数学建模模型之微分方程模型
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 。
数学建模之传染病模型-参考模板
第五章 微 分 方 程 模 型如果实际对象的某特性是随时间(或空间)变化的,那么分析它的变化规律,预测它的未来性态时,通常要建立此实际对象的动态模型,这就是微分方程模型.§1 传 染 病 模 型建立传染病的数学模型来描述传染病的传播过程,分析受感染人数的变化规律,预报传染病高潮的到来等,一直是各国有关专家和官员关注的课题.考虑某地区的传染病的传染情况,设该地区人口总数为N ,既不考虑生死,也不考虑迁移,时间以天为计量单位.一. SI 模 型假设条件:1. 人群分为易感染者(Susceptible )和已感染者(Infective )两类人,简称为健康人和病人,在时刻t 这两类人在总人数中所占比例分别记作()t s 和()t i .2. 每个病人每天有效接触的平均人数是λ(常数),λ称为日接触率,当病人与健康人有效接触时,使健康者受感染变为病人. 试建立描述()t i 变化的数学模型.解: ()()1=+t i t s ()()N N t i N t s =+∴由假设2知,每个病人每天可使()t s λ个健康者变为病人,又由于病人数为()t i N ,∴每天共有()()t i N t s λ个健康人被感染.于是i s N λ就是病人数i N 的增加率,即有i s N dtdiNλ= (1)i s dtdiλ=∴而1=+i s . 又记初始时刻(0=t )病人的比例为0i ,则()()⎪⎩⎪⎨⎧=-=001i i i i dt diλ 这就是Logistic 模型,其解为 ()te i t i λ-⎪⎪⎭⎫ ⎝⎛-+=11110[结果分析]作出()t t i ~和i dtdi~的图形如下:1. 当21=i 时,dtdi 取到最大值mdt di ⎪⎭⎫⎝⎛,此时刻为⎪⎪⎭⎫⎝⎛-=-11ln 01i t m λ2. 当∞→t 时,1→i 即所有人终将被传染,全变为病人(这是不实际的).二. SIS 模 型在前面假设1、2之下,再考虑病人可以医治,并且有些传染病如伤风、痢疾等愈后免疫力很低,可以假定无免疫性,于是病人被治愈后变成健康者,健康者还可以被感染再变成病人,此模型称SIS 模型.假设1、2同SI 模型,增加假设:3. 病人每天被治愈的人数占病人总数的比例为μ,称为日治愈率.病人治愈后成为易感染者(健康人).显然μ1是这种传染病的平均传染期.解:在假设1、2、3之下,模型(1)修正为i N i Ns dtdiNμλ-= 于是 ()()⎪⎩⎪⎨⎧=--=001i i i i i dt diμλ解得()()⎪⎪⎩⎪⎪⎨⎧⎪⎪⎭⎫ ⎝⎛+≠⎥⎦⎤⎢⎣⎡⎪⎪⎭⎫ ⎝⎛--+-=--- = -μλλμλμλλμλλμλ,1,11010i t e i t i t [结果分析] 1. 令μλσ=.注意到λ和μ1的含义,可知σ是一个传染期内每个病人有效接触的平均人数,称为接触数.()⎪⎩⎪⎨⎧-=∞ 011σi 11≤>σσ1-2. 接触数1=σ是一个阈值.当1≤σ时,病人比例()t i 越来越小,最终趋于零.当1>σ时,()t i 的增减性取决于0i 的大小,其极限值()σ11-=∞i .3. SI 模型是SIS 模型中0=μ的情形.三. SIR 模 型大多数传染病如天花、流感、肝炎、麻疹等治愈后均有很强的免疫力,所以病愈的人既非健康者,也非病人,他们已经退出传染系统,此时模型的假设为 1.人群分为健康者、病人和病愈免疫的移出者三类,称为SIR 模型.三类人在总人数N 中占的比例分别记作()i s 、()t i 和()t r .1. 病人的日接解率为λ,日治愈率为μ(与SIS 模型相同),传染期接触数为μλσ=.解:由假设1,有()()()1=++t r t i t s 0=++∴dtdrdt di dt ds 由假设2,得i N dt dr N μ= N i N i s dtdiN μλ-=⎪⎪⎩⎪⎪⎨⎧-==∴i i s dt di i dtdrμλμ 又设()()()00,0,000===r i i s s于是()()⎪⎪⎪⎩⎪⎪⎪⎨⎧==-=-=00s 0s ,0i i i s dtdsi i s dt diλμλ……………………………………………(2) 我们在相平面上来讨论解的性质. 相轨线的定义域为(){}1s ,0,0s ,s ≤+≥≥=i i i D 由(2)式消去dt ,得⎪⎩⎪⎨⎧=-==0s s 01s 1s i i d di σ 这里 μλσ= 解得()000s sln1s -i s σ++=i ………………………………………(3) 在定义域D 内,(3)式表示的曲线即为相轨线.---精心整理,希望对您有所帮助。
微分方程的经典模型
模型分析
问题中并未出现“变化率”、“导数”这样的关键词,但要寻找的是体重 (记为W)关于时间t的函数。如果我们把体重W看作是时间t的连续可微函数, 我们就能找到一个含有的
dW 微分方程。 dt
模型假设
W0 ; 1.W ( t ) 表示 t 时刻某人的体重,并设一天开始时人的体重为 2. W ( t ) 关于 t 连续而且充分光滑;
模型建立
游击作战模型的形式:
,
(t) f (x, y) x (t) g(x, y) y x(0) x , y(0) y 0 0
, 由假设2、3,甲乙双方的战斗减员率分别为
f(x ,y ) c x y
g (x ,y )dxy
结合以上两表达式,并代入 c、d 的值,可得游击作战的数学模型
或被歼灭)的一方为败。因此,如果 K K0 ,则乙的兵力减少到
甲方兵力降为“零”,从而乙方获胜。同理可知, K0
K0 胜。而当
a
时
时,甲方获
时,双方战平。
2 2 bx ay 0 甲方获胜的充要条件为 0 0
代入a 、b 的表达式,进一步可得甲方获胜的充要条件为
2 2 r p x r p y x x 0 y y 0
模型建立 根据假设得到一般的战争模型
x ( t) f( x ,y ) x u ( t) y ( t) g ( x ,y ) y v ( t) x ( 0 )x , y ( 0 )y 0 0
正规作战模型
模型假设
1.不考虑增援,并忽略非战斗减员;
得:
其解为:
i(t) i0e
k0t
模型分析与解释
这个结果与传染病初期比较吻合,但它表明病人人数将按指数规律 无限增加,显然与实际不符
数学建模-微分方程模型-饮酒驾车问题
和 x0 ,将体重 70kg 的某人在快速喝下 2 瓶啤酒之后一段时间内他血液中酒精含量的
测量值进行处理后,得到附录 1 所示的 y0 0 时的一组数据,并采用非线性最小二乘法 拟合算法对系数进行求解,得出参数如下。 x0 5193
=2.00796
=0.1855
同时可以看到,每瓶啤酒含酒精量为 2596.5mg。 所以,得出的血液中酒精含量关于时间的函数如下。
0.1855 t e 2.00756t ) 2860.78604(e y (t ) 0.1855( t 6) 2860.8028e 2.00756(t 6) 3800.7595e
0t 6 6 t 12
利用 matlab 对以上模型进行求解。 图 3 大李血液中酒精含量随时间变化图像
y (t ) ( y0 +5721.57208)e 0.1855t 5721.57208e 2.00796t
拟合效果如图。 图 1 函数的拟合效果
图 2 残差分析图
残差分析图
600 500 400 300 200 100 0 10 11 12 13 14 15 0.5 1.5 2.5 3.5 0.25 ‐100 ‐200 ‐300 ‐400 残差 0.75 4.5 16 1 2 3 4 5 6 7 8 9
时刻为 t 时胃肠道中的酒精含量。
y (t ) 时刻为 t 时血液中的酒精含量。
胃肠道中的酒精进入血液的转移率与胃肠道中酒精量的比值。 血液中的酒精的排除率与血液中酒精量的比值。
五、模型的建立与求解
5.1 问题一 根据题目叙述,大李的实际情况符合快速饮酒的模型。为了确定函数中的系数 ,
数学建模 四大模型总结
四类基本模型1 优化模型1.1 数学规划模型线性规划、整数线性规划、非线性规划、多目标规划、动态规划。
1.2 微分方程组模型阻滞增长模型、SARS 传播模型。
1.3 图论与网络优化问题最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。
1.4 概率模型决策模型、随机存储模型、随机人口模型、报童问题、Markov 链模型。
1.5 组合优化经典问题● 多维背包问题(MKP)背包问题:n 个物品,对物品i ,体积为i w ,背包容量为W 。
如何将尽可能多的物品装入背包。
多维背包问题:n 个物品,对物品i ,价值为i p ,体积为i w ,背包容量为W 。
如何选取物品装入背包,是背包中物品的总价值最大。
多维背包问题在实际中的应用有:资源分配、货物装载和存储分配等问题。
该问题属于NP 难问题。
● 二维指派问题(QAP)工作指派问题:n 个工作可以由n 个工人分别完成。
工人i 完成工作j 的时间为ij d 。
如何安排使总工作时间最小。
二维指派问题(常以机器布局问题为例):n 台机器要布置在n 个地方,机器i 与k 之间的物流量为ik f ,位置j 与l 之间的距离为jl d ,如何布置使费用最小。
二维指派问题在实际中的应用有:校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。
● 旅行商问题(TSP)旅行商问题:有n 个城市,城市i 与j 之间的距离为ij d ,找一条经过n 个城市的巡回(每个城市经过且只经过一次,最后回到出发点),使得总路程最小。
● 车辆路径问题(VRP)车辆路径问题(也称车辆计划):已知n 个客户的位置坐标和货物需求,在可供使用车辆数量及运载能力条件的约束下,每辆车都从起点出发,完成若干客户点的运送任务后再回到起点,要求以最少的车辆数、最小的车辆总行程完成货物的派送任务。
TSP 问题是VRP 问题的特例。
● 车间作业调度问题(JSP)车间调度问题:存在j 个工作和m 台机器,每个工作由一系列操作组成,操作的执行次序遵循严格的串行顺序,在特定的时间每个操作需要一台特定的机器完成,每台机器在同一时刻不能同时完成不同的工作,同一时刻同一工作的各个操作不能并发执行。
数学建模 微分方程模型讲解
量在初始阶段的增长情况比较相符。
(2)由(3—19)式推得,t=0 时显然 x=0,这一结果自然与
事实不符。产生这一错误结果的原因在于我们假设产品是自然推
销的,然而,在最初产品还没卖出之时,按照自然推销的方式,
便不可能进行任何推销。事实上,厂家在产品销售之初,往往是
通过广告、宣传等各种方式来推销其产品的。
? 1. 新产品推销模型 ? 一种新产品问世,经营者自然要关心产
品的卖出情况。下面我们根据两种不同 的假设建立两种推销速度的模型。
模型 A 假设产品是以自然推销的方式卖出,换句话说,被卖出的产品
实际上起着宣传的作用, 吸引着未来购买的消费者。 设产品总数与时刻 t 的关
系为 x(t), 再假设每一产品在单位时间内平均吸引 k 个顾客,则 x(t) 满足微
样,从根本上解决了模型 A 的不足。 由(3—20)式易看出, dx ? 0 ,即 x(t) 是关于时刻 t 的单调增
dt
加函数,实际情况自然如此,产品的卖出量不可能越卖越少。另外,
对(3—20)式两端求导,得
d 2x dt 2
?
k(M
?
2 x)
dx dt
故令 d 2x
dt 2
?
0 ,得到 x(t0 ) ?
Nm N0
)e? n
易看出,当t→? 时,当N(t) →Nm。这个模型称为Logistic 模型,其结果 经过计算发现与实际情况比较吻合。上面所画的是 Logistic 模型的的图形。
你也可从这个图形中,观察到微分方程解的某些性态。
捕鱼问题
在鱼场中捕鱼,捕的鱼越多,所获得的经济效益越大。但捕捞的鱼过多,
根据上面的假设,我们建立模型
dS ? P ? A(t) ? ??1 ? S (t) ?? ? ? S(t )
数学建模,第三章-微分方程模型
8小时20分-2小时57分=5小时23分
即死亡时间大约在下午5:23,因此张某不能被 排除在嫌疑犯之外。
理学院
3.2 目标跟踪模型
例1 饿狼追兔问题 黑 龙 现有一直兔子,一只狼,兔子位于狼的正西100米处,假 江 科 设兔子与狼同时发现对方并一起起跑,兔子往正北60米处的 技 巢穴跑,而狼在追兔子,已知兔子、狼是匀速跑且狼的速度 学 是兔子的2倍。兔子能否安全回到巢穴? 整理得到下述模型: 院 解:设狼的行走轨迹为y=f(x),则有:
理பைடு நூலகம்院
本章将通过一些最简单的实例来说明微分方程建模的 一般方法。在连续变量问题的研究中,微分方程是十分常 用的数学工具之一。
在许多实际问题中,当直接导出变量之间的函数关系 较为困难,但导出包含未知函数的导数或微分的关系式较 为容易时,可用建立微分方程模型的方法来研究该问题,
黑 龙 江 科 技 学 院 数 学 建 模
数 学 建 模
B
60
2 2xf' ' x 1 f' x y' x 0 , y 0 100 x 100 解得狼的行走轨迹为: 100 0 100 (0,h) 0, f' f 假设在某一时刻,兔子跑到 处,而狼在 (x,y)处,则有:
理学院
y y0 g e
g
车间空气中CO2浓度y 与时间t的数学模型
黑 龙 江 科 技 学 院 数 学 建 模
3.4 学习模型
一般认为,对一项技术工作,开始学得较快,但随着学 得越来越多时,内容也越来越复杂,学员学得就会越来越慢。
员学习的速度,则随y的增长而下降。
dy 设y%表示已经掌握了这项工作的百分数, dt
数学建模微分方程模型
数学建模微分方程模型在数学建模的旅程中,微分方程模型扮演了至关重要的角色。
它们在描述和解决各种实际问题中,从物理学到社会科学,都起到了关键的作用。
在本章中,我们将探讨微分方程模型的基本概念、类型和应用。
微分方程是一种方程,它包含未知函数的导数。
这种方程在描述变化率时非常有用,例如,描述物体的速度或加速度。
在形式上,微分方程可以表示为 y'(x) = f(x, y),其中 y'表示 y的导数,f是一个给定的函数。
根据方程的特点,微分方程可以划分为多种类型,如线性微分方程、非线性微分方程、常微分方程、偏微分方程等。
每种类型的方程都有其特定的求解方法和应用领域。
微分方程在众多领域中都有应用,如物理学、工程学、经济学等。
例如,牛顿第二定律就是一个微分方程,它描述了物体的加速度如何由作用力决定。
人口增长模型、传染病模型等也都依赖于微分方程。
建立微分方程模型通常需要以下步骤:确定模型的目标和变量;然后,根据问题背景和物理规律建立数学模型;通过数值计算或解析解法得出结果。
求解微分方程的方法主要有两种:数值方法和解析方法。
数值方法是通过计算机程序或软件进行数值计算得到近似解,而解析方法是通过求解方程得到精确解。
对于某些类型的微分方程,可能需要结合使用这两种方法。
建立微分方程模型后,我们需要对模型进行评估和检验,以确保其有效性和准确性。
这通常包括对模型的假设进行检验、对模型的预测结果进行验证以及对模型的参数进行估计和调整等。
随着科学技术的发展,微分方程模型的应用前景越来越广阔。
例如,在生物学中,微分方程被用来描述疾病的传播动态;在经济学中,微分方程被用来分析市场供需关系的变化;在工程学中,微分方程被用来模拟复杂系统的行为等。
未来,随着大数据和人工智能等技术的发展,微分方程模型将在更多领域得到应用和发展。
微分方程模型是数学建模中一个极其重要的部分。
通过学习和掌握微分方程的基本概念、类型、应用以及求解方法等,我们可以更好地理解和解决现实生活中的各种问题。
微分方程模型
r0
r0
x(t ) x0
x(t ) 0
人口将始终保持不变! 人口将按指数规律减少直 至绝灭!
2 T ln r
人口倍增时间
Malthus模型预测美国人口
Malthus模型预测美国人口
Malthus模型预测的优缺点
优点 缺点 原因 短期预报比较 准确 不适合中长期预报 预报时假设人口增长率 r 为常数。没有考虑环 境对人口增长的制约作用。
机动
目录
上页
下页
返回
结束
医学(流行病,传染病问题)模型,经济(商业销 售,财富分布,资本主义经济周期性危机)模 型,战争(正规战,游击战)模型等。 下面,我们给出如何利用方程知识建立 数学模型的几种方法。
机动
目录
上页
下页
返回
结束
1.利用题目本身给出的或隐含的等量 关系建立微分方程模型。这就需要我们仔 细分析题目,明确题意,找出其中的等量关 系,建立数学模型。 2.从一些已知的基本定律或基本公式出 发建立微分方程模型.我们要熟悉一些常用 的基本定律,基本公式.例如力学中的牛顿第 二运动定律,电学中的基尔霍夫定律等.从 这些知识出发我们可以建立相应的微分方 程模型。
到t t时刻, 除去死亡的人外 , 活着的都变成了
r dr1 , r dr dr1 区间内的人, t t时刻年龄在
即p(r dr 1 , t dt) dr.这里dr 1 dt.
而在这段时间內死去的 人数为 r , t pr , t drdt, 它们之间的关系为 : pr , t dr pr dr 1 , t dt dr r , t p r , t drdt r , t pr , t drdt
数学建模之微分方程建模与平衡点理论
微分方程列微分方程常用得方法:(1)根据规律列方程利用数学、力学、物理、化学等学科中得定理或经过实验检验得规律来建立微分方程模型。
(2)微元分析法利用已知得定理与规律寻找微元之间得关系式,与第一种方法不同得就是对微元而不就是直接对函数及其导数应用规律。
(3)模拟近似法在生物、经济等学科得实际问题中,许多现象得规律性不很清楚,即使有所了解也就是极其复杂得,建模时在不同得假设下去模拟实际得现象,建立能近似反映问题得微分方程,然后从数学上求解或分析所建方程及其解得性质,再去同实际情况对比,检验此模型能否刻画、模拟某些实际现象。
一、模型得建立与求解1.1传染病模型(1)基础模型假设:t时刻病人人数连续可微。
每天每个病人有效接触(使病人治病得接触)得人数为,时有个病人、建模:t到病人人数增加(1)(2)解得:ﻩ (3)所以,病人人数会随着t得增加而无限增长,结论不符合实际。
(2)SI模型假设:1、疾病传播时期,总人数N保持不变。
人群分为两类,健康者占总人数得比例为s(t),病人占总人数得比例为i(t)。
2。
每位病人每天平均有效接触人,为日接触率。
有效接触后健康者变为病人。
依据:患病人数得变化率=Ni(t)(原患病人数)*s(t)(每个病人每天使健康人变为病人得人数)建模:ﻩ (4)由于ﻩ (5)设t=0时刻病人所占得比例为,则可建立Logistic模型(6)解得:ﻩ (7)用Matlab绘制图1,图2 图形如下,结论:在不考虑治愈情况下①当时达到最大值,这时②时人类全被感染、未考虑治愈情况。
(3)SIS模型假设:1。
疾病传播时期,总人数N保持不变。
人群分为两类,健康者占总人数得比例为s(t),病人占总人数得比例为i(t)、2。
每位病人每天平均有效接触人,为日接触率。
有效接触后健康者变为病人。
3。
在所有病人中,每天有比例得人能被治愈,治愈后瞧作可被感染得健康者,传染病得平均传染期为。
依据:患病人数得变化率=(患病人数得变化率)-(治愈率)建模:ﻩ(8)(9)令为整个传染期内每位病人有效接触得平均人数,、则有(10) 用Matlab绘制出(图3,图5)与i~t(图4,图6)。
微分方程模型(经济数学建模课程(西安交通大学,戴雪峰)
若按(3) ,求出圆桶的速度 v(t),就必须求出圆 桶的下沉时间,要做到这一点比较困难。为此改 变讨论方法,显然速度 v(t)为下沉深度的函数所 以 v(t)改写为 v(y(t)),
dv dv dy dt dy dt
( 1)可写为 dy dv m W B cv dt dy
不过是指数增长模型离散形式的近似表示。
2、阻滞增长模型 (Logistic model)
将r表示为人口x(t)的函数r(x),r(x)应为减 函数。最简单假设r(x)=r-sx,r、s>0,这 里r相当于x=0时的增长率,称为固有增长 率。显然任意x>0,r(x)<r。为了确定s的意 义,引入自然资源和环境条件所容纳的最 大人口数量xm(称最大人口容量)。
• 设K为潜在的消费者总数, • n(t)为t时刻购买了该产品的人数,在时 间段[ t , t+Δ t ]中,Δ n由两部分组成, Δ n1是由来自消费者外部的产品信息导 致的购买者增量;Δ n2是由来自消费者 内部传播的产品信息导致的购买者增量。
△ n1 应与未购买者人数成正比,即
n1 a K nt t ,
cg t W
)
(3)
圆桶的极限速度 W B lim v(t ) 713.86 ft / s t c
如果极限速度不超过 40ft/s,工程师们就可以罢休 了,然而圆桶的极限速度竟然如此之大,使得人们 不得不开始相信工程师们也许是对的。 (即圆桶的 速度很有可能大于 40ft/s。 )
数学建模
西安交通大学理学院 戴 雪 峰 E-mail: daixuefeng@
微分方程模型
(动态模型)
一、人口模型
以前常用这样的方法: 设人口增长率为r,今年人口为a0, 那末一年后为a0(1+r),两年后就为a0(1+r)2, ……,k年后的人口为ak= a0(1+r)k。
数学建模公选课:第五讲-微分方程模型
详细描述
龙格-库塔方法具有较高的精度和稳定性,适用于求解各种复杂的一阶和二阶常微分方程。
04
微分方程模型的应用实例
人口增长模型
总结词
描述人口随时间变化的规律
详细描述
人口增长模型通常使用微分方程来描述人口随时间变化的规律。该模型基于假设,如人口增长率与当 前人口数量成正比,来建立微分方程。通过求解该微分方程,可以预测未来人口数量。
模型建立
如何根据实际问题建立合适的微分方 程模型是一个挑战。
02
高维问题
对于高维微分方程,如何求解是一个 难题。
01
03
非线性问题
非线性微分方程的求解更加复杂和困 难。
未来展望
随着科学技术的发展,微分方程模型 的应用领域将更加广泛,求解技术也 将更加成熟和多样化。
05
04
多尺度问题
如何处理不同时间尺度的微分方程是 一个挑战。
数学建模公选课:第五讲 -微分方程模型
• 微分方程模型简介 • 微分方程模型的建立 • 微分方程模型的求解方法 • 微分方程模型的应用实例 • 微分方程模型的发展趋势与展望
01
微分方程模型简介
微分方程的基本概念
微分方程是描述数学模型中变量随时间变化的数学表达式,通常表示为包含未知函 数及其导数的等式。
05
微分方程模型的发展趋势与展望
微分方程模型在各领域的应用前景
物理领域
描述物体的运动规律,如牛顿 第二定律、波动方程等。
经济领域
分析市场供需关系和预测经济 趋势。
工程领域
预测和控制系统的动态行为, 如电路、机械系统等。
生物医学领域
数学建模实例ppt课件
B
的化学物质Z已泻入湖中,初步估计Z的量在5~20m3之间。 建立一个模型,通过它来估计湖水污染程度随时间的变化
并估计:
(1)湖水何时到达污染高峰;
(2)何时污染程度可降至安全水平(<0.05%)
28
湖泊污染问题分析
设湖水在t时的污染程度为C(t), X
即每立方米受污染的水中含有Cm3 A
的化学物质和(1-C)m3的清洁水。用
23
几何关系
dy tg y at
dx
x
即 x dy y at dx
24
如何消去时间t?
1、求导:
2、速度与路程的关系: x 得:
(这里有负号是因为s随x的减小而增大) 4、将第2、3步代入第1步,可得模型
25
追线模型:
x
d2y dx2
k
1 dy 2 dx
由已知,T (0) 37 , T (t) 29 , T (t 1) 27 可得微分方程的特解:
T (t) 16 4 t 21 3
由T (t) 29,代入解得 t 2.4094
因此死者大约是在前一天的夜晚10:35被害的。
图1 尸体的温度
下降曲线
4
建立微分方程的常用方法
1、按变化规律直接列方程,如: 利用人们熟悉的力学、数学、物理、化学等学科中的规律,
19
(1)问题分析与模型的建立
1、放射性衰变的这种性质还可描述为“放射性物 质在任意时刻的衰变速度都与该物质现存的数量 成比例”。而C14的比例数为每年八千分之一。
2、碳14年代测定可计算出生物体的死亡时间;所
以,我们问题实际上就是:“这人死去多久了?”
若设t为死后年数,y(t)为比例数,则y(t)=C14/C12
数学建模实验答案_微分方程模型
数学建模实验答案_微分⽅程模型实验07 微分⽅程模型(2学时)(第5章微分⽅程模型)1.(验证)传染病模型2(SI 模型)p136~138传染病模型2(SI 模型):0(1),(0)dik i i i i dt=-= 其中,i (t )是第t 天病⼈在总⼈数中所占的⽐例。
k 是每个病⼈每天有效接触的平均⼈数(⽇接触率)。
i 0是初始时刻(t =0)病⼈的⽐例。
1.1 画~dii dt曲线图p136~138取k =0.1,画出i dt di ~的曲线图,求i 为何值时dtdi达到最⼤值,并在曲线图上标注。
提⽰:fplot, fminbnd, plot, text, title, xlabel 1)画曲线图⽤fplot 函数,调⽤格式如下: fplot(fun,lims)fun 必须为⼀个M ⽂件的函数名或对变量x 的可执⾏字符串。
若lims取[xmin xmax],则x轴被限制在此区间上。
若lims取[xmin xmax ymin ymax],则y轴也被限制。
本题可⽤fplot('0.1*x*(1-x)',[0 1.1 0 0.03]);2)求最⼤值⽤求解边界约束条件下的⾮线性最⼩化函数fminbnd,调⽤格式如下:x=fminbnd('fun',x1,x2)fun必须为⼀个M⽂件的函数名或对变量x的可执⾏字符串。
返回⾃变量x在区间x1本题可⽤x=fminbnd('-0.1*x*(1-x)',0,1)y=0.1*x*(1-x)3)指⽰最⼤值坐标⽤线性绘图函数plot,调⽤格式如下:plot(x1,y1, '颜⾊线型数据点图标', x2,y2, '颜⾊线型数据点图标',…)本题可⽤hold on; %在上⾯的同⼀张图上画线(同坐标系)plot([0,x],[y,y],':',[x,x],[0,y],':');4)图形的标注使⽤⽂本标注函数text,调⽤格式如下:格式1text(x,y,⽂本标识内容, 'HorizontalAlignment', '字符串1')x,y给定标注⽂本在图中添加的位置。
微分方程模型——数学建模真题解析
练习题: 1、在一所大学,某个教师每天从图书馆借出一本 书,而图书馆每周收回所借图书的10%。2年后, 这个教师手中有大约多少本图书馆的书? 2、某学院的教育基金,最初投资P元,以后按利 率r的连续复利增长。另外,每年在基金开算的时 间,都要投入新的资本A/年求7年的累计资金数 量。 另外,如果每年在基金开算的时间,把其中20% 用于奖学金的发放,求7年后累计资金数量。 3、一场降雪开始于中午前的某个时刻,降雪量稳 定。某人从正午12点开始清扫人行道,他的铲雪 速度(m3/小时)和路面宽度都不变,到下午2点他 扫了1000米,到下午4点又清扫了500米。雪是什 么时间开始下的?另外,如果他在下午4点开始回 头清扫,什么时间回到开始清扫的地点?
2004C题 饮酒驾车 据报载,2003年全国道路交通事故死亡人数为 10.4372万,其中因饮酒驾车造成的占有相当的比例。 针对这种严重的道路交通情况,国家质量监督检验检 疫局2004年5月31日发布了新的《车辆驾驶人员血液、 呼气酒精含量阈值与检验》国家标准,新标准规定, 车辆驾驶人员血液中的酒精含量大于或等于20毫克/ 百毫升,小于80毫克/百毫升为饮酒驾车(原标准是 小于100毫克/百毫升),血液中的酒精含量大于或 等于80毫克/百毫升为醉酒驾车(原标准是大于或等 于100毫克/百毫升)。 大李在中午12点喝了一瓶啤酒,下午6点检查时符合 新的驾车标准,紧接着他在吃晚饭时又喝了一瓶啤酒, 为了保险起见他呆到凌晨2点才驾车回家,又一次遭 遇检查时却被定为饮酒驾车,这让他既懊恼又困惑, 为什么喝同样多的酒,两次检查结果会不一样呢?
微分方程基础
微分方程是含有函数及其导数的方程。 如果方程(组)只含有一个自变量(通常是时间t),则 称为常微分方程。否则称为偏微分方程。
数学建模常用算法模型
数学模型的分类按模型的数学方法分:几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等按模型的特征分:静态模型和动态模型,确定性模型和随机模型,离散模型和连续性模型,线性模型和非线性模型等按模型的应用领域分:人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等.按建模的目的分:预测模型、优化模型、决策模型、控制模型等一般研究数学建模论文的时候,是按照建模的目的去分类的,并且是算法往往也和建模的目的对应按对模型结构的了解程度分:有白箱模型、灰箱模型、黑箱模型等比赛尽量避免使用,黑箱模型、灰箱模型,以及一些主观性模型.按比赛命题方向分:国赛一般是离散模型和连续模型各一个,2016美赛六个题目离散、连续、运筹学/复杂网络、大数据、环境科学、政策数学建模十大算法1、蒙特卡罗算法该算法又称随机性模拟算法,是通过计算机仿真来解决问题的算法,同时可以通过模拟可以来检验自己模型的正确性,比较好用的算法2、数据拟合、参数估计、插值等数据处理算法比赛中通常会遇到大量的数据需要处理,而处理数据的关键就在于这些算法,通常使用Matlab作为工具3、线性规划、整数规划、多元规划、二次规划等规划类问题建模竞赛大多数问题属于最优化问题,很多时候这些问题可以用数学规划算法来描述,通常使用Lindo、Lingo软件实现4、图论算法这类算法可以分为很多种,包括最短路、网络流、二分图等算法,涉及到图论的问题可以用这些方法解决,需要认真准备5、动态规划、回溯搜索、分治算法、分支定界等计算机算法这些算法是算法设计中比较常用的方法,很多场合可以用到竞赛中6、最优化理论的三大非经典算法:模拟退火法、神经网络、遗传算法这些问题是用来解决一些较困难的最优化问题的算法,对于有些问题非常有帮助,但是算法的实现比较困难,需慎重使用7、网格算法和穷举法当重点讨论模型本身而轻视算法的时候,可以使用这种暴力方案,最好使用一些高级语言作为编程工具8、一些连续离散化方法很多问题都是从实际来的,数据可以是连续的,而计算机只认的是离散的数据,因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的9、数值分析算法如果在比赛中采用高级语言进行编程的话,那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用10、图象处理算法赛题中有一类问题与图形有关,即使与图形无关,论文中也应该要不乏图片的这些图形如何展示,以及如何处理就是需要解决的问题,通常使用Matlab进行处理算法简介1、灰色预测模型必掌握解决预测类型题目.由于属于灰箱模型,一般比赛期间不优先使用.满足两个条件可用:①数据样本点个数少,6-15个②数据呈现指数或曲线的形式2、微分方程预测高大上、备用微分方程预测是方程类模型中最常见的一种算法.近几年比赛都有体现,但其中的要求,不言而喻.学习过程中无法直接找到原始数据之间的关系,但可以找到原始数据变化速度之间的关系,通过公式推导转化为原始数据的关系.3、回归分析预测必掌握求一个因变量与若干自变量之间的关系,若自变量变化后,求因变量如何变化;样本点的个数有要求:①自变量之间协方差比较小,最好趋近于0,自变量间的相关性小;②样本点的个数n>3k+1,k为自变量的个数;③因变量要符合正态分布4、马尔科夫预测备用类似的名词有,马尔科夫链、马尔科夫模型、,马氏链模型等一个序列之间没有信息的传递,前后没联系,数据与数据之间随机性强,相互不影响;今天的温度与昨天、后天没有直接联系,预测后天温度高、中、低的概率,只能得到概率.思考马尔科夫和元胞自动机之间的关系5、时间序列预测必掌握与马尔科夫链预测互补,至少有2个点需要信息的传递,ARMA模型,周期模型,季节模型等6、小波分析预测高大上数据无规律,海量数据,将波进行分离,分离出周期数据、规律性数据;可以做时间序列做不出的数据,应用范围比较广7、神经网络预测备用大量的数据,不需要模型,只需要输入和输出,黑箱处理,建议作为检验的办法8、混沌序列预测高大上比较难掌握,数学功底要求高9、插值与拟合必掌握拟合以及插值还有逼近是数值分析的三大基础工具,通俗意义上它们的区别在于:拟合是已知点列,从整体上靠近它们;插值是已知点列并且完全经过点列;逼近是已知曲线,或者点列,通过逼近使得构造的函数无限靠近它们.10、灰色关联分析法必掌握与灰色预测模型一样,比赛不能优先使用11、模糊综合评判备用评价一个对象优、良、中、差等层次评价,评价一个学校等,不能排序12、主成分分析必掌握评价多个对象的水平并排序,指标间关联性很强13、层次分析法AHP必掌握作决策,去哪旅游,通过指标,综合考虑作决策14、数据包络DEA分析法备用优化问题,对各省发展状况进行评判15、秩和比综合评价法高大上评价各个对象并排序,指标间关联性不强16、优劣解距离法TOPSIS法备用17、投影寻踪综合评价法高大上揉和多种算法,比如遗传算法、最优化理论等18、方差分析、协方差分析等备用方差分析:看几类数据之间有无差异,差异性影响,例如:元素对麦子的产量有无影响,差异量的多少;1992年,作物生长的施肥效果问题协方差分析:有几个因素,我们只考虑一个因素对问题的影响,忽略其他因素,但注意初始数据的量纲及初始情况.2006年,艾滋病疗法的评价及预测问题21、线性规划、整数规划、0-1规划必掌握有约束,确定的目标比较简单,必须掌握22、非线性规划与智能优化算法智能算法至少掌握1-2个,其他的了解即可非线性规划包括:无约束问题、约束极值问题智能优化算法包括:模拟退火算法、遗传算法、改进的遗传算法、禁忌搜索算法、神经网络、粒子群等23、多目标规划和目标规划柔性约束,目标含糊,超过备用24、动态规划备用25、复杂网络优化多因素交错复杂备用,编程好的使用要掌握离散数学中经典的知识点——图论.26、排队论与计算机仿真高大上排队论包括、元胞自动机对编程能来要求较高,一般需要证明其机理符合实际情况,不能作为单独使用这也是大部分队伍使用元胞自动机不获奖的最大原因.27、模糊规划范围约束28、灰色规划难29、图像处理备用MATLAB图像处理,针对特定类型的题目,一般和数值分析的算法有联系.例如2013年国赛B 题,2014网络赛B题.30支持向量机31多元分析1、聚类分析必掌握,参考192、主成分分析必掌握3、因子分析必掌握4、判别分析5、典型相关分析6、对应分析7、多维标度法8、偏最小二乘回归分析32、分类与判别主要包括以下几种方法,1、距离聚类系统聚类常用2、关联性聚类常用3、层次聚类4、密度聚类5、其他聚类6、贝叶斯判别统计判别方法7、费舍尔判别训练的样本比较多8、模糊识别分好类的数据点比较少33、关联与因果1、灰色关联分析方法样本点的个数比较少2、Sperman或kendall等级相关分析3、Person相关样本点的个数比较多4、Copula相关比较难,金融数学,概率密度5、典型相关分析因变量组Y1234,自变量组X1234,各自变量组相关性比较强,问哪一个因变量与哪一个自变量关系比较紧密6、标准化回归分析若干自变量,一个因变量,问哪一个自变量与因变量关系比较紧密7、生存分析事件史分析难数据里面有缺失的数据,哪些因素对因变量有影响8、格兰杰因果检验计量经济学,去年的X对今年的Y有没影响。
数学建模之微分方程模型
增长率递增的现象),但是随着人口数的 增加,人口的年增长率将呈现逐年递减的 现象。再考虑到环境适应程度的制约,想 象人口的增长不可能超过某个度。
(2)对于其中常数增长率r 的估计可以使用 拟合或者参数估计的方法得到。
(3)在实际情况下,可以使用离散的近似 表达式 N(t) N0 (1 r)t 作为人口的预测表 达式。
人口模型
人口数量以及和次类似的动植物种群 的个体数量都是离散变量,不具有连续可 微性。但由于短时间内改变的是少数个体, 与整体数量相比,这种变化是很微小的。 基于此原因,为了成功应用数学工具,我 们通常假定大规模种群的个体数量是时间 的连续可微函数。此假设条件在非自然科 学的问题中常常用到。
指数增长模型(Malthus 人口模型)
(程2可)以注看意到到,NddN(tt
0 ,并且从最终的人口方
)
N m,以及
lim
t
N
(t)
N m,
(这人3说口)dd明 的2tN2人增口 长r(随速1着 度2N时 最/间 快Nm的 ,) 增 从0加 而表递 可明增以当地得N趋到 于人N2mN口时m。
曲线上的一个拐点。
(4) 模型中所涉及到的两个参数 r, Nm 的估
模型假设:
(1)人口的增长率r 是当前人口数的减函 数 r r(N) r(N)' 0 。
(2) r(N) r sN ,其中r 是人口的固有增长
率,而s 决定了所能容纳的最大人口量 Nm 。
当 N Nm 时,人口的增长速度将降为0,从而 可以得到 s r / N。m 这样可以得到
r(N) r(1 N / Nm ) 。
- 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)。
x cxy
y
dxy
x(0) x0 , y(0) y0
y(t)
m0
dy d dx c
cy dx m
m cy dx
0
0
m 0 x 0时y 0
乙方胜
m0
mc
m0
y0 d rx srx sx 线性律 x0 c ry sry s y 模型
m 0 甲方胜
0
m d
x(t)
m 0 平局
• 调节资金与劳动力的增长率,使经济(生产率)增长
1. 道格拉斯(Douglas)生产函数
产值 Q(t)
资金 K(t) 劳动力 L(t) 技术 f(t) = f0
Q(t) f0F (K (t), L(t)) F为待定函数
1. 道格拉斯(Douglas)生产函数
静态模型 Q(K, L) f F(K, L) 0
含义?
0
y
1. Douglas生产函数
Q(K, L) f0 K L1
QK ~ 单位资金创造的产值 KQK , LQL 1
QL ~ 单位劳动力创造的产值 Q
Q
KQK LQL Q
~ 资金在产值中的份额 1- ~劳动力在产值中的份额
更一般的道格拉斯(Douglas)生产函数 Q(K, L) f0K L , 0 , 1, f0 0
混合战争模型 甲方为游击部队,乙方为正规部队
x cxy
y
bx
cy 2 2bx n n cy02 2bx0
x(0) x0 , y(0) y0
y(t)
n 0,乙方胜
n0 乙方胜
2
y0 x0
2b cx0
2
y0 x0
2rx px sx ry sry x0
n 0,平局 n 0,甲方胜
y(t)
k 0
k 0 x 0时y 0 乙方胜
k 0
2
ka
k 0
y 0
x0
b
r x
p x
a ry py
平方律 模型
k 0 甲方胜
0
k b
x(t)
k 0 平局
游击战争模型 双方都用游击部队作战
• 甲方战斗减员率还随着甲方兵力的增加而增加 f(x, y)=cxy, c~ 乙方每个士兵的杀伤率
模型4
SIR模型
di dt
si
i
ds dt
si
消去dt
/
di
ds
1
s
1
i
s s0
i 0
相轨线
i(0) i0 , s(0) s0 相轨线 i(s) 的定义域
i(s)
(s0
i
i0 )
s
1
ln
s s0
D {(s,i) s 0, i 0, s i 1} 1
在D内作相轨线 i(s)
战斗力与射击次数及命中率有关 建模思路和方法为用数学模型讨论社会 领域的实际问题提供了可借鉴的示例
一般模型 x(t) ~甲方兵力,y(t) ~乙方兵力
模型 假设
• 每方战斗减员率取决于双方的兵力和战斗力 • 每方非战斗减员率与本方兵力成正比 • 甲乙双方的增援率为u(t), v(t)
x(t) f (x, y) x u(t), 0
i0 0, s0 1
x 1 ln(1 x ) 0
s0
i
x<<s0
x(1
1
s0
x
2s02
)
0
x
2s0
(s0
1
)
P1
0 s 1/ s0
s
s0 - 1/ = x 2
小, s0 1
提高阈值1/ 降低 被传染人数比例 x
5.2 经济增长模型
增加生产 发展经济 增加投资 增加劳动力 提高技术
• 建立产值与资金、劳动力之间的关系 • 研究资金与劳动力的最佳分配,使投资效益最大
的图形,进行分析
D 0
s
1
模型4 相轨线 i(s) 及其分析
SIR模型
di dt
si
i
ds dt
si
di
ds
1
s
1
i
1
i(s)
(s0
i0
)
s
1
ln
s s
i
s s0
i 0
D
0
i(0) i0 , s(0) s0
P4
s(t)单调减相轨线的方向 im s 1/ , i im t , i 0
模型4
SIR模型
N[i(t t) i(t)] Ns(t)i(t)t Ni(t)t
N[s(t t) s(t)] Ns(t)i(t)t
di
dt
si
i
ds
dt
si
无法求出 i(t), s(t)
的解析解
i(0) i0 , s(0) s0
在相平面 s ~ i 上
研究解的性质
i0 s0 1(通常r(0) r0很小)
x ay
• 忽略非战斗减员
y
bx
• 假设没有增援
x(0) x0 , y(0) y0
正规战争模型
x ay
y
bx
x(0) x0 , y(0) y0
为判断战争的结局,不求x(t), y(t) 而在相平面上讨论 x 与 y 的关系
dy bx dx ay
ay2 bx2 k k ay02 bx02
c = ry py ry~射击率 py ~命中率
py=sry /sx sx ~ 甲方活动面积 sry ~ 乙方射击有效面积
g(x, y) dxy, d rx px rxsrx / sy
• 忽略非战斗减员 • 假设没有增援
x cxy
y
dxy
x(0) x0 , y(0) y0
游击战争模型
微分 方程 建模
• 根据函数及其变化率之间的关系确定函数 • 根据建模目的和问题分析作出简化假设 • 按照内在规律或用类比法建立微分方程
问题
5.1 传染病模型
• 描述传染病的传播过程 • 分析受感染人数的变化规律 • 预报传染病高潮到来的时刻 • 预防传染病蔓延的手段
• 按照传播过程的一般规律, 用机理分析方法建立模型
dt
L(t) L0et
Q f Lg( y) g(y) y 0
dK f Ly
dt
0
y K , K Ly L
dK L dy Ly
dt dt
dK f Ly
dt
0
dK L dy Ly
dt dt
dy y f y
dt
0
Bernoulli方程
1
y(t)
f 0
( y1
0
f 0
)e (1 ) t
K w L 1 r
w , r ,
K/L
3) 经济(生产率)增长的条件 (动态模型)
要使 Q(t) 或 Z(t)=Q(t)/L(t) 增长, K(t), L(t)应满足的条件
模型 • 投资增长率与产值成正比 假设 (用一定比例扩大再生产)
dK Q, 0
dt
• 劳动力相对增长率为常数
dL L
每个劳动 力的产值
z
Q L
每个劳动 力的投资
y
K L
模型假设 z 随着 y 的增加而增长,但增长速度递减
z Q / L f0g( y) g(y) y , 0 1
Q f0L(K / L)
g(y)
Q(K, L) f0K L1 Douglas生产函数
Q , Q 0 K L
2Q 2Q K 2 , L2 0
模型1 已感染人数 (病人) i(t)
假设
• 每个病人每天有效接触
(足以使人致病)人数为
建模 i(t t) i(t) i(t)t
di i
dt i(0) i0
i(t) i0et
ti ?
若有效接触的是病人, 则不能使病人数增加
必须区分已感染者(病 人)和未感染者(健康人)
模型2
假设
建模
区分已感染者(病人)和未感染者(健康人)
设 x0=100, rx/ry=1/2, px=0.1, sx=1(km2), sry=1(m2)
( y / x )2 100 00
0
x(t) 乙方必须10倍于甲方的兵力
5.4 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
微分方程模型
微分方程模型
5.1 传染病模型 5.2 经济增长模型 5.3 正规战与游击战 5.4 药物在体内的分布与排除 5.5 香烟过滤嘴的作用 5.6 人口预测和控制 5.7 烟雾的扩散与消失 5.8 万有引力定律的发现
动态 模型
• 描述对象特征随时间(空间)的演变过程 • 分析对象特征的变化规律 • 预报对象特征的未来性态 • 研究控制对象特征的手段
2)资金与劳动力的最佳分配(静态模型)
资金来自贷款,利率 r 劳动力付工资 w
资金和劳动力创造的效益 S Q rK wL
求资金与劳动力的分配比例K/L(每个 劳动力占有的资金) ,使效益S最大
S 0, S 0
K
L
KQK , LQL 1
Q
Q
QK r QL w QK L QL K 1
P2
P1
P3
s满足
s0
i0 s
1