详解 30个数学模型

模型思想是新课标提倡的三大数学思想(抽象、推理、模型)之一,也就是“建模”,是教师在平时教学中要帮助自己的学生,不断地将现实中的实际问题抽象成数学模型并进行解释和运用。在小学数学教学中,“建模”的过程就是将实际问题用数学的方式表达的过程,也就是常说的“数学化”,是学生在数学学科学习中获得某种带有“模型”意义的数学结构的过程。

根据研究目的,对所研究的过程和现象(称为现实原型或原型)的主要特征、主要关系、采用形式化的数学语言,概括地、近似地表达出来的一种结构,所谓“数学化”,指的就是构造数学模型.通过研究事物的数学模型来认识事物的方法,称为数学模型方法.简称为MM方法。

数学模型是数学抽象的概括的产物,其原型可以是具体对象及其性质、关系,也可以是数学对象及其性质、关系。数学模型有广义和狭义两种解释.广义地说,数学概念、如数、集合、向量、方程都可称为数学模型,狭义地说,只有反映特定问题和特定的具体事物系统的数学关系结构方数学模型大致可分为二类:

(1)描述客体必然现象的确定性模型,其数学工具一般是代效方程、微分方程、积分方程和差分方程等。 (2)描述客体或然现象的随机性模型,其数学模型方法是科学研究相创新的重要方法之一。

在体育实践中常常提到优秀运动员的数学模型。如经调查统计现代的世界级短跑运动健将模型为身高1.80米左右、体重70公斤左右,100米成绩10秒左右或更好等。

用字母、数字和其他数学符号构成的等式或不等式,或用图表、图像、框图、数理逻辑等来描述系统的特征及其内部联系或与外界联系的模型。它是真实系统的一种抽象。数学模型是研究和掌握系统运动规律的有力工具,它是分析、设计、预报或预测、控制实际系统的基础。数学模型的种类很多,而且有多种不同的分类方法。

静态和动态模型:静态模型是指要描述的系统各量之间的关系是不随时间的变化而变化的,一般都用代数方程来表达。动态模型是指描述系统各量之间随时间变化而变化的规律的数学表达式,一般用微分方程或差分方程来表示。经典控制理论中常用的系统的传递函数也是动态模型,因为它是从描述系统的微分方程变换而来的(见拉普拉斯变换)。 分布参数和集中参数模型:分布参数模型是用各类偏微分方程描述系统的动态特性,而集中参数模型是用线性或非线性常微分方程来描述系统的动态特性。在许多情况下,分布参数模型借助于空间离散化的方法,可简化为复杂程度较低的集中参数模型。 连续时间和离散时间模型:模型中的时间变量是在一定区间内变化的模型称为连续时间模型,上述各类用微分方程描述的模型都是连续时间模型。在处理集中参数模型时,也可以将时间变量离散化,所获得的模型称为离散时间模型。离散时间模型是用差分方程描述的。 随机性和确定性模型:随机性模型中变量之间关系是以统计值或概率分布的形式给出的,而在确定性模型中变量间的关系是确定的。 参数与非参数模型:用代数方程、微分方程、微分方程组以及传递函数等描述的模型都是参数模型。建立参数模型就在于确定已知模型结构中的各个参数。通过理论分析总是得出参数模型。非参数模型是直接或间接地从实际系统的实验分析中得到的响应,例如通过实验记录到的系统脉冲响应或阶跃响应就是非参数模型。运用各种系统辨识的方法,可由非参数模型得到参数模型。如果实验前可以决定系统的结构,则通过实验辨识可以直接得到参数模型。 线性和非线性模型:线性模型中各量之间的关系是线性的,可以应用叠加原理,即几个不同的输入量同时作用于系统的响应,等于几个输入量单独作用的响应之和。线性模型简单,应用广泛。非线性模型中各量之间的关系不是线性的,不满足叠加原理。在允许的情况下,非线性模型往往可以线性化为线性模型,方法是把非线性模型在工作点邻域内展成泰勒级数,保留一阶项,略去高阶项,就可得到近似的线性模型。

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2016-08-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

利用 Scikit Learn的Python数据预处理实战指南

1735
来自专栏机器学习算法全栈工程师

强化学习通俗理解系列一:马尔科夫奖赏过程MRP

本文写作目的:尽量通俗讲解强化学习知识,使读者不会被各种概念吓倒!本文是第一篇,但是最关键的一篇是第二篇马尔科夫决策过程(Markov Decision Pro...

802
来自专栏机器之心

学界 | 从文本挖掘综述分类、聚类和信息提取等算法

选自arXiv 机器之心编译 参与:机器之心编辑部 文本挖掘一直是十分重要的信息处理领域,因为不论是推荐系统、搜索系统还是其它广泛性应用,我们都需要借助文本挖掘...

3375
来自专栏CreateAMind

用深度学习(CNN RNN Attention)解决大规模文本分类问题 - 综述和实践

近来在同时做一个应用深度学习解决淘宝商品的类目预测问题的项目,恰好硕士毕业时论文题目便是文本分类问题,趁此机会总结下文本分类领域特别是应用深度学习解决文本分类的...

1892
来自专栏AI研习社

用 Hinton 的胶囊神经网络来识别空间关系 Part1: CNNs及其缺点

“普通的”卷积神经网络是当前机器学习领域最热的一个概念, 但是它也有一些问题,例如不能识别空间关系,比如说图片或其他数据里不同部分之间的相对位置关系。Hinto...

572
来自专栏AI研习社

Kaggle 比赛冠军经验分享:如何用 RNN 预测维基百科网络流量

最近在 Kaggle 上有一场关于网络流量预测的比赛(http://t.cn/RKRix7E)落下帷幕,作为领域里最具挑战性的问题之一,这场比赛得到了广泛关注。...

3526
来自专栏AI2ML人工智能to机器学习

最大似然估计的2种论证

前面(一步一步走向锥规划 - 最小二乘法)对最小二乘法OLS进行了描述,并且使用最大似然估计Maximum Likelihood Estimation, MLE...

412
来自专栏智能算法

以色列理工暑期学习-MLE、MAP参数估计方法

小编有幸参加到以色列理工的暑期交流项目中,并选择了《机器学习导论》这门经典课程,进行再次学习并回顾知识点查缺补漏; 既然是作为导论,国外的课程和国内的课程的区别...

2707
来自专栏华章科技

数据科学家必会10个统计分析方法(附学习资源)

无论你在数据科学中是何种立场,你都无法忽视数据的重要性,数据科学家的职责就是分析、组织和应用这些数据。

782
来自专栏人工智能

利用scikit-learn进行机器学习:特征工程(一)数据预处理

对于机器学习,业内早有这样的说法:“数据和特征决定了你机器学习模型效果的上限,而模型和算法只是逐渐逼近这个上限而已。”小编不才,在机器学习方面只尝试过一些简单的...

21310

扫码关注云+社区