数学建模社区-数学中国
标题:
【数学建模】数学建模(一)——数学模型概述
[打印本页]
作者:
杨利霞
时间:
2018-8-23 09:45
标题:
【数学建模】数学建模(一)——数学模型概述
1 \! m; W$ K! C% t2 O, |4 D; Y, X: b
【数学建模】数学建模(一)——数学模型概述
$ B- `4 n* A2 H7 d
, z1 ~. ]7 R: \4 f- Z1 J9 v
/ s8 v3 Q1 H$ H
一. 模型
/ D) @4 j" W/ e4 Y
1. 原型和模型
# C, B8 A% ~. t( p8 I2 \7 L- ^
原型指人们在现实世界里关心、研究或从事生产、管理的实际对象。模型则指为了某个特定目的将原型的某一部分信息简缩、提炼而构造的原型替代物。
& i! F5 t, p) I
按照模型替代原型的方式，模型可以分为物质模型（形象模型）和理想模型（抽象模型）。前者包括直观模型、物理模型等，后者包括思维模型、符号模型、数学模型等。
2 d! F, \0 M" y; r9 s$ P
数学模型可以描述为，对现实世界的一个特定对象，为了一个特定目的，根据特有的内在规律，作出一些必要的简化假设，运用适当的数学工具，得到的一个数学结构。
' N8 d1 x e3 a' Z$ p* a, \
2. 建模方法
, v- h( d2 U4 s4 J/ ^9 q
建模方法大体可以分为机理分析和测试分析两种。机理分析是根据对客观事物特性的认识，找出反应内部机理的数量规律，建立的模型常有明确的物理或现实意义。测试分析是将研究对象看作一个“黑箱”系统，通过对系统输入、输出数据的测量和统计分析，按照一定的准则找出与数据拟合的最好的模型。
7 ]) V7 [5 Y8 F5 f% N
3. 建模步骤
3 m5 e$ S* g& m2 l; l+ k
按机理分析方法的建模步骤如下
& o, S5 O0 v% N
1 |/ @9 `1 l0 U$ ~
4. 建模过程
, ~8 E. L3 |# H. ?0 s Z4 M: u# m
按一般步骤，数学建模过程分为表述、求解、解释、验证几个阶段，并通过这些阶段实现从数学模型到现实对象的循环。
5 }5 i3 F2 ~* {7 s7 C9 k
1 T2 s0 K1 j; P4 V. ]: o1 @
. ~1 {& r( R: p7 L
" Q$ h8 }! o; J+ `0 D) {
5. 模型分类
0 H3 X Y- Q# V! b+ |$ z0 Q
按建立模型的数学方法：初等模型、几何模型、统计回归模型、数学规划模型等。
7 B0 u7 O- M& \2 K: ]
按模型的表现特性：确定性模型和随机模型、静态模型和动态模型、线性模型和非线性模型、离散模型和连续模型。
. \+ f$ m( x! M) K4 d6 O
按建模目的：描述模型、预报模型、优化模型、决策模型等。
7 d# G" b* D. L& F6 h' o5 I4 e7 O
按对模型结构的了解程度：白箱模型、灰箱模型、黑箱模型。
9 `4 X! O8 L9 g! _$ K9 a
二. 系统辨识
- z+ M# f$ h! r( d# C: ]. y7 k
在科学研究和工程实践中，实验和观测是重要的手段之一。实验的结果是输入和输出的数据，通过这些数据去建立数学模型就是系统辨识。
, j( y7 d4 T$ ^
系统辨识为：根据输入与输出数据在指定的一类系统中选择一个系统，这个系统和所研究的实践系统等价。
" q' b5 K. J, X2 y% T* f5 M
( e0 r9 @9 M5 A4 J. D+ i3 d/ |1 H
系统辨识大致步骤：①模型类的选择；②实验设计；③参数估计；④模型核验与确认。
( `$ Y/ ^# u% D0 @2 T; a5 w% Z$ V
" w* {8 H6 i% Q: ]2 \. ~. G
- _4 y2 f- t) e+ Q! E
8 V$ R6 r x/ F- o4 C1 g; ~" G' V
% ~ P0 b O8 ?+ t; c5 N6 G' I, B+ q
* n8 T& g9 q' w4 ?5 v6 ?' D" b
7 D6 @3 z# n! l( P, P
三. 机器学习
: I# _% x/ l& Q- {# H/ u$ n; a3 z
机器学习就是把无序的数据转换成有用的信息，它的主要任务就是分类，其中涉及的几个关键概念：①训练集是用于训练机器学习算法的数据样本几何；②目标变量是机器学习算法的预测结果，在分类算法中，目标变量的结果类型通常是标称型的，而在回归算法中通常是连续型的；③知识表示可以采用规则集的形式，也可以采用概率分布的形式。
. ~0 u& e" c* M* H+ j, N# `* i% H4 \
机器学习的另一个任务是回归，它主要用于预测数值型数据。分类和回归属于监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。与监督学习相对应的是无监督学习，此时数据没有类别信息，也不会给定目标值。在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程被称为聚类；将寻找描述数据统计值的过程称为密度估计。
, n* O! w9 M \
* b2 T3 {0 X9 W* q) H0 h1 c" e4 E# s
& i0 j- i6 t" |, T+ V
用于执行分类、回归、聚类和密度估计的机器学习算法
) O; m& T g# [3 @& P' _* e' J) T3 ^
0 d8 R: Y5 ^% s& T
1 ~3 R0 e7 [" }( }
* V2 V3 J! G5 T1 f- X
% ]- |: c- `: d% n1 O! p. u7 t
- o$ u1 j0 d1 |
' N/ c$ }: ^% Y+ k
机器学习程序设计的步骤：①收集数据；②准备输入数据；③分析输入数据；④训练算法；⑤测试算法；⑥使用算法。
# [ L8 Q# T& @$ Z# {6 c
c8 y8 k( m& M+ H, d
参考文献：
0 X9 Z% p# c/ h9 H! r
1. 数学模型（第四版）. 姜启源
: _; W& L9 Q" {
2. 系统建模与辨识 . 王秀峰
`6 y* m1 ]( E7 x% h8 q3 y B* k
3. 机器学习（第九版）
# b' q- k1 o* R. c7 Y) M3 m6 b
4 N# c" w! j; P1 _/ R
9 {9 [- y/ @& J/ w V" A
( p, j- x( m6 T, X6 k6 V
+ t) ]+ ~* e7 R# f7 M- L5 R! j
作者:
龙龙鲸鱼寜
时间:
2018-8-23 10:01
谢谢楼主分享
" i' E, p2 b+ s5 I1 a4 w4 q. y
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5
1 T2 s0 K1 j; P4 V. ]: o1 @
* V2 V3 J! G5 T1 f- X