数学建模之微积分的应用

合集下载

微积分在生命科学中的应用

微积分在生命科学中的应用

微积分在生命科学中的应用微积分是数学中的一个分支,主要应用于研究连续变化的量与其它量之间的关系。

它被广泛地应用于工程、物理学和经济学等领域。

而在生命科学中,微积分也是一个非常重要的工具。

下面就让我们来探讨微积分在生命科学中的应用。

一. 生物动力学生物动力学是研究生物体在运动过程中的力、能、功及其它运动学量之间的关系的学科。

微积分在生物动力学中应用广泛,它可以帮助研究人员对生物体的运动过程进行建模和分析,以便更好地理解生物运动的运动学和动力学特征。

例如,微积分可以帮助研究人员计算生物体的运动速度和加速度。

假设我们想要研究一个蜗牛在移动过程中的行为,我们可以测量它的运动速度,并将其与时间相关联。

使用微积分的关系式,我们可以计算出蜗牛的加速度。

这样,我们就能更好地了解蜗牛运动的特征和运动方式,并为之后的研究提供依据。

二. 生物测量学生物测量学是生物学、医学和工程学交叉领域的一个学科,它研究测量生物体尺寸、形态和力学状况的方法。

微积分在生物测量学中也有非常重要的应用。

例如,在医学领域中,微积分可以应用于对骨骼系统的建模和测量。

使用微积分,我们可以对骨骼系统进行三维建模,以便更好地理解它们的形态和解剖结构。

同时,微积分可以帮助我们计算出骨骼系统的密度和强度,从而更好地评估其健康状况和预测其发展趋势。

三. 生物统计学生物统计学是生物学中广泛应用的一个分支,它研究采集、整理和分析生物学数据的方法。

微积分在生物统计学中也有非常重要的应用。

例如,在研究生物体变化过程中,我们需要对其进行数学建模和数据分析。

使用微积分,我们可以将生物体的变化过程表示为微积分方程,然后进行求解和分析。

同时,微积分可以帮助我们对生物体变化过程中的数据进行拟合和预测,从而更好地理解生物体的变化规律和趋势。

四. 神经科学神经科学是研究神经系统的结构、功能和生理基础的学科。

微积分在神经科学中也有很多应用。

例如,在神经科学中,我们需要研究生物体的神经元和神经元之间的连接。

数学建模重要知识点总结

数学建模重要知识点总结

数学建模重要知识点总结一、微积分微积分是数学建模中最重要的数学工具之一,它包括微分和积分两大部分。

微分是求函数的导数,用于描述函数的变化率和曲线的切线。

而积分则是求函数的不定积分或定积分,用于描述函数的面积、体积等性质。

在数学建模中,微积分可以用于建立问题的数学模型,求解微分方程和积分方程,对函数进行优化等。

例如,在物理建模中,我们经常会用到微积分来描述物体的运动、速度和加速度等。

在经济学建模中,微积分可以用来描述供求关系、利润最大化等问题。

二、线性代数线性代数是研究向量空间、线性映射和矩阵等数学对象的学科。

在数学建模中,线性代数可以用于描述多维空间中的几何关系、解线性方程组、求解最小二乘问题等。

例如,在计算机图形学中,线性代数可以用来描述和变换三维物体的位置和姿态。

在统计学建模中,线性代数可以用来对数据进行降维、拟合线性模型等。

三、概率论与数理统计概率论与数理统计是研究随机现象的规律性和统计规律的学科。

在数学建模中,概率论与数理统计可以用于描述随机现象的概率分布、推断总体参数、假设检验等。

例如,在风险管理建模中,我们经常会用到概率论与数理统计来描述风险的分布和进行风险评估。

在机器学习建模中,概率论与数理统计可以用来对数据进行建模和推断。

四、数学优化数学优化是研究如何在给定约束条件下,找到使目标函数取得极值的方法和理论。

在数学建模中,数学优化可以用来对问题进行建模和求解。

例如,在生产调度问题中,我们可以用数学优化来寻找最优的生产计划;在投资组合优化中,我们可以用数学优化来构建最优的资产配置。

五、微分方程微分方程是研究未知函数及其导数之间关系的方程。

在数学建模中,微分方程可以用来描述系统的动力学行为、生物种群的增长规律、热传导过程等。

我们可以通过对微分方程进行数值求解、解析求解或者定性分析,来获得系统的行为特征。

六、离散数学离散数学是研究离散结构及其性质的数学学科,包括集合论、图论、逻辑和代数等内容。

数学建模融入微积分教学单元

数学建模融入微积分教学单元
正 文

问题 提 出
在经 济发展 的 今天 , 造 与销售 假 冒伪劣 品 等违 法犯 罪 活 动 ( 制 以下 简 称 造假 ) 来 越 引 起 人 们 的广 越
泛关 注 , 假严 重危 害 了广 大 消费者 的利 益 , 造 扰乱 社会 经 济 秩序 , 而 影 响 整个 国 民经 济 正 常 有 序 的 发 从
定 ) ;
A3 单 位时 间 内维持 正常 的社会 经 济秩序 打掉 的假 品数 为 B, : 同样 也假设 B 为常 数 ;
A : 4 设单 位 时 间内因政 府 部 门开 展 某 种 打 假 运 动 所 打 掉 的假 品数 与 t 刻 的假 品 数 成 正 比, 时 即 C ・ () ( 中 C为打 假强 度系数 , J£ ; 其 由于运 动需 要资 金 , 而且 范 围越 大 , 所需 资金 也越 多 ) ; A5 :对 于地 区经 济系统 而言 , 品单位 时 间 内应 控 制在一 定数 量 以 内 , 假 如< D, 称为 临界值 ;打
摘要: 节( 本 案例 ) 讨论 针 对打 假过 程分 析建 立 了相应 机 理 的微 分 方程 模 型 , 对 求解 结 果讨 论 和分 再
析的基 础上论 述 了打 假 的种 种办 法 , 说 明制假 活 动 中确有 一 个 类 似库 兹 涅茨 “ U 假 说 ” “ 命 周 并 倒 的 生 期 ” 最 后 给 出三 组 习题包 括 基本 练 习 、 . 平行 研究 、 入研 究 ( 深 即模 型 的三个 改 进方 向) .
南 1 0 0 ( 京 财 经 大 学 应 用 数 学 系 , 京 2 0 0 ; 江 苏 经 贸职 业 技 术学 院 , 京 2 0 0 ) 南 南 1 0 3
[ 摘 要 ] 本 文 是 教 育 部 项 目的子 课 题 中 期报 告 中 样 板 单 元 , 对 打 假 的 机 理 问 题 设 计 了数 学 建 模 融 人 针

微积分的应用雨中行走 药物浓度 水流问题 最速降线

微积分的应用雨中行走 药物浓度 水流问题 最速降线
I sin 表示顶部的降雨强度。
•前表面淋雨量
C2
(v cos
v
u
I )wh(L
/
u)
v cos u I是前面的降雨强度。
v
•总淋雨量(基本模型)
C
C1
C2
wdL [sin
u
h d
(v cos
v
u)]
因为考虑了降雨的方向,淋湿的部位只有顶部和前
面。分两部分计算淋雨量。
取参数v 4m / s, I 2cm / h
第五章 微积分的应用
本章通过用学习过的高等数学知识解决一些简单的问题, 以增加同学们学习数学的兴趣和应用数学的能力。同时,也 通过对其中一些问题的不断深入讨论来体会数学建模没有最 好、只有更好的精神。
1. 雨中行走问题 2. 体内药物浓度的变化 3. 水的流出问题 4. 最速降线问题
1. 雨中行走问题
16
2. 体内药物浓度的变化
医生给病人开处方时必须注明两点:服药的剂量 和服药的时间间隔。超剂量的药物会对患者产生不 良的后果,甚至死亡;剂量不足,则不能达到治疗 的效果。已知患者服药后,随时间推移,药物在体 内被逐渐吸收,发生化学反应,也就是体内药物的 浓度逐渐降低。药物浓度降低的速率与体内当时药 物的浓度成正比。当服药量为A、服药时间间隔为T 时,试分析体内药物的浓度随时间的变化规律。
2)在同样时间内,水从小孔流出的体积为 BS
--- S是从小孔流出的水时在时间段 内流t 经的距离
由质量守恒得
Ah BS
两端同除以 ,t 并令 t取极0 限得
25
可得一阶方程: dh B ds
dt
A dt
由于 ds v, 代入上式得 dt

数学建模思想融入微积分课程教学初探

数学建模思想融入微积分课程教学初探

1 设 计 思 想
在传 统的微 积分教 学 中 , 一般 以教师讲 授 、 生被 动接 收为 主. 学 这种 教 学方 式 在传 授 系统 知识 时 具
有 比较好 的效果 , 忽视 了学 生作为学 习 主体 的地 位 , 利 于学 生 主动 获取 知 识能 力 的培 养 , 但 不 使学 生 缺
积分 教学 中应 用数 学建 模 思维训 练 , 不仅 可 以提 高应 用微 积分 知识 的能 力 , 而且也 能尽 早 培养 数学建 模
素质 .
在实 践 中 , 学建模 的应用 过程 是 复杂 的 , 往需 要 多方 面 的 知识 , 是 整 个 建模 过 程 是 有规 律 可 数 往 但
型应用 阶段 .
显然, 从解 决 问题 的思 路来看 , 微积 分 的知识 的应用 和数学建 模过 程有不 少相 似之处 . 微 积分课 程教学 中要求 掌握 的不 少 内容 可 以看 作 是 数 学建 模 的 模 型求 解 阶 段 , 比如 , 积 分 的计 定 算、 二重 积分 、 三重积 分 的计 算. 实 际应 用 中 , 定 积分 、 积分这 样 的数学模 型 的建立 , 需要 经过 问 在 像 重 则
第 2 6卷 第 2 期
21 0 0年 4月
大 学 数 学
(( IIEG E M A T H EM A T I :) CS
V o . 6, . I2 № 2
Ap . 1 t 20 0
数 学建 模 思 想融 人 微 积分 课 程 教学 初 探
张 勇 , 黄 廷 祝 , 傅 英定
力 培养工 作.
在微积 分教学 中引入数学 建模 的思维训 练 , 们主 要 出于 以下 考 虑 : 方 面 , 积 分 的不 少教 学 内 我 一 微 容本 身就是 涉及一 个数学 建模过 程 , 比如导数 概念 、 重积分 的定 义与应 用等 等 ; 另外 一方 面 , 让学 生在大 学本科 早期 阶段接 受数学 建模思 维 的训 练 , 以较好 开发 学生智 能 , 可 又能够促 进微 积分课 程本 身的教学

数学建模思想融入微积分

数学建模思想融入微积分
数学建模思想融入微积分
目录
数学建模概述 微积分基础知识 数学建模在微积分中的应用 案例分析 数学建模思想在微积分教学中的实践与思考
01
数学建模概述
数学建模的定义
数学建模:运用数学语言、符号、公式和理论对现实问题进行抽象和简化,以解决实际问题的方法和过程。
数学建模是一种跨学科的综合性技术,涉及数学、计算机科学、工程学等多个领域。
详细描述
无穷小和极限在建模中有着广泛的应用。例如,在物理学中,瞬时速度可以看作是平均速度的极限,而瞬时加速度则可以看作是平均加速度的无穷小变化量。在经济学中,无穷小和极限的概念也常用于描述经济变量的变化趋势和规律。
总结词
无穷小与极限在建模中的应用案例
05
数学建模思想在微积分教学中的实践与思考
强调概念背景
对实际问题进行深入分析,明确问题的背景、条件和目标。
问题分析
根据问题分析的结果,选择适当的数学方法和工具,建立数学模型。
建立模型
运用数学方法和计算机技术,求解建立的数学模型。
求解模型
对求解结果进行评估,并根据实际情况对模型进行优化和改进。
模型评估与优化
数学建模的基本步骤
02
微积分基础知识
03
导数与微分的应用
定积分与不定积分
定积分是积分的一种特殊形式,用于计算具体几何量或物理量;不定积分则用于求函数的原函数或反导数。
积分的应用
积分在解决实际问题中有着广泛的应用,如计算旋转体的体积、曲线的长度等。
积分
级数概念
级数是无穷多个数的和,可以用来表示连续变化的过程或现象。
无穷小的概念
无穷小是数学中的一个重要概念,用于描述函数在某点附近的变化趋势。

微积分方法建模飞机的降落曲线数学建模案例分析

微积分方法建模飞机的降落曲线数学建模案例分析

第二章 微积分方法建模现实对象涉及的变量多是连续的,所以建立连续模型是很自然的,而连续模型一般可以用微积分为工具求解,得到的解析解便于进行理论分析,于是有些离散对象,如人口的演变过程,也可以构造连续模型.当我们描述实际对象的某些特性随时间(或空间)而演变的过程,分析它的变化规律,预测它的未来性态时,通常要建立对象的动态模型.建模时首先要根据建模目的和对问题的具体分析作出简化假设,然后按照对象内在的或可以类比的其它对象的规律列出微分方程,求出方程的解并将结果翻译回实际对象,就可以进行描述、分析或预测了.§1 飞机的降落曲线根据经验,一架水平飞行的飞机,其降落曲线是一条三次抛物线(如图).在整个降落过程中,飞机的水平速度保持为常数u ,出于安全考虑,飞机垂直加速度的最大绝对值不得超过10/g (这里g 是重力加速度).已知飞机飞行高度h (飞临机场上空时),要在跑道上O 点着陆,应找出开始下降点0x 所能允许的最小值.一、由题设有 .将上述的四个条件代入y 的 表达式⎪⎪⎩⎪⎪⎨⎧=++='=+++==='==023)()(0)0(0)0(020*******c bx ax x y hd cx bx ax x y c y d y 得 ,0,0,3,22030===-=d c x h b x ha飞机的降落曲线为 )32(23020x x x x hy --= 二、 找出最佳着陆点飞机的垂直速度是y 关于时间t 的导数,故dt dx x x x x h dt dy )66(2020--= 其中dtdx 是飞机的水平速度,,u dt dx = 因此 )(60220x x x x hu dt dy --= 垂直加速度为)12(6)12(6020202022--=--=x x x hu dt dx x x x hu dt y d 记 ,)(22dt y d x a =则126)(0202-=x x x hu x a ,[]0,0x x ∈ 因此,垂直加速度的最大绝对值为 2026)(max x hu x a = []0,0x x ∈设计要求 106202g x hu ≤,所以gh u x 600⋅≥ (允许的最小值) 例如:小时/540km u =,m h 1000=,则0x 应满足:)(117378.9100060360010005400m x =⨯⨯≥ 即飞机所需的降落距离不得小于11737米.。

数学建模(微积分)三

数学建模(微积分)三

2 L R ( x1 x2 ) 15 14 x1 32 x2 8x1 x2 2 x12 10 x2 ( x1 x2 ) 2 15 13x1 31x2 8 x1 x2 2 x12 10 x2
L 4 x1 8 x2 13 x1 L 8 x1 20 x2 31 x2
2 2 x12 10 x2 ( x1 x2 1.5)
dL dx 4 x1 8 x2 13 0 1 dL 8 x1 20x2 31 0 dx2 dL x x 1.5 0 1 2 d
L Lmax
数学建模讲座
(2)若提供的广告费用为1.5万元,则问题化为在条件
x1 x2 1.5 下求利润函数 L 的极大值.
2 L 15 13x1 31x2 8x1x2 2x12 10x2 构造拉格朗日函数
L( x1 , x2 , ) 15 13x1 31x2 8x1 x2
x1 0 x2 1.5
L Lmax
宁波职业技术学院数学教研室
数学建模讲座
可口可乐罐头为什么是这种样子?
竞赛题目 论文一 论文二
宁波职业技术学院数学教研室
数学建模讲座
药物在体内的分布与排除
• 药物进入机体形成血药浓度(单位体积血液的药物量) • 血药浓度需保持在一定范围内——给药方案设计 • 药物在体内吸收、分布和排除过程 ——药物动力学 • 建立房室模型——药物动力学的基本步骤 • 房室——机体的一部分,药物在一个房室内均匀 分布(血药浓度为常数),在房室间按一定规律转移 • 本节讨论二室模型——中心室(心、肺、肾等)和 周边室(四肢、肌肉等)
问题分析

数学建模(微积分)二

数学建模(微积分)二
dC 利用微分法,令 0 dT
,不难求得 (4)
2c1 r c2
T
2c1 rc 2
再根据(1)有,
Q
(5)
宁波职业技术学院数学教研室
数学建模讲座
Q
2c1 r c2
(5)
这就是经济理论中著名的经济订货批量公式(EOQ公式) 货物本身的价格可不考虑,这是因为若记每吨货 的价格为k,则一周期的总费用 C 中应添加kQ,由于
Q rT
(1)
订货后贮存量由Q均匀地下降,记任意时刻t的贮 存量为q,则q(t)的变化规律可以用图1表示
宁波职业技术学院数学教研室
数学建模讲座 q
Q A r T 图1 t
0
考察一个订货周期的总费用:订货费为c1;贮存费是
c2 q(t )dt 其中积分恰等于图中三角形的面积为A,显然
0 T
1 A QT 2
实例十一、森林救火数学模型
宁波职业技术学院数学教研室
数学建模讲座
贮存模型 背景 不允许缺货的贮存数学模型 知识 工厂要定期地订购各种原料,在仓库里供生产
之用。商店要成批地购进各种商品,放在货柜中以 备零售。水库在雨季蓄水,用于旱季的灌溉和航运。 无论是原料、商品还是水的贮存,都有贮存多少的 问题。原料、商品贮存得太多,贮存费用高;贮存 得太少,则无法满足需求。水库雨季蓄水过量,更 可能危及安全。当影响贮存量的因素包含随机性时, 如顾客对商品的需求,天气对蓄水的影响,需要建 立贮存模型。
Q rT 所以公式(3)中增加一常数项kr,对求解结果
式(4)、(5)没有影响。 (5)式表明,订货费c1越高,需求量越大,订货批量 Q应越大;贮存费c2越高,订货批量Q应越小,这些关系 当然是符合常识的,不过公式在定量上表明的平方关系 却是凭常识方法得到的

微积分在数学建模中的应用

微积分在数学建模中的应用

微积分在数学建模中的应用纲要:数学建模活动能培育学生的数学思想能力、创新能力及剖析和解决问题的能力,而微积分被宽泛应用于数学建模之中。

重点词:微积分;数学建模数学建模数学模型与数学建模数学模型是关于现实世界的一个特定对象,为了一个特定目的,依据独有的内在规律,做出一些必需的简化假定,并运用适合的数学工具,得出的一个数学构造。

[它是使用数学符号、数学式子及数目关系对现实原型简化的本质描绘。

数学建模活动是议论成立数学模型的全过程,是经过成立数学模型解决实质问题的全过程,是一种数学思想方式。

它为学生创建了“提出问题、研究思虑和实质应用”的空间。

其特色为:(1)创建性。

因为数学建模活动所议论的是现实世界中的实质问题,而现实世界的复杂性常常使所提出的问题不可以直接套用数学定理来解决,这就需要许多的创新工作。

(2)应用性。

即给出的是一种现实的情形,一种实质的需求,让学生面对现实的实质问题,选择适合的数学方法解决问题。

(3)开放性。

提出的问题中条件可能不足,也可能冗余,问题有较强的研究性,需要从迷离混沌的状态中,运用思想能力,找出一条主要线索。

微分方程建模的一般步骤微分方程建模是用数学中微分方程解决实质问题的桥梁,拥有极大的广泛性、有效性和特别丰富的数学内涵,并在物理学、力学、工程学、生物学、医学、经济学、军事学等各个领域中有着宽泛应用.应用微分方程理论针对各样实质问题成立的数学模型,一般而言都是动向模型,其结果极其简洁,但整个推导过程却有点繁琐,可是仍是能给人们以合理的解说.所以,选准切入点,将微分方程和数学建模的内容有机的联合才能充足表现微分方程建模的思想企图.当我们描绘实质对象的某些特征随时间(或空间)而演变的过程、剖析它的变化规律、展望它的未来状态、研究它的控制手段时,往常要成立动向模型.而针对不一样的实质对象的动向模型,进行微分方程建模的一般性步骤是:1)用较精练的语言表达待解决的问题2)要依据建模的目的和对问题的详细剖析做出简化假定3)依据对象内在的或可类比的其余对象的规律成立目标函数的关系式并提出此微分方程有解的有关条件,即列出微分方程组4)求出这个微分方程的解5)用所得的结果来解说实质问题(或现象),或对问题的发展变化趋向进行展望下边以详细的实例来研究微分方程在数学建模中的应用.建模宽泛应用运用微积分知识,人们成立了很多半学模型,并解决了很多重要问题。

(完整版)常微分方程在数学建模中的应用.

(完整版)常微分方程在数学建模中的应用.

微分方程应用1 引言常微分方程的形成与发展和很多学科有着密切的联系,例如力学、天文学、物理学等.数学的其他分支的快速发展,产生出很多新兴学科,这些新兴学科的产生都对常微分方程的发展有着深刻的影响,而且当前计算机的快速发展更是为常微分方程的应用及理论研究提供了非常有力的工具.数学解决实际问题就必须建立模型,而数学建模就是把数学语言描述实际现象的过程.利用数学去解决各类实际问题时,建立数学模型是十分重要的一步,但是也是最困难的一步.建立数学模型的过程,是把错综复杂的实际问题简化、抽象为合理的数学结构的过程.要通过大量调查、收集相关数据资料,观察和研究实际对象的固有特征和内在规律,抓住问题的主要矛盾,建立起反映实际问题的数量关系,然后利用数学的理论和方法去分析和解决问题.因此本文先简要介绍了如何建立微分方程模型,并通过具体的实例来简单地介绍了微分方程在数学建模中的应用.2 数学模型简介通常我们把现实问题的一个模拟称为模型.如交通图、地质图、航空模型和建筑模型等.利用字母、数学及其它数学符号建立起来的等式或不等式以及图表、图象、框图等来模拟现实的模型称为数学模型.数学模型在实际生活中经常碰到,如求不规则图形的面积,可建立定积分的数学模型,求变化率的问题可建立导数模型,统计学中抽样调查,买彩票中奖的概率问题等等.学会建立数学模型对解决实际生活问题会有很大的帮助.建立数学模型是沟通摆在面前的实际问题与数学工具之间联系的一座必不可少的桥梁.随着科学技术的进步,特别是电子计算机技术的迅速发展,数学已经渗透到从自然科学技术到工农业生产建设,从经济生活到社会生活的各个领域.一般地说,当实际问题需要我们对所研究的现实对象提供分析、预报、决策、控制等方面的定量结果时,往往都离不开数学的应用,而建立数学模型则是这个过程的关键环节.3 常微分方程模型3.1 常微分方程的简介微分方程的发展有着渊远的历史.微分方程和微积分产生于同一时代,如苏格兰数学家耐普尔创立对数的时候,就讨论过微分方程的近似解.牛顿在建立微积分的同时就对简单的微分方程用级数来求解.后来,瑞士数学家雅各布·贝努、欧拉、法国数学家克雷洛、达朗贝尔、拉格朗日等人又不断地研究和丰富了微分方程理论.纵观微分方程的发展史,我们发现微分方程与物理、天文学以及日异月新的科学技术有着密切的联系.如牛顿研究天体力学和机械力学的时候,就利用了微分方程这个工具,从理论上得到了行星运动的规律.后来,法国天文学家勒维烈和英国天文学家亚当斯使用微分方程各自计算出那时尚未发现的海王星的位置.而这些都证明微分方程在改造自然和认识自然方面有着巨大的力量.微分方程是自变量、未知函数及函数的导数(或微分)组成的关系式.在解决实际问题的过程中,我们又得出了常微分方程的概念:如果在一个微分方程中出现的未知函数中只含有一个自变量,那么这个方程则称为常微分方程,也可以简单的叫做微分方程.在反映客观现实世界运动过程的量与量之间的关系中,大量存在满足微分方程关系似的数学模型,需要我们通过求解常微分方程来了解未知函数的性质.常微分方程是解决实际问题的重要工具.3.2 常微分方程模型示例数学模型按照建立模型的数学方法可以分为初等数学模型、几何模型、微分方程模型、图论模型、马氏链模型和规划论模型等.当我们描述实际对象的某些特性随时间(或空间)而演变的过程,分析它的变化规律,预测他的未来性态时,通常要建立对象的动态模型,即微分方程模型.建立微分方程模型就是把物理、化学、生物科学、工程科学和社会科学中的规律和原理用含有待定函数的导数或微分的数学关系式表示出来.下面我们由浅入深地介绍一些微分方程模型.例1 细菌的增长率与总数成正比.如果培养的细菌总数在24h内由100增长为400,那么,前12h后总数是多少?解:第一句话说的是在任何瞬间都成立的事实;第二句话给出的是特定瞬间的信息.如果我们用)y表示总数,第一句话告诉我们(tky dtdy = 它的通解为kt y Ae =A 和k 这两个常数可以由问题中第二句话提供的信息计算出来,即,100)0(=y (3.1) 和 ,400)24(=y (3.2) 其中t 的单位为小时.(3.1)意味着.100)0(0===A Ae y(3.2)意味着.400100)24(24==k e y它给出 .24)4(ln =k 故 .100)(244ln t e t y =要我们求的是200100)12(4ln )2412(==e y 个细菌.例 2 将室内一支读数为 60的温度计放到室外.10min 后,温度计的读数为 70;又过了10min ,读数为 76.先不用计算,推测一下室外的温度.然后利用牛顿的冷却定律计算出正确的答案.牛顿的冷却定律或称加热定律是:将温度为T 的物体放进处于常温m 的介质中时,T 的变化速率正比于T 与周围介质的温度差.在这个数学模型中,假定介质足够大,从而,当放入一个较热或较冷的物体时,m 基本上不受影响.实验证明,这是一个相当好的近似.解 显然,对于这个题首先要做的是了解牛顿定律的含义,这已经做过了。

常微分方程数学建模案例分析

常微分方程数学建模案例分析

常微分方程数学建模案例分析常微分方程是运用微积分中的概念与理论研究变化率的方程。

它是数学建模中常用的方法之一,可用于描述各种实际问题,如经济增长、生物扩散、化学反应等。

本文将通过一个关于人群传染病的数学建模案例,分析常微分方程在实际问题中的应用。

假设地有一种传染病,病毒的传播速度与感染者的接触频率有关。

现在我们要研究传染病的传播速度以及控制措施对传染病传播的影响。

为此,我们可以建立如下的数学模型:设N(t)表示时间t时刻的总人口数,而I(t)表示感染者的人口数,S(t)表示易感者的人口数。

根据该模型,易感者的人数随时间的变化率可表示为:dS/dt = -βSI其中,β表示感染率,即感染者每接触到一个易感者,会使其发病的概率。

感染者的人数随时间的变化率可表示为:dI/dt = βSI - γI其中,γ表示恢复率,即感染者每天被治愈的人数。

总人口数随时间的变化率可以通过易感者和感染者的变化率求和得到:dN/dt = dS/dt + dI/dt通过对该方程进行求解,我们可以得到感染者和易感者的人数随时间变化的解析解。

进一步,我们可以通过调节β和γ来研究不同的传播速度和控制措施对传染病传播的影响。

例如,如果β较大,表示感染率较高,此时传染速度会加快,可能导致传染病扩散的速度加快。

反之,如果β较小,表示感染率较低,传染病传播的速度会减慢。

另外,如果γ较大,表示恢复率较高,此时感染者的人数会快速减少,传染病传播的速度会减慢。

相反,如果γ较小,传染病传播的速度会加快。

通过对这些参数的调节,我们可以研究不同的控制措施对传染病传播的影响。

例如,我们可以通过降低感染率β或增加恢复率γ来减缓传染病传播的速度,从而控制疫情的爆发。

在实际应用中,常微分方程数学建模方法可以用于预测传染病的传播趋势,评估各种干预措施的效果。

此外,还可以通过引入更多的变量和参数,建立更复杂的模型,以更好地解释实际问题。

总之,常微分方程是数学建模中常用的方法之一,可以用于描述各种实际问题,如传染病的传播、经济增长等。

常微分方程在数学建模中应用论文

常微分方程在数学建模中应用论文

论常微分方程在数学建模中的应用摘要:常微分方程的形成和发展与去多学科密切相关,诸如力学、天文学等。

如果想用数学解决实际问题,就必须建立模型。

本文重点介绍了常微分方程理论与数学建模结合起来,在人口预测中的应用。

关键词:常微分方程数学建模人口预测引言纵观微分方程的发展史,我们发现微分方程与物理、天文学以及日异月新的科学技术有着密切的联系。

牛顿在研究天体力学和机械力学的时候,就利用了微分方程这个工具,从理论上得到了行星运动的规律。

后来,法国天文学家勒维烈和英国天文学家亚当斯使用微分方程各自计算出那时尚未发现的海王星的位置。

这些都证明微分方程在改造自然和认识自然方面有着巨大的力量。

微分方程是自变量、未知函数及函数的导数(或微分)组成的关系式。

在解决实际问题的过程中,我们又得出了常微分方程的概念:如果在一个微分方程中出现的未知函数中只含有一个自变量,那么这个方程则称为常微分方程,也可以简单的叫做微分方程.在反映客观现实世界运动过程的量与量之间的关系中,大量存在满足微分方程关系似的数学模型,需要我们通过求解常微分方程来了解未知函数的性质。

常微分方程是解决实际问题的重要工具。

常微分方程在数学建模中的应用举例微分方程在数学建模中的应用大体是:首先,建立数学模型,根据问题的目的、要求具体分析做出相应的简化和假设;然后按照规律列出微分方程,求出方程的解;最后将实际对象带入结果中,对问题进行描述、分析、预测和控制。

2.1人口指数增长模型最简单的人口增长模型是:记今年人口为,年后人口为,年增长率为,则(4.1)这个公式的基本前提是年增长率保持不变。

二百多年前英国人口学家马尔萨斯调查了英国一百多年的人口统计资料,得出了人口的增长率是常数的假设,并据此建立了著名的人口指数增长模型。

记时刻的人口为,当考察一个国家或一个较大地区的人口时,是一个很大的整数,为了利用微积分这一数学工具,将视为连续、可微函数。

记初始时刻的人口为,假设人口增长率为常数,即单位时间内的增量与的比例系数。

在微积分教学中融入数学建模思想

在微积分教学中融入数学建模思想
ma t h e ma t i c a l mo d e l i n g t h o u g h t i n t h e a p p l i c a t i o n o f d i f f e r e n t i a l a n d i n t e g r a l c a l c u l u s , c u l t i v a t e s t u d e n t s i n n o v a t i o n a b i l i t y .
要】 针对具体专业的学生 , 在微积分教 学过程 中穿插了数 学建模 实例 , 注重数 学建模思想在微积分教 学中的应用, 培养 学生的创新能
【 关键词】 微积分; 数 学建模 ; 应用实例 ; 创新能力
I n t r o du c i ng M a t h e ma ic t a l M o de l i ng t h o u g ht I n t o The c a l c u l us Te a c h i n g PANG Li a n g
( C h u i t a n C o l l e g e , Hu a z h o n g Ag r i c u l t u r a l U lv u e  ̄t y , Wu h a n Hu b e i 4 3 0 2 0 5 )
【 A b s t r a c t 】 A c c 0 r d i n g t o s p e c i i f c s p e c i a l i z e d s t u d e n t ,i n t h e t e a c h i n g o f c a l c u l u s w i t h m a t h e m a t i c s m o d e l i n g a s a n e x a m p l e ,f o c u s e s o n

数学建模的主要建模方法

数学建模的主要建模方法

数学建模的主要建模方法数学建模是一种用数学语言描述实际问题,并通过数学方法求解问题的过程。

它是数学与实际问题相结合的一种技术,具有广泛的应用领域,如物理、工程、经济、生物等。

数学建模的主要建模方法可以分为经典建模方法和现代建模方法。

经典建模方法是数学建模的基础,主要包括数理统计、微积分、线性代数等数学工具。

经典建模方法的特点是基于简化和线性的假设,并通过解析或数值方法来求解问题。

1.数理统计:统计学是数学建模的重要工具之一,它的主要任务是通过对样本数据的分析,推断出总体的特征。

数理统计中常用的方法有概率论、抽样理论、假设检验等。

2.微积分:微积分是数学建模中常用的工具,它研究变化率和积分问题。

微积分的应用范围广泛,常用于描述物体的运动,求解最优化问题等。

3.线性代数:线性代数是研究向量空间与线性变换的数学学科。

在数学建模中,线性代数经常出现在模型的描述和求解过程中,如矩阵运算、线性回归等。

现代建模方法是近年来发展起来的一种新的建模方法,主要基于现代数学工具和计算机技术。

现代建模方法的特点是模型更为复杂,计算更加精确,模拟和实验相结合。

1.数值模拟:数值模拟是一种基于计算机技术的建模方法,通过离散和近似的数学模型,利用数值计算方法求解模型。

数值模拟常用于模拟和预测实际问题的复杂现象,如天气预报、电路仿真等。

2.优化理论:优化理论是数学建模中的一种重要工具,它研究如何找到最优解或最优化方案。

优化问题常用于求解资源分配、生产排程等实际问题。

3.系统动力学:系统动力学是一种研究系统结构和行为的数学方法,它通过建立动态模型,分析系统的变化趋势和稳定性。

系统动力学常用于研究生态系统、经济系统等复杂系统。

4.随机过程:随机过程是描述随机事件随时间变化的数学模型。

它在数学建模中常用于分析随机现象的特征和规律,如金融市场变动、人口增长等。

总体而言,数学建模的方法多种多样,建模方法的选择取决于问题的性质、可用数据和计算资源等因素。

数学建模-微积分模型

数学建模-微积分模型
实际应用这个模型时, 都是已知常数, 由森林类型、消防人员素质等因素确定。
4.4消费者的选择
本节利用无差别曲线的概念讨论消费者的选择问题。如果一个消费者用一定数量的资金去购买两种商品,他应该怎样分配资金才会最满意呢?
记购买甲乙两种商品的数量分别为 ,当消费者占有它们时的满意程度,或者说给消费者带来的效用是 的函数,记作 ,经济学中称之为效用函数。 的图形就是无差别曲线族,如图4.4所示。类似于第二章中无差别曲线的作法,可以作出效用函数族,它们是一族单调下降、下凸、不相交的曲线。在每一条曲线上,对于不同的点,效用函数值不变,即满意程度不变。而随着曲线向右上方移动, 的值增加。曲线下凸的具体形状则反映了消费者对甲乙两种商品的偏爱情况。这里假设消费者的效用函数 ,即无差别曲线族已经完全确定了。
经济学中 称为边际效用,即商品购买量增加1单位时效用函数的增量。(4.10)式表明,消费者均衡状态在两种商品的边际效用之比正好等于价格之比时达到。从以上的讨论可以看出,建立消费者均衡模型的关键是确定效用函数 。构造效用函数时应注意到它必须满足如下的条件:
条件A:
所确定的一元函数 是单调递减的,且曲线是呈下凸的。
(3)每隔T天订货Q件,允许缺货,每天每件小家电缺货费为c3。 缺货时存贮量q看作负值, 的图形如图4.2,货物在 时送完。
一个供货周期 内的总费用包括:订货费 ,存贮费 ,缺货费 ,借助图4.2可以得到
一个周期总费用为
每天的平均费用
(4.4)
利用微分法,令
可以求出最优的 值为
(4.5)

通过与不允许缺货的模型相比较得到
在这个模型的基础上可以讨论当某种商品的价格改变,或者消费者购买商品的总资金改变时均衡状态的改变情况。

利用微积分解决物理问题

利用微积分解决物理问题

利用微积分解决物理问题微积分是数学中的一门重要工具,被广泛应用于各个领域,尤其在物理学中有着重要的作用。

利用微积分的方法可以解决许多与物理相关的问题,本文将通过介绍几个具体的例子,来说明微积分在物理问题中的应用。

1. 物体的运动分析假设有一个物体在直线上做匀速运动,我们想知道在任意一时刻物体的位置。

根据微积分的思想,我们可以通过对速度函数进行积分,得到物体在不同时间的位置函数。

如果物体的速度函数是$v(t)$,其中$t$表示时间,那么物体的位置函数可表示为$s(t)=\int v(t)dt$。

通过计算速度函数积分的结果,我们可以准确地描述物体的位置随时间的变化规律。

2. 弹簧振子的运动弹簧振子是物理学中常见的系统之一。

我们可以用微积分来分析弹簧振子的运动情况。

假设有一个弹簧振子,其位移函数为$x(t)$,其中$t$表示时间。

根据牛顿第二定律,我们可以得到$x(t)$满足的微分方程$m\frac{d^2x}{dt^2}+kx=0$,其中$m$是质量,$k$是弹簧的劲度系数。

通过求解这个微分方程,我们可以得到弹簧振子的位移随时间的变化规律。

3. 计算物体的质量在一些实验中,我们需要知道物体的质量。

我们可以利用微积分中积分的思想来解决这个问题。

假设我们测得一个物体在不同时间下的速度函数为$v(t)$,我们可以通过对速度函数进行积分,来得到物体在不同时间下的位移函数$x(t)$。

假设物体在时间$t_1$到$t_2$之间的位移为$\Delta x$,那么根据牛顿第二定律,物体所受合外力的大小等于物体质量乘以加速度,即$F=ma$。

根据牛顿第二定律可以得到力函数$F(t)$和加速度函数$a(t)$之间的关系$F(t)=ma(t)$。

利用最终的位移函数$x(t)$,我们可以求解出物体所受外力的大小。

4. 计算物体的密度物体的密度是物理学中的一个重要概念,用以描述物体单位体积内的质量。

对于一个具有均匀密度的物体,通过微积分的方法可以计算出其密度。

数学建模中的主要方法和应用

数学建模中的主要方法和应用

数学建模中的主要方法和应用数学建模是当今现代科学技术发展中的重要组成部分,它将数学方法、计算机技术与实际问题结合,通过数学模型建立、分析和求解实际问题,为人类社会的发展提供了巨大的支持和帮助。

数学建模方法丰富多彩,如最优化方法、微分方程模型、图论模型和随机过程模型等,其中最常用的是最优化方法和微分方程模型。

下面将从理论和实践两个方面展开介绍,重点讲述数学建模中最常用的方法及其应用。

一、最优化方法最优化方法是数学建模中应用广泛的一种方法,它是求解优化问题的一类数学算法。

在数学建模中,最优化方法的应用范围非常广泛,可以用于优化问题的建模与求解,如在工业生产中,我们需要在保证质量的前提下尽量节约原材料和能源,这时就可以采用最优化方法建立优化模型。

最优化方法按不同的算法分类,可以分为线性规划、非线性规划和动态规划等,其中线性规划是最为常见和基础的一种方法。

线性规划的求解一般采用单纯形法,通过计算确定最优解。

非线性规划是线性规划的扩展,它是求解目标函数不是线性函数的规划问题。

非线性规划的求解方法有牛顿法和梯度下降法等,这些方法都需要利用微积分的基础知识。

对于一个复杂的优化问题,在建立模型的过程中,最关键的就是确定目标函数。

一个好的目标函数需要具备可行性、一致性、可表达性和可求解性等特点。

在具体求解过程中,还需要对目标函数进行求导,确定优化点,并验证该点是否为全局最优解。

二、微分方程模型微分方程模型是数学建模中常用的一种方法,它是利用微积分的基础知识建立模型,解决与时间有关的问题。

在实际生活中,许多问题都与时间有关,如人口增长、物种灭绝、气候变化等,这些问题的变化过程都可以通过微分方程模型进行描述和分析。

微分方程模型按不同级别分类,可以分为一阶微分方程、二阶微分方程和高阶微分方程等,其中最为常用的是一阶微分方程。

一阶微分方程是指微分方程中未知函数的导数最高次数为一的情况,它可以描述很多与时间相关的变化问题。

微积分应用领域

微积分应用领域

微积分是数学中的一个重要分支,它被广泛应用于各个领域。

微积分的应用包含了许多方面,比如物理学、工程学、经济学等等。

在这篇文章中,我们将探讨微积分在这些领域中的应用。

首先,物理学是微积分最常见的应用领域之一。

在物理学中,微积分用于研究物体的运动。

通过微积分的方法,我们可以求解速度、加速度以及物体的位置随时间的变化。

这些都是物理学中非常基础的概念,而微积分为我们提供了一种精确的分析工具。

其次,微积分在工程学中也有着重要的应用。

在工程学中,我们经常需要对曲线或者曲面进行分析。

微积分提供了解决这类问题的方法,比如求出曲线或者曲面的斜率,或者求出它们的面积。

这些都是工程学中必要的步骤,而微积分使得这些步骤变得更加简单和直观。

此外,微积分在经济学领域也有着广泛的应用。

经济学涉及到许多变化的概念,比如收入的变化、价格的变化等等。

通过微积分,我们可以对这些变化进行精确的分析。

比如,微积分可以帮助我们求解最大化或者最小化问题,从而得出最优的决策方案。

这对于企业、政府以及个人来说都是非常有用的。

除了以上提到的领域,微积分还被广泛应用于信号处理、计算机科学、天文学等等。

在信号处理中,微积分被用于分析信号的频率、幅度以及相位。

在计算机科学中,微积分被用于图像处理、机器学习等领域。

在天文学中,微积分被用于分析天体的运动。

总结起来,微积分在各个领域都有着广泛的应用。

它为我们提供了一种有效的分析工具,帮助我们解决复杂的问题。

无论是物理学、工程学、经济学还是其他领域,微积分都发挥着重要的作用。

我们应该深入学习微积分,掌握它的方法和应用,从而更好地理解和应用它。

数学基础——微积分应用与数学建模

数学基础——微积分应用与数学建模

数学基础——微积分应用与数学建模在众多学科中,数学一直被当作是最为基础和重要的学科之一。

而其中的微积分更是被广泛地应用于科学、工业、商业、工程等各个领域中。

那么微积分是什么?它又有哪些应用?如何在数学建模中发挥作用呢?微积分是研究变化、极限和无限小量的一门数学分支。

它由微分学和积分学组成,其中微分是指用极限的方法研究函数的变化情况,而积分则是指用曲线下的面积来研究函数的性质和变化。

微积分在数学中的应用非常广泛,而其中最具代表性的应用形式是求导和积分。

求导可以用来研究函数的变化,比如函数的图像斜率,而积分可以用来计算函数在某一区间内的面积,比如在图形中计算面积、体积、长度等等。

除了数学以外,微积分还有许多实际的应用。

例如,在物理学中,微积分可以用来描述物理量如加速度、速度、质量等的函数关系与变化情况。

在工程学中,微积分可以用来优化设计,比如在设计机械结构时,可以通过优化曲线来实现材料的最大利用,从而达到更好的性能。

在商业中,微积分可以用来帮助决策,比如在制造业中,可以通过分析产品的总成本来选择最优的生产方式。

而在数学建模方面,微积分也有着非常重要的作用。

数学建模是将实际问题抽象为数学模型或方程,并通过数学方法来求解问题的一种学科。

微积分则是在数学建模中被广泛应用的数学工具之一。

例如,在模拟天气预报的模型中,微积分可以用来描述空气流动的变化,从而实现更精确的预报。

在流体力学建模中,微积分可以用来研究液体或气体在流动过程中的变化。

因此,无论是在实际生活中还是在学术领域中,微积分的应用都是非常广泛的。

通过深入了解微积分的基本原理和应用方法,不仅可以让我们更好地理解和解决实际问题,还可以帮助我们在数学建模方面发挥更大的创造力和想象力,为实际应用做出更多的贡献。

  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. 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. 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)。

微积分的应用
1.跳伞运动员由静止状态向地面降落,人和伞共重161磅(1磅=0.45359273kg ),在降落伞张开以前,空气阻力等于 v 2 ,在开始降落5s 后降落伞张开,这时空气阻力为 v 22 ,试求降落伞张开后跳伞员的速度v(t),并讨论极限速度。

问题分析:本题题目比较好懂,只要理解阻力的速度的关系,再根据物理关系进行列方程即可求解。

所以问题主要在于模型的建立于求解。

具体解题过程如下。

(1) 分析求解从t=0到t=5s 之间跳伞员的运动状态 由已知可得空气阻力f=v/2,故根据力学知识可以得到如下方程:
mg-f=ma
即 mg-v/2=m dv dt
此为一元微分方程。

由高数知识,先解该方程对应的齐次微分方程
-v/2=m dv dt
dv v =−dt 2m 两边同时积分 ∫ dv v v t v 0=∫−
dt 2m t 0 得 v t =v 0∗e −t
2m
由常数变异法令 v t =h(t)∗e −t 2m
则 v t ’=h(t)’∗e −t
2m + h(t)*(-
12m ) ∗e −t
2m 带回原方程得:h(t)’=g ∗e −t 2m
h(t)=2mg ∗e
−t
2m +C (C 为常数)
所以
v t =h (t )∗e −t 2m = (2mg ∗e −t 2m +C) ∗e −t 2m
又 v 0= 0,所以C= -2mg
所以 v t = = 2mg (1−e −t 2m )
带入数值,t=5s ,则可得到v 5=48.17m/s 。

且由方程的解的表达形式,利用MATLAB 可以得到如下v-t 曲线。

由于该曲线是在5s 内的,则e −t 2m 随t 的变花近似为线性的,所
以看起来近似直线,实际则不是的。

(2) 分析求解从t=5s 到t=t 之间跳伞员的运动状态
同以上的分析过程,可以列出在该时间段内的方程:
mg- v 22 =m dv dt
即 dv
dt =2mg−v 22m dv 2mg−v 2=12m dt
令√2mg =a ,对上式两边同时积分得:

dv
a2−v2
=∫
1
2m
dt
t
5
v t
v5
查的积分表公式,上式继续得到:

dv
a2−v2
=
1
2a
∫(
1
a−v
+
1
a+v
)
v t
v5
dv=
v t v5
1
2a
ln|
a+v t
a−v t

a−v5
a+v5
| =
t−5
2m
直接对该式进行定性分析:
如果不考虑跳伞员的高度问题,当
t ∞时,上式右边∞,
所以可以得到绝对值部分为无穷大;
所以有v t=a=√2mg=37.826 m/s。

此即为该跳伞员的极限速度。

同样,利用MATLAB程序作v t- t图如下所示。

由图像同样可以得出结论:跳伞员最后的速度将达到以定值,约
为37.826 m/s ,即为其极限速度。

2.测定考古发掘物年龄最精确的方法之一,是大约在1949年W .Libby 发明的碳-14(C)14年龄测定法,其主要原理是利用考古物木炭样品中的放射性碳的原子衰变速度与现在木炭样品中的C 14的衰变速度的差异,来测定考古物的年代,设R(0)是样品形成时C 14的衰变速度,通常用活树中的木炭样品的衰变速度代替,其C 14的衰变率平均为R(0)=6.68个/(g*min)。

设R(t)是考古物木炭样品现在的C 14的衰变率,则由
dN(t)dt =-λN(t),N(0)=N 0
可得到考古物年代的计算公式
t=1λln R(0)R(t)
其中λ是衰变常数,C 14的半衰期是T=5568年,而λ=
ln2T ,利用上
述方法解决下列问题: (1)1956年,发现的考古物中,测得每克木炭没分钟C 14的平均衰变数位3.06,试估计遗址的年代。

(2)70年代中期发现考古物中C 14是初始值的78%,试估计古墓的年代。

问题分析:本题比较简单,只要读懂题意,直接利用所给数学模型即可进行求解,集体过程如下。

(1) 由已知直接带入数值:
t 1=1λln R(0)R(T)=5568ln2ln 6.683.06
=6271(年) 1956−6271=−4315
即该古墓的年代约为公元前4315年。

(2)由已知得:
dN(t)
dt
=−λN(t)
dN(t)=−λN(t)dt
两边同时积分:
∫dN(t) N(t)
0.78N0
N0=∫−λdt
t2
则ln0.78=−λt2t2=1996
1975−1996=−21
即该古墓的年代约为公元前21年。

3.17世纪末到18世纪初,牛顿发现在较小的温度范围内,物体冷却速率正比于该物体与环境的温差,因而得到下面的冷却模型
dT
dt
=−k(T−C)
T(0)=T0
式中:T(t)为物体t时刻的温度,C是环境温度,k为正的常数,T0为物体在t=0时刻的温度,其解为
T(t)=( T0−C)e−kt+C
司法部门常用该模型估计作案时间。

例如,某天晚上23:00时,发现一受害者尸体,法医与23:35赶到现场,立即测得温度为30.8度,一小时后再测得为29.1度,当时室温为28度。

试利用该模型估计受害者死亡时间。

问题分析:从已知可以得到两个时间下的两个温度,所以可以直接带入方程中进行求解,但是此时需要将正常人的体温视为已知。

在本题中,我将该体温T0取为37度进行求解。

具体求解过程如下。

由T(t)=(T0−C)e−kt+C
带入数据得T(t)=(T0−28)e−kt+28=30.8
T(t+1)=(T0−28)e−(k+1)t+28=29.1将T0=37带入上式,化简可以得到:
(T0−28)e−kt=2.8
(T0−28)e−(k+1)t=1.1
k=0.93439
即e−k=11
将k的值带回原式解得:
t=1.25(h)=75(min)
即受害者的死亡时间大约在22:20分左右。

相关文档
最新文档