2013数学建模B题论文
2013数学建模B题论文正文
承诺书我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。
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章程和参赛规则的，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，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。
如有违反竞赛章程和参赛规则的行为，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）：20131019所属学校（请填写完整的全名）：南京航空航天大学金城学院参赛队员(打印并签名) ：1. 郑言言2. 刘鹏3. 茆中良指导教师或指导教师组负责人(打印并签名)：孙艳波冯云霞陈小平（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。
以上内容请仔细核对，提交后将不再允许做任何修改。
如填写错误，论文可能被取消评奖资格。
）日期： 2013 年 9 月 16 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）：碎纸片的拼接复原摘要碎纸拼接技术是图像处理与模式识别领域中的一个较新但是很典型的应用，它是通过扫描和图像提取技术获取一组碎纸片的形状、颜色等信息，然后利用计算机进行相应的处理从而实现对这些碎纸片的全自动或半自动拼接还原。
2013数学建模B题国家一等奖
记下此时的 i 值为 z ，记作第 i 行左端长度为 Z = z 。 ③若 ai72 = 1，则记第 i 行右端长度为Y = 0 。
阵，1 ≤ k ≤ 19 。 ③人工干预：根据右对齐的特点找到第一列，第一列为 003，即第 4 幅图。
④用 Qk 矩阵与 H 4 矩阵分别相加，对应两个元素相等的情况和为 2 或 0，统计 2 与 0
的个数之和，命此值为匹配值。选出匹配值最大的与 003 匹配（类似比武招亲）。 再将此图片定为待匹配矩阵，用剩余 17 个矩阵与新的待匹配矩阵相匹配。依次类似
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）：
所属学校（请填写完整的全名）：
ycu
参赛队员 (打印并签名) ：1.
6，建立 19 幅图的三维矩 阵 U( Zni , Yni , n )， zni 代表第 n 幅图片的第 i 行的左端长度，
yni 代表第 n 幅图片的第 i 行的
右端长度，将处理后得出来的 所有数据导入此矩阵之中。
7，人工干预：由于汉字 的左对齐特点，很容易找到整篇文章的最左列，即第一列为附件 1 中编号 008 的图片。
3.1.1、附件 1 汉字拼接的模型建立：
2013国赛优秀数模论文
车道被占用对城市道路通行能力的影响摘要本文主要研究交通事故占用车道对城市道路通行能力的影响．针对问题一，首先求出道路的基本通行能力，结合道路基本通行能力与定义的交通事故修正系数求得出事故发生后的实际通行能力.用SPSS软件采用Mann-Whitney U检验方法对事故发生前的实际通行能力值与事故发生后的实际通行能力值进行两独立样本检验，结果表明两者存在显著性差异．再作图观察实际通行能力值变化趋势，且对其分三个阶段进行描述，得到事故发生起伏期的实际通行能力变化很大，交通事故发生后实际通行能力在调整期相对稳定；稳定期曲线趋于平缓，实际通行能力基本稳定．针对问题二，由于在同一横断面发生的两次交通事故所占车道不同时，利用SPSS 软件对两起交通事故的实际通行能力值进行两配对样本检验，采用Wilcoxon配对秩检验方法得到：随时间的推移，两次事故发生后的实际通行能力的变化有显著性差异．然后计算两次事故稳定期车流量的比值为37%:63%，而右转与左转的流量比为38%:62%，说明左、右转流量的不同是造成两次交通事故对应的实际通行能力差异的直接原因．针对问题三，首先根据实际通行能力、上游车流量定义出拥堵系数；然后通过讨论拥堵系数与事故路段车辆排队长度之间的关系，确定了事故路段车辆排队长度与实际通行能力、事故持续时间以及上游车流量之间关系的积分模型；最后考虑到从视频中统计出的是离散型数据，因此将上述积分模型进行离散化处理，求出了事故发生后该路段部分时刻的排队长度的具体值，通过与视频中实际的排队长度进行比较，从而检验了模型的准确性．针对问题四，为了求出估算车队排队长度将到达上游路口的时间，建立了两个模型对其进行对比求解．从问题1得出的实际通行能力的数据可以拟合出其与时间的关系函数，进而得出不同时间段的实际通行能力值．模型A中，将上游车流量定为1500pcu/h，通过排队长度模型的求解得到排队长度达到140米时，持续时间为18min．模型B首先检验得到第一次交通事故发生后的上游车流量符合泊松分布．通过对实际情况的MATLAB实验仿真求出满足泊松分布的上游车流量在一小时内的随机分布数组，并将其代入排队长度模型进行求解，得到结果在1240s时，修正后的排队长度达到140米，即认为在事故持续时间20.5min左右时，车辆排队长度到达上游路口．通过对比得到，模型B较模型A更为贴近实际．关键词：两独立样本检验；Mann-Whitney U检验；Wilcoxon配对秩检验；拥堵系数；MATLAB仿真一、问题的重述车道被占用是指因交通事故、路边停车、占道施工等因素，导致车道或道路横断面通行能力在单位时间内降低的现象．由于城市道路具有交通流密度大、连续性强等特点，一条车道被占用，也可能降低路段所有车道的通行能力，即使时间短，也可能引起车辆排队，出现交通阻塞．如处理不当，甚至出现区域性拥堵．车道被占用的情况种类繁多、复杂，正确估算车道被占用对城市道路通行能力的影响程度，将为交通管理部门正确引导车辆行驶、审批占道施工、设计道路渠化方案、设置路边停车位和设置非港湾式公交车站等提供理论依据．视频1（附件1）和视频2（附件2）中的两个交通事故处于同一路段的同一横断面，且完全占用两条车道．请研究以下问题：1.根据视频1（附件1），描述视频中交通事故发生至撤离期间,事故所处横断面实际通行能力的变化过程．2.根据问题1所得结论，结合视频2（附件2），分析说明同一横断面交通事故所占车道不同对该横断面实际通行能力影响的差异．3.构建数学模型，分析视频1（附件1）中交通事故所影响的路段车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间的关系．4.假如视频1（附件1）中的交通事故所处横断面距离上游路口变为140米，路段下游方向需求不变，路段上游车流量为1500pcu/h,事故发生时车辆初始排队长度为零，且事故持续不撤离．请估算，从事故发生开始，经过多长时间，车辆排队长度将到达上游路口．二、问题的分析按照题目要求，本文主要研究因交通事故车道被占用对城市道路通行能力的影响．交通事故发生后，由于发生事故的车辆对自己所行驶车道造成堵塞，使得该横断面实际通行能力有很大变化；而对于不同交通事故发生后堵塞不同车道的情况，同一横断面交通事故所占车道不同，该横断面实际通行能力也会有差异；不同状况的交通事故所造成的道路堵塞，对路段车辆排队长度也有很大的影响．2.1问题一的分析问题一要求描述视频中交通事故发生至撤离期间,事故所处横断面实际通行能力的变化过程．通过对附件视频1的观察，交通事故发生后，两辆相撞的车在第一时间对自己所行驶车道（第二、三车道）造成堵塞（附件3中所标注右转车道为车道一，直行车道为车道二，左转车道为车道三），仅剩唯一的第一车道可以通行．这导致事故所处横断面的实际通行能力有很大的变化．根据题目提供的视频附件，提取相关数据．通过对视频中所提供数据进行分析，统计以10秒为组距驶入驶出固定路段的车辆数．根据统计得到的数据，求出事故发生前道路的实际通行能力，并以此作为基准．再拟定事故发生后所处横断面的实际通行能力指标，求出从交通事故发生至事故撤离整个期间内的实际通行能力值．分析比较事故发生前的实际通行能力与事故发生后的实际通行能力的差异，说明发生事故后对道路通行能力的影响．再对事故发生后的各个实际通行能力值作散点图，观察其变化趋势，分阶段描述发生交通事故的整个期间,事故所处横断面实际通行能力的变化．2.2问题二的分析对于问题二中所要求的，分析说明同一横断面交通事故所占车道不同对该横断面实际通行能力影响的差异．根据两段附件视频可知，第一次交通事故的发生造成第二、三车道被堵塞，只有第一车道可以通行；第二次交通事故的发生造成第一、二车道被堵塞，只有第三车道可以通行．根据题目的附件三可知，第一车道为右转车道，通行流量比例为21%，第三车道为左转车道，通行流量比例为35%，即两条车道的通行流量是有差异的，就有可能造成两起交通事故实际通行能力的差异．为比较所占车道不同对实际通行流量的影响，首先按第一问求实际通行能力的思路进行求解，得到各时间段车流量的实际通行能力．然后进一步分析自发生事故起，两起交通事故的实际通行能力随时间推移有无显著性差异．对于产生差异的原因，从各车道流量不同的角度出发，说明车流量对实际通行能力的影响．2.3问题三的分析问题三中要求构建数学模型分析交通事故所影响的路段车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间的关系．根据实际情况可知，当道路实际通行能力降低，而车流量较大时，道路车辆的排队现象越容易出现．车辆的排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量这三个变量均有很大关系．为研究该问题，建立用实际通行能力、上游车流量、事故持续时间表示排队长度的数学模型．事故发生后，道路横断面可供通车辆通行的车道减少，在很大程度上减弱了道路实际通行能力，使得车辆从路段上游驶入已知路段时的速度大于车辆驶出事故横断面的平均速度．当事故路段上游的车驶入该路段时发现路段内原有的车还没有驶离事故横断面，未驶出的车辆积少成多，就会导致该路段的拥堵．为此，定义一个拥堵系数来描述t时刻车辆进入拥堵队列的可能性大小．又由于本题道路的横断面有三条车道，且下游转道车流量的比例分别为21%，44%，35%，因此道路拥堵时，按照车流量比例最大的车道上的队列长度作为车辆排队长度计算，用微分确定单位时间内的车辆排队长度，最后建立积分模型得到排队长度的表达式，进行离散化处理，求出不同时间段的排队长度的具体值．2.4 问题四的分析问题四假设交通事故所处横断面距离上游路口变为140米，已知上游车流量和初始排队长度，要求估算车队排队长度将到达上游路口的时间．从问题1得出的实际通行能力的数据可以拟合出其与时间的关系函数，进而得出不同时间段的实际通行能力值．再分别建模模型A 、B 对此问题进行求解．模型A 中根据题意将上游车流量恒定为1500pcu/h ，再通过得到的实际通行能力值及排队长度进行求解．模型B 考虑到实际中路口上游车流量不可能在一小时内为一定值，分析在上游车流量为1500pcu/h 的情况下，车流量在一小时内连续的时间段内的车流量分布情况，所以先要得出在视频1中在交通事故发生后的上游车流量分布规律，进而求出1500pcu/h 的车流量在一小时的随机分布数组，并对实际情况的实验仿真．最后将各时间段实际通行能力值，上游车流量代入第三问模型的函数表达式中，得到各时间段的排队长度，计算第一次排队长度达到140米的时间．三、模型的假设1.假设题目中的发生的两个交通事故处于同一路段的同一横断面，且发生事故后完全占用两条车道；2.假设只考虑四轮及以上机动车、电瓶车的交通流量，且换算成标准车当量数；3.假设公交车及大巴车的的车长为标准小汽车车身长度的二倍；4.假设本文所研究的道路平坦，不考虑因发生交通事故的车辆造成道路堵塞以外的其它道路障碍.四、符号的说明1T ：缺失数据的第一时间段；n T ：缺失数据的第n 时间段 （42或 n ）；1N ：驶入等待通行区域的车辆数；2N ：驶出等待通行区域的车辆数；3N ：标志性车辆前至事故发生地点的车辆数；4N ：标志性车辆至等待通行区域的上游边界的车辆数；N ： 缺失数据的补全值；11N ：事故发生前驶入等待通行区域的车辆数；12N ：事故发生前驶出等待通行区域的车辆数；13N ：事故发生前等待通行区域内车辆数；11'N ：事故发生前上一时间段驶入等待通行区域的车辆数；12'N ：事故发生前上一时间段驶出等待通行区域的车辆数；13'N ：事故发生前上一时间段等待通行区域内车辆数；21N ：事故发生后驶入等待通行区域的车辆数；22N ：事故发生后驶出等待通行区域的车辆数；N：事故发生后等待通行区域内车辆数；23'N：事故发生后上一时间段驶入等待通行区域的车辆数；21'N：事故发生后上一时间段驶出等待通行区域的车辆数；22'N：事故发生后上一时间段等待通行区域内车辆数；23U：正常通行时间内所处横断面的实际通行能力；1U：在交通事故影响下所处横断面的实际通行能力；2T：单位时间；hQ：基本通行能力；U：事故后实际通行能力；l：等待通行区域车辆排队长度；W：路段上游车流量；N：单位时间最大车流量；t：事故持续时间；：拥堵系数；v：汽车通过事故横断面的平均速度．五、模型的建立与求解5.1问题一：事故发生至撤离期间断面通行能力的变化问题一要求描述视频中交通事故发生至撤离期间,事故所处横断面实际通行能力的变化过程．针对此问题，具体求解分为以下三个步骤：Step1：根据统计得到的数据，求出事故发生前道路的实际通行能力；Step2：拟定事故发生后所处横断面实际通行能力指标，求出从交通事故发生至发生事故车辆撤离整个期间内的实际通行能力；Step3：分析比较以上两种情况的实际通行能力，并对其进行差异性检验；Step4：对事故发生后的实际通行能力值作图，通过适当的分析，分阶段描述在各不同阶段事故所处横断面实际通行能力的变化过程．5.1.1模型的准备1.通过视频统计数据为进行严谨详细的问题求解，首先从题目所给出的视频附件中统计详细数据．附件1中的视频记录了2013年2月28日16:38:39~17:03:50期间某路段的道路通行情况，视频共26分58秒，包括发生交通事故前的第一段正常通行时间，发生交通事故至撤离现场期间在事故影响下的实际通行时间，以及撤离后的第二段正常通行时间．第一段正常通行时间从16:38:39开始，大约持续了四分钟；发生交通事故至撤离现场时间为16:42:32~17:01:21，大约持续了19分钟．通过观察视频1中道路上车辆行驶的情况，将事故发生地点至其上游120米处划为等待通行区域的规定路段，由于统计每秒进出等待通行区域车辆数的过程时间太短，不利于统计数据，因此划定以10秒为统计时间间距，选定进出等待通行区域的参考系，根据城市道路工程设计规范内的车辆换算表，可知小汽车为1辆标准车辆，大客车换算为2辆标准车]1[．以此分别统计出每10秒驶入规定路段的车辆数及同时间段内驶出该规定路段的车辆数．2.缺失数据处理（1）由于视频1中事故发生后16:49:40~16:50:10与16:54:00~16:54:10两个时间段的影像被剪去，造成数据缺失．本文通过以标志性车辆为参考系，统计缺失数据的时间段中两个时间点1T 与n T 画面中出现的车辆数3N 与4N ，3N 为标志性车辆前至事故发生地点的车辆数，4N 为标志性车辆至等待通行区域的上游边界的车辆数． 其中1T 至n T 共经过了n 个时间间距．为补全数据，本文通过对统计的两时间点内的车辆数进行做差求平均值，得出缺失的数据均为均值N ：n N N 34N -=． 补全数据结果如下：表1 补全数据表5.1.2模型的建立与求解道路通行能力是指道路上某一点某一车道或某一横断面处，单位时间内可能通过的最大交通实体（车辆或行人）数，用辆/h 或用辆/昼夜或辆/秒表示，车辆多指小汽车，当有其它车辆混入时，均采用等效通行能力的标准车辆（小汽车）为单位（pcu ）． 影响道路通行能力的主要因素是道路条件、交通条件和交通外环境等．基本通行能力是指在理想的道路、交通、控制和环境条件下，理论上所能通行的最大小时交通量．实际通行能力是指在设计或评价某一具体路段时，根据该设施具体的公路几何构造、交通条件以及交通管理水平，按实际公路条件、交通条件等进行相应对基本通行能力进行修正后的小时交通量]1[．实际通行能力的计算是假定没有偶然事件发生的情况下进行的．实际交通系统中，路段可以服务的最大交通量除了受车道宽度、侧向净空等确定性因素以外，还受许多随机性因素影响，如交通事故，自然灾害、恶劣天气、道路维护等]2[．由于本文研究的对象是同一条道路，并且车道的宽度均为3.25m ,以及其他确定性因素均相同．由于研究的时间相差不大（26分钟），所以自然灾害、恶劣天气、道路维护等随机性因素均相同．因此，此路段的实际通行能力只受交通事故的影响．模型的具体建立求解过程如下：1.实际通行能力的确定实际通行能力是由道路的基本通行能力乘上若干个对其造成影响的修正系数而得到的，由于此路段的实际通行能力只受交通事故的影响，故设定交通事故修正系数来对发生交通事故后道路基本通行能力进行修正，修正后的基本通行能力即为发生交通事故后道路的实际通行能力．（1）确定交通事故修正系数f通过对视频1中事故发生至撤离的数据采集，得到了每10秒驶入等待通行区域的车辆数1N 以及驶出的车辆数2N 的数据，进而分别统计出进入等待通行区域的车流量与驶出等待通行区域的车流量．由统计结果可发现，当道路拥堵严重时，从上游路口进入该路段的车辆数会在很大程度上减少（初步分析出现这种状况的原因是由于红绿灯以及车主主观对道路的判断放弃从该路段上通行），而进出路段的车流量之比却很大，与实际通行能力相悖，因此无法直接用进出路段的车流量之比来表示事故发生后道路的实际通行能力．为此，结合道路实际情况以及上述统计结果，本文以每10秒内驶出等待通行区域的车辆数比上相同时间段等待通行区域内的车辆数来反映事故发生后的实际通行能力．处于等待通行区域的车辆越多，则实际通行能力越小，联系视频中出现的情形，当道路拥堵严重时，进入该路段的车辆数会减少，反映事故发生后的实际通行能力并不受进入车辆数的影响，而取决与等待的车辆数，因此此指标克服了上述矛盾的情况．交通事故前的第一段正常通行时间内的交通事故修正系数用1f 表示，驶入等待通行区域的车辆数为11N ，驶出此区域的车辆数为12N ，在区域内停留的车辆数为13N ，上一时间段的相应指标量分别表示为11'N ，12'N ，13'N ，定义1f 为：1312111213111'''N N N N N N f -+==； 设发生交通事故至撤离现场期间在事故影响下所处横断面的实际通行能力用2f 表示，驶入等待通行区域的车辆数为21N ，驶出的车辆数为22N ，在区域内停留的车辆数为23N ，上一时间段的相应指标量分别表示为21'N ，22'N ，23'N ，定义2f 为：2322212123212'''N N N N N N f -+==； 由于事故发生后某一时间段仍可能出现等待通行区域内的车辆数为0，即023=N ．又因为22N 可能为0时，其交通事故修正系数求得为0，但事实上此处有两种可能：一是因为堵塞严重无车通过，交通事故修正系数为0；二是因为等待通行区域内无车通过，交通事故修正系数为1（表示正常通过），故产生歧义，所以采用加“1”的方法进行处理．采用加“1”法对实际通行能力影响较小，即23N 、22N 均加1后，再求两者之间的比仍可作为交通事故修正系数．因此本文采取加“1”法进行修正其交通事故系数，既消除歧义，又反映了实际通行能力．经过加“1”法修正后：事故发生前修正系数：1'''111'1312111213111+-++=++=N N N N N N f ； 事故发生后修正系数： 1'''111'2322212123212+-++=++=N N N N N N f ． （2）确定基本通行能力Q由附件3图中可知，道路同一方向横断面上的三条车道，每条车道的宽度为固定的3.25m,根据查阅相关资料，宽度为3.25m 的车道最大通行速度为60km/h,当道路通行速度为60km/h 时，查表可知该段道路的一般基本通行能力为1800pcu/h ]3[．由于基本通行能力是指在理想状态下，理论上所能通行的最大小时交通量，为进一步确定已知道路基本通行能力，根据基本通行能力定义，道路基本通行能力为道路理想状态下单位时间h T 内，可能通过的最大车辆数N ，得到计算已知道路基本通行能力的公式：)/(h pcu T N Q h=； 设事故发生前没有任何堵塞的情况下道路为理想状态，且在此时间段内（不考虑堵车），通过该路段的车辆中，根据发生交通事故前道路上行驶的车流量统计数据，每10秒通过规定的120m 路程的车辆最大值为5辆，代入公式计算得：)(180********h / pcu ss pcu T N Q h===； （3）求解发生事故后实际通行能力U 根据相关资料]2[由基本通行能力与修正系数计算实际通行能力的关系公式为：f Q U ⨯=．2.事故发生前后实际通行能力的差异分析比较以上两组统计值，即未发生交通事故时的实际通行能力值和发生交通事故期间的道路实际通行能力值．由于视频所给出的两个时期时间长短不一致，故统计出的数值个数不同，并且我们对其总体分布不甚了解，两独立样本的非参数检验是在对总体的分布不了解的情况下，通过对独立样本的Mann-Whitney U 检验分析来推断样本来自的两个总体的分布等是否存在显著性差异的方法]4[．因此本文通过SPSS 采用两独立样本检验法来对这两组数据样本进行差异性检验（具体操作步骤及详细结果见附录1）：表2 发生交通事故前后实际通行能力独立样本检验结果表检验统计量a实际通行能力Mann-Whitney U 344.500Wilcoxon W 7484.500Z -5.170渐近显著性(双侧) .000a. 分组变量: 是否发生车祸由上表知，采用Mann-Whitney U 检验，渐近显著性（双侧）值为0.000，小于0.01，因此拒绝原假设，认为发生车祸的前后的实际通行能力指标存在极显著差异．得出结论:由于突发的交通事故，对原来正常的道路通行能力有显著性影响，对比道路正常通行能力和事故期间的实际通行能力，可知交通事故的发生使得道路通行能力明显下降．3. 结果分析对事故发生后的实际通行能力值作图，并分阶段描述在各不同阶段事故所处横断面实际通行能力的变化过程．根据统计出的交通事故发生至事故撤离整个期间内的实际通行能力值，做出散点图如下：图1 第一起交通事故发生后实际通行能力变化图由图像观察可得，事故发生初期0~200秒的实际通行能力变化很大，定为交通事故发生后实际通行能力的起伏期；200~400秒相对稳定可设为交通事故发生后实际通行能力的调整期；400秒以后曲线趋于平缓，事故发生后的实际通行能力趋于稳定．对于事故发生初期实际通行能力起伏较大的原因，根据视频的显示，初步分析其原因为红绿灯的变化及上下班高峰期的影响，而对于后期实际通行能力趋于稳定的原因，是由于出现了交通堵塞，开始进行排队通过，且随着排队的车辆数目量增多，红绿灯对平稳期的通行影响逐渐较小．4.红绿灯的影响通过上诉的结果分析，可知红绿灯对实际通行能力有一定的影响，本文将以红绿灯的相位时间为统计时间间距对视频1中进出等待通行区域的车辆数进行统计．选定进出等待通行区域的参考系，以此分别统计出每30秒进入规定路段的车辆数及同时间段内驶出该规定路段的车辆数．将进入规定的等待通行区域对应的时间化为1,2,3, (26)做出实际通行能力与对应时间的关系图，如下：图2 实际通行能力与红绿灯对应时间的关系图通过对实际通行能力与对应时间的关系图的观察，可知在1~16的时间内，实际通行能力呈起伏状，红绿灯的相位周期为1分钟，整个阶段内红灯为峰值，绿灯为谷值．而在17~26的时间内，开始进行排队，实际通行能力趋于稳定，因此红绿灯对事故发生后前期有较显著变化，而对事故发生后末期并不影响．5.2问题二：交通事故所占车道不同对通行能力的影响问题二要求分析说明同一横断面交通事故所占车道不同对该横断面实际通行能力影响的差异．针对此问题，具体求解为以下三个步骤：Step1：拟定发生事故后事故所处横断面实际通行能力，求出从交通事故发生至事故撤离整个期间内的实际通行能力；Step2：对两次交通事故发生后，随时间的推移，对相同时段的道路实际通行能力值用SPSS软件两配对样本检验进行显著性差异分析；Step3：画图比较分析，说明两次交通事故发生所占车道不同对该横断面实际通行能力影响的差异．5.2.1模型的准备为对问题进行严谨详细的求解，首先从题目所给出的视频附件中统计详细数据．针对问题中所提出的对比两起事故在发生之后对道路实际通行能力的影响，我们仅对发生交通事故至撤离现场这一阶段进行数据统计．发生交通事故至撤离现场阶段的时间为。
2013美国大学生数学建模竞赛论文
summaryOur solution paper mainly deals with the following problems:·How to measure the distribution of heat across the outer edge of pans in differentshapes and maximize even distribution of heat for the pan·How to design the shape of pans in order to make the best of space in an oven·How to optimize a combination of the former two conditions.When building the mathematic models, we make some assumptions to get themto be more reasonable. One of the major assumptions is that heat is evenly distributedwithin the oven. We also introduce some new variables to help describe the problem.To solve all of the problems, we design three models. Based on the equation ofheat conduction, we simulate the distribution of heat across the outer edge with thehelp of some mathematical softwares. In addition, taking the same area of all the pansinto consideration, we analyze the rate of space utilization ratio instead of thinkingabout maximal number of pans contained in the oven. What’s more, we optimize acombination of conditions (1) and (2) to find out the best shape and build a function toshow the relation between the weightiness of both conditions and the width to lengthratio, and to illustrate how the results vary with different values of W/L and p.To test our models, we compare the results obtained by stimulation and our models, tofind that our models fit the truth well. Yet, there are still small errors. For instance, inModel One, the error is within 1.2% .In our models, we introduce the rate of satisfaction to show how even thedistribution of heat across the outer edge of a pan is clearly. And with the help ofmathematical softwares such as Matlab, we add many pictures into our models,making them more intuitively clear. But our models are not perfect and there are someshortcomings such as lacking specific analysis of the distribution of heat across theouter edge of a pan of irregular shapes. In spite of these, our models can mainlypredict the actual conditions, within reasonable range of error.For office use onlyT1 ________________T2 ________________T3 ________________T4 ________________ Team Control Number18674 Problem Chosen AFor office use only F1 ________________ F2 ________________ F3 ________________ F4 ________________2013 Mathematical Contest in Modeling (MCM) Summary Sheet(Attach a copy of this page to your solution paper.)Type a summary of your results on this page. Do not includethe name of your school, advisor, or team members on this page.The Ultimate Brownie PanAbstractWe introduce three models in the paper in order to find out the best shape for the Brownie Pan, which is beneficial to both heat conduction and space utility.The major assumption is that heat is evenly distributed within the oven. On the basis of this, we introduce three models to solve the problem.The first model deals with heat distribution. After simulative experiments and data processing, we achieve the connection between the outer shape of pans and heat distribution.The second model is mainly on the maximal number of pans contained in an oven. During the course, we use utility rate of space to describe the number. Finally, we find out the functional relation.Having combined both of the conditions, we find an equation relation. Through mathematical operation, we attain the final conclusion.IntroductionHeat usage has always been one of the most challenging issues in modern world. Not only does it has physic significance, but also it can influence each bit of our daily life. Likewise,space utilization, beyond any doubt, also contains its own strategic importance. We build three mathematic models based on underlying theory of thermal conduction and tip thermal effects.The first model describes the process and consequence of heat conduction, thus representing the temperature distribution. Given the condition that regular polygons gets overcooked at the corners, we introduced the concept of tip thermal effects into our prediction scheme. Besides, simulation technique is applied to both models for error correction to predict the final heat distribution.Assumption• Heat is distributed evenly in the oven.Obviously, an oven has its normal operating temperature, which is gradually reached actually. We neglect the distinction of temperature in the oven and the heating process, only to focus on the heat distribution of pans on the basis of their construction.Furthermore, this assumption guarantees the equivalency of the two racks.• Thermal conductivity is temperature-invariant.Thermal conductivity is a physical quantity, symbolizing the capacity of materials. Always, the thermal conductivity of metal material usually varies with different temperatures, in spite of tiny change in value. Simply, we suppose the value to be a constant.• Heat flux of boundaries keeps steady.Heat flux is among the important indexes of heat dispersion. In this transference, we give it a constant value.• Heat conduction dom inates the variation of temperature, while the effects ofheat radiation and heat convection can be neglected.Actually, the course of heat conduction, heat radiation and heat convectiondecide the variation of temperature collectively. Due to the tiny influence of other twofactors, we pay closer attention to heat conduction.• The area of ovens is a constant.I ntroduction of mathematic modelsModel 1: Heat conduction• Introduction of physical quantities:q: heat fluxλ: Thermal conductivityρ: densityc: specific heat capacityt: temperature τ: timeV q : inner heat sourceW q : thermal fluxn: the number of edges of the original polygonsM t : maximum temperaturem t : minimum temperatureΔt: change quantity of temperatureL: side length of regular polygon• Analysis:Firstly, we start with The Fourier Law:2(/)q gradt W m λ=- . (1) According to The Fourier Law, along the direction of heat conduction, positionsof a larger cross-sectional area are lower in temperature. Therefore, corners of panshave higher temperatures.Secondly, let’s analyze the course of heat conduction quantitatively.To achieve this, we need to figure out exact temperatures of each point across theouter edge of a pan and the variation law.Based on the two-dimension differential equation of heat conduction:()()V t t t c q x x y yρλλτ∂∂∂∂∂=++∂∂∂∂∂. (2) Under the assumption that heat distribution is time-independent, we get0t τ∂=∂. (3)And then the heat conduction equation (with no inner heat source)comes to:20t ∇=. (4)under the Neumann boundary condition: |W s q t n λ∂-=∂. (5)Then we get the heat conduction status of regular polygons and circles as follows:Fig 1In consideration of the actual circumstances that temperature is higher at cornersthan on edges, we simulate the temperature distribution in an oven and get resultsabove. Apparently, there is always higher temperature at corners than on edges.Comparatively speaking, temperature is quite more evenly distributed around circles.This can prove the validity of our model rudimentarily.From the figure above, we can get extreme values along edges, which we callM t and m t . Here, we introduce a new physical quantity k , describing the unevennessof heat distribution. For all the figures are the same in area, we suppose the area to be1. Obviously, we have22sin 2sin L n n n ππ= (6) Then we figure out the following results.n t M t m t ∆ L ksquare 4 214.6 203.3 11.3 1.0000 11.30pentagon 5 202.1 195.7 6.4 0.7624 8.395hexagon 6 195.7 191.3 4.4 0.6204 7.092heptagon 7 193.1 190.1 3.0 0.5246 5.719octagon 8 191.1 188.9 2.2 0.4551 4.834nonagon 9 188.9 187.1 1.8 0.4022 4.475decagon 10 189.0 187.4 1.6 0.3605 4.438Table 1It ’s obvious that there is negative correlation between the value of k and thenumber of edges of the original polygons. Therefore, we can use k to describe theunevenness of temperature distribution along the outer edge of a pan. That is to say, thesmaller k is, the more homogeneous the temperature distribution is.• Usability testing:We use regular hendecagon to test the availability of the model.Based on the existing figures, we get a fitting function to analyze the trend of thevalue of k. Again, we introduce a parameter to measure the value of k.Simply, we assume203v k =, (7) so that100v ≤. (8)n k v square 4 11.30 75.33pentagon 5 8.39 55.96hexagon 6 7.09 47.28heptagon 7 5.72 38.12octagon 8 4.83 32.23nonagon9 4.47 29.84 decagon 10 4.44 29.59Table 2Then, we get the functional image with two independent variables v and n.Fig 2According to the functional image above, we get the fitting function0.4631289.024.46n v e -=+.(9) When it comes to hendecagons, n=11. Then, v=26.85.As shown in the figure below, the heat conduction is within our easy access.Fig 3So, we can figure out the following result.vnActually,2026.523tvL∆==.n ∆t L k vhendecagons 11 187.1 185.8 1.3 0.3268 3.978 26.52Table 3Easily , the relative error is 1.24％.So, our model is quite well.• ConclusionHeat distribution varies with the shape of pans. To put it succinctly, heat is more evenly distributed along more edges of a single pan. That is to say, pans with more number of peripheries or more smooth peripheries are beneficial to even distribution of heat. And the difference in temperature contributes to overcooking. Through calculation, the value of k decreases with the increase of edges. With the help of the value of k, we can have a precise prediction of heat contribution.Model 2: The maximum number• Introduction of physical quantities:n: the number of edges of the original polygonsα: utility rate of space• Analysis:Due to the fact that the area of ovens and pans are constant, we can use the area occupied by pans to describe the number of pans. Further, the utility rate of space can be used to describe the number. In the following analysis, we will make use of the utility rate of space to pick out the best shape of pans. We begin with the best permutation devise of regular polygon. Having calculated each utility rate of space, we get the variation tendency.• Model Design:W e begin with the scheme which makes the best of space. Based on this knowledge, we get the following inlay scheme.Fig 4Fig 5According to the schemes, we get each utility rate of space which is showed below.n=4 n=5 n=6 n=7 n=8 n=9 n=10 n=11 shape square pentagon hexagon heptagon octagon nonagon decagon hendecagon utility rate(％)100.00 85.41 100.00 84.22 82.84 80.11 84.25 86.21Table 4Using the ratio above, we get the variation tendency.Fig 6 nutility rate of space• I nstructions:·The interior angle degrees of triangles, squares, and regular hexagon can be divided by 360, so that they all can completely fill a plane. Here, we exclude them in the graph of function.·When n is no more than 9, there is obvious negative correlation between utility rate of space and the value of n. Otherwise, there is positive correlation.·The extremum value of utility rate of space is 90.69％,which is the value for circles.• Usability testing:We pick regular dodecagon for usability testing. Below is the inlay scheme.Fig 7The space utility for dodecagon is 89.88％, which is around the predicted value. So, we’ve got a rather ideal model.• Conclusion:n≥), the When the number of edges of the original polygons is more than 9(9 space utility is gradually increasing. Circles have the extreme value of the space utility. In other words, circles waste the least area. Besides, the rate of increase is in decrease. The situation of regular polygon with many sides tends to be that of circles. In a word, circles have the highest space utility.Model 3: Rounded rectangle• Introduction of physical quantities:A: the area of the rounded rectanglel: the length of the rounded rectangleα: space utilityβ: the width to length ratio• Analysis:Based on the combination of consideration on the highest space utility of quadrangle and the even heat distribution of circles, we invent a model using rounded rectangle device for pans. It can both optimize the cooking effect and minimize the waste of space.However, rounded rectangles are exactly not the same. Firstly, we give our rounded rectangle the same width to length ratio (W/L) as that of the oven, so that least area will be wasted. Secondly, the corner radius can not be neglected as well. It’ll give the distribution of heat across the outer edge a vital influence. In order to get the best pan in shape, we must balance how much the two of the conditions weigh in the scheme.• Model Design:To begin with, we investigate regular rounded rectangle.The area224r ar a A π++= (10) S imilarly , we suppose the value of A to be 1. Then we have a function between a and r :21(4)2a r r π=+--(11) Then, the space utility is()212a r α=+ (12) And, we obtain()2114rαπ=+- (13)N ext, we investigate the relation between k and r, referring to the method in the first model. Such are the simulative result.Fig 8Specific experimental results arer a ∆t L k 0.05 0.90 209.2 199.9 9.3 0.98 9.49 0.10 0.80 203.8 196.4 7.4 0.96 7.70 0.15 0.71 199.6 193.4 6.2 0.95 6.56 0.20 0.62 195.8 190.5 5.3 0.93 5.69 0.25 0.53 193.2 189.1 4.1 0.92 4.46Table 5According to the table above, we get the relation between k and r.Fig 9So, we get the function relation3.66511.190.1013r k e -=+. (14) After this, we continue with the connection between the width to length ratioW Lβ=and heat distribution. We get the following results.krFig 10From the condition of heat distribution, we get the relation between k and βFig 11And the function relation is4.248 2.463k β=+ (15)Now we have to combine the two patterns together:3.6654.248 2.463(11.190.1013)4.248 2.463r k e β-+=++ (16)Finally, we need to take the weightiness (p) into account,(,,)()(,)(1)f r p r p k r p βαβ=⋅+⋅- (17)To standard the assessment level, we take squares as criterion.()(,)(1)(,,)111.30r p k r p f r p αββ⋅⋅-=+ (18) Then, we get the final function3.6652(,,)(1)(0.37590.2180)(1.6670.0151)1(4)r p f r p p e rββπ-=+-⋅+⋅++- (19) So we get()()3.6652224(p 1)(2.259β 1.310)14r p f e r r ππ--∂=-+-+∂⎡⎤+-⎣⎦ (20) Let 0f r∂=∂,we can get the function (,)r p β. Easily,0r p∂<∂ and 0r β∂>∂ (21) So we can come to the conclusion that the value of r decreases with the increase of p. Similarly, the value of r increases with the increase of β.• Conclusion:Model 3 combines all of our former analysis, and gives the final result. According to the weightiness of either of the two conditions, we can confirm the final best shape for a pan.• References:[1] Xingming Qi. Matlab 7.0. Beijing: Posts & Telecom Press, 2009: 27-32[2] Jiancheng Chen, Xinsheng Pang. Statistical data analysis theory and method. Beijing: China's Forestry Press, 2006: 34-67[3] Zhengshen Fan. Mathematical modeling technology. Beijing: China Water Conservancy Press, 2003: 44-54Own It NowYahoo! Ladies and gentlemen, please just have a look at what a pan we have created-the Ultimate Brownie Pan.Can you imagine that just by means of this small invention, you can get away of annoying overcookedchocolate Brownie Cake? Pardon me, I don’t want to surprise you, but I must tell you , our potential customers, that we’ve made it! Believing that it’s nothing more than a common pan, some people may think that it’s not so difficult to create such a pan. To be honest, it’s not just a simple pan as usual, and it takes a lot of work. Now let me show you how great it is. Here we go!Believing that it’s nothing more than a common pan, some people may think that it’s not so difficult to create such a pan. To be honest, it’s not just a simple pan as usual, and it takes a lot of work. Now let me show you how great it is. Here we go!Maybe nobody will deny this: when baked in arectangular pan, cakes get easily overcooked at thecorners (and to a lesser extent at the edges).But neverwill this happen in a round pan. However, round pansare not the best in respects of saving finite space in anoven. How to solve this problem? This is the key pointthat our work focuses on.Up to now, as you know, there have been two factors determining the quality of apan -- the distribution of heat across the outer edge of and thespace occupied in an oven. Unfortunately, they cannot beachieved at the same time. Time calls for a perfect pan, andthen our Ultimate Brownie Pan comes into existence. TheUltimate Brownie Pan has an outstandingadvantage--optimizing a combination of the two conditions. As you can see, it’s so cute. And when you really begin to use it, you’ll find yourself really enjoy being with it. By using this kind of pan, you can use four pans in the meanwhile. That is to say you can bake more cakes at one time.So you can see that our Ultimate Brownie Pan will certainly be able to solve the two big problems disturbing so many people. And so it will! Feel good? So what are you waiting for? Own it now!。
2013研究生数学建模B题建模
参赛密码(由组委会填写)第十届华为杯全国研究生数学建模竞赛学校广西民族大学参赛队号10608008队员姓名1.高洋洋2.黄慧冬3.李素娇参赛密码(由组委会填写)第十届华为杯全国研究生数学建模竞赛题目功率放大器非线性特性及预失真建模摘要信号的功率放大是电子通信系统的关键功能之一，其非线性失真对无线通信系统将产生诸多不良影响.功放非线性属于有源电子器件的固有特性，研究其机理并采取措施改善，具有重要意义.为了满足功率放大器线性度要求，功放线性化技术与预失真也就成为高效率发射机系统的关键技术之一.本文采用了正交多项式逼近函数、最小二乘法拟合、曲线拟合以及归一化以及NMSE评价法等.问题一，对题1给出的数据进行曲线拟合可得功放的多项式表达式，然后利用正交多项式求得预失真特性函数，最后以“输出幅度限制”为约束条件进行Matlab求解，得到了预失真补偿的结果.问题二，用一个无记忆的非线性系统来表征功率放大器的非线性，以“输出幅度限制”为约束条件进行Matlab求解，基于多项式的无记忆放大器的高效预失真结构推广到有记忆放大器的预失真中, 非线性多项式模型作为记忆预失真器模型实现了记忆非线性放大器的快速、高效的线性化.针对问题三，相邻信道功率比(Adjacent Channel Power Ratio，ACPR)是表示信道的带外失真的参数，利用Fourier变换计算功率谱密度函数，衡量由于非线性效应所产生的新频率分量对邻道信号的影响程度.文章中主要运用多项式曲线拟合的方法求出功放的非线性表达式的逼近形式，然后用NMSE参数评价了无记忆和有记忆的功放非线性模型, 结果相当乐观. 在满足预失真处理的“输出幅度限制”，且尽可能使功放的输出“功率最大化”的条件下，我们用最小二乘拟合的方法逼近功放模型的曲线，求出了无记忆和有记忆功放的放大倍数.建立预失真模型是我们还运用了正交多项式和间接学习结构，得到的预失真模型代入应用之后，结果与线性化的目标函数做归一化均方误差评价，得到的结果非常好，模型的精确度是很高的.关键词：功率放大器, 有记忆功放, 无记忆功放, 非线性失真, 预失真一、问题重述功放非线性属于有源电子器件的固有特性，研究其机理并采取措施改善，具有重要意义.目前已提出了各种技术来克服改善功放的非线性失真，其中预失真技术是被研究和应用较多的一项新技术.在数字预失真中，多项式模型由于其简单、易于实现而被普遍使用.然而多项式有效阶的确定，关系到预失真器后低通滤波器的设计和线性化的效果，因此具有非常重要的作用.针对间接结构多项式预失真器，本文提出了一种预失真无线通信中射频功率放大器预失真技术研究正交多项式模型得到预失真器的特性函数F (x ).通过理论分析及性能仿真，验证了该算法的有效性.文章给出了某功放无记忆和有记忆效应的复输入-输出测试数据，及其输入-输出幅度图，通过功放的非线性模型然后对其采取数值计算，用最小化目标误差函数的方法，求得近似的F (x )，放大器的预失真器的非线性参数，以达到预失真补偿的目的.总体原则是使预失真和功放的联合模型呈线性后误差最小.数值计算结果业界常用NMSE 参数评价其准确度.最后计算功放预失真补偿前后的功率谱密度.本文尝试解决以下三个问题：问题一，建立无记忆功放的非线性特性的数学模型和预失真模型，写出目标误差函数，计算线性化后最大可能的幅度放大倍数.问题二，建立有记忆功放的非线性特性的数学模型和预失真模型，写出目标误差函数，计算线性化后最大可能的幅度放大倍数.问题三，根据所附的数据采样频率1272.30⨯=s F MHz ，传输信道按照20MHz 来算，邻信道也是20MHz.根据给出的数据，请计算功放预失真补偿前后的功率谱密度，并用图形的方式表示三类信号的功率谱密度(输入信号、无预失真补偿的功率放大器输出信号、采用预失真补偿的功率放大器输出信号).二、问题分析这是一个功率放大器非线性及预失真问题，通过题意分析及查阅文献可知.功放的非线性特性特点在于各类功放的固有特性不同，特性函数G (·)差异较大，即使同一功放，由于输入信号类型、环境温度等的改变，其非线性特性也会发生变化.难点在于信号输入输出量大，以及怎样使有记忆及无记忆放大器精确反映实际功放的性能，利用曲线拟合的方式求特性函数G (·)及预失真器特性函数 F (·)，如何选取最大可能的幅度放大倍数g .2.1 问题一无记忆效应的功率放大器，即当前的输出信号仅与当前时刻的输入信号有关，而与过去时刻的输入信号无关. 预失真的实质为功放模型的求逆问题，理论上如果功放模型在信号包络区间是单调的，则其逆存在。
2013年美国大学生数学建模大赛B题获奖论文
For office use onlyT1________________ T2________________ T3________________ T4________________Team Control Number22599Problem ChosenAFor office use onlyF1________________F2________________F3________________F4________________ 2013Mathematical Contest in Modeling(MCM/ICM)Summary Sheet(Attach a copy of this page to your solution paper.)Heat Radiation in The OvenHeat distribution of pans in the oven is quite different from each other,which depends on their shapes.Thus,our model aims at two goals.One is to analyze the heat distri-bution in different ovens based on the locations of electrical heating cubes.Further-more,a series of heat distribution which varies from circular pans to rectangular pans could be got easily.The other is to optimize the pans placing,in order to choose a best way to maximize the even heat and the number of pans at the same time.Mathematically speaking,our solution consists of two models,analyzing and optimi-zing.In part one,our whole-local approach shows the heat distribution of every pan.Firstly,we use the Stefan-Boltzmann law and Fourier theorem to describe the heat distribution in the air around the electrical heating tube.And then, based on plane in-tercept method and simplified Monte Carlo method,the heat distribution of different shapes of pans is obtained.Finally,we explain the phenomenon that the corners of a pan always get over heated with water waves stirring by analogy.In part two,our discretize-convert approach optimizes the shape and number of the pans.Above all,we discre-tize the side length of the oven, so that the number and the average heat of the pans vary linearly.In the end,the abstract weight P is converted into a specific length,in order to reach a compromise between the two factors.Specially,we create a unique method to convert the variables from the whole space to the local section.The special method allows us to draw the heat distribution of every single section in the oven.The algorithm we create does a great job in flexibility,which can be applied to all shapes of pans.Type a summary of your results on this page.Do not includethe name of your school,advisor,or team members on this page.Heat Radiation in The OvenSummaryHeat distribution of pans in the oven is quite different from each other,which depends on their shapes.Thus,our model aims at two goals.One is to analyze the heat distri-bution in different ovens based on the locations of electrical heating cubes.Further-more,a series of heat distribution which varies from circular pans to rectangular pans could be got easily.The other is to optimize the pans placing,in order to choose a best way to maximize the even heat and the number of pans at the same time.Mathematically speaking,our solution consists of two models,analyzing and optimi-zing.In part one,our whole-local approach shows the heat distribution of every pan. Firstly,we use the Stefan-Boltzmann law and Fourier theorem to describe the heat distribution in the air around the electrical heating tube.And then,based on plane in-tercept method and simplified Monte Carlo method,the heat distribution of different shapes of pans is obtained.Finally,we explain the phenomenon that the corners of a pan always get over heated with water waves stirring by analogy.In part two,our discretize-convert approach optimizes the shape and number of the pans.Above all, we discre-tize the side length of the oven,so that the number and the average heat of the pans vary linearly.In the end,the abstract weight P is converted into a specific length,in order to reach a compromise between the two factors.Specially,we create a unique method to convert the variables from the whole space to the local section.The special method allows us to draw the heat distribution of every single section in the oven.The algorithm we create does a great job in flexibility, which can be applied to all shapes of pans.Keywords:Monte Carlo thermal radiation section heat distribution discretizationIntroductionMany studies on heat conduction wasted plenty of time in solving the partial differential equations,since it’s difficult to solve even for computers.We turn to another way to work it out.Firstly,we study the heat radiation instead of heat conduction to keep away from the sophisticated partial differential equations.Then, we create a unique method to convert every variable from the whole space to section. In other words,we work everything out in heat radiation and convert them into heat contradiction.AssumptionsWe make the following assumptions about the distribution of heat in this paper.·Initially two racks in the oven,evenly spaced.·When heating the electrical heating tubes,the temperature of which changes from room temperature to the desired temperature.It takes such a short time that we can ignore it.·Different pans are made in same material,so they have the same rate of heat conduction.·The inner walls of the oven are blackbodies.The pan is a gray body.The inner walls of the oven absorb heat only and reflect no heat.·The heat can only be reflected once when rebounded from the pan.Heat Distribution ModelOur approach involves four steps:·Use the Fourier theorem to calculate the loss energy when energy beams are spread in the medium.So we can get the heat distribution around each electrical heating tube.The heat distribution of the entire space could be go where the heat of two electrical heating tubes cross together.·When different shapes of the pans are inserted into the oven,the heat map of the entire space is crossed by the section of the pan.Thus,the heat map of every single pan is obtained.·Establish a suitable model to get the reflectivity of every single point on the pan with the simplified Monte Carlo method.And then,a final heat distribution map of the pan without reflection loss is obtained.·A realistic conclusion is drawn due to the results of our model compared with water wave propagation phenomena.First of all,the paper will give a description of the initial energy of the electrical hea-ting tube.We see it as a blackbody who reflects no heat at all.Electromagnetic know-ledge shows that wavelength of the heat rays ranges from um 110−to um 210as shown below[1]:Figure 1.Figure 2.We apply the Stefan-Boltzmann’s law[2]whose solution is ()1/512−=−T c b e c E λλλ(1)()λλλλλd e c d E E T c b b ∫∫∞−∞−==0/51012(2)Where b E means the ability of blackbody to radiate. 1c and 2c are constants.Obviously,,the initial energy of a black body is )(0122398.320m w e E b ×+=.Combine Figure 1with Figure 2,we integrate (1)from 1λto 2λto get the equation as follow:λλλλλλd E E b b ∫=−2121)((3)Figure 3.From Figure 3,it can be seen how the power of radiation varies with wavelength.Secondly,based on the Fourier theorem,the relation between heat and the distance from the electrical heating tubes is:dxdt S Q λ−=(4)Where Q is the power of heat (W s J =/),S is the area where the energy beamradiates (2m ),dxdt represents the temperature gradient along the direction of energy beam.[3]It is known that the energy becomes weaker as the distance becomes larger.According to the fact we know:dxdQ =ρ(5)Where ρis the rate of energy changing.We assume that the desired temperature of electrical heating tube is 500k.With the two equations,the distribution of heat is shown as follow:Figure 4.(a)Figure 4.(b)In order to draw the map of heat distribution in the oven,we use MATLAB to work on the complicated algorithm.The relation between the power of heat and the distance is shown in Figure4(a).The relation between temperature and distance is presented in Figure4(b).The spreading direction of energy beam is presented in Figure5.Figure5.The shape of electrical heating tube is irregular.The heat distribution of a single electrical heating tube can be draw in3D space with MATLAB.The picture is shown in Figure6.After superimposing,the total heat distribution of two tubes is shown below in Figure7and Figure8.Figure6.Figure7.Figure8.The pictures above show the energy in an oven with no pan.We put in a rectangular pan whose area is A,and intercept the maps with MATLAB.The result is show in Figure9.Figure9.Figure10.Put in a circular pan to intercept the maps,whose area is A,also.The distribution of heat is shown in Figure11.Figure11.When put in a pan in transition shape,which is neither rectangular nor circular.The area of it is A,also.The heat distribution on such a pan is shown as follow:Figure12(a)Figure12(b).Figure13.Next,learning from the Monte Carlo simulation[4],a model is established to get obtain the reflectivity.We generate a random number between0and1to determine if the energy beam on certain point is reflected.•Firstly,to demonstrate the question better,we construct a simple model:Figure 14.Where θis the viewing angle from electrical heating tube to the pan.360θ=R is the proportion of the beams radiated to the pan.•What is more,we assume the total beam is 1M .Ideally,the number of absorption is3601θ×M .Then,each element of the pan is seen as a grid point.Each grid point can generate a-3601θ×M -random-number vector between 0and 1in MATLAB.•After MATLAB simulating,the number of beams decreased by 2M ,due to thereflection.So we define a probability θρ12360M M ×=to describe the number of beams reflected.The conclusion is :•If R ≤ρ,the energy beam is absorbed.•If R >ρ,the energy beam is reflected.[5]Based on the analysis above,our model get a final result of heat-distribution on the pan as shown below:Figure 15(a)Figure15(b).The conclusion is known that the closer the shape of pans is to circle,the more evenly the heat is distributed.Moreover,the phenomenon that the corners always get over heated can be explained by water wave propagation in different containers.When there is a fluctuation in the center of the water,the ripples will fluctuate and spread in concentric circles,as shown in Figure16.The fluctuation stirs waves up when contacting the pared with the waves with one boundary,the waves in corner make a higher amplitude.The thermal conduction on the pan is exactly the inverse process of the waves propagation.The range of thermal motion is much smaller than it on the side.That’s why the corners is easy to get over heated.In order to make the heat evenly distributed on the pan,the sides of the pan should be as few as possible.Therefore,if nothing is considered about the utilization of space,a circle pan is the best choice.Figure16,the water waves propagation[6]According to the analysis above and Figure7,the phenomenon shows that the heat conduction is similar to water waves propagation.So it is proved that heatconcentrates in the four corners of the rectangular pan.The Super Pan ModelAssumptions•The width of the oven(W)is mm100,the length is L.•There are three pans at most in vertical direction.•Each pan’s area is A.The first part.Calculate the maximum number of pans in the oven.Different shapes of pan have different heat distribution which affects the number of pans,judging from the previous solution.According to the conclusion in the first model,the heat is distributed the most evenly on a circular pan rather than a rectangular one.However, the rectangular pans make fuller use of the space the space than circular ones.Both factors considered,a polygonal pan is chosen.A circle can be regard as a polygon whose number of boundaries tends to infinity. Except for rectangle,only regular hexagon and equilateral triangle can be closely placed.Because of the edges of equilateral triangle,heat dissipation is worse than rectangle.So,hexagonal pans are adopted after all the discussion.Considering the gaps near boundaries,we place the hexagonal pans closely attached each other on the long side L.There are two kinds of programs as shown below.Program1.Program2.Obviously,Program2is better than Program1when considering space utilization.So scheme 1is adopted.Then,design a size of each hexagonal pan to make the highest space utilization.With the aim of utilization,hexagonal pans has to be placed contact closely with each other on both sides.It is necessary to assume a aspect ratio of the oven to work out the number of pans(N ).Assume that the side length of a regular hexagon is a ,the length-width ratio of the oven is λand L ∆is the increment in discretization.Because the number of pans can not change continuously when ⋅⋅⋅=+∈3,2,1),1,(m m m n ,the equations would be as follows.⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎧⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋅−====∆⋅+<⎥⎦⎤⎢⎣⎡∆⋅+−∆⋅+≤⋅=∆∆⋅+=<<=a W L n W L N Lk L W W L k L W L k L a L L k L L L W aW 23,810;23105000λ(6)Result:⎪⎪⎩⎪⎪⎨⎧⋅⋅⋅==⋅+=⋅⋅⋅=−=+−⋅+=3,2,1,2233,2,1,1212130201k k n n N N k k n n N N Where 1N represents the number of pans when n is odd,2N represents the number of pans when n is even.The specific number of pans is depended on the width-length ratio of oven.The second part.Maximum the heat distribution of the pans.We define the average heat(H )as the ratio of total heat and total area of the pans.Aiming to get the most average heat,we set the width-length ratio of the oven λ.Space utilization is not considered here.A conclusion is easy to draw from Figure 8that a square area in the oven from 150mm to 350mm in length shares the most heat evenly.So the pans should beplaced mainly in this area.From model1we know that the corners of the oven are apt to gather heat.Besides,four more pans are added in the corners to absorb more heat. Because heat absorbing is the only aim,there is no need to consider space utilization. Circular pans can distribute heat more evenly than any other shape due to model1.So circular pans are used in Figure17.Figure8.Figure17.We set the heat of the pans in the most heated area(the middle row)as Q.Pans in the corners receive more heat but uneven theoretically.And the square of the four pans in the corners is so small compared with the total square that we set the heat of the four as Q too.When the length of oven(L)increases,the number of pans increases too. It makes the square of the gaps between pans bigger,meanwhile.If each pan has a same radius(r)and square(A),the equation about average heat,length-width ratio and number of pans would be(7).⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎧=+=⎥⎦⎤⎢⎣⎡⋅−====∆⋅+<⎦⎤⎢⎣⎡∆⋅+−∆⋅+≤⋅=∆∆⋅+=<<⋅=⋅⋅=...3,2,12;71021053410002k nN N r W L n W L N L k L W W L k L W L k L r L L k L L L W r A W r λπ(7)Here we get the most average heat (H ):29400WQ H ⋅=πThe third part.We discussed two different plans in the previous parts of the paper.One is aimed to get the most average heat,while the other aimed to place the most pans.The two plans are contradictory with each other,and can not be achieved together.Firstly,the weight of plan 1is P and the weight of plan 2is P −1.Obviously,this kind optimization has difficulty in solving and understanding.So we turn to another way to make it a easier and linear question.It has been set that the width of the oven is a constant W and there should be three pans at most in vertical direction.We make the weight P a proportion of the two plans.Thus the two plans could be achieved together due to proportion P and P −1,as shown in Figure18.Figure 18.As been told in model 1,the corners have a higher temperature than other parts of the oven.So plan 1is used in district 1(in Figure 10)and plan 2is used in district 2(in Figure 10).A better compromise could be reached in this way,as shown in Figure 19.Figure 19.Every pan has a square of A .Radius of circular ones is r .Side length of regular hexagon is a .1.1:23322=⇒⋅=⋅r a a r π(8)Based on the equation (8),if the pans are placed as shown in Figure 19,regular hexagons are placed full of district 1,the circular ones will be placed beyond the border line.If the circular ones are placed full of district 2,there will be more gaps in district 1,which will be wasted.So we change our plan of placing pans as Figure 20.Figure 20.The number of circular ones decreases by two,but the space in district 1is fully used,and no pan will be placed beyond the borderline.We assume that P is bigger than P −1,so that,the heat in district 1will be fully used.By simple calculating,we know that the ratio of the heat absorbed in circular pan (1H )and in regular hexagon (2H )is 1.2:1.Figure21.So,based on the pans placing plan,a equation on heat can be got as follow:⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎧=⎥⎦⎤⎢⎣⎡−⋅−=⎥⎦⎤⎢⎣⎡−⋅====∆⋅+<⎥⎦⎤⎢⎣⎡∆⋅+−∆⋅+≤=∆∆⋅+=<<⋅=⋅==≈...3,2,1)1(,911233;23212kxWLPnxWLPnWLNLkLWWLkLWLkLxLLkLLLWraAxraλπ(9)Resolution:⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧=⋅⋅+⋅+⋅⋅+=⋅⋅+⋅+⋅⋅−+==⋅+⋅+=−=+−⋅+⋅+=...3,2,1)24(2.1)325()24(2.1)3215()2(232)12(12132221212111121211201k A N n Q Q n H A N n Q Q n H k n n n N N k n n n N N (10)1N and 1H means the number of pans and average heat absorbed when n is odd.2N and 2H means the number of pans and average heat absorbed when n is even.For example:(1)When 37.0=λ,6.0=P :16=N ,AQ H 075.1=.The best placing plan is:(2)When 37.0=λ,7.0=P :18=N ,AQ H ⋅=044.1.The best placing planis:(3)When 58.0=λ,6.0=P ：12=N ,AQ H ⋅=067.1.The best placing plan is:A conclusion is easy to draw that when the ratio of width and length of the oven (λ)is a constant,the number of pans increases with an increasing P,but the average heat decreases (example (1)and (2)).When the weight P is a constant,the number of pans decreases with an increasing λ,and the average heat decreases also.So,the actual plan should be base on your specific needs.ConclusionIn conclusion,our team is very certain that the method we came up with is effective in heat distribution analysis.Based on our model,the more edges the pan has,the more evenly the heat distribute on.With the discretize-convert approach,we know that when the ratio of width and length of the oven (γ)is a constant,the number of pans increases with an increasing P ,but the average heat decreases.When the weight P is a constant,the number of pans decreases with an increasing γ,and the average heat decreases also.So,the actual plan should be base on your specific needs.Strengths &WeaknessesStrengths•Difficulties Avoided Avoided..In model 1,we turn to another way to work simulate the heat distribution instead of work on heat conduction directly.Firstly,we simulate heat radiation not heat conduction to keep away from the sophisticated partial differential equations.Then,we create a unique method to convert every variable from the whole space to section.In other words,we work everything out in heat radiation and convert them into heat contradiction.•Close to Reality.Our model considers both the thermal radiation and surface reflection,which is relatively close to the actual situation.•Flexibility Provided.Our algorithm does a great job in flexibility.The heat distribution map on sections are intercepted from the heat distribution maps of the entire space.All shapes of sections can be used in the algorithm.The heat distribution in the whole space is generated based on the location of the electrical heating tubes and the decay curve of the heat, which can be modified at any time.•Innovation.Based on our model,the space of an oven can be divided into six parts with different hear distribution.In order to make full use of the inner space,we invent a new pan which allows users to cook six different kinds of food at same time.An advertisement is published in the end of the paper.WeaknessesPan’’s Thermal Conductivity Ignored.•PanThe heat comes from not only the electrical heating tubes,but also heat conduction of the pans themselves.But the pan’s thermal conduction is ignored in the model,which may cause little inaccuracy.•Thermal Conductivity of Electrical Heating Tubes IgnoredIgnored..it is assumed that there are two electrical heating tubes in the oven and placed in a specific location.The initial temperature of the tubes is a desired constant temperature. In other words,the time electrical heating tubes spend to heating themselves is ignored.The simplification can cause some inaccuracy.simplification..•Linear simplificationIn model2,the length of the oven is discretized,so that the number of pans will changes linearly.calculating through simple integer linear method.This will lead to the result of our model is not accurate enough.ApplicationWe have discussed the heat distribution in the oven in model1.The heat distributionis shown in figure1and figure2.Figure1Figure2As shown,the edges of the oven are distributed the most heat.Areas on both sides of the,is distributed the least heat.While the middle area absorbs little less than theedges.So,we can separate the oven area into six parts,as shown bellow.Part1and part2are distributed the least heat and located the furthest from the heat source(the electrical heating tubes locate on the bottom of the oven).So these two parts absorb the least heat.Part3and part4are distributed the least heat but locating the nearest to the heat source.Part5located far from the bottom but distributed the most heat.So simply,we regard the heat of part3,part4and part5as the same.Part6 is distributed the most heat,and locating nearest to the bottom.So,the heat part6 absorbs is the most in the oven.Based on our conclusion above,we invent the iPan,a new combined pan,which can bake three kinds of food at the same time.For example,one wants to have a little bread,pieces of sausage,a chicken wing and a pizza for lunch.He will have to wait 30minutes at least for his lunch,if he just has one oven.As the Chinese saying goes,‘Bear paws and fish never come together’.By using iPan can solve the issue for him,he could put the bread in pan1,pizza in pan2,sausage in pan5and chicken wing in pan6,and power on.Thus,he can have his delicious lunch in at least10minutes.So,bear paws and fish come together.We make an advertisement for Brownie Gourmet Magazine in the end of the paper.Advertising SheetsReferences[1]Heat Radiation,/view/f5ed1619cc7931b765ce1599.html, Page.4[2]G.S.Ranganath,Black-body Radiation,/article/10.1007%2Fs12045-008-0028-7?LI=true#,February, 2013[3]Kaiqing Lu,The Chemical Basis of Heat Transfer,Journal of Higher Correspondence Education(Natural Sciences Edition),Vol.3:p.33,1996[4]Mark M.Meerschaert,Mathematical Modeling(Third Edition),China:China Machine Press,May.2009[5]Jianzhong Zhang,Monte Carlo Method,Mathematics in Practice and Theory,Vol.1p.28,1974[6]Shallow water equations,/wiki/Shallow_water_equations。
2013年美国数学建模竞赛B题
水资源计划摘要本文是要设计一个有效的，可行的，低成本的用水计划，来满足某国2025年的用水需求。
我们选择中国为研究对象，根据中国各地区历年的水资源总量并求出其均值，参考各地区历年用水总量来预测2025年的用水总量，将两者相减得出差值，并以此为依据将中国各地区分为缺水地区，不缺水地区，水资源丰富地区三类。
经研究分析有两种可行性高的方案。
第一种，由水资源丰富地区向缺水地区提供水。
第二种，是由沿海缺水城市进行海水淡化并运往其他缺水城市。
我们主要考虑经济因素对两种方案进行分析研究，最终得出结论由水资源丰富地区铺设管道向缺水地区提供水为最优方案。
并以各省的省会作为核心城市，说明全省的需水和调水情况，并以省会城市或直辖市为顶点构成一个赋权图，即把问题转换为求水资源丰富地区到缺水地区的最短路问题，并用图论的知识来解决问题。
在此基础上考虑到此方案会改变就业，生产力，水资源利用等因素，从而对经济，物理，环境产生不同程度的影响，并用层次分析加以研究，最终以报告的方式向政府反映。
关键词：回归分析最小生成树层次分析法一、问题重述淡水是世界大部分地区的发展限制。
试建立一个数学模型，用来确定一个有效的、可行的和低成本的水资源战略，以满足2025年预计的用水需求，特别是，您的数学模型必须解决存储和输送，去盐碱化和环境保护等问题。
如果可能的话，用你的模型探讨此战略在经济，物理和环境等方面的影响。
试提供一个非技术性的文件，向政府相关部门介绍你的方法以及其可行性和成本，并说明为什么它是“最好的水战略”。
二、符号说明ˆy：预测得出的2025年用水量；S：输水的造价；1S：海水淡化的造价；2d1: 输水工程的单位造价；d2：海水淡化的单位造价；2R：拟合度.三、模型假设1.从2013年到2025年各外部因素对水资源总量无影响，例如：雪灾、地震、洪水、战争等对环境的影响；2.各地区海水淡化单位费用相同；3.不同地区淡水转移的单位费用相同；4.人们的消费水平及劳动力费用不会随意外事故发生明显改变。
2013全国数学建模竞赛B题优秀论文.
基于最小二乘法的碎纸片拼接复原数学模型摘要首先对图片进行灰度化处理,然后转化为0-1二值矩阵，利用矩阵行（列）偏差函数，建立了基于最小二乘法的碎纸片拼接数学模型，并利用模型对图片进行拼接复原。
针对问题一，当两个数字矩阵列向量的偏差函数最小时，对应两张图片可以左右拼接。
经计算，得到附件1的拼接结果为：08,14,12,15,03,10,02,16,01,04,05,09,13,18,11,07,17,00,06。
附件2的拼接结果为:03,06,02,07,15,18,11,00,05,01,09,13,10,08,12,14,17,16,04。
针对问题二，首先根据每张纸片内容的不同特性，对图片进行聚类分析，将209张图片分为11类；对于每一类图片，按照问题一的模型与算法，即列偏差函数最小则进行左右拼接,对于没有拼接到组合里的碎纸片进行人工干预，我们得到了11组碎纸片拼接而成的图片；对于拼接好的11张图片，按照问题一的模型与算法，即行偏差函数最小则进行上下拼接,对于没有拼接到组合里的碎纸片进行人工干预。
我们最终经计算，附件3的拼接结果见表9，附件4的拼接结果见表10。
针对问题三，由于图片区分正反两面，在问题二的基础上，增加图片从下到上的裁截距信息，然后进行两次聚类，从而将所有图片进行分类，利用计算机自动拼接与人工干预相结合，对所有图片进行拼接复原。
经计算，附件5的拼接结果见表14和表15该模型的优点是将图片分为具体的几类，大大的减少了工作量，缺点是针对英文文章的误差比较大。
关键字：灰度处理，图像二值化，最小二乘法，聚类分析，碎纸片拼接一、问题重述碎纸片的拼接复原技术在司法鉴定、历史文献修复与研究、军事情报获取以及故障分析等领域都有着广泛的应用。
近年来，随着德国“斯塔西”文件的恢复工程的公布，碎纸文件复原技术的研究引起了人们的广泛关注。
传统上，拼接复原工作需由人工完成，准确率较高，但效率很低。
特别是当碎片数量巨大，人工拼接很难在短时间内完成任务。
2013年数学建模美赛B题论文
2013建模美赛B题思路摘要水资源是极为重要生活资料，同时与政治经济文化的发展密切相关，北京市是世界上水资源严重缺乏的大都市之一。
本文以北京为例，针对影响水资源短缺的因素，通过查找权威数据建立数学模型揭示相关因素与水资源短缺的关系，评价水资源短缺风险并运用模型对水资源短缺问题进行有效调控。
首先，分析水资源量的组成得出影响因素。
主要从水资源总量（供水量）和总用水量（需水量）两方面进行讨论。
影响水资源总量的因素从地表水量，地下水量和污水处理量入手。
影响总用水量的因素从农业用水，工业用水，第三产业及生活用水量入手进行具体分析。
其次，利用查得得北京市2001-2008年水量数据，采用多元线性回归，建立水资源总量与地表水量，地下水量和污水处理量的线性回归方程yˆ=-4.732+2.138x1+0.498x2+0.274x3根据各个因数前的系数的大小，得到风险因子的显著性为r x1>r x2>r x3(x1, x2，x3分别为地表水、地下水、污水处理量)。
再次，利用灰色关联确定农业用水、工业用水、第三产业及生活用水量与总用水量的关联程度r a=0.369852，r b= 0.369167，r c=0.260981。
从而确定其风险显著性为r a>r b>r c。
再再次，由数据利用曲线拟合得到农业、工业及第三产业及生活用水量与年份之间的函数关系，a=0.0019（t-1994）3-0.0383（t-1994）2-0.4332（t-1994）+20.2598;b=0.014（t-1994）2-0.8261t+14.1337;c=0.0383（t-1994）2-0.097（t-1994）+11.2116;D=a+b+c；预测出2009-2012年用水总量。
最后，通过定义缺水程度S=（D-y）/D=1-y/D，计算出1994-2008的缺水程度，绘制出柱状图，划分风险等级。
我们取多年数据进行比较，推测未来四年地表水量和地下水量维持在前八年的平均水平，污水处理量为近三年的平均水平，得出2009-2012年的预测值，并利用回归方程yˆ=-4.732+2.138x1+0.4982x2+0.274x3计算出对应的水资源总量。
2013全国大学生数学建模竞赛B题
将008代表的矩阵C8的第二列元素与其它矩 阵的第一列元素进行两两匹配。记录元素相 同的个数，个数除以1980为C8矩阵第二列对 其它矩阵第一列的边缘匹配度，记为：
比较这18个数据，最大的即为与008匹配的 碎纸片。然后以所找到的碎纸片的第二列开 始，求出它与其它矩阵第一列的边缘匹配度， 找出最大的，以此类推把19张碎纸片拼接完 成。
三.问题2的分析
英文碎纸片的分析 通过观察可以发现英文字母的主要的 部分拥有同一上界和同一下界，例如：
将图片中每一行中黑色像素数少于13的及 字母的次要部分转变为二值化矩阵中的0， 将每一行中黑色像素大于等于13的及字母 的主要部分转化为二值化矩阵中的1，这样 得到的新的二值化矩阵 。例如图像转变为 如下图的方式：
二.问题1的分析
步骤一：使用matlab中的imread函数 可以做出图片的灰度矩阵 ，读取每 张图片文件的数据，其目的是将附件 中给的 bmp 格式的碎纸片图以灰度 值矩阵的形式存储。再将灰度值矩阵 转化为 0-1 矩阵，来得到模型的数 据基础；
由于该像素图片转换后为
的矩阵，ቤተ መጻሕፍቲ ባይዱ
论文中无法放置，所以仅简单举例说明:
以纸片000与001为例，匹配方式可能为：
将①②的边缘匹配度相加得到边缘匹配度 之和，将③④的边缘匹配度相加得边缘匹 配度之和，两者的和做出比较。若仅有一 个大于等于1.9，则计算机输出该匹配度， 人工判断是否碎纸片是否匹配；若两者均 大于等于1.9，计算机把两个匹配度之和输 出，人工选择判断碎纸片应是否匹配与如 何匹配；若两者均小于1.9，则计算输出最 大者，人工判断碎纸片是否匹配。这样可 以得到一些在同一横行的碎纸片的拼接。
总体思路
三步走：分行，行内排序，行间排序
2013年研究生数学建模优秀论文B9
目录
1.问题重述................................................................................................................ - 1 2.基本假设与符号约定............................................................................................ - 2 2.1 基本假设 ..........................................................................................................- 2 2.2 符号约定 ..........................................................................................................- 2 3.问题 1 无记忆功放................................................................................................ - 3 3.1 问题分析 ..........................................................................................................- 3 3.2 模型建立及求解 ..............................................................................................- 3 3.2.1 数据分析及处理....................................................................................... - 3 3.2.2 建立功放非线性数学模型....................................................................... - 4 3.2.3 预失真约束条件综合分析....................................................................... - 4 3.2.4 基于 LMS 自适应算法的预失真模型 .................................................... - 5 3.2.5 仿真结果................................................................................................... - 6 3.2.6 LMS 算法的改进 ..................................................................................... - 7 4.问题 2 有记忆功放.............................................................................................. - 10 4.1 问题分析 ........................................................................................................- 10 4.2 模型建立与求解 ............................................................................................- 10 4.2.1 记忆功放非线性特性模型求解与评价................................................. - 10 4.2.2 预失真模型求解与评价......................................................................... - 12 5.问题 3 拓展研究.................................................................................................. - 17 5.1 相邻信道功率比 ACPR.................................................................................- 17 模型总结与展望..................................................................................................... - 18 参考文献................................................................................................................. - 19 -
2013年美赛数学建模b题的分析
美国2025年可提供的实际淡水量怎样预测？
（ 可以先预测不同地区不同领域供水量，再相加）
如果实际淡水量小于需求量，可通过那些 方法提供不足的淡水？ （例如：海水淡化、不同地区淡水转移）
这些方法那个更好？（比较的依据是什么？ 例如费用，环境） 需要做出那些假设？
1. 从现在到2025年之前不会有战争，自然灾害等 影响因素 2.同一个地区的居民年用水量相同 3.同一个地区的居民量的年增长率为常数 4.不同地区海水淡化的单位费用相同 5.不同地区淡水转移的单位费用相同
注：模型假设一般是在问题分析中根据需要提出的，所以可以先提出 基本假设，以后再补充
Vx pre S
1.预测2025年供水量的模型（以一个州 的降水量为例）
其中， 表示州i 的可用降水量， 表示 该州的单位面积平均年降水量， Si 表示该 州的淡水地表面积
Vx pre S
2.预测2025年需水量的模型（以一个州的居民 用水量为例）
若 V大于0，则说明2025年美国的淡水量是足够 的，然后再看每个州需要补充的淡水量， 即 V V ，
si ri
若每个州需要补充的淡水量均大于0，则不需要采 取任何措施，
否则，需要在不通州之间进行淡水调度。
若 V小于0，则说明2025年美国的淡水量是不足的， 需要采取海水淡化等措施
注：为使表达更清晰，可以在论文中采用图、表等形式
其中， 表示州i 在2025年人口数量， 表示该 州在2010年人口数量， 表示该州的人口平均年增 长率则该州在2025年的居民用水量为
i Vri w N 2 0 0 5
其中 ，w 表示该州居民的平均年用水量
3. 2025年美国需要补充的淡水量
数学建模2013年b题
数学建模2013年b题
一、题目背景介绍
数学建模2013年b题涉及到的背景知识如下：
1.题目背景：题目来源于现实生活中的某个实际问题，需要运用数学知识进行分析和解决。
2.知识点：题目涉及到的数学知识点包括线性规划、微分方程、概率论等。
二、数学建模方法概述
数学建模方法是指运用数学理论与方法对现实问题进行抽象、简化和求解的过程。
在本题中，我们需要根据题目背景，选择合适的数学方法进行建模和求解。
三、解题步骤与方法详解
1.步骤一：阅读题目，理解题意，提炼关键信息。
2.步骤二：根据题目背景和关键信息，选择合适的数学方法进行建模。
3.步骤三：建立数学模型，列写出相应的数学方程。
4.步骤四：求解数学方程，得到模型解。
5.步骤五：检验模型解的合理性，并对模型进行优化。
6.步骤六：根据模型解分析实际问题，撰写论文。
四、模型检验与优化
1.模型检验：检验模型解是否符合实际情况，可以通过与实际数据进行对比来验证。
2.模型优化：根据实际问题的变化，对模型进行调整和改进，以提高模型的准确性和实用性。
五、应用实例与分析
以下是一个与应用实例相关的问题：
某企业在生产过程中，需要对生产流程进行优化，以降低成本、提高效益。
我们可以通过数学建模方法，对企业生产流程进行分析，找到最优的生产策略。
六、总结与展望
1.总结：通过对2013年数学建模b题的分析，我们了解了如何运用数学建模方法解决实际问题，并掌握了线性规划、微分方程等数学知识。
2.展望：未来，我们可以将所学知识应用于更多实际问题，为各行各业提供有益的决策支持。
2013年全国数学建模B题一等奖论文
（由由由由由由）第十届华为杯全国研究生数学建模竞参学校南京师范大学参参队号103190031.佟德宇队员姓名2.顾燕3.贾泽慧(由由由由由由)第十届华为杯全国研究生数学建模竞参题 目 功率放大器非线性特性及预失真建模摘 要针对问题一中求解输入输出信号之间的非线性功放特性函数问题, 采用了不同的多项式函数, 运用最小二乘法或正则化后的最小二乘法进行拟合求解. 并用参数NMSE 来评价所建模型的准确度. 结果发现在逼近函数选为函数基的情况下, 采用正则化后的最小二乘法得出的模型准确度最好, 其对应的参数NMSE=-68.6294.同时考虑计算量和模型准确度, 在由多项式变形函数逼近功放的模型基础上, 来进行预失真模型的建立. 根据题中给出的原则和约束, 可知预失真模型的表达式与功放模型的表达式是类似的, 从而可建立相应的预失真模型.：-11()()()K k k k z t h x t x t ==∑K=4时, 整体模型的放大倍数g=1.8693, 参数NMSE=-32.5819, EVM=2.3491; K=5时, g=1.8473, 参数NMSE=-37.1398, EVM=1.3900; K=7时, g=1.8326, 参数NMSE=-46.0624, EVM=0.4976.针对问题二, 直接将功放的输入输出与题目中所提的“和记忆多项式”模型进行拟合, 运用正则化后的最小二乘法进行求解, 这很好的保证了模型的可解性. 本题只考虑功放模型次数为5的情形. 当记忆深度为7时, 得NMSE=-45.8394; 当记忆深度为3时, 得NMSE=-44.5315. 预失真模型的建立与问题一类似, 文中以框图的方式建立了预失真处理的模型实现示意图, 并对次数为5、记忆深度为3的情形, 求解出整体模型的放大倍数g=9.4908, 参数NMSE=-37.8368, EVM=0.0128.针对问题三, 将所给的离散的、有限的输入输出数据作为随机过程的样本函数,通过其傅立叶变换得到功率谱参度函数. 文中分别给出了输入信号、无预失真补偿的功率放大器输出信号、采用预失真补偿的功率放大器输出信号的功率谱参度图形. 可解出它们的ACPR 分别为-155.6610、-74.3340、-104.4904, 最后对结果进行分析评价, 得出采用预失真补偿的功率放大器的输出信号效果比无预失真补偿的效果好. 关键字：最小二乘法、Tikhonov正则化、Fourier变换一、问题重述信号的功率放大是电子通信系统的关键功能之一, 其实现模块称为功率放大器( PA, Power Amplifier), 简称功放. 功放的输出信号相对于输入信号可能产生非线性变形, 这将带来无益的干扰信号, 影响信信息的正确传递和接收, 此现象称为非线性失真.功放非线性属于有源电子器件的固有特性, 研究其机理并采取措施改善, 具有重要意义. 目前已经提出了各种技术来克服功放的非线性失真, 其中预失真技术是被研究的较多的一项技术, 其最新的研究成果已经被运用于实际的产品中, 但在新算法、实现复杂度、计算速度、效果精度等方面仍有相当的研究价值.预失真的基本原理是：在功放前设置一个预失真处理模块, 这两个模块的合成总效果使整体输入-输出特性线性化, 输出功率得到充分利用.文中给出了NMSE 、EVM 等参数评价所建模型其准确度, 以及ACPR 表示信道的带外失真的参数.根据数据文件中给出的某功放无记忆效应、有记忆效应的复输入输出测试数据：(1)我们建立此功放的非线性数学模型()G ⋅, 并用NMSE 来评价所建模型的准确度.(2)根据线性化原则以及“输出幅度限制”和“功率最大化”约束, 计算线性化后最大可能的幅度放大倍数, 建立预失真模型. 并运用评价指标参数NMSE/EVM 评价预失真补偿的计算结果.(3)应用问题二中所给的数据, 计算功放预失真补偿前后的功率谱参度(输入信号、无预失真补偿的功率放大器输出信号、采用预失真补偿的功率放大器输出信号), 并用图形的方式表示了这三类信号的功率谱参度. 最后用相邻信道功率比ACPR 对结果进行分析.二、模型假设1、假设题中所给的功放输入输出数据采样误差为0.2、假设题中所给的功放输入输出数据具有代表性、一般性.3、假设存在这样的预失真处理器, 能够做到将输入数据变为模型求解所得的预失真 处理输出结果.三、基本知识§3.1 最小二乘方法最小二乘方法[][]12产生于数据拟合问题, 它是一种基于观测数据与模型数据之间的差的平方和最小来估计数学模型中参数的方法. 输入数据t 与输出数据y 之间大致服从如下函数关系(,)y x t φ=,式中n x R ∈为待定参数. 为估计参数x 的值, 要先经过多次试验取得观测数据1122(,),(,),,(,)m m t y t y t y , 然后基于模型输出值和实际观测值的误差平方和21((,))m i ii y x t φ=−∑最小来求参数x 的值, 这就是最小二乘问题. 一般地, m n .引入函数()(,), 1,2,,i i i r x y x t i m φ=−= ,并记12()((), (), , ())m r x r x r x r x = ,则最小二乘问题即为n min ()()T x Rr x r x ∈. 如果最小二乘问题中的模型函数估计准确, 那么最小二乘问题的最优值是很靠近零的. 因此()r x 常称作残量函数.对于线性最小二乘问题, 残量函数可以表示为()r x b Ax =−,从而线性最小二乘问题可以表示为2min n x R b Ax ∈−. (3.1.1) 若A 是列满秩的, 且考虑到二次凸函数的稳定点即为最小值点, 可以直接得到x 的求解公式, 即()1T T x A A A b −=. (3.1.2) 而对于复数域上的线性最小二乘问题n 2min x C b Ax ∈−, 也可以直接得到x 的求解公式, 即为()-1T x A A A b =, (3.1.3) 其中, T A 表示A 的共轭转置.§3.2 Tikhonov 正则化在使用最小二乘方法进行参数估计的时候, 由于A 不一定是列满秩的, 故T A A 不一定是可逆的, 此时就不能够用上面所推得的公式进行直接的求解了. 为了克服这个困难,考虑Tikhonov 正则化[]3方法, 即给目标函数加上一个正则项(即一个邻近项)2k k x x λ−.此时, 最小二乘问题转化为n 221min +k k k x C x b Ax x x λ+∈=−−.其中k x 是第k 步迭代得到的解, k λ可以选为一个常数或一个单调下降趋于0的数列. 迭代的终止准则为1k k x x ε+−≤,其中ε是一个给定的误差上界.考虑到二次凸函数的稳定点即为最小值点, 这时问题22min n k k x C b Ax x x λ∈−+− 是可以直接求解的, 给出x 的求解公式为()()1T k k k x A A I A b x λλ−=++.显然, 此时即使A 非列满秩, 问题也是可以求解的.四、问题分析问题一题中已给出了某功放无记忆效应的复输入输出测试数据, 现需要建立此功放的非线性特性数学模型, 拟合出功放的特性函数()G⋅. 根据函数逼近理论, 功放的特性函数可以用多项式来表示, 也可以用空间中的一由正交函数基来表示. 然后采用最小二乘法或正则化后的最小二乘法, 将这些情况都进行求解, 得出功放的特性函数()G⋅. 并在最后用参数NMSE(归一化均方误差)来评价所建模型的准确度.接着, 在前面所建模型的基础上, 选择一个计算量适当, 且准确度较好的()G⋅的一个拟合模型. 然后根据线性化原则以及“输出幅度限制”和“功率最大化”约束, 建立预失真模型, 使得整体模型线性化后放大倍数尽可能的大. 通过对优化模型的分析可知, 对预失真特性函数()F⋅的求解可以转化为对1Gg−⎛⎞⎜⎟⎝⎠的求解, 且预失真模型的表达式与功放模型的表达式是类似的. 在求解1Gg−⎛⎞⎜⎟⎝⎠时, 可以对求解所用模型的次数进行不同的选取,分别得出整体模型的g和NMSE、EVM的值, 用来评价预失真补偿的结果.问题二题中已给出了某功放有记忆效应的复输入输出测试数据, 现需要建立此功放的非线性特性数学模型, 拟合出功放的特性函数()G⋅. 根据函数逼近理论, 本文直接将功放的输入输出与题目中所提的“和记忆多项式”模型来进行拟合, 在使用最小二乘方法求解时, 我们对目标函数加了一个正则项, 以保证求解的可实现性.预失真处理器模型的建立与问题一类似, 且给出了以框图的方式建立的预失真处理的模型实现示意图.问题三问题二中所给的输入输出数据是离散的、有限的, 在这种情况下计算功率谱参度的函数可以用自相关函数法或对随机过程{}()x t的样本函数作傅立叶变换得到, 文中采取第二种方法来求解.五、模型建立与求解§5.1 问题一的模型与求解§5.1.1 无记忆功放的特性函数()G⋅模型建立文章中已给出某功放无记忆效应的复输入输出测试数据, 这些数据是对功放输入)(tx/输出)(t z进行离散采样后得到的, 它们的值为分别为()x n/()z n(采样过程符合Nyquist采样定理要求).对于问题一, 根据文章中所给的某功放无记忆效应的复输入输出测试数据, 首先需要建立此功放的非线性特性数学模型, 拟合出功放的特性函数()G⋅. 根据函数逼近理论,可以采用1、多项式的形式2、多项式的变形的形式3、空间中的一由正交函数基的线性由合来表示4、正则化下, 空间中的一由正交函数基的线性由合来表示下面将这些情况都进行建模, 来拟合功放的特性函数()G ⋅, 并在最后进行比较选择优者.所求得的模型的数值计算结果业界常用NMSE 、EVM 等参数评价其准确度, NMSE 的具体定义如下. 采用归一化均方误差 (Normalized Mean Square Error, NMSE) 来表征计算精度, 其表达式为211021ˆ|()()|NMSE 10log |()|N n N n z n z n z n ==−=∑∑ . (5.1.1) 如果用z 表示实际信号值, ˆz表示通过模型计算的信号值, NMSE 就反映了模型与实际模块的接近程度. 显然NMSE 的值越小, 模型的数值计算结果就越准确.误差矢量幅度 (Error Vector Magnitude, EVM)定义为误差矢量信号平均功率的均方根和参照信号平均功率的均方根的比值, 以百分数形式表示. 如果用X 表示理想的信号输出值, e 表示理想输出与整体模型输出信号的误差, 可用EVM 衡量整体模型对信号的幅度失真程度:EVM 100%= . (5.1.2)模型一 多项式的形式首先根据函数逼近的Weierstrass 定理, 对解析函数采用简单的多项式来表示, 可表示为∑==Kk k k t x h t z 1)()(. (5.1.3)因为此时是要将观测数据与形式已经固定的函数(5.1.3)进行拟合, 而目的是求解该函数的各项系数, 所以该问题其实就是最简单的线性最小二乘问题.模型建立()n 211min ()N K k k h C n k z n h x n ∈==−∑∑, (5.1.4) 其中, ()x n 和()z n 为文章中所给的输入和输出测试数据, 这些数据是对功放输入()x t 、输出()z t 进行离散采样后得到的(采样过程符合Nyquist 采样定理要求),N 为功放输入输出数据的总个数.将问题(5.1.4)与( 3.1.1)进行对应, 由( 3.1.3)可以直接得到系数的表达式为()-1T h A A A z = 其中232323 (1) (1) (1) (1) (2) (2) (2) (2) () () () ()K K K x x x x x x x x A x N x N x N x N ⎡⎤…⎢⎥…⎢⎥=⎢⎥⎢⎥⎢…⎥⎣⎦, ()12,,,TK h h h h =…, ()()()()1,2,,Tz z z z N =….结果当3K =时, (见附录2.1.1)该表达式中的系数为123 2.908532278399690.060653883258900.213775998314930.43417026083854 0.198185637666730.27826757408010h ih i h i=−=−=+.根据模型一以及(5.1.1)式, 可以求出NMSE 的值如下：()NMSE 13.4414169873254 3k =−=.当5k =时, (见附录2.1.2 )表达式中的系数为12345 2.908037719327826 - 0.063527494375989i0.343519806629302 - 0.388942747664566i0.541211413428411 - 0.144422960285135i -0.399744749427209 - 0.558463329513045i-0.271952185146638 + 0.1205591h h h h h =====40060622i根据模型一以及(5.1.1)式, 可以求出NMSE 的值如下：()NMSE -21.544782705381238 5k ==.模型二 多项式的变形同时我们也考虑了多项式变形[]4的情形来对其进行表示, 其表示式为-11()()()K k k k z t h x t x t ==∑. (5.1.5)因为此时是要将观测数据与形式已经固定的函数(5.1.5)进行拟合, 而目的是求解该函数的各项系数, 所以该问题其实就是最简单的线性最小二乘问题.模型建立()n 2-111min ()()N K k k h C n k z n h x n x n ∈==−∑∑ (5.1.6)其中N 为所给功放输入输出数据的总个数, K 为表达式的次数. 将问题(5.1.6)与(3.1.1)进行对应, 由(3.1.3)可以直接得到系数的表达式为()-1T h A A A z = 其中212121(1) (1)(1) (1)(1) (1)(1)(2) (2)(2) (2)(2) (2)(2) () ()() ()() ()()K K K x x x x x x x x x x x x x x A x N x N x N x N x N x N x N −−−⎡⎤…⎢⎥⎢⎥…=⎢⎥⎢⎥⎢⎥…⎢⎥⎣⎦,()123,,,,TK h h h h h =…, ()()()()()1,2,3,,Tz z z z z N =…. 分别考虑当3k =, 5k =时, 该表达式的具体形式(即确定表达式的系数).结果当3k =时, (见附录2.1.3 )表达式中的系数为123 3.051183005392040.00000000000001 0.006071903393980.00000000000005 1.170159412626470.00000000000004h ih i h i=−=+=−−.根据上面所建立的模型以及(5.1.1)式, 可以求出NMSE 的值如下：()NMSE 29.7446547565428 3k =−=.当5k =时, (见附录2.1.4 )表达式中的系数为12345 2.967983597251020.00000000000080 0.309931644197600.00000000000873 0.153664636905190.00000000002804 3.424500445954250.00000000003458 2.208212395486470.00000000001446h ih ih i h ih i=−=+=−−=−+=−.根据上面所建立的模型以及(5.1.1)式, 可以求出NMSE 的值如下：()NMSE 45.379717608769994 5k =−=模型三 空间中的一由正交函数基的线性由合最后根据函数逼近理论, 可采用空间中的一由正交函数基[]4的线性由合来表示该特性函数(参考文献3中的方法), 其表达式为()z t h =Ψ, (5.1.7)其中正交矩阵12[() () ()]k x x x ψψψΨ= ,11()!()(1)(1)!(1)!()!kl l k k l k l x x x l l k l ψ−+=+=−−+−∑. 因为此时是要将观测数据与形式已经固定的函数(5.1.7)进行拟合, 而目的是求解该函数的各项系数, 所以该问题其实就是最简单的线性最小二乘问题.模型建立 n 2min h C z h ∈−Ψ (5.1.8) 其中()123,,,,TK h h h h h =…, ()()()()()1,2,3,,T z z z z z N =…, ()()()12[() ()()]k x n x n x n ψψψΨ= ,()()()11()!()(1)(1)!(1)!()!k l l kk l k l x n x n x n l l k l ψ−+=+=−−+−∑, N 为功放的输入输出数据的总个数. 将问题(5.1.8)与(3.1.1)进行对应, 由(3.1.3)可以直接得到系数的表达式为 ()-1T T h z =ΨΨΨ. 由于计算量较大, 我们选取7=k 来进行拟合, 得出表达式中的系数.结果(见附录2.1.5)当7=k 时, 表达式中的系数为12345 3.287412936081622-7.322701472967097-015-0.091488124421954-2.16460963736731-015-0.066219774105875 5.035305939565804-0160.038056322596937 2.726632938529483-0160.01014165858755-1.2h e ih e ih e ih e i h ===+=+=6758894247527231-016-0.005283612035716-2.653720342429833-016-0.001265433154276-1.923256069376669-016e ih e ih e i==.根据上面所建立的模型以及(5.1.1)式, 可以求出NMSE 的值如下：()NMSE -60.5675309366592 7k ==模型四 模型三正则化模型建立对于模型三, 由于所给的数据较多, 很难避免本文3.2节中所提到的T ΨΨ奇异的情况, 故对(5.1.8)再进行一个Tikhonov 正则化. 即对(5.1.8)加一个正则项2k k h h λ−.问题转变为()1221min K M k k k h C h z h h h λ⋅×+∈=−Ψ+−. (5.1.9) 其中k h 是第k 步迭代得到的解(计算机运行求解时是要给其赋一个初始值的), 而k λ可以选为一个常数或一个单调下降趋于0的数列. 而迭代的终止准则为1k k h h ε+−≤,其中ε是一个给定的误差上界.考虑到二次凸函数的稳定点即为最小值点, 问题(5.1.9)是可以直接求解的, 得到h 的求解公式为()()()1T Tk k k h I z n h λλ−=ΨΨ+Ψ+. (5.1.10)此处, 我们仍选取7=k 来进行拟合, 其中一些参数选取为800111, 1, 0.8, 10k k h i λλλε−+=+===.则可得出表达式(5.1.7)中的系数.结果(见附录2.1.6)123456 3.2873994140515280.000008426827987-0.0914922453118830.000002568107767-0.066218825186175-0.000000591359660.038056824724197-0.0000003129219510.010141412616440.000000153287355-0h ih ih ih i h ih =+=+===+=7.0052839775157310.000000227764411-0.0012655686759970.000000084456122ih i+=+根据上面所建立的模型以及(5.1.1)式, 可以求出NMSE 的值如下：()NMSE -68.6293523598994 7k ==模型一~模型四的总评价对四种模型下参数NMSE 的大小进行比较发现, 当选用一由正交函数基, 并运用正则化后的最小二乘方法来对功放特性函数进行拟合时(即模型四), NMSE 的值是最小的. 也就是说2121ˆ|()()||()|Nn Nn z n zn z n ==−∑∑在模型四下是最靠近0的, 故模型四是逼近效果最好的.但模型四的计算复杂度是很大, 由所得的NMSE 参数可发现模型二的计算精度也是不错的, 但其计算的复杂度比模型四要小很多, 故选择模型二来求解功放特性函数. 且在下面的无记忆功放模型的预失真处理建模中, 功放特性函数是由模型二得出的.§5.1.2四种模型的输入输出幅度比较图与评价下面将实际的与拟合的复输入输出幅度值进行作图, 以便更直观的看出模型的逼近效果.图5.1 模型一k=3实际与拟合功放输入/输出幅度散点图 图5.1模型一k=5实际与拟合功放输入/输出幅度散点图图5.3模型二k=3实际与拟合功放输入/输出幅度散点图 图5.4 模型二k=5实际与拟合功放输入/输出幅度散点图图5.5 模型三实际与拟合的功放输入/输出幅度散点图图5.6模型四实际与拟合的功放输入/输出幅度散点图根据观察比较发现, 当用正交的函数基或对其实行一个正则化(即模型三和模型四), 来对功放特性函数进行拟合的时候, 拟合情形的输入输出幅度散点图与实际的输入输出幅度散点图的逼近效果是最佳的.k=时, 其散点图的逼近效果也是很好的.同时可观察到但模型二中的次数5§5.1.3 预失真处理模型建立选定-11():()()()Kk k k G z n b x n x n =⋅=∑的阶数5K =, 通过上面的算法可以得到当F 取不同阶数的情况下, g, NMSE, EVM 的结果及图像表5.1 F 取不同阶数情况下g, NMSE, EVM 的结果F 的阶数Kg NMSE EVM 4 1.86932497973065-32.5819077399852 2.34911681195961% 5 1.84730161996524-37.1398119663279 1.38998272147897% 7 1.83264461869445-46.06241433950440.497598752653887%由表5.1的结果可以看出当F 的阶数越高时, 得到的g 的值越小(说明线性化后的幅度放大倍数越小), NMSE 、EVM 的值越小(说明模型的计算精度越高, 整体模型对信号的幅度失真程度越小).图5.7理想信号与所建模型得到的输出信号对比(K=4) 图5.8理想信号与所建模型得到的输出信号对比(K=5)图5.9理想信号与所建模型得到的输出信号对比(K=7)根据观察发现, 当K 的取值越大时, 所建模型的输入输出幅度散点图与理想的输入输出幅度散点图的逼近效果越好.§5.2 问题二的模型与求解§5.2.1 有记忆功放的特性函数()G ⋅模型建立对于问题二, 根据文章中所给的某功放有记忆效应的复输入输出测试数据, 首先需要建立此功放的非线性特性数学模型, 拟合出功放的特性函数()G ⋅. 此时功放不仅与此时刻输入有关, 而且与此前某一时间段的输入有关, 其可以由为101111022220212()()()(1)()()(1)()K Mk km M k m M z n h x n m h x n h x n h x n M h x n h x n h x n M ===−=+−++−++−++−+∑∑ 01 ()(1)()K K K K K KM h x n h x n h x n M ++−++− , 0,1,2,,n N = .式中M 表示记忆深度, km h 为系数. 具有记忆效应的功放模型也可以用更一般的V olterra级数[][]56表示, 由于V olterra 级数太复杂, 简化模型有Wiener 、Hammersteint 等[][]47. 由于常用复值输入-输出信号, 上式也可表示为便于计算的“和记忆多项式”模型-110()(-)|(-)|K Mk km k m z n h x n m x n m ===∑∑ 0,1,2,,n N = (5.2.1)模型建立本文采用“和记忆多项式”模型(5.2.1)式来进行拟合. 我们用最小二乘法来求解, 由于本问中所给的输入输出的数据个数非常大, 故现在选取其中的一部分来进行拟合, 求得功放过程的模型. 我们选取输入输出数据的次数n 为1M +的倍数的数据来进行拟合, 最小二乘公式即为()()12-1(1)|10min (-)|(-)|K M K Mk km h CM nk m n Nz n h x n m x n m ××∈+==≤−∑∑∑ (5.2.2) 其中N 是指所有的功放的输入数据总个数, K 表示所选模型的最高次数, M 表示记忆深度(本文在求解模型时是事先给定的), ()x n 是第n 个复输入值, ()z n 是第n 个复输出值, km h 为系数, ()102001222212,,,,,,,, ,,,,TK K M M KM h h h h h h h h h h =…………….由于所给的数据较多, 即便是选取了部分数据进行拟合,但仍很难避免3.2节中所提到的A A 奇异的情况, 故对(5.2.2)再进行一个Tikhonov 正则化. 即对(5.2.2)加一个正则项2k k h h λ−,则问题转变为()()122-11(1)|10min (-)|(-)|K M K Mk k km k k h CM nk m n Nh z n h x n m x n m h h λ××+∈+==≤=−+−∑∑∑ (5.2.3) 其中k h 是第k 步迭代得到的解, 而k λ可以选为一个常数或一个单调下降趋于0的数列. 而迭代的终止准则为1k k h h ε+−≤,其中ε是一个给定的误差上界.当给定一个记忆深度M 后, 我们可以将问题(5.2.3)化成如下形式的问题, 即()22min nk k h Cz n Ah h h λ∈−+− (5.2.4) 其中A 是一个()()()()/11N M K M +×⋅+的复矩阵, 即1111(1) (1)(1) (1)(1) (1) (1)(1) (22) (22)(22) (22)(22) (2) (1)(1) K K K K x M x M x M x M x M x x x x M x M x M x M x M x M x x A −−−−+++++++++++=……………… ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦而()102001121112,,,,,,,, ,,,,TK K M M KM h h h h h h h h h h =…………….考虑到二次凸函数的稳定点即为最小值点, 问题(5.2.4)是可以直接求解的, h 的求解公式为()()()1Tk kk h A A I A z n h λλ−=++. (5.2.5)本题中已给出有记忆功放输入输出数据的总个数为73920N =, 并分别取 87, 5, 10M K ε−===和 83, 5, 10M K ε−===这两种情况. 这样就可以根据(5.2.5)求得h .结果(见附录2.2.1、2.2.2)当7,5M K ==时, 由于系数共有40个, 即h 是一个401×的大向量, 故将该结果放到附录中. 再根据上面所建立的模型及(5.1.1)式, 求出该模型的NMSE 值如下：NMSE -45.839408840847 7,5M K ===.当3,5M K ==时, 由于系数共有20个, 即h 是一个201×的大向量, 故将该结果放到附录中. 再根据上面所建立的模型及(5.1.1)式, 求出该模型的NMSE 值如下：NMSE 44.5315001961471 3,5M K =−==.§5.2.2有记忆功放模型的输入输出幅度图下面将实际与拟合的复输入输出幅度进行作图, 以便更直观的看出模型的逼近效果.图5.10 M=7实际与拟合功放输入/输出幅度散点图 图5.11 M=3实际与拟合功放输入/输出幅度散点图总评价根据观察比较发现, 尽管在用“和记忆多项式”模型进行拟合时, 我们只选取了一部分输入输出测量数据进行模型的建构. 但通过对上面两图的观察, 当对所有的输入测量数据进行作图时, 可发现拟合得到的输入输出幅度散点图与实际的输入输出幅度散点图的逼近效果还是很好的.§5.2.3 预失真处理模型建立上面已求得功放特性函数()G ⋅的模型, 采用“和记忆多项式”模型-110()(-)|(-)|K Mk kmk m z n hx n m x n m ===∑∑建立的功放模型. 下面建模的总体原则是使预失真和功放的联合模型呈线性后误差最小. 在此模型中, 有两个约束需要考虑：(1)输出幅度限制：即模型中的预失真处理的输出幅度不大于给出的功放输入幅度最大值.(2)功率最大化：即模型的建立必需考虑尽可能使功放的信号平均输出功率最大, 因此预失真处理后的输出幅度需尽可能提高.0≤下面我们将给出解决该优化问题的算法： 给定判断容限step1选定-110(): ()(-)|(-)|KMk km k m G z n h x n m x n m ==⋅=∑∑的阶数为5K =. 因数据量很大且算法较复杂, 本文对F 进行多次计算, 发现当阶数为5K =的时候与更高阶相比, 效果就已经很好了, 故下面只给出阶数为5K =时g, NMSE, EVM 的结果.本文取定记忆深度为 3M =, 现根据算法5.2可求得9.490829228013789g =,由于系数一共有20个, 即h 是一个201×的向量, 故将此结果放到附录中.根据上面所建模型以及(5.1.1)、(5.1.2)式, 可求出该模型的NMSE 、EVM 值如下：.NMSE -37.836849855461956EVM 0.012827957346961== 3,5M K ==由所得数据, 可以发现在该算法下, 得到的g 的值比较大(说明线性化后的幅度放大倍数大), NMSE 、EVM 的值较小(说明模型的计算精度越高, 整体模型对信号的幅度失真程度越小).图5.13 M=3, K=5实际与拟合功放输入/输出幅度散点图观察图5.13发现, 该情况下所建模型的输入输出幅度散点图与理想的输入输出幅度散点图逼近效果还是较好的. 故该模型是可行的.§5.3 问题三的模型与求解 §5.3.1背景知识功率谱的概念是针对功率有限信号的, 所表现的是单位频带内信号功率随频率的变化情况. 保留了频谱的幅度信息, 但是丢掉了相位信息, 所以频谱不同的信号其功率谱是可能相同的. 功率谱是随机过程的统计平均概念, 平稳随机过程的功率谱是一个确定函数；而频谱是随机过程样本的Fourier 变换, 对于一个随机过程而言, 频谱也是一个“随机过程”(随机的频域序列).功率谱参度(PSD), 它定义了信号或者时间序列的功率如何随频率分布. 这里功率可能是实际物理上的功率, 或者更经常便于表示抽象的信号, 被定义为信号数值的平方, 也就是当信号的负载为1欧姆(ohm)时的实际功率.由于平均值不为零的信号不是平方可积的, 所以在这种情况下就没有傅立叶变换. 维纳-辛钦定理(Wiener-Khinchin theorem)提供了一个简单的替换方法. 如果信号可以看作是平稳随机过程, 那么功率谱参度就是信号自相关函数的傅立叶变换. 信号的功率谱参度当且仅当信号是广义的平稳过程的时候才存在; 如果信号不是平稳过程, 那么自相关函数一定是两个变量的函数, 这样就不存在功率谱参度, 但是可以使用类似的技术估计时变谱参度. 随机信号是时域无限信号, 不具备可积分条件, 因此不能直接进行傅氏变换. 一般用具有统计特性的功率谱来作为谱分析的依据. 功率谱与自相关函数是一个傅氏变换对.一般的功率谱参度都是针对平稳随机过程的, 由于平稳随机过程的样本函数一般不是绝对可积的, 因此不能直接对它进行傅立叶分析. 可以有三种办法来重新定义谱参度,来克服上述困难.1. 用相关函数的傅立叶变换来定义谱参度；2. 用随机过程的有限时间傅立叶变换来定义谱参度；3. 用平稳随机过程的谱分解来定义谱参度.§5.3.2 模型建立计算功率谱参度函数通常有两种方法[]8. 一种叫做标准的自相关函数法, 其表达式为：(1)0()4()cos 2d x x G f R f τπττ∞=∫ (5.3.1)其中()x R τ表示某个各态历经的随机过程{}()x t 的自相关函数；另一种叫做直接法, 即是直接对随机过程{}()x t 的样本函数作傅立叶变换得到功率谱参度函数, 其表达式为：2(2)202()lim ()d T j ftx T G f x t e t Tπ−→∞=∫ (5.3.2)在计算机上计算功率谱参度函数时, 要求输入的数据必须是离散数值, 所以要对连续观测的数据记录必须做离散化处理. 这叫做数据采样. 离散化的数据值叫做采样数据. 实际计算时, 要求参加运算的采样数据的个数是有限的(即是说, 在有限的时间区段0-T 上进行计算). 在记录是离散的、有限的情况下, 计算功率谱参度函数的公式可以分别近似地表示为：1(1)01()22cos 2cos 2M x r M r G f t R R fr t R fM t ππ−=⎡⎤=Δ+Δ+Δ⎢⎥⎣⎦∑ (5.3.3)和21(2)202()N j fi t x i i G f t x e N t π−−Δ==ΔΔ∑ (5.3.4)这里, 将(5.3.4)式整理为()()21P f X f N=(5.3.5) 其中()X f 是()x n 的傅里叶变换, 在计算过程中可以直接调用FFT 函数.另外由题意可设出, per F 表示每个点上的频率, 其表达式为sper F F N=. M 表示每个信道所含的点的个数, 其表达式为0perF M F =.其中0F 表示每个传输信道上的频率. 故传输信道就只包含M 个点, 相邻信道也只包含M 个点.由于非线性效应产生的新频率分量由对邻道信号有一定的影响, 现用相邻信道功率比(Adjacent Channel Power Ratio, ACPR)表示信道的带外失真的参数, 衡量由于非线性效应所产生的新频率分量对邻道信号的影响程度. 其定义为。
2013年全国大学生电工杯数学建模竞赛一等奖论文(B题)
%
（1-2b）
化学不完全燃烧热损失是由于烟气中残留有诸如 CO ，H 2 ，CH 4 等可燃气体成分而 未释放出燃烧热就随烟气排出所造成的热损失。 气体不完全燃烧产物为 CO ， H 2 ， CH 4 等可燃气体，则其热损失应为烟气中各可燃 气体体积与它们的体积发热量乘积的总和。 题中说明过量空气系数对化学不完全燃烧热损失影响较小，故可视为常数处理。所 以，化学不完全燃烧热损失与过量空气系数没有直接关系，故可以假设化学不完全燃烧 热损失 q3 为一常数，即： q3 K （1-3） 5.1.4 机械不完全燃烧热损失 q4 的计算 机械不完全燃烧热损失是由于进入炉膛的燃料中， 有一部分没有参与燃烧或未燃尽 而被排出炉外引起的热损失。论其实质，是包含在灰渣（包括灰渣、漏煤、烟道灰、 飞 灰以及溢流灰、冷灰渣等）中的未燃尽的碳造成的热量的损失。对层燃炉而言，主要由 灰渣、漏煤、和飞灰三项组成。 在实际中因为漏煤的含量相对较少所以本文不考虑漏煤的量，对于运行中的锅炉， 分别收集它的每小时的灰渣和飞灰的质量 Ghz 和 G fh （kg/h） ，同时分析出它们所含可燃 物质的质量百分数 Chz 和 C fh （%）和可燃烧的发热量 Qhz 和 Q fh （kJ/kg）则灰渣和飞灰损
q2 q3 q4 q5 q6 I py
Qgy Qr H Wy Ghz G fh ahz a fh ahz
y
py hz
Ay (c ) hz
hz gl
5.模型的建立和求解
5.1 问题一：确定锅炉运行的最佳过量空气系数 5.1.1 问题的分析 因为 q 2 q3 q 4 先减少后增加，有一个最小值，与此最小值对应的空气系数称为最 佳过量空气系数。 所以首先要求出 q2 、q3 和 q4 的表达式。 然后求得 q 2 q3 q 4 的表达式， 在对这个表达式进行求导，让导数等于 0 这就是最佳过量空气系数。 5.1.2 排烟热损失 q2 的计算 由于技术经济条件的限制，烟气离开锅炉排入大气时，烟气温度比进入锅炉的空气 温度要高得多，排烟所带走的热量损失简称为排烟热损失。 排烟热损失可按如下公式计算[3]： （1-1） Q2 I py pyVk0 (ct ) amb kJ / kg
2013年研究生数学建模优秀论文B7
图 4-1 AM—AM 特性和 AM—PM 特性曲线
由图 4-1 可知两条曲线都是光滑的， 说明此功放为准无记忆功放， 这样的 AM-AM 与 AM-PM 特性曲线称为放大器的静态特性。 2. 无记忆功放模型——Saleh 模型和复系数幂级数模型 无记忆功放是指功放的当前输出信号与历史的输入成分无关而只与当前的输入信 号有关，无记忆功放模型被证明为最简单而且比较准确的行为模型，一般适用于窄带 信号和温度不变的功放系统中使用。在无记忆模型中，通常采用复系数幂级数模型、 Saleh 模型及 Rapp 模型等。 本文分别建立 Saleh 模型及复系数幂级数模型对无记忆功放的非线性特性进行描 述，并通过绘制 AM-AM，AM-PM 图对模型进行定性评价，利用 NMSE 指标对模型 进行定量评价。 (1) .Saleh 模型 Saleh 模型是根据对行波管功率放大器(traveling wave tube amplifier, TWTA)的输 入输出数据进行统计分析后得到的，TWTA 的 AM-AM 和 AM-PM 失真相对来说都比 较明显，并且该模型的参数较少，参数的提取也比较方便，是目前一种常用的无记忆 功放模型[3]。 假设功放的输入信号为：
参赛密码 (由组委会填写)
第十届华为杯全国研究生数学建模竞 赛
学
校
桂林电子科技大学
参赛队号 1. 队员姓名 2. 3.
2013数模竞赛论文模板
承诺书我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。
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章程和参赛规则的，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，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。
如有违反竞赛章程和参赛规则的行为，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）：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)：（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。
以上内容请仔细核对，提交后将不再允许做任何修改。
如填写错误，论文可能被取消评奖资格。
）日期：年月日赛区评阅编号（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）：交巡警服务平台的设置和调动摘要本题中我们采用了0-1整数规划方法，将警力平台优化以及分配问题转化为指派问题，建立多目标优化的数学模型。
本文的优点是计算结果非常详细，思路清晰易行，得到了比较好的优化结果。
对于问题一，我们首先应用DIJKSTRA算法求出A区各路口的最短路径矩阵。
然后以各服务平台为中心，与该服务台距离最短的路口都属于该平台管辖（结果见表1）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
承诺书我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。
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章程和参赛规则的，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，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。
如有违反竞赛章程和参赛规则的行为，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）：所属学校（请填写完整的全名）：兰州交通大学参赛队员(打印并签名) ：1. 杨润华2. 于守阳指导教师或指导教师组负责人(打印并签名)：1. 雷斌2. 王履程（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。
以上内容请仔细核对，提交后将不再允许做任何修改。
如填写错误，论文可能被取消评奖资格。
）日期：年月日赛区评阅编号（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）：碎纸片的拼接复原方案摘要：1．问题的提出破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。
传统上，拼接复原工作需由人工完成，准确率较高，但效率很低。
特别是当碎片数量巨大，人工拼接很难在短时间内完成任务。
随着计算机技术的发展，人们试图开发碎纸片的自动拼接技术，以提高拼接复原效率。
1.1碎纸机破碎纸片的方式据题可知对于给定的来自同一页印刷文字文件，碎纸机破碎纸片的方式分为仅纵切、即纵切又横切两种碎纸方式。
1.2 碎纸片的分类给定的碎纸片有：（1）单面打印纸仅纵切汉字碎片；（2）单面打印纸仅纵切英文碎片；（3）单面打印纸即纵切又横切汉字碎片；（4）单面打印纸即纵切又横切英文碎片；（5）双面打印纸即纵切又横切英文碎片。
1.3 需要解决的问题（1）对给定的来自同一页单面打印纸仅纵切汉字碎片，设计碎纸片拼接复原模型和算法，并针对附件1给出的一页中文文件的碎片数据进行拼接复原。
（2）对给定的来自同一页单面打印纸仅纵切英文碎片，设计碎纸片拼接复原模型和算法，并针对附件2给出的一页中文文件的碎片数据进行拼接复原。
（3）对给定的来自同一页单面打印纸即纵切又横切汉字碎片，设计碎纸片拼接复原模型和算法，并针对附件3给出的一页中文文件的碎片数据进行拼接复原。
（4）对给定的来自纸仅纵切英文碎片，设计碎纸片拼接复原模型和算法，并针对附件4给出的一页中文文件的碎片数据进行拼接复原。
（5）对给定的来自同一页双面打印纸仅纵切英文碎片，设计碎纸片拼接复原模型和算法，并针对附件5给出的一页中文文件的碎片数据进行拼接复原。
2．问题的分析常规文档碎纸片计算机拼接方法一般利用碎片边缘的尖点特征、尖角特征、面积特征等几何特征，搜索与之匹配的相邻碎纸片并进行拼接，但这种基于边界几何特征的拼接方法并不适用于边缘形状及大小相同的碎纸片。
对这类边缘相似的碎纸片的拼接，理想的计算机拼接过程应与人工拼接过程类似，即拼接时不但要考虑待拼接碎纸片边缘是否匹配，还要判断碎片内的字迹断线或碎片内的文字内容是否匹配，然而由于理论和技术的限制，让计算机具备似人那种识别碎片边缘的字迹断线、以及理解碎片内文字图像含义的智能几乎不太可能。
但是利用现有的技术，完全可以获取碎片文字所在行的几何特征信息，比如文字行的行高、文字行的间距等信息，拼接碎片时如利用这些信息进行拼接，其拼接效率无疑比单纯利用边界几何特征方法要好些。
由于大多数文字文档的文字行方向和表格线方向平行且单一，如果碎片内的文字行或表格在碎片边缘断裂，那么与它相邻的碎纸片在边缘处一定有相同高度、相同间距的文字行或表格，凭此特征可以很容易地从形状相似的多碎片中挑选出相邻碎片。
因文字行或表格线的高度特征、间距特征的识别比字迹断线识别和文字图像的理解实现起来要容易得多，利用碎片内文字行特征或表格特征拼接形状相似的碎纸片理论上是可行的。
另外由于计算机数字分析图像能力的缺陷，让计算机对碎片进行完全意义上的自动化拼接也几乎不太可能，为保证拼接的准确性，需要在拼接过程中加入人工干扰过程，考查问题的题设与要求，我们必须首先观察、分析并提取附件中的碎片的字符特征，建立基于字符特征的碎片半自动拼接复原模型与算法。
3．模型的假设假设一：中文文件在碎切前的文字间距、行间距、汉字高度以及汉字宽度为一定值。
假设二：英文文件在碎切前的行间距、字符高度以及字符宽度为一定值。
假设三：碎切后的各图片中文字方向一致。
假设四：碎切后的所有图片能够拼接成一个完成的页，没有多余碎片，也不缺少碎片。
4．定义与符号说明各符号及其含义见表1：5．模型的建立与求解5.1问题一5.1.1模型建立基于假设一，计算两个拼接图像每行字符的垂直投影，判断字符垂直投影宽度是否满足一定的条件，来判别拼接是否成功；所有行都判断完后，计算拼接成功的概率，运用贝叶斯判别模型，确定拼接是否成功。
建立的模型如下：模型一：成功概率=（拼接成功行数/判断行数）每行拼接成功是否成功的条件：（1）字符垂直投影宽度小于先验值40；（2）字符垂直投影宽度大于先验值36；（3）每行应当有完整的两个汉字；汉字高度36~39行间距28~30汉字宽度38 字符间距6模型二：按照K-Means聚类算法，对各图片的文字行数进行聚类5.1.2模型求解第一步：求文字行数对附件1中19幅碎片图进行水平投影，依据假设一，得到各幅图的文字行数。
碎片图000的水平投影图如图1所示。
图1 碎片图001的水平投影图附件1各图中文字行数如表2所示。
第二步：聚类分析第三步：分组拼接判别按照模型一，编写matlab程序，进行图片拼接，通过进行大量实验，得到拼接成功的概率大于80%，即为拼接成功。
在判别前，对部分特殊情况进行了处理，比如“非”等。
附件1中各分组的拼接结果如表4所示。
表第四步：组间拼接判别按照第四步的拼接结果，计算出组间拼接分组，按照模型一，继续进行判别，得到最终的拼接顺序，第五步：生成拼接图按照第四步得到的拼接顺序，运用matlab，生成附件1的拼接图如图2所示。
第六步：拼接结果验证人工对拼接好的图片进行验证，发现拼接后的文件语法通顺，拼接吻合度达到100%，说明拼接结果良好。
5.2问题二5.2.1模型建立基于假设二，计算两个拼接图像每行字符的垂直投影，判断字符垂直投影宽度是否满足一定的条件，来判别拼接是否成功；所有行都判断完后，计算拼接成功的概率，运用贝叶斯判别模型，确定拼接是否成功。
建立的模型如下：模型三：成功概率=（拼接成功行数/判断行数）每行拼接成功是否成功的条件：（1）字符垂直投影宽度大于先验值6，并小于33或者大于40，小于45；（2）字符间距为2~4；（3）每行应当有完整的两个汉字；汉字高度36~39行间距28~30汉字宽度38 字符间距6模型四：按照K-Means聚类算法，对各图片的文字行数进行聚类5.2.2模型求解第一步：求文字行数对附件2中19幅碎片图进行水平投影，依据假设一，得到各幅图的文字行数。
附件2各图中文字行数如表2所示。
第二步：聚类分析按照碎片图中文字行数进行聚类分析，得到如表3所示聚类结果。
因英文字母的垂直投影宽度值变化幅度比较大，并且字母数量少，因此，从附件2中提出所有小写字母和大写字母，以及标点符号的水平投影宽度、均值和方差，如表所示。
字母宽度均值方差字母宽度均值方差, 9 4.8889 2.4721 m 42 9.3333 8.257 . 6 4.3333 1.0328 M 45 11.8667 10.8389a 22 9.5 6.7312 n 28 9.4286 9.1426A 37 7.7297 4.3947 N 39 10.5879 9.7676b 26 11.3077 11.1347 o 24 5.7921 5.7921c 19 8.0526 4.1962 P 27 10.8519 10.5819d 27 11.6296 11.1395 p 27 11.6296 11.1671e 21 9.1429 4.5748 q 26 11.6538 11.1317E 27 11.8148 11.2698 r 18 8.4444 7.9574f 15 12.4 11.9092 R 32 11.625 10.5303F 26 10.8846 11.7655 s 18 9.7778 3.6389g 25 13.6 5.909 t 15 10.8 11.8876h 28 10.1786 12.2052 T 29 8.6552 11.9082H 39 10.8205 12.9673 u 28 8.3929 8.7532i 13 10.2308 12.0565 v 26 6.0385 3.7998k 27 10.4815 11.0048 w 40 7.175 4.1131 l 12 14 16.085 y 27 7.7778 5.2208 L 28 8.4286 12.2215 Y 33 9.2424 5.6736统计英文字母的垂直投影宽度的分布情况，大多数集中在26-28之间，具体如图所示。
英文字母垂直投影宽度分布图第四步：分组拼接判别按照模型一，编写matlab程序，进行图片拼接，通过进行大量实验，得到拼接成功的概率大于85%，即为拼接成功。
然而，因英文字母的垂直宽度差别较大，并且跨度比较大，因此，在拼接判别中，出现了实际拼接不上，但通过计算，拼接成功概率很高。
对于这种特殊情况，需要人工干预。
附件第五步：组间拼接判别按照第四步的拼接结果，计算出组间拼接分组，按照模型一，继续进行判别，得到最终的拼接顺序，第五步：生成拼接图按照第四步得到的拼接顺序，运用matlab，生成附件2的拼接图如图2所示。
第六步：拼接结果验证人工对拼接好的图片进行验证，发现拼接后的文件语法通顺，拼接吻合度达到100%，说明拼接结果良好。
5.3问题三5.3.1模型建立对于纵横都切割的情况，首先确定各碎片图中第一行文字的底部位置、文字的行数，按照第一行文字底部的位置和文字行数聚类，优先以按照第一行文字底部的位置聚类。