回落.房地产价格走势涉及到人民群众切身利益,关系到经济健康发展好社会和谐稳定.拥有住房是人民正常生活的重要条件,通过上面的分析可以看出,国务院对房地产市场实施调控的决心是坚定的, 并取得了一定成效,通过国家政策可以对房地产市场进行宏观调控,进而改善人民生活状况.2. 房地产政策的成效分析下面通过房屋销售价格环比指数对房地产政策的成效进行评价,并提出了房地产政策严厉度对政策的严厉性进行量化.房屋销售价格指数是反映一定时期房屋销售价格变动程度和趋势的相对数,它是通过百分数的形式来反映房价在不同时期的涨跌幅度, 直接反映了房价的变动情况.房屋销售价格环比指数是以上月价格为100的基准数得到的指数. 国务院出台政策调控房地产市场的目的是把遏制房价上涨, 房地产政策严厉度L用房地产政策发布后引起房屋销售价格环比指数的变化量来描述.严厉度越大,表明国家对房地产市场监管的越严格,政策取得的成效越大.房屋销售价格环比指数的数据取自于国家统计局官方网站[6],2010年和2011年的房屋销售价格环比指数详见图9和10:其中2011年的房屋销售价格环比指数采用的是七十个大中城市新建住宅和二手住宅销售价格环比指数的平均值.2010—12010—32010—52010—72010—92010—11图9 2010年房屋销售价格环比指数如图所示,2010年4月“新国十条”发布后,房屋销售价格环比指数明显下降.从2010年5月到2010年8月期间,房屋销售价格环比指数累计减少了1.4,达到了抑制房价快速上涨的目的,故此时严厉度1L 为1.4.99.9100100.1100.2100.3100.4100.5100.6100.72011—22011—42011—62011—8图10 2010年房屋销售价格环比指数由图10可知:2011年1月“新国八条”发布后,房屋销售价格环比指数持续下降,但下降的幅度较小.从2011年2月到2010年8月,房屋销售价格环比指数累计减少了0.7157,所以“新国八条”的严厉度20.7157L =.从政策的内容来看,“新国十条”通过提高贷款首付比例和贷款利率来限制贷款投机性购房,对定价过高、涨幅过快的房地产开发项目进行重点清算和稽查, 大幅度增加公共租赁住房、经济适用住房和限价商品住房供应.“新国八条”的目的在于进一步做好房地产市场调控工作,调整完善相关税收政策,继续有效遏制投资投机性购房[7].从前面的严厉度数据得出12L L >,所以“新国十条”也被称。

房地产泡沫问题房地产泡沫是房地产资产的价格脱离了实际基础价值连续上涨的现象。

房地产泡沫的主要特征是：第一，房地产泡沫是房地产价格波动的一种形态；第二，房地产泡沫具有陡升陡降的特点，振幅较大；第三，房地产泡沫不具有连续性，没有稳定的周期和频率；第四，房地产泡沫主要是由于投机行为、货币供应量在房地产经济系统中短期内急剧增加造成的。

投机价格机制和自我膨胀的机制是房地产的主要内在运行机制。

房地产泡沫是在内在传导机制和外在冲击机制的共同作用下，开始产生、膨胀和崩溃的。

泡沫经济：虚拟资本过度增长与相关交易持续膨胀日益脱离实物资本的增长和实业部门的成长，金融证券、地产价格飞涨，投机交易极为活跃的经济现象。

泡沫经济寓于金融投机，造成社会经济的虚假繁荣，最后必定泡沫破灭，导致社会震荡，甚至经济崩溃。

泡沫经济可分为三个阶段，既泡沫的形成阶段、泡沫的膨胀阶段、泡沫的溃灭阶段。

虚拟资本（Fictitious Capital）是以有价证券（包括股票、债券、不动产抵押单）等形式存在的，能给持有者带来一定收入流量的的资本；现实资本（Actual Capital）就是以生产要素形式和商品形式存在的实物形态的资本。

在生产资本和商品资本的运动中不会出现泡沫，因为生产资本和商品资本的运动都是以实物形态流量为媒介，并进行和其相对应的流向相反、流量基本相等的货币形态流量。

因此人们认为泡沫经济产生于虚拟资本的运动，这也是泡沫经济总是起源于金融领域的根源。

此外，作为不动产的土地，其特殊的价格构成使土地资产成为了一种具有虚拟资本属性的资产，同时金融业与房地产业的相互渗透、相互融合，使得每次经济泡沫的产生都必然伴随着地产泡沫的产生。

与其他产业经济一样，房地产业在实际经济运行中也存在着较为明显的周期波动现象。

虽然理论界对房地产经济周期的定义有各种各样不同表述，但对房地产经济周期波动的表现形式还是相同的。

认为：房地产经济周期可以分为两个过程，即扩张过程和收缩过程。

太阳能小屋的设计摘要本文提出了一种光伏电池“反馈式铺设”的方案，把每个问题下的铺设任务分离为几个有序的步骤来进行，步骤之间联系紧密，后一步骤的进行甚至可以反过来改变前一步骤的结果，经过多次反馈后，可以得到较优的解。

在此方案的基础上，对太阳能小屋铺设问题进入了深入的研究。

针对问题一，我们首先处理了大同市典型气象年气象数据，得到了各个表面的年辐射总量，由于各个表面的年辐射总量不一样，所以针对于各个表面的各个光伏电池的发电量、盈利额度、单位面积效益等都要分别进行计算，尤其是屋顶的情况，公示推导繁琐，数据处理起来颇为复杂，数据处理完毕后，选取候选光伏电池，建立矩形排样的模型，将各表面的非矩形约束条件转化为矩形约束来求解，铺设完成后，根据铺设的结果选取适当的光伏电池进行二次再铺设，而后将光伏电池组件进行分组，选取逆变器，调整二次再铺设后的铺设结果，使得逆变器的选取以及光伏电池组件的分组达到较佳的状态。

在问题二中，我们首先利用matlab算取了架空方式安装下的最佳倾斜角度和旋转角度，然后将架空方式安装的光伏电池进行相应的变换投影到太阳能小屋表面，根据变换后的图形利用类似问题一中提出的算法进行铺设。

在问题三中，根据题目给出的小屋建筑要求，将约束条件转化为lingo中的语言，目标函数是使得问题一中的盈利表面的面积尽可能大，房屋屋顶的倾斜角尽可能接近问题二中的最佳倾斜角。

lingo求解出的房屋尺寸在solidworks中进行三维建模，建模后的房屋进行光伏电池的铺设，根据光伏电池的铺设情况对房屋的尺寸进行小范围的调整，使得房屋的设计达到较优，即使小屋的全年发电总量尽可能大，单位发电量的费用尽可能小。

关键词：太阳能小屋光伏电池逆变器反馈式铺设最小劣度矩形排样一、问题重述在设计太阳能小屋时，需在建筑物外表面（屋顶及外墙）铺设光伏电池，光伏电池组件所产生的直流电需要经过逆变器转换成220V交流电才能供家庭使用，并将剩余电量输入电网。

2012年3Ｄ仿真机房建模摘要随着绿色数据中心的设计在我国逐步的兴起，在保障制冷效果的前提下，我们现在更加关注能源的合理利用。

机房内热环境分析是绿色数据中心设计的主要步骤之一，本文主要对热分布、流场分布、合理分配任务、控制空调的送风速度和送风温度等问题进行研究。

对于问题1描绘流场分布及温度场分布的软件有很多，如matlab、fluent、phoenics，因matlab具有简单易用的程序语言、强大的科学计算数据处理能力及直观出色的图形处理功能，便于推广和普及，因此我们采用matlab软件进行绘图，根据所给数据的特性我们用二维三次多项式插值的方法来绘图，用matlab图像取点的方法找到了在热通道的通道三内，距空调距离为7.2m、高度为2.25m点处的温度最高，最高温度为54.01 C︒，并从理论上分析了结果的合理性。

对于问题2我们通过分析流体的连续性方程、动量方程、能量方程、紊流能量方程（κ方程）及紊流能量耗散方程（方程ε），通过这些方程的相关关系建立出描绘该问题热分布的εκ-流体温度分布模型，选用SIMPLE算法对模型进行求解，并将测试案例的数据代入本模型进行比较，计算结果与实测数据偏差为1%，偏差在合理范围内，从而证明了本模型是合理的。

对于问题3我们联系附件并通过对模型进行分析和计算，我们确定了每个机柜群的任务量，根据第一问的结果分析，我们确定了每个机柜群内部每个机柜的任务量，从而得到了最优任务分配方案。

根据该方案联系附件并通过对模型进行分析和计算，用得到的数据作出了不同高度下的温度关于x，y的伪彩色图，分析了温度变化的规律，验证了分配方案的合理性，当任务量为0.8时，最高温度为27c︒，任务量为0.5时，最高温度为23c︒。

对于问题4我们根据《电子信息系统机房设计规范》（附件3）C级要求控制机房的温度在18c︒-28c︒范围内，控制送风口温度在12c︒-17c︒，送风口风速在0.6m/s-1.2m/s。

装订线摘要房价问题事关国计民生，已经成为全民关注的焦点议题之一。

本文主要对房价的合理性进行分析，估测了房价未来走势。

同时进一步探讨使得房价合理的具体措施，根据分析结果，定量分析可能对经济发展产生的影响。

对于房价合理性的分析，选取北京，咸阳，大庆三类城市数据，以居民承受能力满意度和房地产商收益满意度作为目标函数，建立了多目标规划模型分析合理性。

此外，考虑到目前中国的房地产市场存在一定的泡沫成分，为使模型更贴近实际，利用CPI指数修正模型，分析出实际房价不合理，存在严重的泡沫成分。

针对房价的未来走势，采用灰色预测模型对未来房价进行预测。

绘制房价未来走势曲线，得到在国家政策及社会环境相对稳定的条件下，房价仍然会继续上涨的结论。

并根据所得结果，提出了调整房价的三点措施。

利用房价的财富效应以及房产投资与GDP之间协整关系分析了房价对国民经济的影响。

由分析得知：房价的不合理上涨会使房地产财富虚增，产生房地产泡沫，影响国民经济的正常发展。

考虑到所涉及的经济学变量均是非平稳的。

为了避免建立虚假回归模型，在对房价模型进行修正和分析房价对国民经济的影响时，我们利用EVIEWS软件，建立了基于单元根检验的协整性分析模型。

关键词：多目标规划灰色预测模型EVIEWS 单位根检验与协整分析一、问题重述1.1问题背景房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。

我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一，从国家领导人、地方政府官员，到开发商、专家学者、普通百姓通过各种媒体表达各种观点，但对于房价是否合理、未来房价的走势等关键问题，至今尚未形成统一的认识。

1.2问题提出请根据中国国情，收集建筑成本、居民收入等与房价密切相关的数据分析以下问题：(1)选取我国具有代表性的几类城市对房价的合理性；(2)房价的未来走势等问题进行定量分析，(3)根据分析结果，进一步探讨使得房价合理的具体措施。

全国大学生数学建模竞赛真题试卷复习材料附件7：小屋的建筑要求
限定小屋使用空间高度为：建筑屋顶最高点距地面高度≤5.4m, 室内使用空间最低净空高度距地面高度为≥2.8m；建筑总投影面积（包括挑檐、挑雨棚的投影面积）为≤74m2；建筑平面体型长边应≤15m，最短边应≥3m；建筑采光要求至少应满足窗地比（开窗面积与房间地板面积的比值，可不分朝向）≥0.2的要求；建筑节能要求应满足窗墙比（开窗面积与所在朝向墙面积的比值）南墙≤0.50、东西墙≤0.35、北墙≤0.30。

建筑设计朝向可以根据需要设计，允许偏离正南朝向。

房地产数学建模Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT房地产问题分析摘要房地产行业与百姓的生活息息相关。

近年来，由于房地产价格的不断攀升，房地产行业已经引起了社会的广泛关注。

本文分别就影响房地产价格的因素和未来房地产价格的趋势进行了细致的分析研究和预测，并最终提出了相应的改进措施和调控房价的建议。

对于问题一，由于影响房地产价格的因素众多，我们就选取了人均消费水平，人均GDP 占有量，人口密度，土地成本，银行贷款利率五个与房地产价格有着密切关系的指标在全国范围内进行研究分析。

我们采用一元线性回归模型利用SPSS 统计软件分别对五个指标与房地产价格进行线性回归，得到线性回归方程和相关系数。

并通过分析得出：土地成本、人均GDP占有量、人口密度（市场需求）、人均消费水平这四个因素对房地产价格的影响较大，而银行贷款利率的影响相对要小一些。

因此，最后我们使用多元线性回归模型，利用SPSS 软件对四个变量进行了多元线性回归，并得出了回归方程。

问题二，虽然线性回归对房价的形成预测比较高，但它只是根据有限的几个因素来确定的，于是我们通过分析确定了可以利用华中科技大学控制科学与工程系教授，博士生导师邓聚龙于1982年提出的灰色预测模型来进行求解。

我们建立了灰色预测模型并进行了模型的求解。

通过对模型的求解，预测得了未来几年的房价，并就调控房价提出了一些政策建议，对建议可能产生的效果进行了科学的预测和评价。

关键词：房地产 SPSS MATLAB 灰色预测模型线性回归模型一、问题重述虽然国家多次进行宏观调控，多次调整利率、存款准备金率等，试图对房地产市场进行调控，但自1998年实行房改以来，我国大部分城市的房价出现了普遍持续上涨情况。

一方面，房价的上涨使得新进入城市或需要购房者的生存成本大幅增加，导致许多中低收入人群买房难，其它消费也无法提升；另一方面，部分投资或投机者通过各种融资渠道买入房屋进行出租或空置，期望因房价上涨而获得超高回报，导致房价居高不下。

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）：J2034所属学校（请填写完整的全名）：西安财经学院参赛队员(打印并签名) ：1. 柳西梦2. 王凤3. 高敏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）：房价问题摘要房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。

我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一。

经过分析我们将问题细化为以下四个方面：1.根据所搜集的数据分析判断房价是否合理；2.对房价未来走势进行定量分析；3.对房价不合理给出具体措施；4.对问题3中给出的措施可能对经济发展产生的影响进行定量分析。

对于问题1，我们通过研究城市房价合理性模型，找出了判断房价合理性的标准，同时拟出了同一地区成本、销售面积、居民收入之间的关系。

在解决这一问题时，我们采用了多元线性回归模型对相关变量进行了分析与处理，最终确定了判断房价合理性的标准。

对于问题2，我们通过建立灰色模型来对房价未来走势进行预测，预测结果得到了北京市、西安市2012年、2013年、2014年的房价数据。

2012年全国大学生数学建模大赛B题--论文太阳能小屋的设计摘要：在太阳能小屋的设计中为实现太阳能光伏板最佳朝向、倾角及排布阵列设计及优化，通过建立倾斜放置的光伏板表面接收太阳辐射能模型，计算到达光伏板上的太阳辐射能量，推导出光伏板的最佳朝向及倾角。

为使光伏板最大限度地接收太阳辐射的能量，在选择合适的朝向及倾角的基础上，对光伏电池排布阵列，建立目标规划，并通过与实际逆变器的相互匹配，不断对目标进行优化，最终得到一组最优解。

通过上述研究，结合山西大同市本地情况，重新设计出一个更加适合当地地理及气象条件的太阳能光能房屋并为其选择最优的阵列排布方案。

针对问题一：电池板只是铺设房屋的表面，没有涉及到电池板放的角度问题，先求算出房屋的角度为10.62度，再根据角度，建立模型算出光伏板上太阳能辐射量。

并用目标规划阵列排列方案计算出电池的排布。

再通过排布计算出经济效益，最后得出35年之内无法收回成本。

针对问题二：通过对角度建立模型，计算得出最佳角度44.66度，通过排布计算出电池板排布最佳方案，建立模型计算出经济效益，在28.5年收回成本。

如考虑货币时间价值，35年的经济效益是亏损的。

针对问题三：要通过目标构建一个产电量尽量大，而成本尽量小的理想模型。

假设小屋无挑檐、挑雨棚（即房顶的边投影与房体的长宽投影相等），建立模型计算出最佳的图形，并画出模型图。

关键字：太阳能太阳能辐射模型最佳倾角电池模型目标规划一.阐述问题太阳能作为迄今人类所认识的最清洁的可再生能源，其与建筑一体化将在建筑节能中起到十分重要的作用。

屋顶在建筑外围结构中所接受的日照时间最长，接受的太阳辐射量也最大，具有利用太阳辐射的优越条件，同时，屋顶较开阔，便于大面积连续布置太阳能设备，因此，在城市中，建筑屋顶是太阳能利用的最佳场所。

目前，许多国家已纷纷实施和推广“太阳能屋顶计划”，如有德国十万屋顶计划、美国百万屋顶计划以及日本的新阳光计划等。

我国属于太阳能利用条件较好的地区，尤其是青藏高原地区太阳能。

2012B数学建模参考资料-太阳能小屋的设计介绍了浙江省慈溪市天和家园住宅小区43kW．屋顶太阳能并网光伏发电系统的设计思路，以及系统的具体功能与配置，提出了设计中需要注意的问题及具体的解决方案。

包括：①光伏系统提供公用设施用电，在阴雨天时使用城市电网为公用负荷供电；②光伏系统在小区内局部并网．不考虑将电能输入上级城市电网；③太阳能电池组件方阵倾角确定为3O。

，选用常州天合光能有限公司生产的TSM一175D型高效单晶硅电池组件。

分析了组件分组串接原则，确定了布置方案；( 并网逆变器选择德国艾思玛(SMA)公司SMC6o(》0rIL型无变压器集中式逆变器和SB5o0仇1．型无变压器多组串逆变器；( 地下车库照明负荷曲线与日照曲线接近．因此选择地下车库照明和智能化设备用电为光伏系统负荷；⑥简介了防直击雷和防感应雷措施．以及选择电缆和设计支架时应考虑的因素；⑦监控系统选用SMA的Sunny Boy Control Plus产品。

关键词住宅小区并网光伏发电太阳能电池组件多组串逆变器1 项目简介1．1天和家园住宅小区概况浙江省慈溪市天和家园住宅小区占地面积64 788m2，总建筑面积13．4万m2。

小区住宅整体布置方式为南北朝向，南北均无高大建筑物，无遮阴情况，日照充分。

小区建筑住宅以多层为主，屋顶呈人字形，楼高22．2—22．86m。

计划在天和家园2O号楼屋顶装设太阳能电池板，建住宅小区太阳能光伏发电示范电站。

2O号楼目前处于在建状态，-屋顶可利用面积有：西侧平台，面积87m ；斜屋面，～7共7块，总面积(斜面)113．9m。

；露台，厶一厶共5个，总面积233．44m 。

1-2设计要求a．该项目有一定的公众影响力。

美观与否非常重要，要求光伏电池组件的安装应保持屋顶的风格和美观，并与小区及周围环境相协调。

b．该光伏电站主要提供天和家园小区公用设施用电，包括：地下车库西区照明灯35．2kW，地下车库东区照明．灯21．4kW，智能化设备2kW等。

第十三届“我爱祖国海疆”全国青少年建筑模型竞赛规则1. 竞赛项目1.1 建筑模型个人项目(1)“缤纷童年”涂装木屋赛(2)“绿野春天”花园别墅赛(3)“梦想家园”小筑创意赛(4)“烽火春秋”古长城赛(5)“水调江南”石桥写意赛(6)“城市梦想”区域规划赛(7)“创意中国”设计规划赛(8)“魅力鸟巢”计时赛(9) 木桥梁结构设计赛、承重赛1.2 建筑模型集体项目(10)“城市梦想”区域规划赛(11)“筑我长城”大型古长城赛(12)“民族团结”少数民族民居设计赛1.3 建筑模型兼项项目(13) 纸结构承重赛(14)“无限空间”创意赛2. 总则2.1报名：每名运动员可在第1至8项和第10 至12项中任选一项报名；另可在第13、14项中任选一项报名。

第9项设计赛与承重赛两项可以兼报且允许单报；设计赛、承重赛两项都参加的运动员不得再报其他项目，若仅参加其中一项则允许其兼报第14项。

第10至12项每件作品限报2至3人。

第13项按各队参赛运动员人数的25％分配名额。

第14项每队限报1至3件作品，每件作品限报1至2人。

对报名参加集体项目的竞赛组织单位不足3个以及个人项目不足6人的项目需并组进行比赛，并组后仍不足规定数额的则列为大会展示活动。

2.2 场地：比赛场地配有桌椅、称重器材、模型套材、工具、辅料包等。

运动员需爱护赛场环境，如造成污损则取消其竞赛成绩并照价赔偿。

严禁携带易燃易爆等各种危险品进入赛场，赛场及周边严禁烟火。

参赛模型须安全、环保、无公害，且不得加装或使用声、光、电、液体以及可能含有安全隐患的装置。

2.3 器材：现场制作所需模型套材、制作工具以及胶水、颜料、铅笔、橡皮等辅料均须由组委会统一提供到赛场。

2.4 比赛规定：第1至13项比赛模型须在现场制作，第14项需在赛前全部完成。

参加现场制作的运动员须在裁判员发“开始”口令后，方可打开模型、材料包装开始制作，抢先打开包装者的制作赛成绩计为零分。

运动员不得携带任何与比赛有关的物品入场，在现场制作期间不得接受他人的指导或帮助，不得交头接耳，如发现运动员有私自夹带等任何形式的作弊则立即取消其参赛资格。

2012年铜仁学院第二届数学建模赛
A 题：铜仁市人口与住房需求预测
近年来，铜仁市在不断发展，房地产事业也出现了空前的繁荣，房价一直看涨。

未来的住房需求与人口结构、数量和经济发展等因素相关，合理预测能使住房建设正确匹配未来人口的需求，是保证铜仁社会经济可持续发展的重要条件。

请根据铜仁市人口发展变化态势、铜仁市民购买能力以及目前现有房源情况（未售商品房、各单位的限价商品房）收集数据、建立针对铜仁具体情况的数学模型，预测铜仁市内未来的人口增长和住房需求，解决下面的问题：
分析铜仁近十年常住人口、非常住人口变化特征，预测未来十年铜仁市人口数量和结构的发展趋势，以此为基础预测未来全市住房需求；
注：同学们要积极搜集数据，且数据来源要真实可靠！。

Computer Knowledge and Technology 电脑知识与技术人工智能及识别技术本栏目责任编辑：唐一东第7卷第3期(2011年1月)智能太阳能屋顶模型的设计与实现扈晓静（西安建筑科技大学信息与控制工程学院，陕西西安710055）摘要：太阳能利用的重点是建筑，其应用方式包括利用太阳能为建筑物供热（生活热水、采暖）和供电，因此太阳能与建筑一体化是未来太阳能技术的发展方向。

我国已于2009年正式启动了“太阳能屋顶计划”，但是目前已实施的太阳能屋顶上的电池板均为固定安装，从而限制了太阳辐射量的吸收，减少了发电产量，降低了太阳能屋顶的工作效率。

本文的智能太阳能屋顶模型将太阳跟踪技术应用于屋顶太阳能电池板上，使其能够根据太阳方位的变化自动调节角度，大大提高了太阳辐射量的吸收。

关键词：太阳能屋顶；太阳跟踪技术；计算机辅助中图分类号：TP18文献标识码：A 文章编号：1009-3044(2011)03-0627-03Intelligent Solar Roof Model Design and RealizationHU Xiao-jing(Information &Control Engineering College in Xi'an University of Architecture &Technology,Xi'an 710055,China)Abstract:One important application of solar energy is on architecture,including solar-energy heating,solar-energy electricity,thus,the integration of solar energy technology and architecture is a promising field.China has started "Solar Roof Plan"since 2009.However,in the existing solar roofs,the battery panels are almost fixed,which may limit the absorption of solar radiation,and reduce the efficiency of solar roofs.In this paper,we introduce a novel solar roof model,which applies solar tracking technique to the battery panels,and make them change angle automatically according to the solar direction,finally,this model can enhance the absorption of solar radiation greatly.Key words:solar roof;solar tracking technique;computer aided太阳能作为迄今人类所认识的最清洁的可再生能源，其与建筑一体化将在建筑节能中起到十分重要的作用。

2012年“深圳杯”全国大学生数学建模夏令营C题：3Ｄ仿真机房建模问题背景：由于高密度计算、多任务计算的需要，越来越多的高性能数据中心或互联网中心（DC、IDC）正逐渐建成。

在现代的数据中心内，由于刀片服务器成本与性价比高，体积小而被广泛使用。

由于自身能源与冷却条件限制，这类大规模的数据中心或许每年需要花费数百万美元，主要用于计算设备及系统冷却所需的能源费用。

因此有必要提高数据中心设备的能效，极大化数据中心的能源利用率及计算能力。

大约在上世纪90年代后期，IBM、HP等公司首先提出绿色数据中心的概念，并受到世界各国的广泛重视。

绿色数据中心的主要目标包括：z最佳PUE（数据中心基础设施能源利用效率）实现z实现动态智能制冷，精确送配风系统z优化的场地设计、电气系统设计z支持全球领先环保节能标准LEED（美国领先能源和环境设计规范）z实现最佳系统部署z区域化和模块化设计－－高热区和低热区，采用不同的散热方式，实现对不同负载的有效支持。

对大型数据中心，模块化设计理念。

z整合的智能的机房监控系统(动力设施,环境与IT设施,平台统一)实现自动化管理。

绿色数据中心的设计在我国处于刚起步阶段，相关的工作很少，资源缺乏。

作为绿色数据中心设计的一个重要环节是利用源自服务器及环境温度的数据，刻画数据中心的热循环过程。

机房内热环境分析是绿色机房设计的主要步骤之一。

为了保证机房内设备健康运行，数据中心制冷系统必须根据机房内热点的温度（室内最高温度）向机房送配冷气。

而合理地给服务器分配工作任务，能够降低机房内热点的温度，达到节能目的。

图1是较典型的一类数据中心机房虚拟示意图。

图1 虚拟机房示意图该类机房采用独立的空调通风制冷系统（HVAC），机房机柜的布置通常按一定的行业设计规范要求布置。

相邻机柜的出风口面对同一个通道。

形成热通道。

机房内热气流经循环进入HVAC顶部，在经过水冷系统冷却后从地下冷风槽通过中孔板送入机柜进风口，形成冷通道。

房地产业可持续发展问题摘要房地产业是我国国民经济重要的组成部分，近年来房价问题成了人们热议的话题。

本文针对房地产业可持续发展问题进行了探究，建立了合适的模型。

问题一：利用灰色预测方法建立了杭州房地产价格的预测模型，查找2003年到2011年杭州房地产价格数据用MATLAB求解对接下来两年杭州的房地产价格进行了预测。

针对土地交易价格、人均可支配收入、人均GDP、房地产投资额、房屋租赁价格这五个因素对商品房售价的影响建立了灰色关联度模型，按照各自关联度由大到小排序，最后得到五个因素影响程度由大到小为土地交易价格、人均可支配收入、人均GDP、房地产投资额、房屋租赁价格。

问题二：考虑买房者的买房压力，用按揭还款公式计算出房价作为房地产价格合理区间的上限；同时考虑房地产商的合理利润，以利润为20%时的房价作为房地产价格合理区间的下限。

用最新数据求解得到房地产价格合理区间为（5435元，8069.5元）问题三：先综合考虑保障性住房比例以及其他各个因素对房价的影响，建立多元线性回归方程。

用SPSS求解出线性回归方程后再以其他因素相同时来考虑保障性住房比例对房价影响。

最后得出保障性住房比例的增加会使得房价减少，其系数为-0.104。

.这也说明影响程度并不大。

问题四：结合前三问的研究成果和目前的房地产市场形式。

从目前房价虚高的原因，制定符合中国国情的房价合理区间，处理房价问题手段探索三个方面对房地产市场进行了分析和总结。

对处理房价问题提出了4点建议。

关键词：灰色预测 MATLAB 按揭还款公式线性回归 SPSS一、问题重述房价问题是近几年人们热议的话题，“买房贵，买房难”成为当今社会的一大问题，已经严重的影响到了社会的和谐发展。

政府在也在不断的出台政策进行宏观调控，这些举措在一定程度上防止了房地产市场的大起大落，维护了房地产市场的可持续发展。

目前，房地产市场进入观望状态，成交量大幅减少，但大多数大中城市房价环比仍上涨。

关于房地产投资盈利问题摘要：问题：为了更好地反映房地产的运作过程，本文在房价形成的基础上进一步讨论了影响房价的因素，并对演化机理作了细致深入的分析，然后建立数学模型，总结出影响房价的主要因素：市场供求关系、贷款数额。

从而就房地产投资、开发建设行为，金融监管力度、土地资源管理等方面给出相关建议。

通过模型，对其后房地产市场进行预测，相信房地产市场在政策落实的基础上形式将会一片大好----杜绝房价的泡沫问题，解除不符合市场的正常形态，使购房者，开发商，政府机构之间达到一种动态的利益平衡。

对于第一问，我们选取了房地产开发投资，商品房销售价格与全市生产总值有着密切关系的指标进行研究。

我们采用多元线性回归模型利用SPSS统计软件分别对两个指标与全市生产总值进行线性回归，得到线性回归方程和相关系数。

他们之间的互动越来越强。

对于问题二，我们运用灰色关联分析模型和相关分析方法，得出影响房地产发展的主要因素及关X1(k+1)=[X0(1)-u/a]*e-ak–u/a;X0(k+1)=X1(k+1)-X1(k)X1(k+1)=1557.4*e-0.0155*K-1557.4;X0(k+1)=1557.4*(1557.4* e-0.0155*K-1557.4* e-0.0155*(K-1));k=1,2,....nX0(k+1)表示第K年的人均住房面积。

X0(1)=19.4;对2015年该市人均住房面积进行了预测并得出，2015年该市人均住房面积达到28.85平方米。

关键词：多元先行回归 SPSS 灰色关联分析相关分析灰色预测综合评价方法一、问题重述长久以来，房地产问题都得到了国人很大的关注关于对房地产问题的分析和预测一直没有停止过。

住房问题是关系民生的大问题。

自2001 年以来中国经济进入了以住房、汽车、电子通讯、能源和基础原材料业较快发展的新一轮增长周期。

2004 年1-2 月份固定资产投资完成额增长53％，经济运行中出现了新的不平衡，能源、运输供应紧张，居民消费品价格指数(CPI)开始走高（6 月同比上涨5％），中国经济运行出现偏热的迹象。