【数学建模】数学建模(一)——数学模型概述

杨利霞

【数学建模】数学建模(一)——数学模型概述
& d" G) b' [. l. q. K 一. 模型
1. 原型和模型
9 f! Z, H" o) S7 S( S" [        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。
       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。
3 q! y2 G4 H2 e; e9 [5 u- \       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。
1 {" j0 ~( B' }1 ~2. 建模方法
. q7 L* h, }- ?5 p: E$ F% e        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。
3. 建模步骤
        按机理分析方法的建模步骤如下


4. 建模过程
        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。
. g$ A4 Z! x' u- k9 O

5. 模型分类
        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。
' _! Y5 z9 }- q- J8 N* }) a        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。
9 i7 f5 @5 f( Q, Q/ Q+ k2 a        按建模目的：描述模型、预报模型、优化模型、决策模型等。
        按对模型结构的了解程度：白箱模型、灰箱模型、黑箱模型。
二. 系统辨识
        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 B9 D* z. J. ?' w+ t( A/ q        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。
        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。

) X, y( S/ `% a- F# Q6 k4 p' ^) F
三. 机器学习
       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。
$ ]# Z. i. a( @2 N        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。
用于执行分类、回归、聚类和密度估计的机器学习算法
- ~9 G3 w; p: `# X8 a+ d8 [, |3 A

2 b1 n0 @8 f& @' s9 ]        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。
' y" \) l9 s- l' ^6 H

) U1 e& r) G- O, F0 V参考文献：
8 h: U4 T, S4 l5 A1. 数学模型（第四版）. 姜启源
2. 系统建模与辨识 . 王秀峰
3. 机器学习（第九版）

8 g* x: i" y9 ?
1 y7 \; x* i* q- d————————————————
0 ~8 y( \; c( F2 k7 x版权声明：本文为CSDN博主「大数据分析BDA」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/shandianke/article/details/42581155
5 J  f" l! N. R* M3 v4 g4 L3 G9 s8 Y
一. 模型
1. 原型和模型
; l! b% V5 I4 H& b* A        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。
       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。
3 y2 O2 j2 D$ ^$ u7 M# a       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。
2. 建模方法
) L% G6 r$ Y/ o  {$ D$ s  w9 ~        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。
8 j4 m+ L* B0 {" @9 ~1 d) h- Q4 @3. 建模步骤
        按机理分析方法的建模步骤如下

  F7 u8 ]: Y& v$ r* f0 J
4. 建模过程
8 @: _+ x9 M3 F  ~6 h        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。
# k% {4 l" u. m+ d- t
3 t$ ]3 P6 ^8 h) {
+ y6 g. O$ w1 b* W8 m& ], J5. 模型分类
0 u  x* c, w/ c- ^0 ^& k2 W        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。
) C6 C: A* ~0 e- v        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。
, H7 J( N2 o5 x: o' D( g        按建模目的：描述模型、预报模型、优化模型、决策模型等。
        按对模型结构的了解程度：白箱模型、灰箱模型、黑箱模型。
二. 系统辨识
        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。
        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。
        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。
6 o4 X) s. h- L9 a
& o, ^" Y: U" k( K9 v" _
1 g0 J/ B9 U* ]' E) e) T三. 机器学习
4 m* j9 ^  d, ]/ O1 q9 F- t       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。
# H, M7 D0 _1 |% 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。
用于执行分类、回归、聚类和密度估计的机器学习算法
2 D+ h3 p) h! ?2 r4 h! k
4 R4 l" k8 B3 L- P) n3 M
3 `' O1 e2 n! ~# a1 h+ a% w4 h5 [        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。


参考文献：
9 `3 g, H) V7 q& a1. 数学模型（第四版）. 姜启源
0 t# Y! g7 \/ A, X4 @/ J& h9 @* A  f* I2. 系统建模与辨识 . 王秀峰
3. 机器学习（第九版）


3 s& I/ o  p9 l————————————————
6 X- v( w* B- m& @+ H' r% F版权声明：本文为CSDN博主「大数据分析BDA」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/shandianke/article/details/42581155
) P/ x# l* }( y/ ^
% D( Z' F, B3 ^/ [4 f) W