2012高教社杯全国大学生数学建模竞赛B题获奖论文

碎纸片的拼接复原摘要本文利用Manhattan距离，聚类分析，图像处理等方法解决了碎纸片的拼接复原问题。

由于碎纸机产生的碎纸片是边缘规则且等大的矩形，此时碎纸片拼接方法就不能利用碎片边缘的尖角特征等基于边界几何特征的拼接方法，而要利用碎片内的字迹断线或碎片内的文字位置搜索与之匹配的相邻碎纸片。

拼接碎片前利用数学软件MATLAB软件对碎片图像进行数据化处理，得到对应的像素矩阵，后设置阈值对像素矩阵进行二值化处理，得到相应的0-1矩阵。

下面分别对三个问题的解决方法和算法实现做简单的阐述：问题一，分别对附件1和附件2的碎片数据进行处理得到相应的0-1矩阵，依次计算某个0-1矩阵最右边一列组成向量与其他所有0-1矩阵的最左边向量的Manhattan距离，可以得到某个最小距离值、说明最小距离值对应的碎片是可与基准碎片拼接的，最终得到碎片拼接完整的图像。

问题二，同样对于附件3和附件4中的碎片数据进行处理得到相应的数值矩阵，并计算得到每个碎片顶部空白高度和文字高度，即指每行像素点都为255的行数、一行中存在像素点为非255的行数，根据空白高度和文字高度对碎片进行聚类分类，聚类阀值取3像素，得到11组像素矩阵，进而得到11类可能在同一行的碎片类。

其中对附件4中的英文的处理中，我们还采用水平像素投影累积的方法，进一步分类出可能在同一行的碎片类。

用问题一的方法，计算Manhattan 距离可以对每一类碎片按次序排列好，得到11行已经排列好的碎片，再应用曼哈顿距离在竖直方向上进行聚合得到完整的图像。

问题三，首先，对于附件5中的碎片数据我们采用正反相接，本文将b面最左边的一列像素拼接到a面最右边的一列像素的下面，构成360×1的向量，再把其他的碎片采用相同的办法得到360×1的向量，再用问题一的方法，计算出各碎片之间的Manhattan距离。

其次，根据每个碎片顶部的空白高度或者文字高度对碎片进行区间分类，得到22组矩阵，然后应用曼哈顿距离将得到的22组矩阵聚成两类，每类各包含两面的11组矩阵，最后利用Manhattan距离在竖直方向上进行聚合得到完整的图像。

葡萄酒的评价摘要：本文针对葡萄酒的评价问题建立了相应的统计模型。

问题一：借助SPSS软件，建立数值显著性分析模型和数值可信度分析模型。

首先，将每位评酒员对某种葡萄酒的分类指标打的分值求平均值并求和，即该种葡萄酒的质量，依此可得到每种葡萄酒的质量；其次，利用单因素分析法分别得到红葡萄酒组和白葡萄酒组的F值，用F检验法分别判断出两组评判结果针对红、白葡萄酒均存在显著性差异；再次，由方差分析法，分析出第二组的评判结果的可信度更高，故可将此组结果作为葡萄酒的质量。

问题二：在所有数值进行无量纲化处理的前提下，结合SPSS软件利用因子分析法构造出酿酒葡萄的综合理化指标函数，得到每种葡萄的综合理化指标，结合所酿葡萄酒的质量，进一步得到每种酿酒葡萄的综合得分。

根据每种酿酒葡萄的综合得分，利用极差分析法构造函数，划分等级范围，进而对葡萄分级。

问题三：由于酿酒葡萄和葡萄酒的量化指标数目的不同，为了更全面的考虑两者之间的联系，利用其综合理化指标分析两者之间的理化指标间的联系。

葡萄酒的综合理化指标与问题二中酿酒葡萄的综合理化指标处理方法一样。

根据相关性分析法，利用SPSS软件计算得到红葡萄与红葡萄酒的综合理化指标、白葡萄与白葡萄酒的综合理化指标均存在相关性。

针对问题四：基于问题二、三的结果，将酿酒葡萄和葡萄酒的理化指标用综合理化指标描述，将其看做自变量，将葡萄酒的质量看做因变量，结合SPSS软件对其进行线性回归分析，得到回归函数。

由于，一般认为评酒员对葡萄酒的评价结果就是葡萄酒的质量，因此利用该回归函数得到的葡萄酒的质量与评酒员打分所得中的葡萄酒质量比较发现差异较大，根据相关性系数和资料可得，葡萄酒的质量不仅仅与这两个因素有关，对其论证分析，发现酿酒葡萄和葡萄酒中的芳香类物质对专家打分有一定的影响，因此可基于芳香类物质对所得回归函数进行进一步完善，从而得到更优的葡萄酒质量评价模型。

关键词：单因素方差分析无量纲化处理因子分析法综合指标函数回归分析1.问题重述确定葡萄酒质量时一般是通过聘请一批有资质的评酒员进行品评。

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）： D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）：1.2.3.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）：机器人避障问题模型摘要本文主要研究了机器人行走避障最短（时间）路径问题，使机器人能够更好地接受人类指挥，从而更好地协助或取代人类的工作。

问题一：根据两点间直线段最短，最终我们建立了以直线路径为主，圆弧为辅的路径模型，以保证总距离最短。

其中，所经圆弧的半径都取最小转弯半径（10个单位）。

其模型为：∑∑==+=mj j n i i l s l 11min⎩⎨⎧≥≥1010..d r t s问题二：结合问题一，我们从路线相切与对称方面入手建立最短时间路径模型：0021/)2^*1.010(^1(***2/)(min v r e r v r r -+∠++=α利用LINGO 软件编程求解得最短时间路径，其总时间为94.22830秒，总距离为471.1293。

关于高等教育学费标准的评价及建议摘要本文通过对近几年来学费变化的研究，综合分析影响学费变化的五个要素，引入了三个变因：学校属性、专业类型、地域差异对学费的影响，对其合理性进行了定量的分析和评价。

首先，我们基于层次分析法建立了模型一。

模型一以五个要素，即教育市场供求关系、全国家庭支付承受力、国家财政及相关社会捐助、个人收益率、教育成本为方案层。

对于教育市场的供求关系我们用灰色预测GM（1，1）模型预测出未来几年的招生人数，用蛛网模型求解稳定的价格点为3225.51 元；对于国家财政及相关社会捐助，我们用回归分析得出其效应关系。

模型一以效率和公平两个标准作为准则层，应用极差归一化思想，构造指标函数，综合建立成对比较矩阵。

我们定义学费合理化指数为目标层，经准则层，得出五个要素对学费合理化指数的组合权重向量。

考虑到成对比较矩阵仍有一定主观因素，我们用熵值取权法修正组合权重向量。

最后，拟合出最佳学费曲线及其波动区间，其中 2007 年的结论值为 3370.75 元。

模型一的突出优点是客观可信，美中不足的是结论为一个平均最优值，没有考虑其他变因的影响，使用的局限性较大。

然后，我们基于学校属性、专业类型、地域差异三个变因对结论的影响建立了模型二。

评价了这三个变因对五个要素的综合影响，修正了五个要素对学费合理化指数的影响，使得结论更趋于合理，应用范围更加广泛。

修正后通过若干数据的检验，得出平均最佳学费约为 3000 元。

基于这两个模型，以及对高校学费现状的了解，我们提出三点主要建议： 1.鼓励高校开拓资金来源渠道，学习国外筹款方式，如发行教育彩票等； 2.建议国家增加助学贷款发放力度，并能够分类别基于不同金额的贷款，并出台一些补贴政策弥补不同地区的差异； 3.大力扶持民办高等院校发展，实现高等教育大众化，这样不仅缓解高等院校招生压力，并且能够促进高校教育健康发展。

本文的特色在于基于翔实丰富的资料，根据五个要素及三个变因的分析，建立了一种合理的高校学费评价体系，其拥有适用性广，稳定性好，灵敏度高等特点，对三个变因，即学校属性、专业类型、地域差异进行了深入定量的分析，并根据模型结论给提出了我们的一些可行性建议。

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。

葡萄酒的评价摘要对于葡萄酒的评价那我们主要是通过感官品评来确定葡萄酒的质量。

人的主观因素占有和酿酒葡萄的好坏与所酿葡萄酒酿的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标也会在一定程度上反映葡萄酒的葡萄的质量。

本文针对品酒员评分，酿酒葡萄和葡萄酒理化指标的分析，采用配对样本T检验法，置信区间法，方差分析，显著性分析，灰色关联度分析，辅助MATLAB,SPSS软件解决如下几个问题：问题一：通过置信区间法对不同品酒员对酒样品评分进行转换得出总评分，经检验符合正态分布，然后使用SPSS软件对同一酒样品两组品酒员进行显著性检验，然后经过多次检验结果进行统计分析得如下结论：酒品种显著性差异红葡萄酒差异较大白葡萄酒差异较小我们用方差分析得出二组评委的评价总体可信度高。

问题二：我们用统计中的主成分分析对附件二中的酿酒葡萄的理化指标分析，选出主要影响葡萄质量的10中元素，然后运用SPSS软件对红色酿酒葡萄和白色酿酒葡萄分类。

最后运用置信区间法，得到可信度高的评酒员，然后运用其评分得出所有酒品的质量，再和分类的葡萄对比，对葡萄分级。

红色酿酒葡萄分级情况为得到第一级12,18,7,4,6,10，27,25,15号葡萄样品是最好的，第二级11,16,14,19,13,22号葡萄样品是较好的，第四级24,27,7,18,6,15,1324,27,7,18,6,15,13一般，第三级5,17,24,20,26号葡萄样品最差。

问题三：对附件二中葡萄酒的理化指标同样运用主成分分析，得到对葡萄酒质量影响较大的理化指标，与问题二中得到的酿酒葡萄的主成分运用灰色关联度分析，得到酿酒葡萄理化指标与葡萄酒理化指标的关联矩阵，经分析计算得到超过80%的相关系数超过0.85，所以酿酒葡萄与葡萄酒理化指标有很大的关联性。

问题四：把葡萄酒的理化一级指标和葡萄理化指标的一级指标作为自变量，葡萄酒质量作为应变量，通过SPSS软件进行多元线性回归分析得到酿酒葡萄和葡萄酒的理化指标对葡萄酒质量之间的线性关系并对其关系系数进行检验，得出可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，而葡萄得理化指标不能用来评价葡萄酒的质量关键词：配对样本T检验法、置信区间法、灰色关联度分析、相关性分析、主成分分析聚类分析、多元线性分析、MATLAB、SPSS一、问题重述确定葡萄酒质量时一般是通过聘请一批有资质的评酒员进行品评。

葡萄酒的评价摘要随着人民生活水平的提高，葡萄酒开始走进千家万户，而葡萄酒的优劣评定也成了人们热议的话题。

葡萄酒的优劣评价一般通过聘请有经验的评酒员进行品评并做出评分。

本文围绕葡萄酒的评价问题进行研究分析。

针对问题一，首先我们对附录1数据进行整理分析。

先利用matlab编程对数据进行正态性检验，得出样本均满足正态分布这一条件之后进一步运用SPSS对数据进行配对样本T检验，检验得出的两组p值都小于标准0.05，判定两组品酒员的评价结果存在显著性差异。

接着，对所给评分数据进行方差分析，并进一步运用组间离均平方和方法比较第一、二组P值和F值的波动性，并最终得出结论：第二组评酒员所给的评分更为可信。

针对问题二，我们结合原问题附件中的数据，先采用因子分析方法提炼出对葡萄总体理化指标有显著影响的因子，分红葡萄和白葡萄两类之后采用聚类分析方法将葡萄分为五类。

在问题一的基础上，利用可信度高的品酒员所评分数作为葡萄酒质量的衡量标准，为五类葡萄划分好坏。

最终我们将红白葡萄都分为五个级别，分别是A级(极好)，B级（较好），C级（普通），D级（较差），E级（最差）。

图-红葡萄的分类针对问题三，由于葡萄的理化指标众多，首先利用sas软件分析葡萄与葡萄酒的理化指标之间的相关系数，选取与葡萄酒理化指标相关性较显著的葡萄理化指标，做典型相关分析。

并对典型相关分析的结果进行分析。

红葡萄和红葡萄酒间的典型相关分析结果说明：两组变量间，花色苷、苹果酸、褐变度、色泽L*相关密切，特别是葡萄与葡萄酒间的花色苷指标可见显著相关；白葡萄与白葡萄酒的结果说明：白葡萄指标的黄酮醇、褐变度、单宁指标与白葡萄酒的总黄酮、单宁、总酚可见显著相关。

针对问题四，针对问题四，利用酿酒葡萄和葡萄酒的理化指标与葡萄酒的质量构建多元线性回归模型，从而分析出哪些理化指标对葡萄酒的质量有显著影响。

在最后，我们将酿酒葡萄和葡萄酒的感官指标当作变量引入回归方程，得到回归方程的拟合度为98.62%，而没加上感官指标时的拟合度为78.89%，所以加上感官指标后回归方程的拟合度明显变高，而且各个参数都通过了显著性检验，论证了不能用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。

2012数学建模国赛b题题目2012数学建模国赛B题题目解析摘要：本文是对2012年数学建模国赛B题的题目进行解析和讨论。

在本文中，我们将首先对题目进行解读，并确定所需解决的问题。

然后，我们将提供一个完整的解答方案，并进行详细的推导和分析。

最后，我们将总结解答的结果，并讨论可能的改进方向。

1. 题目解读2012年数学建模国赛B题涉及的主要内容是某高铁动车组列车的排队和调度问题。

根据题目提供的信息，我们需要解决以下几个问题：a) 列车的排队问题：给出不同车型列车的到达时间、停靠时间和出发时间，要求进行合理的排队，使得列车能够按时准确发出。

b) 列车的调度问题：对于不同的乘客流量需求，确定合适的车次数量以及发车间隔时间，以满足乘客的需求。

c) 最优调度方案：在满足列车发车要求和乘客需求的前提下，寻找最优的调度方案，使得列车的利用率最大化。

2. 解答方案a) 列车的排队问题：首先，我们需要根据到达时间、停靠时间和出发时间的要求，建立一个列车排队模型。

可以使用图论的方法，以列车作为节点，根据到达时间和出发时间的先后顺序建立有向边。

然后，通过拓扑排序算法，确定列车的排队顺序。

b) 列车的调度问题：对于不同的乘客流量需求，我们可以利用运筹学中的线性规划方法进行求解。

假设乘客流量的函数关系为f(t)，其中t是时间变量。

我们可以建立一个约束条件，以保证乘客流量在规定时间范围内达到预期值。

c) 最优调度方案：在确定了列车的排队和调度方案之后，我们可以使用优化算法（如遗传算法或模拟退火算法）对调度方案进行优化。

通过调整车次数量和发车间隔时间，我们可以使得列车的利用率最大化。

3. 结果分析根据对题目所给信息和解答方案的分析，我们可以得出以下结论：a) 对于列车的排队问题，通过建立有向边和拓扑排序算法，我们可以得到一个合理的列车排队顺序。

b) 列车的调度问题可以通过线性规划方法进行求解，以满足乘客流量需求。

c) 使用优化算法对调度方案进行优化，可以最大化列车的利用率。

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。

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）： C 我们的参赛报名号为（如果赛区设置报名号的话）： 4052 所属学校（请填写完整的全名）： XXXXXX参赛队员（打印并签名）：1.2. （隐去论文作者相关信息等）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 9 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）：基于逐步回归的脑卒中发病环境因素分析及干预模型摘要本文通过建立合理的假设，对某地区2009-2010年脑卒中发病率与8种气象因素进行了相关分析，并经多元逐步回归建立了脑卒中发病率的预报模型进行了定量分析，得到了较为合理的结论。

考虑到发病率与气象因素的复杂关系，在逐步线性回归模型的基础上，引进广义线性回归模型(GLM)进行推广。

针对问题一，本文对性别、年龄段、职业和时间序列以及4年的平均发病例数进行统计和分析，在删除了一些缺失或失真数据的基础上，对数据分别进行整理分析。

最后，在性别方面，得到脑卒中发病率男性比女性的高。

从年龄结构看，发病人数主要集中在50~90这一年龄区间内，其所占比例达81.10%。

从职业结构看，农民的发病率最大。

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）： B我们的参赛报名号为（如果赛区设置报名号的话）： J2913 所属学校（请填写完整的全名）：渭南师范学院参赛队员 (打印并签名) ：1. 吕通2. 石法燕3. 王蓉指导教师或指导教师组负责人 (打印并签名)：刘龙飞日期： 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）：太阳能小屋的设计摘 要讨论了太阳能小屋设计的优化问题，太阳能小屋就是利用在其房子的外围及其屋顶铺设光伏电池以接受太阳能从而获得太阳能量，用来供暖、供能以达到服务人们的目的.因为不同种类的光伏电池每峰瓦的价钱差别很大，且每峰瓦的实际发电效率还与太阳辐射强度，光线入射角，环境，建筑物所处的地理纬度，气候气象条件，安装部位及方式（贴附与架空）等因素有关，所以光伏电池的优化铺设是问题的核心.问题一：首先，对题目所给数据运用MATLAB 软件进行数据预处理，建立了小屋的全年太阳能光伏发电总量尽可能大的最优化模型：875924max 11*i j j j i j p m x A η===∑∑；然后，利用LINGO 编程求解该优化模型，从而得到电池组件的分组数量和容量；在此基础上进一步建立单位发电量的费用尽可能小的最优化模型：875924'111112n mi j j j l f i j l f S m x A s s η=====--∑∑∑∑从而选配出相应的逆变器的容量和数量；最后，根据电池不同使用年限的效率计算35年寿命期内的发电总量，根据不同型号光伏电池的价钱和逆变器的数量计算器经济效益和投资的回收年限.问题二：首先，在问题一所得到的铺设电池的数量、型号及其连接方式都不发生改变的条件下，仅仅考虑各个面上所对应的电池组件的架空角度，根据附件6中所给出来的有关概念，分别计算出各个时间所对应的太阳高度角α；然后，利用公式()s i n /s i n R S D θαθα=++⎡⎤⎣⎦，计算出各个面上的电池架空的最优角度θ；最后，计算出倾斜光伏阵面接受的太阳辐射强度.最终可以建立同问题一类似的最优化模型，利用LINGO 编程求解，最终达到题目所要求的最优结果.问题三：根据附件7中所给的限定条件，建立了小屋在所给范围内的最大有效面积的最优化模型：max log 22log log S wid wid hig hig w wwid =⨯+⨯⨯+⨯-⨯；然后利用LINGO 编程求解该优化模型得出小屋的有效面积.让房子与正南方向有一定夹角，运用Hay 模型求出最佳角度为045,这样该问题又回归到了问题二，运用问题二的计算方法进行进一步求解.得出，北向面经济效益为负值，所以我们在对小屋各面进行铺设时，只考虑其东南、西三面及顶面，这样才能达到经济效益最大. 且架空式铺设的经济效益大于贴附式铺设.关键词：太阳能小屋；光伏电池；Matlab 软件；Lingo 编程；太阳高度角.近年来，随着环境污染和能源的高消耗问题日益严峻，节能减排已势在必行.为此，国家积极倡导节能减排政策，维护我们赖以生存的家园.为响应政府的号召，某地需要设计太阳能小屋，即在建筑物的表面（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.因为不同种类的光伏电池每峰瓦的价格差别很大，且每峰瓦的实际发电效率或发电量还受诸多因素的影响，如太阳辐射强度、光线入射角、环境、建筑物所处的地理纬度、地区的气候与气象条件、安装部位及方式（贴附或架空）等.因此，在太阳能小屋的设计中，研究光伏电池在小屋外表面的优化铺设是很重要的问题.附件1—7提供了相关的信息，根据所给的数据，对于下面的三个问题，分别给出它的铺设方案，使得小屋全年太阳能光伏发电量尽可能的大，而单位发电量的尽可能的小，并计算出小屋光伏电池35年寿命期内发电总量，经济效益（当前民用电价按0.5元/kWh 计算）及投资的回收年限.在求解每个问题时，都要求配有图示，给出小屋各外表面电池组件铺设分组阵列图形及组件连接方式（串、并联）示意图，也要给出电池组件分组阵列容量及选配逆变器规格列表.在同一表面采用两种或两种以上类型的光伏电池组件时，同一型号的电池板可串联，而不同型号的电池板不可串联.在不同表面上，即使是相同型号的电池也不能进行串、并联连接.应注意分组连接方式及逆变器的选配.问题一：请根据山西省大同市的气象数据，仅考虑贴附安装方式，选定光伏电池组件，对小屋（见附件2）的部分外表面进行铺设，并根据电池组件分组数量和容量，选配相应的逆变器的容量和数量.问题二：电池板的朝向与倾角均会影响到光伏电池的工作效率，请选择架空方式安装光伏电池，重新考虑问题1.问题三：根据附件7给出的小屋建筑要求，请为大同市重新设计一个小屋，要求画出小屋的外形图，并对所设计小屋的外表面优化铺设光伏电池，给出铺设及分组连接方式，选配逆变器，计算相应结果.二、问题分析问题一：第一小问要求我们根据山西省大同市的气象数据，仅考虑贴附安装方式，选定光伏电池组件，对小屋的部分外表面进行铺设.此问题属于优化问题，要想使小屋的全年太阳能光伏发电总量尽可能大，必须首先计算出小屋各个面的太阳辐射强度.首先对所给数据用MATLAB软件进行数据预处理，然后以铺设面积和块数为限定条件建立目标函数，用LINGO编程求解.最后用CAD制图.第二小问要求我们根据电池组件分组数量和容量，选配相应的逆变器的容量和数量.根据同型号电池可以串联，不同型号光伏电池组件在端电压相差不应超过10%的情况下可以并联的条件，对电池组间进行分组并选配相应的逆变器的容量和数量.问题二：同问题一一样是优化问题，只不过采用架空模式.架空铺设，电池板与墙面之间就有了一定的角度从而使得电池板接受的太阳辐射强度达到最大，可设此角度为θ建立一元函数,求出最适角度θ.再根据倾斜光伏阵面太阳辐射量计算公式,计算出倾斜光伏阵面接受的太阳辐射强度，建立同2.1的目标函数并用MATLAB编程求解.问题三：要求我们根据附件7给出的小屋建筑要求，重新设计一个小屋.充分利用题目所给条件，建立最优模型并根据所给限定条件用LINGO编程求解，得出小屋的最大有效面积，于是该题又变成了问题一，利用问题一的方法进行求解.1、假设题目所给数据都是正确的；2、假设每天都是晴天，不考虑阴雨天情况；3、假设附近没有高大建筑物;4、忽略光电池的内部消耗和分布效应;5、假设气候没有太大变化;6、假设温度对光伏电池的转换率没有影响.5.1问题一5.1.1模型一通过前面问题分析可以看出该问题属于优化问题，要想使小屋的全年太阳能光伏发电总量尽可能大，必须首先计算出小屋各个面的太阳辐射强度.首先对所给数据运用MATLAB编程进行数据预处理；根据年发电量公式：年发电量=年平均太阳辐射总量*电池总面积*光电转换效率，建立最优化模型：目标函数：875924max11i j j ji jP m x Aη===∑∑约束条件：241,1,2,......,24 j jjj jjx A Sx k jx Z=⎧≤⎪⎪⎪≤=⎨⎪∈⎪⎪⎩∑有效根据附件2计算出屋顶及东、西、南、北各面的有效面积如下表：屋顶东向面南向面西向面北向面有效面积/2m60.827792 24.230 19.235310 26.98 36.183东向面西向面南向面北向面最大发电量（W）3762775 5737500 6710314 1633202所选用型号及个数（个）东向面A1(6) A2(2) A3(18) A4(1)西向面A1(3) A2(2) A3(21) A4(1)南向面A1(9) A2(2) A3(15) A4(1)北向面A3(27) A4(1)经过优化后各面选用的光伏电池板型号、块数：所选用型号及个数（个）东向面A3(14) A1(2) C8(4)西向面A3(17) C3(9)南向面A1(2) A3(3) C7(12) C8(21) C9 (1) C10(2)北向面A3(24) C8(3) C9(5)图1 小屋北向面电池组件铺设分组阵列图图2 小屋东向面电池组件铺设分组阵列图图4 小屋南向面电池组件铺设分组阵列图由于题目没有给出屋顶的太阳辐射强度（屋顶为斜面），我们根据倾斜光伏阵面太阳辐射量计算公式：()sin /sin R S D βαβα=⋅++⎡⎤⎣⎦（屋顶倾斜角度为β）可计算出屋顶的辐射总强度.其中，sin sin sin cos cos cos αφδφδω=⋅+⋅⋅，由于α为正午时分太阳高度角，所以时角ω=0，cos ω=1.当地纬度φ=040.1，()228423.45sin 365n πδ+⎛⎫= ⎪⎝⎭（度）.经过一系列的数据处理及计算得出屋顶的太阳总辐射强度为：116674797.42/W m .图5 各面太阳辐射强度比例如下饼形图建立如上最优模型：目标函数：875924max 11i j j j i j P m x A η===∑∑约束条件：241,1,2,......,24 j jjj jjx A Sx k jx Z=⎧≤⎪⎪⎪≤=⎨⎪∈⎪⎪⎩∑有效运用 LINGO编程得出屋顶最大发电量为：5684159.6W表1-6 屋顶铺设光伏电池板的优化结果铺设光伏电池型号A3 B7 C5 C6 C9铺设数量（个）28 6 4 28 14由此优化结果作出小屋顶面电池组件铺设分组阵列图如下：图6 小屋顶面电池组件铺设分组阵列图5.1.2 模型二通过以上求解及模型优化，得出了小屋各外表面电池组件铺设分组阵列图形.根据以上结果及附件1、3、5对各电池组件进行了最优链接并在经济投入最低的情况下为其安装了最优逆变器.建立了费用尽可能小的最优化模型：目标函数：875924'111112n mi j j j l fi j l fS m x A s sη=====--∑∑∑∑(S为经济效益，l s为电池板价格，f s为逆变器价格)约束条件：241,1,2,......,24j j j j j j x A S x k j x Z =⎧≤⎪⎪⎪≤=⎨⎪∈⎪⎪⎩∑有效电池组件连接方式图如下：图7 北向面所铺电池组件连接方式图8 南向面所铺电池组件连接方式图9东向面所铺电池组件连接方式图10 西向面所铺电池组件连接方式图11顶面所铺电池组件连接方式根据5.1.2中给出的小屋外表面光伏电池的铺设方案，参照附件3及5.1.2对小屋表面光伏电池板的年发电量计算的结果，计算出小屋光伏电池35年寿命期内的发电总量、经济效益（当前民用电价按0.5元/kWh计算）及投入如下表：表2-6东面西面南面北面顶面总和年发电量（千瓦）3762.775 5737.5 6710.314 1633.202 5684.159635年后总发电量118527.4125 180731.25 211374.891 51445.863 179051.0274 741130.4439 投入（元）21603.2 24295.5 34147.3 35696 42810 158552 经济效益37660.50625 66070.125 71540.1455 -9973.0685 46715.5137 212013.222有上表可知，北向面经济效益为负值，所以我们进一步优化不对小屋的背面进行铺设，只对其东、南、西面及顶面进行铺设.那么根据：投资回收年限=总投入/每年的经济效益，经过数据处理我们可得出投资的回收年限为：19年.5.2 问题二5.2.1 模型一：问题二与问题一的唯一区别是铺设方式不同，对于架空式安装，我们假设所有电池板的安装的角度相同（设为 ），我们需要计算出倾斜光伏电池面的光照强度才能建立同问题一一样的模型.倾斜光伏阵面太阳辐射量计算公式：()sin /sin R S D θαθα=++⎡⎤⎣⎦,其中α同5.1.2一样可以根据公式计算得出.因此次工时仅有θ一个自变量，为一一元函数.对此函数求导得：()'cos /sin R S θαθα=+⎡⎤⎣⎦ 令'0R θ= 得θ=036 ，则此θ值即为光伏电池板的最佳铺设角度.将θ代入公式()sin /sin R S D βαθα=++⎡⎤⎣⎦则可计算出各倾斜光伏阵面上的太阳辐射强度分别为：建立类似于5.1.1的目标函数：max 11i j j j i j P m x Aη===∑∑ 找出约束条件，并用LINGO编程计算出小屋各个面上的最大发电量如下表：5.2.2 模型二电池组件连接方式及逆变器的选择同5.1.2相同（见附录） 5.2.3 模型三架空安装情况下，小屋光伏电池35年寿命期内的发电总量、经济效益（当前民用电价按0.5元/kWh 计算）及投入如下表：表2—9由上表我们可得出架空是铺设投资的回收年限为：15 年，很显然，架空式铺设的经济效益大于贴附式铺设. 5.3 问题三 5.3.1 模型一：该问题要求我们根据附件7给出的小屋建筑要求，重新设计一个小屋。

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B 题 产品销量预测摘要产品销量预测问题是当前世界上所有企业最关心的问题之一。

企业若想长期生存发展，就必须做销量预测。

本文对产品的销量及其影响因素进行了讨论。

对于问题一，鉴于比例系数未知，给出比例系数为每一产品在单位时间内平均吸引k 个顾客，使其购买k 个该产品这一假设，建立Malthus 模型，预测出0t 时刻的产品销量0()x t 。

分析得Malthus 模型所得结果只与实际销售量在初始阶段的增长情况比较符合，不宜用于销售量的中、长期预测。

对于问题二，结合问题一并假设一个消费者仅购买一种该产品。

此时问题可理解为在某时刻t 时，产品销量的增长率既与到时刻t 为止的已经购买该种产品消费者数目)(t x 成正比，也与尚未购买该产品的潜在消费者数目)(t x N 成正比。

建立Logistic 模型，预测出0t 时的产品销量0()x t 。

分析得，产品销售情形与此模型非常相似，特别在销售后期更加吻合。

对于问题三，根据产品生命周期理论，结合龚柏兹曲线，运用三段对数和法，建立模型，预测出市场容量N 。

对于问题四，考虑到影响产品销量的因素有广告、企业竞争、产品竞争、消费者的购买能力、国家的经济水平等。

结合本文，选取广告、企业竞争、产品竞争三个因素分别建立独家销售的广告模型、竞争销售的广告模型、同类产品的竞争模型来预测0t 时的产品销量0()x t 。

2012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（包括我2012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）：基于背包算法的太阳能小屋的研究与设计摘要本文针对太阳能小屋上光伏电池铺设问题,运用贪婪算法,通过局部最优来逼近整体最优.针对三个问题,分别得出了光伏电池的铺设方案和对应的逆变器选择,架空后光伏电池与水平面夹角的最优解以及小屋对太阳辐射的最大化利用的设计方案.对于问题一,首先对光伏电池的性价比K 进行了纵向比较,选出了性价比最高的三种光伏电池312,,A B B .为了使剩余面积达到最少,采用整数背包算法,从而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.不同种类的光伏电池每峰瓦的价格差别很大,且每峰瓦的实际发电效率或发电量还受诸多因素的影响,如太阳辐射强度、光线入射角、环境、建筑物所处的地理纬度、地区的气候与气象条件、安装部位及方式（贴附或架空）等.因此,在太阳能小屋的设计中,研究光伏电池在小屋外表面的优化铺设是很重要的问题.附件中提供了相关信息.请参考附件提供的数据,对下列三个问题,分别给出小屋外表面光伏电池的铺设方案,使小屋的全年太阳能光伏发电总量尽可能大,而单位发电量的费用尽可能小,并计算出小屋光伏电池35年寿命期内的发电总量、经济效益（当前民用电价按0.5元/kWh 计算）及投资的回收年限.在求解每个问题时,都要求配有图示,给出小屋各外表面电池组件铺设分组阵列图形及组件连接方式（串、并联）示意图,也要给出电池组件分组阵列容量及本题要求我们,根据题目所提供的大同典型气象年气象数据,选择铺设电池的方案,可见光伏电池的发电量或发电效率只考虑受辐射影响即可,其余如坏境、地区气候等受制因素均可不必考虑.（1）对于问题一,有三个子问题需要解决：第一是要选定光伏电池组件的几种排列方式,利用多重最优化思想,首先要对每种光伏电池的性价比K 进行纵向比较,选出性价比最大的前三种光伏电池,依次是：312,,A B B .用这三种光伏电池对各个平面进行铺设,同时对小部分的空余面积用面积较小的薄膜电池C 进行插空;然后采用整数背包模型,利用Matlab,确定各平面每种光伏电池的最大范围个数;最后对每个平面光伏电池数进行优化,结合实际情况,确定光伏电池数量及平面位置.第二是按照逆变器的选配要求,选配相应的逆变器的容量和数量,同时画出相应的电路连线图;第三是根据计算公式计算出光伏电池在35年寿命期内的发电总量、经济效益及投资的回收年限.（2）对于问题二,可以类比考虑为房顶可以以屋檐为轴活动,使得房顶可以最大限度吸收太阳光照辐射最强时的太阳辐射.设太阳辐射强度为w,房顶可吸收太阳辐射强度为wf的关系式.而当房顶“可动”,(θ(θ,当房顶“固定”时,θ不变,可求出)f)9. α：太阳高度角10.H：屋顶最高点距地面高度4.5≤H8.2≤11.h：室内空间净空高度距地面高度4.5≤h8.2≤12.a：东西面墙的宽153≤≤a13.b：南北面墙的长15≤b3≤14.S：屋顶面积4模型假设1. 假设题目所给的数据真实可靠;2. 假设实际影响每峰瓦的实际发电效率或发电量的因素,如环境、建筑物所处的地理纬度、地区的气候等,均不会影响其发电效率或发电量. 3. 假设空气中的尘埃、水汽等等不会对太阳辐射强度产生影响 4. 假设同一时刻阳光照射在房屋同一面的太阳高度角相等 5. 假设铺设的电池的厚度不会对其他电池采光产生影响 6. 假设地球绕太阳公转轨道是正圆形. 7. 假设逆变器不安装在小屋外表面8. 假设周围环境对光伏电池发电量不产生影响5模型的建立与求解4S ,1w ,2w ,…,24w 和1p ,2p ,…,24p 均为正数）建立以下数学模型：∑==241max j j j x p z ,使得 ∑=≤241j k j j S x w ,其中ij N j ∈,j x 0≥,{}4,3,2,1∈k 且j x ,k S , j w , j p 均为正数 采用动态规划算法对整数背包模型进行求解：a.划分阶段K ：将供选择的光伏电池按1,2,…,n 排序,每个阶段可装入一种光伏电池;b.确定决策变量：k x 表示装入第k 种物品的件数;k s 表示背包中允许装入前k 种光伏电池的总面积．c.建立状态转移方程：k k k k x w s s +=-1;决策集合为：⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡≤≤=为整数k x w s x x s D k k k k k ,,0)(,⎤⎢⎡k s k s位置通过对大同气象数据进行处理,我们得到了1S 平面每平米光辐射量总量1Q , 用3,2,1,=i s i 分别表示312,,A B B 的面积;i η表示光伏电池转化率,i v 表示每种光伏电池所带来的年收益;i V 表示使用年限内的总收益; i w 光伏电池的花费; i M 单位面积上第i 种光伏电池的利润.根据上述公式,求解结果如下：由表格可知,3S 面的单位面积利润为负,因此不铺设3S .下面我们仅对1S ,2S ,4S 进行光伏电池的铺设.以1S 为例,由于3A 2B 1B 是按利润与面积比按从大到小排列的,所以我们在保证12个3A 全部被铺后,其次铺2B ,最后铺1B ,从而得到图三：西面4S5.1.2选配相应的逆变器的容量和数量,同时画出相应的电路连线图由于逆变器的花费费用与逆变器的输入电压呈正相关,按照逆变器的选配要求,根据前一步我们算出的光伏电池312,,A B B 在各个平面上的分布个数,对光伏电池进行串、并联分组阵列铺设,铺设方案如下图：图四（顶面S 1） 图五(南面S 2)图六（西面S3）5.1.3计算小屋光伏电池35年寿命期内的发电总量、经济效益及投资的回收年限经计算得,太阳能小屋的发电量为17047.54hkw⋅;经济效益为76854.11元;回报年限为20.58年.5.2 问题二的求解5.2.1确定屋顶与水平面的夹角θ的表达式以小屋所在点做地球的切平面xOy,以O点为垂点做xOy面的法向由O点向任意方向引一射线OM作为太阳射线,为方便计算设其模为1. 分析可得：（１）需先将OM分解为XOY平面内一向量ON与Y轴上一向量OL的合成向量.下图为空间直角坐标系：图九平面直角坐标系（3）过O点做小屋平面的法线OA（4）将OK 与OJ 分解到OA 所在直线上,则OA =θαθαcos sin sin cos cos +-A ,=)(θf θαθαcos sin sin cos cos +-A ,其中θ为架空后光伏电池与水平面倾角.分析可知当θ与太阳直射辐射强度最强时刻太阳高度角互余时, 则第一季度即前三个月的整体平均δ可用matlab 求出（计算代码见附录二）： 计算公式为=第一季度δ2/)sin(45.23365/404365/222πχχππ⎰d =12.15=第二季度δ2/)sin(45.23365/586365/404πχχππ⎰d =89.14又由于δ分别代入上式求和可得将第k季度对)(θf求导取极点即可求出当θ=︒7.51.5.2.3用架空方式对各面的光伏电池进行铺设（1）首先是对于屋顶的铺设,由于屋顶的天窗需要空出,所以对屋顶划分为四个区域分别进行架空,具体的划分方式为：图十五对屋顶进行分片需要说明的是,架空时的屋顶与水平面的夹角为上述所求θ=︒7.51（2）其次,对于南面与西面,我们将继续采用贴附方式对光伏电池进行铺设, 光伏电池的铺设方案与逆变器的选择见问题一.5.2.4小屋光伏电池35年寿命期内的发电总量、经济效益及投资的回收年限经计算得,太阳能小屋的发电量为22161.81hkw⋅;经济效益为92224.93元;回报年限为18.2年.5.3问题三的求解5.3.1求得最大屋顶面积要获得最多的太阳辐射量就要使光伏电池的面积最大和倾角最佳,因此就要有最大的屋顶面积,建立线性规划方程，目标函数为22)S-+b=，(max hHa使得⎪⎪⎩⎪⎪⎨⎧≤≤≤≤≤≤≤15,374*4.58.24.58.2b a b a h H . 用Matlab 得出最优解,为计算、画图方便,h b a ,,取整数解： 根据以上数据和附件7中小屋的建设要求,画出各墙面的平面图：图十五 顶面 图十六 北立面图十七 东立面 图十八 南立面注：单位面积为mm,房子的朝向为南偏西 15（即13点钟方向）．6模型评价优点：我们采用了多重最优化的思想,多次选择最优,使得得到的结果更精确,更好的解决了实际问题,背包算法的应用,简化了求解过程;缺点：本文在求太阳能小屋发电量时,没有考虑周围环境遮挡物对其影响.参考文献[1]屈睿瑰,建筑节能中太阳辐射量的分析与确定,广西轻工业,6:81-82,2007. [2]王文波,数学建模及其基础知识详解,武昌：武汉大学出版社,2006[3]高天,翟延慧,王梦光,特殊多维背包问题的约束简化方法--不等式单约束生法 .东北师大学报自然科学版.34(3):21-25,2002.[4]李娟,方平,周明,一种求解背包问题的混合遗传算法.南昌航空工业学院学报, (3):31-35, 1998.附录附表一：product_N=1:3;weight=[1276640 1635150 1938396]; %第i 件物品的单件重量 % W = [200 265 320];% n = [46.1 37.91 45.98];% value = W.*n./100;value = [283.21 132.69 134.17];per_value=value./weight;Total_value=0;oneturn = abs(sum(weight));turn = floor(b/oneturn);if turn >= 1Total_weight = mod(b,oneturn); elseTotal_weight = b;endenddisp('电池总个数')length(product_N)*turn + sum(ii)disp('各类电池个数,按顺序排')zz = turn.*ones(1,length(product_N)); zz = zz + ii附录二：的matlab求法：1.第一季度clc;clear all;close all;LLine = 222*pi/365;Hline = 404*pi/365;func=inline('23.45.*sin(x)','x'); Result=quadl(func,LLine,Hline) syms xF=int(23.45.*sin(x),x,LLine,Hline) % Result=vpa(F)δ的matlab求法:第四季度clc;clear all;close all;LLine = 768*pi/365;Hline = 950*pi/365;func=inline('23.45.*sin(x)','x'); Result=quadl(func,LLine,Hline) syms xF=int(23.45.*sin(x),x,LLine,Hline)delta((ii-1)*length(t)+jj) = a_delta(ii); end endphi = 40.1;sind_alpha = sind(phi).*sind(detia)+cosd(phi).*cosd(detia).*cosd(omega); alpha = asind(sind_alpha);cosd_A = (sind(detia)-sind(alpha).*sind(phi))./(cosd(alpha).*cosd(phi)); 面积（2m ）单价（wp /元）性价比K290390 4.80.355556 1171240 4.80.379761。

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）： C 我们的参赛报名号为（如果赛区设置报名号的话）： 4052 所属学校（请填写完整的全名）： XXXXXX参赛队员（打印并签名）：1.2. （隐去论文作者相关信息等）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 9 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）：基于逐步回归的脑卒中发病环境因素分析及干预模型摘要本文通过建立合理的假设，对某地区2009-2010年脑卒中发病率与8种气象因素进行了相关分析，并经多元逐步回归建立了脑卒中发病率的预报模型进行了定量分析，得到了较为合理的结论。

考虑到发病率与气象因素的复杂关系，在逐步线性回归模型的基础上，引进广义线性回归模型(GLM)进行推广。

针对问题一，本文对性别、年龄段、职业和时间序列以及4年的平均发病例数进行统计和分析，在删除了一些缺失或失真数据的基础上，对数据分别进行整理分析。

最后，在性别方面，得到脑卒中发病率男性比女性的高。

从年龄结构看，发病人数主要集中在50~90这一年龄区间内，其所占比例达81.10%。

从职业结构看，农民的发病率最大。