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
" { t5 N. n# Q4 K
【数学建模】数学建模(一)——数学模型概述
: P3 y8 q7 a. g3 F) e& c3 ^
( N1 l) B: V, r: Z$ |: L* q
1 S4 b! o& S3 k; R1 W& C
一. 模型
1 p$ |; q- ^9 F/ I
1. 原型和模型
$ W. u1 U% c8 c9 S+ x+ G6 A( M
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。
l8 a/ n5 u' w* \
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。
6 |& p0 Z7 }0 |) }3 j
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。
# i$ v: Y: p5 ^, ]: ]
2. 建模方法
2 Y/ P) b3 C( f0 R
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。
2 L5 T) J1 I0 u6 p1 Z
3. 建模步骤
3 i: ?9 V) V j( v' E
按机理分析方法的建模步骤如下
8 p q$ F4 J; s6 R# a
; G' n+ Z- X, |
4. 建模过程
{1 N W' ]* R: r' ]& D% ?
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。
( u8 m3 r0 Y- P/ L" M* a
( W% W' n2 b) A% ?( i0 j# I
: i# B$ y( P5 k& `/ g6 S
4 b5 E8 h! o3 v, E! s" Y
5. 模型分类
0 E) L( l% P! p9 ?/ b: S f
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。
. z1 i/ r! b1 u: f) y7 i
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。
7 B5 ~8 ^1 U, u
按建模目的：描述模型、预报模型、优化模型、决策模型等。
. D- l. Y t1 z. `' @
按对模型结构的了解程度：白箱模型、灰箱模型、黑箱模型。
- x& ~( w% W# j: V) L
二. 系统辨识
1 b* E. r: W8 l( u) ]+ o1 Z" C
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。
) @5 o+ [; {$ I8 Y' O `
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。
. W( i# u j8 n$ j9 F3 W3 |
, p6 \9 f1 J# c; m3 N9 c. J% G
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。
/ B. U$ l) p. Z4 b
; {' Q0 i9 f' Y& l
5 z! X: w! t+ t" b( a# ?
$ x9 _( p% f/ v# e, d
, M) C* i" y3 S8 j' e7 o$ s, r
' U2 [1 k4 N, b/ ~. T
6 O0 U+ J9 a7 K b: _" R
三. 机器学习
" J m) w% Z% j, ~) @! ?( c- @
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。
: q# c# R9 N1 T
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。
/ o3 C( {) \0 |
: y; ^8 P* a& L h) Z
; |; q8 R- ^% O( E* V# }3 f8 P
用于执行分类、回归、聚类和密度估计的机器学习算法
7 r$ k4 g7 k! M% n& T8 H
# q5 n' R! v$ W3 F# k- Z
. X9 |: U5 `5 Z
! m% U( {' ?( ^8 |
& A* V7 R9 i9 |
/ L/ x) N* P1 j8 e
4 s" I# p+ _+ q7 V! i
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。
# [$ F( |. I A9 G2 y: w
2 N; T4 h' @1 ]6 x5 B* [( t
参考文献：
- r' d7 Y, @/ E4 I) `" ~. r
1. 数学模型（第四版）. 姜启源
" ^1 U) Z$ c6 e5 `5 J/ F
2. 系统建模与辨识 . 王秀峰
+ T4 Q) b. ~3 l" I
3. 机器学习（第九版）
1 y( D; v+ i3 M( R6 ?
9 B% d* x- R, L* d5 x8 F
6 w; \- u( @( H! y7 l/ S( L
: V" m# `" L/ q+ S- h4 a
# k9 t# r2 `# ]1 d% |6 {, s J
作者:
龙龙鲸鱼寜
时间:
2018-8-23 10:01
谢谢楼主分享
, R: r9 t/ c7 a' [5 J" {
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5
; G' n+ Z- X, |
