数学建模实验
数学建模实验报告
湖南城市学院数学与计算科学学院《数学建模》实验报告专业：学号：姓名：指导教师：成绩：年月日目录实验一 初等模型........................................................................ 错误！未定义书签。
实验二 优化模型........................................................................ 错误！未定义书签。
实验三 微分方程模型................................................................ 错误！未定义书签。
实验四 稳定性模型.................................................................... 错误！未定义书签。
实验五 差分方程模型................................................................ 错误！未定义书签。
实验六 离散模型........................................................................ 错误！未定义书签。
实验七 数据处理........................................................................ 错误！未定义书签。
实验八 回归分析模型................................................................ 错误！未定义书签。
实验一 初等模型实验目的：掌握数学建模的基本步骤，会用初等数学知识分析和解决实际问题。
实验内容：A 、B 两题选作一题，撰写实验报告，包括问题分析、模型假设、模型构建、模型求解和结果分析与解释五个步骤。
数学建模实验报告
数学建模实验报告一、实验目的和背景本次实验旨在运用数学建模方法，解决一个与实际生活相关的问题。
通过建立数学模型，分析问题，提出解决方案，并通过实验数据验证模型的可行性和准确性。
二、实验内容本次实验的题目是“公司送货员最优路径规划”。
公司有多名送货员需要在城市中进行货物的配送工作。
公司希望通过合理的路径规划，使得送货员能够在最短的时间内完成所有的配送任务。
在实验中，需要考虑的主要因素包括送货员之间的配送范围、道路交通状况、道路长度等。
三、实验步骤1.收集相关数据：收集城市道路网络的地理数据，包括道路长度、道路交通状况等信息。
2.确定目标函数和约束条件：由于目标是使得送货员在最短的时间内完成配送任务，因此可以将送货员的路径总长度作为目标函数，并设置配送时间限制作为约束条件。
3.建立数学模型：根据收集到的数据和确定的目标函数、约束条件，建立数学模型，将问题转化为一个最优化问题。
4.进行求解：使用数学建模常见的求解方法，如遗传算法、模拟退火算法等，对数学模型进行求解，得到最优的路径规划方案。
5.实验验证：将求解得到的路径规划方案应用于实际情境中，通过实践进行验证，观察实际效果与模型预测结果的一致性。
四、实验结果与分析通过对数学模型进行求解，得到了送货员的最优路径规划方案。
将该方案应用于实际情境中，观察实际效果与模型预测结果的一致性。
通过与其他非最优路径规划方案进行对比，可以发现，最优路径规划方案能够使得送货员在最短的时间内完成配送任务，提高工作效率。
五、结论和展望本次实验成功地运用了数学建模方法，解决了公司送货员最优路径规划问题。
通过建立数学模型，可以快速地得到最优的路径规划方案，提高了送货员的工作效率。
未来可以进一步改进模型，考虑更多实际情况，如车辆限行、路况实时变化等因素，提供更加精确和实用的路径规划方案。
总结：本次实验通过对公司送货员最优路径规划问题的建模和求解，展示了数学建模的应用价值和解决问题的能力。
数学建模实验报告
数学建模实验报告1.流⽔问题问题描述：⼀如下图所⽰的容器装满⽔，上底⾯半径为r=1m，⾼度为H=5m，在下地⾯有⼀⾯积为B0.001m2的⼩圆孔，现在让⽔从⼩孔流出，问⽔什么时候能流完？解题分析：这个问题我们可以采⽤计算机模拟，⼩孔处的⽔流速度为V=sqrt[2*g*h]，单位时间从⼩孔流出的⽔的体积为V*B，再根据⼏何关系，求出⽔⾯的⾼度H，时间按每秒步进，记录点（H，t）并画出过⽔⾯⾼度随时间的变化图，当⽔⾯⾼度⼩于0.001m 时，可以近似认为⽔流完了。
程序代码：Methamatic程序代码：运⾏结果：（5）结果分析：计算机仿真可以很直观的表现出所求量之间的关系，从图中我们可以很⽅便的求出要求的值。
但在实际编写程序中，由于是初次接触methamatic 语⾔，对其并不是很熟悉，加上个⼈能⼒有限，所以结果可能不太精确，还请见谅。
2.库存问题问题描述某企业对于某种材料的⽉需求量为随机变量，具有如下表概率分布：每次订货费为500元，每⽉每吨保管费为50元，每⽉每吨货物缺货费为1500元，每吨材料的购价为1000元。
该企业欲采⽤周期性盘点的),(S s 策略来控制库存量，求最佳的s ，S 值。
（注：),(S s 策略指的是若发现存货量少于s 时⽴即订货，将存货补充到S ，使得经济效益最佳。
）问题分析：⽤10000个⽉进⾏模拟，随机产⽣每个⽉需求量的概率，利⽤计算机编程，将各种S 和s 的取值都遍历⼀遍，把每种S，s的组合对应的每⽉花费保存在数组cost数组⾥，并计算出平均⽉花费average，并⽤类answer来记录，最终求出对应的S和s。
程序代码：C++程序代码：#include#include#include#include#define Monthnumber 10000int Need(float x){int ned = 0;//求每个⽉的需求量if(x < 0.05)ned = 50;else if(x < 0.15)ned = 60;else if(x < 0.30)ned = 70;else if(x < 0.55)ned = 80;else if(x < 0.75)ned = 90;else if(x < 0.85)ned = 100;else if(x < 0.95)ned = 110;else ned = 120;return ned;}class A{public:int pS;int ps;float aver;};int main(){A answer;answer.aver=10000000;//int cost[Monthnumber+1]={0}; float average=0;int i;float x;int store[Monthnumber];//srand((int)time(0));for(int n=6;n<=12;n++){// int n=11;int S=10*n;for(int k=5;k{// int k=5;int s=k*10;average=0;int cost[Monthnumber+1]={0};for(i=1;i<=Monthnumber;i++){store[i-1]=S;srand(time(0));x=(float)rand()/RAND_MAX; //产⽣随机数//cout<<" "<//cout<int need=Need(x);if(need>=store[i-1]){cost[i]= 1000*S + (need - store[i-1])*1500 + 500;store[i]=S;}else if(need>=store[i-1]-s){cost[i]=1000*(need+S-store[i-1]) + 50*(store[i-1]-need) + 500; store[i]=S;}else{cost[i]=(store[i-1]-need)*50;store[i]=store[i-1]-need;}average=cost[i]+average;}average=average/Monthnumber;cout<<"n="<cout<<"花费最少时s应该为："<cout<<"平均每⽉最少花费为："<}运⾏结果：结果分析：⽤计算机模拟的结果和⽤数学分析的结果有⼀定的差异，由于计算机模拟时采⽤的是随机模型⽽我⽤time函数和rand函数产⽣真随机数，所以在每次的结果上会有所差异，但对于⼀般的⽣产要求亦可以满。
数学建模实验报告
数学建模实验报告一、实验目的1、通过具体的题目实例，使学生理解数学建模的基本思想和方法，掌握数学建模分析和解决的基本过程。
2、培养学生主动探索、努力进取的的学风，增强学生的应用意识和创新能力，为今后从事科研工作打下初步的基础。
二、实验题目（一）题目一1、题目：电梯问题有r个人在一楼进入电梯，楼上有n层。
设每个乘客在任何一层楼出电梯的概率相同，试建立一个概率模型，求直到电梯中的乘客下完时，电梯需停次数的数学期望。
2、问题分析（1）由于每位乘客在任何一层楼出电梯的概率相同，且各种可能的情况众多且复杂，难于推导。
所以选择采用计算机模拟的方法，求得近似结果。
（2）通过增加试验次数，使近似解越来越接近真实情况。
3、模型建立建立一个n*r的二维随机矩阵，该矩阵每列元素中只有一个为1，其余都为0，这代表每个乘客在对应的楼层下电梯（因为每个乘客只会在某一层下，故没列只有一个1）。
而每行中1的个数代表在该楼层下的乘客的人数。
再建立一个有n个元素的一位数组，数组中只有0和1,其中1代表该层有人下，0代表该层没人下。
例如：给定n=8;r=6（楼8层，乘了6个人）,则建立的二维随机矩阵及与之相关的应建立的一维数组为：m =0 0 1 0 0 01 0 0 0 0 00 0 0 0 0 00 1 0 0 0 00 0 0 0 0 00 0 0 0 0 10 0 0 0 1 00 0 0 1 0 0c = 1 1 0 1 0 1 1 14、解决方法（MATLAB程序代码）：n=10;r=10;d=1000;a=0;for l=1:dm=full(sparse(randint(1,r,[1,n]),1:r,1,n,r));c=zeros(n,1);for i=1:nfor j=1:rif m(i,j)==1c(j)=1;break;endcontinue;endends=0;for x=1:nif c(x)==1s=s+1;endcontinue;enda=a+s;enda/d5、实验结果ans = 6.5150 那么，当楼高11层，乘坐10人时，电梯需停次数的数学期望为6.5150。
数学建模基础实验报告(3篇)
第1篇一、实验目的本次实验旨在让学生掌握数学建模的基本步骤，学会运用数学知识分析和解决实际问题。
通过本次实验，培养学生主动探索、努力进取的学风，增强学生的应用意识和创新能力，为今后从事科研工作打下初步的基础。
二、实验内容本次实验选取了一道实际问题进行建模与分析，具体如下：题目：某公司想用全行业的销售额作为自变量来预测公司的销售量。
表中给出了1977—1981年公司的销售额和行业销售额的分季度数据（单位：百万元）。
1. 数据准备：将数据整理成表格形式，并输入到计算机中。
2. 数据分析：观察数据分布情况，初步判断是否适合使用线性回归模型进行拟合。
3. 模型建立：利用统计软件（如MATLAB、SPSS等）进行线性回归分析，建立公司销售额对全行业的回归模型。
4. 模型检验：对模型进行检验，包括残差分析、DW检验等，以判断模型的拟合效果。
5. 结果分析：分析模型的拟合效果，并对公司销售量的预测进行评估。
三、实验步骤1. 数据准备将数据整理成表格形式，包括年份、季度、公司销售额和行业销售额。
将数据输入到计算机中，为后续分析做准备。
2. 数据分析观察数据分布情况，绘制散点图，初步判断是否适合使用线性回归模型进行拟合。
3. 模型建立利用统计软件进行线性回归分析，建立公司销售额对全行业的回归模型。
具体步骤如下：（1）选择合适的统计软件，如MATLAB。
（2）输入数据，进行数据预处理。
（3）编写线性回归分析程序，计算回归系数。
（4）输出回归系数、截距等参数。
4. 模型检验对模型进行检验，包括残差分析、DW检验等。
（1）残差分析：计算残差，绘制残差图，观察残差的分布情况。
（2）DW检验：计算DW值，判断随机误差项是否存在自相关性。
5. 结果分析分析模型的拟合效果，并对公司销售量的预测进行评估。
四、实验结果与分析1. 数据分析通过绘制散点图，观察数据分布情况，初步判断数据适合使用线性回归模型进行拟合。
2. 模型建立利用MATLAB进行线性回归分析，得到回归模型如下：公司销售额 = 0.9656 行业销售额 + 0.01143. 模型检验（1）残差分析：绘制残差图，观察残差的分布情况，发现残差基本呈随机分布，说明模型拟合效果较好。
数学建模的实验类型
数学建模的实验类型
数学建模的实验类型可以分为以下几种：
1. 理论验证实验：通过实验验证建模过程中的假设、推导以及模型中的数学公式是否正确。
例如，通过实验验证牛顿力学中的运动定律是否成立。
2. 数据收集实验：通过实际观测或者采集数据来支持数学模型的构建和验证。
例如，利用实验仪器收集实验数据，用于构建统计模型或者回归模型。
3. 数值模拟实验：利用计算机技术和数值方法对数学模型进行求解和模拟。
例如，使用有限元方法对结构力学模型进行数值分析，得到结构的应力分布和变形情况。
4. 实物模型实验：通过制作物理或者机械模型来验证数学模型的预测结果。
例如，使用比例缩小的航天器模型进行飞行实验，验证飞行力学模型的准确性。
5. 实际应用实验：将数学模型应用到实际问题中，通过实验对模型效果进行评估和优化。
例如，在工业过程中应用控制理论模型对系统进行控制，通过实验验证控制效果是否满足需求。
这些实验类型可以根据具体的研究目的和实验条件来选择和设计。
不同类型的实验可以相互组合和补充，最终得到对数学模型的全面理解和验证。
数学建模实验二：微分方程模型Matlab求解与分析
实验二： 微分方程模型Matlab 求解与分析一、实验目的[1] 掌握解析、数值解法，并学会用图形观察解的形态和进行解的定性分析； [2] 熟悉MATLAB 软件关于微分方程求解的各种命令；[3] 通过范例学习建立微分方程方面的数学模型以及求解全过程； [4] 熟悉离散 Logistic 模型的求解与混沌的产生过程。
二、实验原理1. 微分方程模型与MATLAB 求解解析解用MATLAB 命令dsolve(‘eqn1’,’eqn2’, ...) 求常微分方程（组）的解析解。
其中‘eqni'表示第i 个微分方程，Dny 表示y 的n 阶导数,默认的自变量为t 。
（1） 微分方程 例1 求解一阶微分方程 21y dxdy+= (1) 求通解 输入：dsolve('Dy=1+y^2')输出：ans =tan(t+C1)（2）求特解 输入：dsolve('Dy=1+y^2','y(0)=1','x')指定初值为1，自变量为x 输出：ans =tan(x+1/4*pi)例2 求解二阶微分方程 221()04(/2)2(/2)2/x y xy x y y y πππ'''++-=='=-原方程两边都除以2x ，得211(1)04y y y x x'''++-= 输入:dsolve('D2y+(1/x)*Dy+(1-1/4/x^2)*y=0','y(pi/2)=2,Dy(pi/2)=-2/pi','x')ans =- (exp(x*i)*(pi/2)^(1/2)*i)/x^(1/2) +(exp(x*i)*exp(-x*2*i)*(pi/2)^(3/2)*2*i)/(pi*x^(1/2))试试能不用用simplify 函数化简 输入: simplify(ans)ans =2^(1/2)*pi^(1/2)/x^(1/2)*sin(x) （2）微分方程组例3 求解 d f /d x =3f +4g ; d g /d x =-4f +3g 。
数学建模的实验报告
数学建模实验报告姓名：学院：专业班级：学号：数学建模实验报告（一）——用最小二乘法进行数据拟合一．实验目的：1.学会用最小二乘法进行数据拟合。
2.熟悉掌握matlab软件的文件操作和命令环境。
3.掌握数据可视化的基本操作步骤。
4.通过matlab绘制二维图形以及三维图形。
二．实验任务：来自课本64页习题：用最小二乘法求一形如y=a+b x2的多项式，使之与下列数据拟合：三．实验过程：1.实验方法：用最小二乘法解决实际问题包含两个基本环节：先根据所给出数据点的变化趋势与问题的实际背景确定函数类；然后按照最小二乘法原则求最小二乘解来确定系数。
即要求出二次多项式: y=a+b x2的系数。
2．程序：x=[19 25 31 38 44]y=[19.0 32.3 49.0 73.3 97.8]ab=y/[ones(size(x));x.^2];a=ab(1),b=ab(2)xx=19:44;plot(xx,a+b*xx.^2,x,y,'.')3.上机调试得到结果如下：x = 19 25 31 38 44y=19.0000 32.3000 49.0000 73.3000 97.8000a = 0.9726b = 0.0500图形：四．心得体会通过本次的数学模型的建立与处理，我们学习并掌握了用最小二乘法进行数据拟合，及多项式数据拟合的方法，进一步学会了使用matlab软件，加深了我们的数学知识，提高了我们解决实际问题的能力，为以后深入学习数学建模打下了坚实的基础。
数学建模实验报告（二）——用Newton法求方程的解一．实验目的1.掌握Newton法求方程的解的原理和方法。
2.利用Matlab进行编程求近似解。
二．实验任务来自课本109页习题4-2：用Newton法求f(x)=x-cosx=0的近似解三．实验过程1.实验原理：把f(x)在x0点附近展开成泰勒级数f(x) = f(x0)+(x－x0)f'(x0)+(x－x0)^2*f''(x0)/2! +… 取其线性部分，作为非线性方程f(x) = 0的近似方程，即泰勒展开的前两项，则有f(x0)+f'(x0)(x－x0)=0 设f'(x0)≠0则其解为x1=x0－f(x0)/f'(x0) 这样，得到牛顿法的一个迭代序列：x(n+1)=x(n)－f(x(n))/f'(x(n))。
数学建模 -实验报告1
������������⁄������������ = ������������(1 − (������ + ������)) − ������1������∗������,
（4 − 3）
������������∗⁄������������ = −������1������∗������ + ������2������
二、 问题分析
建立肿瘤细胞增长模型时，我们可以从自由增长模型开始分析，引进 Logistic 阻滞增长模型，构成肿瘤细胞增长初步框架。再者肿瘤细胞不同于普 通细胞，其生长受到人体自身免疫系统的制约。于是综合考虑正常细胞转化，癌 细胞增殖，癌细胞死亡，癌细胞被效应细胞消除等情况，建立动力学方程。并对 模型进行适当简化求解。在放射治疗方案的设计中，我们可以引入放射生物学中 广泛接受的 LQ 模型对问题进行分析，由于放疗对人体伤害相当大，因此我们采 取分次逐次放疗的方式进行治疗。我们具体分两种情形进行讨论，一是在总剂量 一定的条件下，不同的分次剂量组合对生物效应的影响；二是在产生相同生物效 应的情况下，分析最优的分次剂量组合。
易算出癌细胞转入活动期已有 300 多天，故如何在早期发现癌症是攻克癌症的关键之一 （2）手术治疗常不能割去所有癌细胞，故有时需进行放射疗法。射线强度太小无法杀
死癌细胞，太强病人身体又吃不消且会使病人免疫功能下降。一次照射不可能杀死全部癌细 胞，请设计一个可行的治疗方案（医生认为当体内癌细胞数小于 100000 个时即可凭借体内 免疫系统杀灭）。
进一步简化，根据(4-4)，(4-5)式可知，效应细胞������∗和复合物������有出有进．假 设出入保持平衡，则有
������ + ������∗ = C (C 为常数)
数学建模优秀实验报告
一、实验背景与目的随着科学技术的不断发展，数学建模作为一种解决复杂问题的有力工具，在各个领域都得到了广泛应用。
本实验旨在通过数学建模的方法，解决实际问题，提高学生的数学思维能力和解决实际问题的能力。
二、实验内容与步骤1. 实验内容本实验选取了一道具有代表性的实际问题——某城市交通拥堵问题。
通过对该问题的分析，建立数学模型，并利用MATLAB软件进行求解，为政府部门提供决策依据。
2. 实验步骤（1）问题分析首先，对某城市交通拥堵问题进行分析，了解问题的背景、目标及影响因素。
通过查阅相关资料，得知该城市交通拥堵的主要原因是道路容量不足、交通信号灯配时不当、公共交通发展滞后等因素。
（2）模型假设为简化问题，对实际交通系统进行以下假设：1）道路容量恒定，不考虑道路拓宽、扩建等因素；2）交通信号灯配时固定，不考虑实时调整；3）公共交通系统运行正常，不考虑公交车运行时间波动；4）车辆行驶速度恒定，不考虑车辆速度波动。
（3）模型构建根据以上假设，构建以下数学模型：1）道路容量模型：C = f(t)，其中C为道路容量，t为时间；2）交通流量模型：Q = f(t)，其中Q为交通流量；3）拥堵指数模型：I = f(Q, C)，其中I为拥堵指数。
（4）模型求解利用MATLAB软件，对所构建的数学模型进行求解。
通过编程实现以下功能：1）计算道路容量C与时间t的关系；2）计算交通流量Q与时间t的关系；3）计算拥堵指数I与交通流量Q、道路容量C的关系。
（5）结果分析与解释根据求解结果，分析拥堵指数与时间、交通流量、道路容量之间的关系。
针对不同时间段、不同交通流量和不同道路容量，提出相应的解决方案，为政府部门提供决策依据。
三、实验结果与分析1. 结果展示通过MATLAB软件求解，得到以下结果：（1）道路容量C与时间t的关系曲线；（2）交通流量Q与时间t的关系曲线；（3）拥堵指数I与交通流量Q、道路容量C的关系曲线。
2. 结果分析根据求解结果，可以得出以下结论：（1）在高峰时段，道路容量C与时间t的关系曲线呈现下降趋势，说明道路容量在高峰时段不足；（2）在高峰时段，交通流量Q与时间t的关系曲线呈现上升趋势，说明交通流量在高峰时段较大；（3）在高峰时段，拥堵指数I与交通流量Q、道路容量C的关系曲线呈现上升趋势，说明拥堵指数在高峰时段较大。
数学建模实验报告
数学建模实验报告实验报告：数学建模引言：数学建模是一门独特且灵活的学科，它将现实问题转化为数学模型，并利用数学工具和方法来分析和解决这些问题。
通过实践和研究，我们可以发现数学建模在各个领域都有广泛的应用，如物理学、生物学、经济学等。
本实验报告旨在介绍数学建模的基本理论与方法，并展示一个实际问题的建模与求解过程。
一、数学建模的基本理论与方法1.1模型的建立数学建模的第一步是建立数学模型。
一个好的模型应具备以下要素：准确描述问题的前提条件，明确问题的目标，确定可变参数和约束条件，考虑问题的实际需求。
1.2模型的求解模型的求解是数学建模的核心环节。
根据模型的形式和要求，我们可以选择适合的求解方法，如数值方法（如微积分、线性代数等）和符号计算方法（如差分方程、偏微分方程等）等。
1.3模型的分析与验证在模型求解的基础上，我们需要对模型进行分析和验证。
分析主要是从数学角度研究模型的性质和规律，验证则是将模型的结果与实际数据进行比对，以评估模型的准确性和可靠性。
二、实际问题的建模与求解考虑以下实际问题：公司准备推出一款新产品，为了提高产品的市场竞争力，他们决定在一部分商品上采用价格优惠的策略。
为了确定优惠的程度，他们需要建立一个数学模型来分析不同优惠方案的效果，并选择最优的方案。
2.1模型的建立首先，我们需要明确问题的前提条件和目标。
假设该产品的市场价格为P，成本价格为C，单位销售量为Q。
我们的目标是最大化销售利润。
于是，我们可以建立以下数学模型：利润函数：利润=销售额-成本利润=(P-D)*Q-C其中D为优惠的价格折扣。
2.2模型的求解为了确定最优的优惠方案，我们需要将问题转化为一个数学优化问题。
我们可以选用辅助函数法或拉格朗日乘子法来求解最优值。
在这里，我们选择辅助函数法。
我们将利润函数分别对P和D求偏导数，并令其等于0，得到以下方程组：d(利润)/dP=Q-2D=0d(利润)/dD=P-C=0解这个方程组可以求得最优解P=C，D=Q/22.3模型的分析与验证在分析这个模型之前，我们需要验证模型的准确性。
数学建模作业实验2微分方程实验
数学建模作业(实验2微分方程实验)基本实验1．微分方程稳定性分析绘出下列自治系统相应的轨线，并标出随t 增加的运动方向，确定平衡点，并按稳定的、渐近稳定的、或不稳定的进行分类：,,,+1,(1)(2)(3)(4);2;2;2.dx dx dx dxx x y x dt dt dt dt dy dy dy dy y y x y dt dt dt dt ⎧⎧⎧⎧==-==-⎪⎪⎪⎪⎪⎪⎪⎪⎨⎨⎨⎨⎪⎪⎪⎪===-=-⎪⎪⎪⎪⎩⎩⎩⎩解答解：（1）由平衡点的定义可得，f （x ）=x=0，f （y ）=y=0，因此平衡点为（0,0），微分方程组的系数矩阵为1001A ⎡⎤=⎢⎥⎣⎦，显然其特征值为12=1=1λλ，；由根与系数的关系可得：1212()2010p q λλλλ=-+=-<==>，且24p q >，由平衡点与稳定性的各种情况可知，平衡点（0，0）是不稳定的。
自治系统相应轨线为：（2）由平衡点的定义可得，f （x）=-x=0，f （y ）=2y=0，因此平衡点为（0,0），微分方程组的系数矩阵为-1002A ⎡⎤=⎢⎥⎣⎦，显然其特征值为12=-1=2λλ，；由根与系数的关系可得：121210-(2<0)p q λλλλ=-+=-<==，，平衡点（0，0）是不稳定的。
自治系统相应轨线为：（3）由平衡点的定义可得，f （x ）=y=0，f （y ）=-2x=0，因此平衡点为（0,0），微分方程组的系数矩阵为0120A ⎡⎤=⎢⎥-⎣⎦，显然其特征值为121.4142=4142=-1.i i λλ，；由根与系数的关系可得：12120 1.41420()p q λλλλ=-+===>，，由平衡点与稳定性的各种情况可知，平衡点（0，0）是不稳定的。
自治系统相应轨线为：（4）由平衡点的定义可得，f （x ）=-x=0，f （y ）=-2y=0，因此平衡点为（0,0），微分方程组的系数矩阵为-100-2A ⎡⎤=⎢⎥⎣⎦，显然其特征值为12==-12-λλ，；由根与系数的关系可得：1212()3020p q λλλλ=-+=>==>，且24p q >，由平衡点与稳定性的各种情况可知，平衡点（0，0）是稳定的。
数字应用建模实验报告(3篇)
第1篇一、实验背景随着信息技术的飞速发展，数字建模在各个领域中的应用越来越广泛。
数字应用建模是将现实世界的复杂问题转化为数学模型，通过计算机模拟和分析，为决策提供科学依据。
本实验旨在通过数字应用建模的方法，解决实际问题，提高学生对数学建模的理解和应用能力。
二、实验目的1. 理解数字应用建模的基本原理和方法；2. 掌握数学建模软件的使用；3. 提高解决实际问题的能力；4. 培养团队合作精神和沟通能力。
三、实验内容1. 实验题目：某城市交通流量优化研究2. 实验背景：随着城市人口的增加，交通拥堵问题日益严重。
为了缓解交通压力，提高城市交通效率，本研究旨在通过数字应用建模方法，优化该城市的交通流量。
3. 实验步骤：（1）数据收集：收集该城市主要道路的实时交通流量数据、道路长度、交叉口数量、道路等级等数据。
（2）建立数学模型：根据交通流量数据，建立交通流量的数学模型，如线性回归模型、多元回归模型等。
（3）模型求解：利用数学建模软件（如MATLAB、Python等）对建立的数学模型进行求解，得到最优交通流量分布。
（4）结果分析：对求解结果进行分析，评估优化后的交通流量分布对缓解交通拥堵的影响。
（5）模型改进：根据分析结果，对模型进行改进，以提高模型的准确性和实用性。
4. 实验结果：（1）通过建立数学模型，得到优化后的交通流量分布。
（2）优化后的交通流量分布较原始分布，道路拥堵程度明显降低，交通效率得到提高。
（3）通过模型改进，进一步优化交通流量分布，提高模型的准确性和实用性。
四、实验总结1. 本实验通过数字应用建模方法，成功解决了某城市交通流量优化问题，提高了交通效率，为城市交通管理提供了科学依据。
2. 在实验过程中，学生掌握了数学建模的基本原理和方法，熟悉了数学建模软件的使用，提高了解决实际问题的能力。
3. 实验过程中，学生学会了团队合作和沟通，提高了自己的综合素质。
五、实验心得1. 数字应用建模是一种解决实际问题的有效方法，通过建立数学模型，可以将复杂问题转化为可操作的解决方案。
数学建模全部实验报告
一、实验目的1. 掌握数学建模的基本步骤，学会运用数学知识分析和解决实际问题。
2. 提高数学建模能力，培养创新思维和团队合作精神。
3. 熟练运用数学软件进行数据分析、建模和求解。
二、实验内容本次实验选取了以下三个题目进行建模：1. 题目一：某公司想用全行业的销售额作为自变量来预测公司的销售量，表中给出了1977—1981年公司的销售额和行业销售额的分季度数据（单位：百万元）。
2. 题目二：三个系学生共200名（甲系100，乙系60，丙系40），某公司计划招聘一批新员工，要求男女比例分别为1:1，甲系女生比例60%，乙系女生比例40%，丙系女生比例30%。
请为公司制定招聘计划。
3. 题目三：研究某市居民出行方式选择问题，收集了以下数据：居民年龄、收入、职业、出行距离、出行时间、出行频率等。
请建立模型分析居民出行方式选择的影响因素。
三、实验步骤1. 问题分析：对每个题目进行分析，明确问题背景、目标和所需求解的数学模型。
2. 模型假设：根据问题分析，对实际情况进行简化，提出合适的模型假设。
3. 模型构建：根据模型假设，选择合适的数学工具和方法，建立数学模型。
4. 模型求解：运用数学软件（如MATLAB、Python等）进行模型求解，得到结果。
5. 结果分析与解释：对求解结果进行分析，解释模型的有效性和局限性。
四、实验报告1. 题目一：线性回归模型（1）问题分析：利用线性回归模型预测公司销售量，分析行业销售额对销售量的影响。
（2）模型假设：假设公司销售量与行业销售额之间存在线性关系。
（3）模型构建：根据数据，建立线性回归模型y = β0 + β1x + ε，其中y为公司销售量，x为行业销售额，β0、β1为回归系数，ε为误差项。
（4）模型求解：运用MATLAB软件进行线性回归分析，得到回归系数β0、β1。
（5）结果分析与解释：根据模型结果，分析行业销售额对销售量的影响程度，并提出相应的建议。
2. 题目二：招聘计划模型（1）问题分析：根据男女比例要求，制定招聘计划，确保男女比例均衡。
数学建模实验报告
在下面的题目中选做100分的题目，给出详略得当的答案。
一.通过举例简要说明数学建模的一般过程或步骤。
(15分)答：建立数学模型的方法大致有两种，一种是实验归纳的方法，即根据测试或计算数据，按照一定的数据，按照一定的数学方法，归纳出系统的数学模型；另一种是理论分析的方法，具体步骤有五步（以人口模型为例）：1、明确问题，提出合理简化的假设：首先要了解问题的实际背景，明确题目的要求，收集各种必要的信息2、建立模型：据所做的假设以及事物之间的联系，构造各种量之间的关系。
（查资料得出数学式子或算法）。
3、模型求解：利用数学方法来求解上一步所得到的数学问题，此时往往还要做出进一步的简化或假设。
注意要尽量采用简单的数学公具。
例如：马尔萨斯模型，洛杰斯蒂克模型4、模型检验：根据预测与这些年来人口的调查得到的数目进行对比检验5、模型的修正和最后应用：所建立的模型必须在实际应用中才能产生效益，根据预测模型，制定方针政策，以实现资源的合理利用和环境的保护。
二.把一张四条腿等长的正方形桌子放在稍微有些起伏的地面上，通常只有三只脚着地，然而只需稍为转动一定角度，就可以使四只脚同时着地，即放稳了。
(1) 请用数学模型来描述和证明这个实际问题; (2)讨论当桌子是长方形时，又该如何描述和证明？(15分)答：模型假设：1．椅子四条腿一样长，椅脚与地面的接触部分相对椅子所占的地面面积可视为一个点。
2．地面凹突破面世连续变化的，沿任何方向都不会出现间断（没有向台阶那样的情况），即地面可看作数学上的连续曲面。
3．相对椅脚的间距和椅子腿的长度而言，地面是相对平坦的，即使椅子在任何位置至少有三条腿同时着地。
4．椅子四脚连线所构成的四边形是圆内接四边形，即椅子四脚共圆。
5．挪动仅只是旋转。
我们将椅子这两对腿的交点作为坐标原点，建立坐标系，开始时AC、BD这两对腿都在坐标轴上。
将AC和BD这两条腿逆时针旋转角度θ。
记AC到地面的距离之和为f(θ)。
初中数学建模实验报告(3篇)
第1篇一、实验背景随着科学技术的飞速发展，数学建模作为一种重要的科学研究方法，越来越受到人们的重视。
初中数学建模实验旨在培养学生运用数学知识解决实际问题的能力，提高学生的创新思维和团队协作能力。
本实验以某市居民出行方式选择为研究对象，通过建立数学模型，分析不同因素对居民出行方式的影响。
二、实验目的1. 理解数学建模的基本概念和步骤。
2. 学会运用数学知识分析实际问题。
3. 培养学生的创新思维和团队协作能力。
4. 提高学生运用数学知识解决实际问题的能力。
三、实验方法1. 收集数据：通过网络、调查问卷等方式收集某市居民出行方式选择的相关数据。
2. 数据处理：对收集到的数据进行整理、清洗和分析，为建立数学模型提供依据。
3. 建立模型：根据数据分析结果，选择合适的数学模型，如线性回归模型、多元回归模型等。
4. 模型求解：运用数学软件或编程工具求解模型，得到预测结果。
5. 模型验证：将预测结果与实际数据进行对比，验证模型的准确性。
四、实验过程1. 数据收集：通过问卷调查的方式，收集了500份某市居民的出行方式选择数据，包括出行距离、出行时间、出行目的、出行方式等。
2. 数据处理：对收集到的数据进行整理和清洗，剔除无效数据，得到有效数据490份。
3. 建立模型：根据数据分析结果，选择多元回归模型作为本次实验的数学模型。
4. 模型求解：利用SPSS软件对多元回归模型进行求解，得到以下结果：- 模型方程：Y = 0.05X1 + 0.03X2 + 0.02X3 + 0.01X4 + 0.005X5 + 0.002X6 + 0.001X7 + 0.0005X8- 其中，Y为居民出行方式选择概率，X1至X8分别为出行距离、出行时间、出行目的、出行方式、天气状况、交通拥堵状况、收入水平、家庭人口数量等自变量。
5. 模型验证：将模型预测结果与实际数据进行对比，结果显示模型具有较高的预测准确性。
五、实验结果与分析1. 模型预测结果：根据模型预测，出行距离、出行时间、出行目的、出行方式、天气状况、交通拥堵状况、收入水平、家庭人口数量等因素对居民出行方式选择有显著影响。
乘法_数学建模实验报告(3篇)
第1篇一、实验背景数学建模是数学与其他学科交叉的一种研究方法，它通过建立数学模型来描述现实世界中的现象，从而为解决实际问题提供理论依据。
乘法作为基础的数学运算之一，广泛应用于各个领域。
本实验旨在通过数学建模的方法，探讨乘法运算在解决实际问题中的应用，提高学生对数学知识的理解和运用能力。
二、实验目的1. 了解数学建模的基本方法，掌握建立乘法模型的基本步骤。
2. 培养学生运用数学知识解决实际问题的能力。
3. 提高学生对乘法运算的理解和应用水平。
三、实验内容1. 问题提出假设某公司生产一种产品，每件产品成本为20元，售价为30元。
公司计划在一段时间内销售1000件产品，请建立数学模型预测公司在该时间段内的利润。
2. 模型建立（1）定义变量设公司销售产品的数量为x件，则公司获得的利润为y元。
（2）建立关系式根据题意，每件产品的利润为售价减去成本，即10元。
因此，公司销售x件产品的总利润为10x元。
（3）确定模型利润y与销售数量x之间的关系可以表示为：y = 10x。
3. 模型求解（1）确定模型参数根据题意，公司计划销售1000件产品，即x = 1000。
（2）代入参数求解将x = 1000代入模型y = 10x，得到y = 10 × 1000 = 10000。
（3）结果分析通过计算可知，公司在该时间段内的利润为10000元。
4. 模型验证为了验证模型的准确性，我们可以根据实际情况调整销售数量，重新计算利润，并与实际结果进行比较。
四、实验结果与分析通过本实验，我们成功建立了乘法模型，并预测了公司销售产品的利润。
实验结果表明，乘法模型能够有效地解决实际问题，为决策提供理论依据。
五、实验总结1. 数学建模是解决实际问题的重要方法，通过建立数学模型，我们可以将实际问题转化为数学问题，并运用数学知识进行求解。
2. 乘法模型在解决实际问题中具有广泛的应用，我们可以通过乘法模型预测、分析各种现象。
3. 在进行数学建模时，需要注意以下几点：（1）准确理解问题，明确模型的目标和变量。
数学建模实验报告模版
数学建模实验报告模版一、实验目的数学建模是实际问题抽象为数学模型，通过数学方法求解得到问题的答案。
本实验的目的是通过一个具体问题的建模与求解，培养学生的实际问题抽象与解决能力。
二、实验内容本次实验选择了一个实际生活中的问题进行建模与求解。
该问题是市场调查机构要对地区餐馆的顾客满意度进行调查，以评估餐馆的服务质量。
但由于资源有限，调查机构只能选择一部分顾客进行调查。
在这个问题中，我们需要确定调查的样本量大小，使其能够在一定的置信水平下准确代表整个顾客群体的意见。
三、实验步骤1.问题分析：首先，我们需要对问题进行分析，了解问题的背景和要求。
2.建立模型：根据问题的要求，我们选择了一个概率模型来描述问题。
假设顾客的满意度服从一个二项分布，即每位顾客都有可能是满意或不满意。
我们通过计算满意度的均值和方差，来代表整个顾客群体的意见。
3.数学求解：根据建立的模型，我们使用统计学方法对样本量大小进行估计，以达到一定的置信水平。
4.实验验证：最后，我们通过实验验证我们得到的样本量大小，看是否满足要求。
四、实验结果经过建模和求解，我们得到了样本量大小的估计结果。
根据我们的计算，当置信水平为95%时，我们需要调查的样本量大小为110人。
五、实验总结通过这次实验，我们学会了将实际问题抽象成数学模型，以及通过数学方法去求解这个模型。
我们也进一步了解了概率分布和统计学的知识，以及如何利用它们来进行建模和求解。
这对我们今后在实际问题中的应用具有重要意义。
在实验过程中，我们也发现了一些问题和不足之处。
例如，我们的模型可能存在一定的偏差，因为我们的假设可能与实际情况有所不同。
此外，我们的模型也有一些局限性，不适用于所有情况。
因此，在今后的学习过程中，我们需要进一步加强对数学建模的理解和应用，不断提高自己的建模能力，以更好地解决实际问题。
以上是一份关于数学建模实验的报告模板，希望对你的写作有所帮助。
实验报告的内容可根据具体实验情况进行修改和补充，以符合实际情况。
数学建模实验报告经典实例
《数学建模》实验报告计算过程如下, 结果如下:画图程序命令如下:函数图象如下:实验题目二: 编写利用顺序Guass消去法求方程组解的M-函数文件,并计算方程组的解解: M-函数文件如下:方程组的计算结果如下:实验题目三: 编写“商人们安全过河”的Matlab程序解: 程序如下:function foot=chouxiang%%%%%%%%%%%%%%%%%%%%%% 程序开始需要知道商人数, 仆人数, 船的最大容量n=input('输入商人数目:');nn=input('输入仆人数目:');nnn=input('输入船的最大容量:');if nn>nn=input('输入商人数目:');nn=input('输入仆人数目:');nnn=input('输入船的最大容量:');end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 决策生成jc=1; % 决策向量存放在矩阵“d”中, jc为插入新元素的行标初始为1for i=0:nnnfor j=0:nnnif (i+j<=nnn)&(i+j>0) % 满足条件D={(u,v)|1<=u+v<=nnn,u,v=0,1,2}d(jc,1:3)=[i,j 1]; %生成一个决策向量后立刻将他扩充为三维（再末尾加“1”）d(jc+1,1:3)=[-i,-j,-1]; % 同时生成他的负向量jc=jc+2; % 由于一气生成两个决策向量,jc指标需要往下移动两个单位endendj=0;end再验证：程序结果说明在改变商人和仆人数目, 其他条件不变的条件下。
可能无法得到结果。
程序结果说明在改变商人和仆人数目，其他条件不变的条件下。
可能无法得到结果。
数学建模课程设计实验目的
数学建模课程设计实验目的一、课程目标知识目标：1. 让学生掌握数学建模的基本概念和原理，理解其在解决实际问题中的应用；2. 使学生能够运用所学的数学知识和方法，建立简单的数学模型，解决实际生活中的问题；3. 帮助学生了解数学建模的步骤和技巧，提高他们运用数学工具分析问题和解决问题的能力。
技能目标：1. 培养学生运用数学软件进行数据分析和模型构建的能力；2. 培养学生团队协作和沟通表达能力，能在小组合作中发挥各自优势，共同完成数学建模任务；3. 提高学生自主学习和解决问题的能力，培养创新思维和批判性思维。
情感态度价值观目标：1. 培养学生对数学建模的兴趣和热情，增强他们对数学学科的实际应用价值的认识；2. 培养学生面对实际问题时，敢于挑战、勇于探索的精神风貌；3. 培养学生具有合作、尊重、诚信的价值观，提高他们的社会责任感和公民素养。
课程性质：本课程为实验课程，注重理论与实践相结合，强调学生在实践中掌握数学建模的方法和技巧。
学生特点：学生具备一定的数学基础，具有较强的逻辑思维能力和动手操作能力，但对数学建模的了解有限。
教学要求：教师需结合学生实际情况，采用启发式、探究式教学方法，引导学生主动参与，注重培养学生的实践能力和创新精神。
通过本课程的学习，使学生能够将数学知识应用于解决实际问题，提高数学素养和综合素质。
二、教学内容本课程教学内容主要包括以下几部分：1. 数学建模基本概念：介绍数学建模的定义、作用和分类，使学生了解数学建模的意义和在实际中的应用。
2. 数学建模方法与步骤：学习数学建模的基本方法，包括问题分析、假设建立、模型构建、模型求解和模型检验等步骤。
3. 数学建模软件应用：教授学生使用数学软件（如MATLAB、Mathematica 等）进行数据分析和模型构建的方法。
4. 实际案例分析与讨论：分析典型的数学建模案例，让学生了解数学建模在各个领域的应用，提高他们分析问题和解决问题的能力。
5. 小组合作与实践：组织学生进行小组合作，针对实际问题进行数学建模，培养学生的团队协作能力和实践操作能力。
- 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)。
园钢下料
摘要：如何按照工艺要求和生产计划确定下料方案，使得原料最省。
本文通过数学规划模型和lingo软件可得最优方案。
问题重述
制造产品X，需要A，B，C，D四种轴类零件，其规格和数量如下表：
表1
各类零件都用5.5米长的圆钢下料，如果计划生产产品G 的数量900件，至多用4种切割模式情况下，问如何下料，才能使原料最省？
问题分析切割模式是按照客户需要在原料钢管安排切割的一种组合。
一个可行合理的切割模式的余料不应该大于或等于需要的圆钢的最小尺寸（本题中为0.7米），切割计划只使用可行合理的切割模式。
问题化为在满足生产计划和工艺要求的情况下，按照那些种（最多四种）合理的模式，切割多少根原料园钢，最为节省。
而原料最省，有两种标准：一是切割后剩余的总余料量最小，二是切割原料钢管的总根数最少。
下面将对这两个目标分别讨论。
模型建立
决策变量由于不同切割模式不能超过4种。
可以用x i表示按照第i种模式（i=1，2，3，4）切割的原料钢管的根数，显然它们应当是非负整数。
设所使用的第i种切割模式下每根原料原钢生产3.1米，2.3米，1.5米和0.7米的圆钢
数量分别为r1i,r2i,r3i,r4i(非负整数)。
决策目标以切割后剩余的总余料量最小，目标为
Min∑
=
-
-
-
-
4
1 1
)
4
7.0
3
5.1
2
3.2
1
1.3
5.5(i
r
i
r
i
r
i r
xi(1)
以切割原料圆钢的总根数最少，目标为
Min x1+x2+x3+x4 (2)
约束条件为满足需求，应有
r11x1+r12x2+r13x3+r14x4>=900 (3)
r21x1+r22x2+r23x3+r24x4>=1800 (4)
r31x1+r32x2+r33x3+r34x4>=1500 (5)
r41x1+r42x2+r43x3+r44x4>=8100 (6) 每种切割模式必须可行、合理，所以每根原料圆钢的成品量不能超过5.5米，也不能少于4.8米（余量不能大于0.7米），于是
4.8<=3.1r11+2.3r21+1.5r31+0.7r41<=
5.5 (7)
4.8<=3.1r12+2.3r22+1.5r32+0.7r42<=
5.5 (8)
4.8<=3.1r13+2.3r23+1.5r33+0.7r43<=
5.5
(9)
4.8<=3.1r14+2.3r24+1.5r34+0.7r44<=
5.5
(10)
模型求解
在（3）~（6）式中出现决策变量的乘积，是一个整数非线性规划模型，用lingo软件直接求解运行时间很长也难以得到最优解，为此可以增加一些显然的
约束条件，从而缩小可行解的搜索范围。
由于四种切割模式的排列顺序是无关紧要的，不妨增加以下约束
x1>=x2>=x3>=x4
又因为所需原料圆钢的总根数有着明显的上界和下界，首先，原料的圆钢总根数不可能少于（3.1*1+2.3*2+1.5*5+0.7*9）*900/5.5≈36根。
其次，考虑一种非常特殊的生产计划：第一种切割模式只生产3.1和2.3米的圆钢，为满足900根3.1米的圆钢，需900根；第二种切割模式只生产2.3和0.7米的圆钢，一根圆钢生产2根2.3米和一根0.7米的圆钢，需要450根；第三种切割模式只生产1.5米和0.7米的圆钢，一根生产3根1.5米和一根0.7米的圆钢，需1500根；第四种切割模式只生产0.7米的圆钢，一根生产7根，需879根原料圆钢，于是满足这种要求的生产计划共需900+450+1500+879=3729根原料圆钢，这样就得到最优解的一个上界。
所以增加约束
36<=x1+x2+x3+x4<=3729
(11)
将（1），（3）~（11）构成的整数规划模型（加上整数约束）输入lingo求解，可得到切割原料圆钢的总余料最少的最优解。
同样地，将（2）~（11）构成的整数规划模型（加上整数约束）输入lingo求解，可得到切割原料圆钢的总根数最少的最优解。
下面就只给出后者的求解和结果分析。
model:
Min=x1+x2+x3+x4;
r11*x1+r12*x2+r13*x3+r14*x4>=900;
r21*x1+r22*x2+r23*x3+r24*x4>=1800; r31*x1+r32*x2+r33*x3+r34*x4>=1500; r41*x1+r42*x2+r43*x3+r44*x4>=8100;
3.1*r11+2.3*r21+1.5*r31+0.7*r41<=5.5;
3.1*r12+2.3*r22+1.5*r32+0.7*r42<=5.5;
3.1*r13+2.3*r23+1.5*r33+0.7*r43<=5.5;
3.1*r14+2.3*r24+1.5*r34+0.7*r44<=5.5;
3.1*r11+2.3*r21+1.5*r31+0.7*r41>=
4.8;
3.1*r12+2.3*r22+1.5*r32+0.7*r42>=
4.8;
3.1*r13+2.3*r23+1.5*r33+0.7*r43>=
4.8;
3.1*r14+2.3*r24+1.5*r34+0.7*r44>=
4.8; x1+x2+x3+x4>=36;
x1+x2+x3+x4<=3729 ;
x1>=x2;
x2>=x3;
x3>=x4;
@gin(x1); @gin(x2); @gin(x3); @gin(x4);
@gin(r11); @gin(r12);@gin(r13);@gin(r14); @gin(r21);@gin(r22);@gin(r23);@gin(r24);
@gin(r31);@gin(r32);@gin(r33);@gin(r34); @gin(r41);@gin(r42);@gin(r43);@gin(r44);
可以得到最优解如下：
Local optimal solution found.
Objective value: 2872.000
Extended solver steps: 534
Total solver iterations: 18138
Variable Value Reduced Cost
X1 1072.000 1.000000
X2 900.0000 1.000000
X3 470.0000 1.000000
X4 430.0000 1.000000
R11 0.000000 0.000000
R12 0.000000 0.000000
R13 1.000000 0.000000
R14 1.000000 0.000000
R21 0.000000 0.000000
R22 2.000000 0.000000
R23 0.000000 0.000000
R24 0.000000 0.000000
R31 1.000000 0.000000
R32 0.000000 0.000000
R33 0.000000 0.000000
R41 5.000000 0.000000 R42 1.000000 0.000000 R43 3.000000 0.000000 R44 1.000000 0.000000
Row Slack or Surplus Dual Price
1 2872.000 -1.000000
2 0.000000 0.000000
3 0.000000 0.000000
4 2.000000 0.000000
5 0.000000 0.000000
6 0.5000000 0.000000
7 0.2000000 0.000000
8 0.3000000 0.000000
9 0.2000000 0.000000
10 0.2000000 0.000000
11 0.5000000 0.000000
12 0.4000000 0.000000
13 0.5000000 0.000000
14 2836.000 0.000000
15 857.0000 0.000000
17 430.0000 0.000000
18 40.00000 0.000000
即按照模式1，2，3，4分别切割3.1，2.3，1.5和0.7米的圆钢，使用原材料共总根数为2872根。
第一种切割模式下一根原料圆钢切割成1根1.5米圆钢和5根0.7米圆钢；第二种切割模式下一根原料圆钢切割成2根2.3米和1根0.7米的圆钢；第三种切割模式下一根圆钢切割成1根3.1米和3根0.7米的圆钢；第四种切割模式下一根圆钢切割成1根3.1米，1根1.5米和1根0.7米的圆钢。