专业数学建模实验[1]

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1.流⽔问题问题描述：⼀如下图所⽰的容器装满⽔，上底⾯半径为r=1m，⾼度为H=5m，在下地⾯有⼀⾯积为B0.001m2的⼩圆孔，现在让⽔从⼩孔流出，问⽔什么时候能流完？解题分析：这个问题我们可以采⽤计算机模拟，⼩孔处的⽔流速度为V=sqrt[2*g*h]，单位时间从⼩孔流出的⽔的体积为V*B，再根据⼏何关系，求出⽔⾯的⾼度H，时间按每秒步进，记录点（H，t）并画出过⽔⾯⾼度随时间的变化图，当⽔⾯⾼度⼩于0.001m 时，可以近似认为⽔流完了。

程序代码：Methamatic程序代码：运⾏结果：（5）结果分析：计算机仿真可以很直观的表现出所求量之间的关系，从图中我们可以很⽅便的求出要求的值。

但在实际编写程序中，由于是初次接触methamatic 语⾔，对其并不是很熟悉，加上个⼈能⼒有限，所以结果可能不太精确，还请见谅。

2.库存问题问题描述某企业对于某种材料的⽉需求量为随机变量，具有如下表概率分布：每次订货费为500元，每⽉每吨保管费为50元，每⽉每吨货物缺货费为1500元，每吨材料的购价为1000元。

该企业欲采⽤周期性盘点的),(S s 策略来控制库存量，求最佳的s ，S 值。

（注：),(S s 策略指的是若发现存货量少于s 时⽴即订货，将存货补充到S ，使得经济效益最佳。

）问题分析：⽤10000个⽉进⾏模拟，随机产⽣每个⽉需求量的概率，利⽤计算机编程，将各种S 和s 的取值都遍历⼀遍，把每种S，s的组合对应的每⽉花费保存在数组cost数组⾥，并计算出平均⽉花费average，并⽤类answer来记录，最终求出对应的S和s。

程序代码：C++程序代码：#include#include#include#include#define Monthnumber 10000int Need(float x){int ned = 0;//求每个⽉的需求量if(x < 0.05)ned = 50;else if(x < 0.15)ned = 60;else if(x < 0.30)ned = 70;else if(x < 0.55)ned = 80;else if(x < 0.75)ned = 90;else if(x < 0.85)ned = 100;else if(x < 0.95)ned = 110;else ned = 120;return ned;}class A{public:int pS;int ps;float aver;};int main(){A answer;answer.aver=10000000;//int cost[Monthnumber+1]={0}; float average=0;int i;float x;int store[Monthnumber];//srand((int)time(0));for(int n=6;n<=12;n++){// int n=11;int S=10*n;for(int k=5;k{// int k=5;int s=k*10;average=0;int cost[Monthnumber+1]={0};for(i=1;i<=Monthnumber;i++){store[i-1]=S;srand(time(0));x=(float)rand()/RAND_MAX; //产⽣随机数//cout<<" "<//cout<int need=Need(x);if(need>=store[i-1]){cost[i]= 1000*S + (need - store[i-1])*1500 + 500;store[i]=S;}else if(need>=store[i-1]-s){cost[i]=1000*(need+S-store[i-1]) + 50*(store[i-1]-need) + 500; store[i]=S;}else{cost[i]=(store[i-1]-need)*50;store[i]=store[i-1]-need;}average=cost[i]+average;}average=average/Monthnumber;cout<<"n="<cout<<"花费最少时s应该为："<cout<<"平均每⽉最少花费为："<}运⾏结果：结果分析：⽤计算机模拟的结果和⽤数学分析的结果有⼀定的差异，由于计算机模拟时采⽤的是随机模型⽽我⽤time函数和rand函数产⽣真随机数，所以在每次的结果上会有所差异，但对于⼀般的⽣产要求亦可以满。

数学建模数学实验插值及案例在科学研究和工程实践中，数学建模扮演着至关重要的角色。

通过建立数学模型，我们可以对现实世界的现象进行模拟和预测。

其中，插值方法是一种重要的数学建模工具，用于估计在给定数据点之间的未知值。

本文将探讨插值方法的基础理论以及一个具体的数学实验案例。

插值方法是一种数学技术，通过在给定的数据点之间估计未知的值。

最常用的插值方法包括线性插值、多项式插值和样条插值等。

线性插值是最简单的插值方法，它将数据点之间的变化视为线性的，即变化率保持恒定。

多项式插值方法则通过构建一个多项式函数来逼近数据点的变化趋势。

样条插值则通过将数据点连接成平滑的曲线来进行插值。

本案例将利用多项式插值方法对房价进行预测。

我们收集了一组房屋价格数据，包括房屋的面积、房龄、位置等信息。

然后，我们使用多项式插值方法构建一个函数来描述房价与这些因素之间的关系。

通过调整多项式的阶数，我们可以控制模型的复杂性。

我们使用该模型来预测新的房价。

在本案例中，我们使用了200个样本数据进行训练，并使用另外100个数据点进行测试。

我们发现，通过增加多项式的阶数，模型的预测精度可以得到提高。

然而，当阶数增加到一定程度后，模型的性能改善不再明显。

我们还发现模型的预测结果对训练数据的分布非常敏感，对于分布偏离较大的新数据点，预测结果可能会出现较大误差。

通过本次数学实验，我们深入了解了插值方法在数学建模中的应用。

在实际问题中，插值方法可以帮助我们更好地理解数据的变化趋势和预测未知的值。

然而，插值方法也存在一定的局限性，如本实验中模型对训练数据分布的敏感性。

未来工作中，我们可以尝试采用其他更加复杂的模型，如神经网络、支持向量机等来提高预测精度。

我们还应充分考虑数据的分布特性，以提高模型的泛化能力。

插值方法是数学建模中的重要工具之一，它可以让我们更好地理解和预测数据的趋势。

通过本次数学实验，我们深入了解了多项式插值方法的工作原理和实现过程，并成功地将其应用于房价预测问题中。

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。

数学实验作业雨中漫步系部：数学系专业：s10数学教育学号：103103011013姓名：张鹏飞实验目的：1.生活中的我们常常会遇到下雨而没带雨具的时刻，我们在那时会有很多选择，其中之一就是淋雨，往往好多人会在雨中快走或奔跑而使自己身体淋雨量最小化，但往往很多人会感觉到淋雨量并不会因为快走或奔跑而减少多少，反而有时候淋雨量倒有所增加，淋雨量和速度等有关参数的关系如何，是否人走得越快雨淋得越少2.运用matlab软件实验内容：给定的降雨条件下，分别建立相应的数学模型，分析人体在雨中行走时淋雨多少与行走速度、降雨方向等因素的关系。

其中文中所涉及到的降雨量是指从天空降落到地面上的雨水，未经蒸发、渗透、流失而在水面上积聚的水层深度，它可以直观地表示降雨的多少。

淋雨量，是指人在雨中行走时全身所接收到得雨的体积，可表示为单位时间单位面积上淋雨的多少与接收雨的面积和淋雨时间的乘积。

1，设降雨淋遍全身不考虑雨的方向，经简化假设得人淋雨面积为前后左右及头顶面积之和。

2，雨迎面吹来，雨线方向与行走方向在同一平面，人淋雨面积为前方和头顶面积之和。

因各个方向上降雨速度分量不同，故分别计算头顶和前方的淋雨量后相加即为总的淋雨量。

据此可列出总淋雨量v时，淋W与行走速度v之间的函数关系。

分析表明当行走速度为m ax雨量最少。

3，雨从背面吹来，雨线与行走方向在同一平面内，人淋雨量与人和雨相对速度有关。

列出函数关系式分析并求解。

实验准备： matlab软件绘图，从网上查找各种资料a---长方体的长单位：米b---长方体的宽单位：米c---长方体的厚度单位：米Q---淋雨量单位：升v---人行走的速度单位：米每秒D---路程单位：米I---降雨强度单位：厘米每小时P---雨滴的密度单位：u---雨滴下落的速度单位：米每秒θ---雨迎面吹来时与人体的夹角α---与从后面吹来与人体的夹角实验步骤：在给定的降雨条件下，分别建立相应的数学模型，分析人体在雨中行走时淋雨多少与行走速度、降雨方向等因素的关系。

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。

一、实验背景与目的随着科学技术的不断发展，数学建模作为一种解决复杂问题的有力工具，在各个领域都得到了广泛应用。

本实验旨在通过数学建模的方法，解决实际问题，提高学生的数学思维能力和解决实际问题的能力。

二、实验内容与步骤1. 实验内容本实验选取了一道具有代表性的实际问题——某城市交通拥堵问题。

通过对该问题的分析，建立数学模型，并利用MATLAB软件进行求解，为政府部门提供决策依据。

2. 实验步骤（1）问题分析首先，对某城市交通拥堵问题进行分析，了解问题的背景、目标及影响因素。

通过查阅相关资料，得知该城市交通拥堵的主要原因是道路容量不足、交通信号灯配时不当、公共交通发展滞后等因素。

（2）模型假设为简化问题，对实际交通系统进行以下假设：1）道路容量恒定，不考虑道路拓宽、扩建等因素；2）交通信号灯配时固定，不考虑实时调整；3）公共交通系统运行正常，不考虑公交车运行时间波动；4）车辆行驶速度恒定，不考虑车辆速度波动。

（3）模型构建根据以上假设，构建以下数学模型：1）道路容量模型：C = f(t)，其中C为道路容量，t为时间；2）交通流量模型：Q = f(t)，其中Q为交通流量；3）拥堵指数模型：I = f(Q, C)，其中I为拥堵指数。

（4）模型求解利用MATLAB软件，对所构建的数学模型进行求解。

通过编程实现以下功能：1）计算道路容量C与时间t的关系；2）计算交通流量Q与时间t的关系；3）计算拥堵指数I与交通流量Q、道路容量C的关系。

（5）结果分析与解释根据求解结果，分析拥堵指数与时间、交通流量、道路容量之间的关系。

针对不同时间段、不同交通流量和不同道路容量，提出相应的解决方案，为政府部门提供决策依据。

三、实验结果与分析1. 结果展示通过MATLAB软件求解，得到以下结果：（1）道路容量C与时间t的关系曲线；（2）交通流量Q与时间t的关系曲线；（3）拥堵指数I与交通流量Q、道路容量C的关系曲线。

2. 结果分析根据求解结果，可以得出以下结论：（1）在高峰时段，道路容量C与时间t的关系曲线呈现下降趋势，说明道路容量在高峰时段不足；（2）在高峰时段，交通流量Q与时间t的关系曲线呈现上升趋势，说明交通流量在高峰时段较大；（3）在高峰时段，拥堵指数I与交通流量Q、道路容量C的关系曲线呈现上升趋势，说明拥堵指数在高峰时段较大。