【关键字】设计、方法、条件、动力、增长、计划、问题、系统、网络、理想、要素、工程、项目、重点、检验、分析、规划、管理、优化、中心 数学建模常用模型方法总结 无约束优化 线性规划连续优化 非线性规划 整数规划离散优化 组合优化 数学规划模型多目标规划 目标规划 动态规划从其他角度分类 网络规划 多层规划等… 运筹学模型 （优化模型） 图论模型存 储论模型排 队论模型博 弈论模型 可靠性理论模型等… 运筹学应用重点:①市场销售②生产计划③库存管理④运输问题⑤财政和会计⑥人事管理⑦设备维修、更新和可靠度、项目选择和评价⑧工程的最佳化设计⑨计算器和讯息系统⑩城市管理 优化模型四要素：①目标函数②决策变量③约束条件 ④求解方法(MATLAB--通用软件LINGO--专业软件) 聚类分析、 主成分分析 因子分析 多元分析模型判别分析 典型相关性分析 对应分析 多维标度法 概率论与数理统计模型 假设检验模型 相关分析 回归分析 方差分析 贝叶斯统计模型 时间序列分析模型 决策树 逻辑回归
传染病模型马尔萨斯人口预测模型微分方程模型人口预 测控制模型 经济增长模型Logistic 人口预测模型 战争模型等等。。 灰色预测模型 回归分析预测模型 预测分析模型差分方程模型 马尔可夫预测模型 时间序列模型 插值拟合模型 神经网络模型 系统动力学模型(SD) 模糊综合评判法模型 数据包络分析 综合评价与决策方法灰色关联度 主成分分析 秩和比综合评价法 理想解读法等 旅行商(TSP)问题模型 背包问题模型车辆路 径问题模型 物流中心选址问题模型 经典NP问题模型路径规划问题模型 着色图问题模型多目 标优化问题模型 车间生产调度问题模型 最优树问题模型二次分 配问题模型 模拟退火算法(SA) 遗传算法(GA) 智能算法 蚁群算法(ACA) (启发式) 常用算法模型神经网络算法 蒙特卡罗算法元 胞自动机算法穷 举搜索算法小波 分析算法 确定性数学模型 三类数学模型随机性数学模型 模糊性数学模型
数学建模选拔作业 《房价评估》
房价影响因素评估 摘要：自1998年我国实行住房改革以来，房地产行业已经逐渐成长为拉动中国经济增长的龙头产业。但是，房价的高低影响着国家的发展和人民生活水平的提高，因此，我们有必要了解影响我国房价的主要因素，政府才能针对性的采取措施，进一步推动房产行业的发展，发挥其龙头作用。 在问题一中，我们主要是分析影响我国房价变化的各个因素，确定其主要因素，该文通过在中国国家统计局和其他网站搜的相关数据，建立回归统计模型，确定房价和土地价值、人均可支配收入等其他因素的相关性系数，通过分析指数模型、线性模型，确定了线性模型，从而进一步确定了影响房价的最主要因素是国家土地增值税(亿元)、五年购房贷款利率、城镇居民家庭人均可支配收入(元)城市人口密度(人/平方公里)，比如，房价和五年购房贷款利率的关系为 9.6223361.3501+-=B W 其中，相关指数为0.97464，非常接近于1，这也说明， 我国国家正在国家政策上控制房价。最终可知最主要的因素是国家土地增值税(亿元)，也就是我们所说的土地价值。 在问题二中，我们把房价与位置的关系定在同一个城市中，以这个条件为限制，而不去考虑东西部、南北方这样的大位置，房子的位置影响因素进一步表示为交通C 1、教育C 2、卫生C 3、工作C 4、环境C 5五个相关因素，通过层次分析法，建立模型，得到了相关权重，也就是房子的价格 54321*0824.0*0787.0*2365.0*4731.0*1292.0C C C C C W ++++= 此问题得到解决。 在问题三中，主要是对前两个模型的检验，我们利用在网上收集北京市相关数据带入检验，并且在模型二中，通过对五个位置因素的分析，检验我们所得到的模型，着重分析了天津市，发现我们建立的模型基本符合实际，因此较为可靠。 关键词：回归统计 层次分析法 模型检验
年份 (年) 1(1988) 2(1989) 3(1990) 4(1991) 5(1992) 6(1993) 7(1994) 8(1995) 实际值 (ERI) 年份 (年) 9(1996) 10(1997) 11(1998) 12(1999) 13(2000) 14(2001) 15(2002) 16(2003) 实际值 (ERI) BP 神经网络的训练过程为: 先用1988 年到2002 年的指标历史数据作为网络的输入,用1989 年到2003 年的指标历史数据作为网络的输出,组成训练集对网络进行训练,使之误差达到满意的程度,用这样训练好的网络进行预测. 采用滚动预测方法进行预测:滚动预测方法是通过一组历史数据预测未来某一时刻的值,然后把这一预测数据再视为历史数据继续预测下去,依次循环进行,逐步预测未来一段时期的值. 用1989 年到2003 年数据作为网络的输入,2004 年的预测值作为网络的输出. 接着用1990 年到2004 年的数据作为网络的输入,2005 年的预测值作为网络的输出.依次类推,这样就得到2010 年的预测值。 目前在BP 网络的应用中,多采用三层结构. 根据人工神经网络定理可知,只要用三层的BP 网络就可实现任意函数的逼近. 所以训练结果采用三层BP模型进行模拟预测. 模型训练误差为,隐层单元数选取8个,学习速率为,动态参数,Sigmoid参数,最大迭代次数3000.运行3000次后,样本拟合误差等于。 P=[。。。];输入T=[。。。];输出 % 创建一个新的前向神经网络 net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm') % 当前输入层权值和阈值 inputWeights={1,1} inputbias={1} % 当前网络层权值和阈值 layerWeights={2,1} layerbias={2} % 设置训练参数 = 50; = ; = ; = 10000; = 1e-3;
1. 什么是数学模型与数学建模 简单地说：数学模型就是对实际问题的一种数学表述。 具体一点说：数学模型是关于部分现实世界为某种目的的一个抽象的简化的数学结构。 更确切地说：数学模型就是对于一个特定的对象为了一个特定目标，根据特有的内在规律，做出一些必要的简化假设，运用适当的数学工具，得到的一个数学结构。数学结构可以是数学公式，算法、表格、图示等。 数学建模就是建立数学模型，建立数学模型的过程就是数学建模的过程（见数学建模过程流程图）。数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻划并"解决"实际问题的一种强有力的数学手段。 2.美国大学生数学建模竞赛的由来： 1985年在美国出现了一种叫做MCM的一年一度大大学生数学模型（1987年全称为Mathematical Competition in Modeling,1988年改全称为Mathematical Contest in Modeling,其所写均为MCM）。这并不是偶然的。在1985年以前美国只有一种大学生数学竞赛（The william Lowell Putnam mathematial Competition,简称Putman(普特南）数学竞赛），这是由美国数学协会（MAA--即Mathematical Association of America的缩写）主持，于每年12月的第一个星期六分两试进行，每年一次。在国际上产生很大影响，现已成为国际性的大学生的一项著名赛事。该竞赛每年2月或3月进行。 我国自1989年首次参加这一竞赛，历届均取得优异成绩。经过数年参加美国赛表明，中国大学生在数学建模方面是有竞争力和创新联想能力的。为使这一赛事更广泛地展开，1990年先由中国工业与应用数学学会后与国家教委联合主办全国大学生数学建模竞赛（简称CMCM），该项赛事每年9月进行。
1 线性回归 1.1 原理分析 要研究最大积雪深度x与灌溉面积y之间的关系，测试得到近10年的数据如下表： 使用线性回归的方法可以估计x与y之间的线性关系。 线性回归方程式： 对应的估计方程式为 线性回归完成的任务是，依据观测数据集(x1,y1),(x2,y2),...,(xn,yn)使用线性拟合估计回归方程中的参数a和b。a,b都为估计结果，原方程中的真实值一般用α和β表示。 为什么要做这种拟合呢？
答案是：为了预测。比如根据前期的股票数据拟合得到股票的变化趋势（当然股票的变化可就不是这么简单的线性关系了）。 线性回归的拟合过程使用最小二乘法， 最小二乘法的原理是：选择a,b的值，使得残差的平方和最小。 为什么是平方和最小，不是绝对值的和？答案是，绝对值也可以，但是，绝对值进行代数运算没有平方那样的方便，4次方又显得太复杂，数学中这种“转化化归”的思路表现得是那么的优美！ 残差平方和Q， 求最小，方法有很多。代数方法是求导，还有一些运筹学优化的方法（梯度下降、牛顿法），这里只需要使用求导就OK了，
为表示方便，引入一些符号， 最终估计参数a与b的结果是： 自此，针对前面的例子，只要将观测数据带入上面表达式即可计算得到拟合之后的a和b。不妨试一试？ 从线性函数的角度，b表示的拟合直线的斜率，不考虑数学的严谨性，从应用的角度，结果的b可以看成是离散点的斜率，表示变化趋势，b的绝对值越大，表示数据的变化越快。 线性回归的估计方法存在误差，误差的大小通过Q衡量。 1.2 误差分析 考虑获取观测数据的实验中存在其它的影响因素，将这些因素全部考虑到 e~N(0,δ^2)中，回归方程重写为 y = a + bx + e 由此计算估计量a与b的方差结果为，
数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 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，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 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MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。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 软件求解。 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，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、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，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。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，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. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，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，即使问题与图形无关，论文中也会需要图片来说明问题，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MA TLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98 年美国赛A 题，生物组织切片的三维插值处理，94 年A 题逢山开路，山体海拔高度的插值计算，还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的
2010—2011学年第二学期 数学建模
海市房价预测模型 摘要 威海地处山东半岛东北角，地理位置特殊。作为一个沿海城市，威海市积极响应国家政策，经济发展水平不断提高，威海作为最适宜人类居住的城市吸引了一大批人们来这里定居。同时威海与韩国、日本交流频繁，留学生、外国友人也在这座城市里留下了足迹。作为一个发展中的城市，房价是影响人们在此定居的一个很重要的因素。加之全国房价一直在高速上升，在这几年过程，一直有关于房价拐点的争论。是否楼市的拐点真的到来？我们决定建立数学模型，分析一下威海市的房价发展趋势，给相关机构提供参考。 我们都知道影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。 影响房价的因素不同地区各不相同，影响威海市房价的主要因素是什么？是怎样影响房价的？我们希望通过这次建模找到答案。 关键字：线性模型居民人均年收入建房成本房价
一、问题重述 全国房价一直在高速上升，威海市也是如此，在这几年过程，一直有关于房价拐点的争论。是否楼市的拐点真的到来？需要建立模型进行推测。 影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。除去宏观调控政策，还有城市的自身因素，比如建材价格水平，城市发展水平，GDP总量等等，都会对房价产生影响。找出影响房价的主要因素对于建立房价短期预测模型尤为重要。 二、问题分析 数据收集：影响建模的因素众多，需要忽略次要因素，提取出主要因素建立模型，经过数据分析，我们得出影响房价水平的三个因素，一个是人均存储，一个是GDP水平,，最后一个是建房成本。 收集数据如下： ①影响因素： 表2.1 影响因素 ②房价水平： 表2.2房价水平 房价与时间关系图：
关于房价问题数学建模分析 摘要：近几年，我国出台了一系列事关民生国情的利民政策，但房价的持续增高仍让很多人把买房当成了一种奢望。本文根据题目要求，进行了合理假设，主要从影响房价的因素方面考虑，建立相应数学模型，根据数据分析了我国当前房价的合理性，预测房价未来走势，提出具体措施使房价回归合理，并进行定量分析。 关键词：房价升高数学模型正态分布模型 一、问题重述 房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一，从国家领导人、地方政府官员，到开发商、专家学者、普通百姓通过各种媒体表达各种观点，但对于房价是否合理、未来房价的走势等关键问题，至今尚未形成统一的认识。 请根据中国国情，收集建筑成本、居民收入等与房价密切相关的数据，选取我国具有代表性的几类城市对房价的合理性及房价的未来走势等问题进行定量分析；根据分析结果，进一步探讨使得房价合理的具体措施。 二、问题分析 考虑评判房价的合理性，我们首先想到与房价密切相关的各种因素，认为房屋的合理定价应该由房屋所在城市的经济发达程度、环境优美度、居民归属感等生活标准来反应，而这些项目又有很多是难以量化的指标，因此我们采用了城市居民年人均收入刻画生活标准。房屋的价格应该满足本市居民的居住需要，于是这部分我们没有引入投资等市场因素。 三、数学模型的建立及求解 （一）模型假设：引起房地产市场波动的因素有很多，居民收入、供求比例、空置率、货币政策、建设成本、国家政策和人口结构及变化趋势等众多因素。我们从中提取重要因素对次要因素作出如下假设： 1、城市消费状况用人均收入来代替。 2、忽略消费成本如交通费用、物业费用、停车费用等对住房价格的影响。 3、在同一地区房价为销售均价，没有街道区域差异。
高考录取分数预测模型 姓名: 班级： 姓名: 班级： 姓名: 班级：
关于高考录取分数预测模型的探究 摘要 本文通过差分指数平滑法和自适应过滤法分别建立模型，根据历年学校录取线预测下一年的录取分数线。最后，根据预测出来的最佳数据，给2014年报考本校的考生做出合理的建议。 对于问题一和问题二，首先根据题意和所给出的学校历年的录取分数线，不难分析出高校的录取分数线是由当年的题目难度、考生报考数量、“大年”和“小年”等因素决定的。每年的分数线还是有一定差距的，例如，本校2012在北京市电气专业的录取线是428分，而2013年是488分，相差60分。因此，预测的时候，需要通过一些方法使数据趋于平滑，使之便于预测。通过这些分析，建立了两种可靠的预测模型。 模型一通过差分的方法，利用Matlab软件将后一年Y t与前一年Y t-1的数据相减得到一个差分值，构成一个新序列。将新序列的值与实际值依次迭加，作为下一期的预测值。以此类推，预测出2014年的录取分数线。模型二是根据一组给定的权数w对历年的数据进行加权平均计算一个预测值y，然后根据预测误差调整权数以减少误差，这样反复进行直至找到一组最佳权数，使误差减小到最低限度，再利用最佳权数进行加权平均预测。这两种方法很好的解决了历年录取分数相差较大难以预测的问题。预测值相对准确。预测结果数据量较大，在此以河北省为例，给出预测结果模型一：2014年本校电气专业录取线为495，模型二：2014年本校电气专业录取线为536。 最后，通过预测出的数据，比对模型一和模型二，取最佳预测值，给报考科技学院的考生做出较为合理的建议。 关键词：序列权数差分值加权平均高考录取线
装订线 第九届西北工业大学数学建模竞赛暨 全国大学生数学建模竞赛选拔赛题目 A (B)题 密封号2011年5月3日 剪切线 密封号2011年5月3日 学院第队 队员1 队员2 队员3 姓名 班级
装订线 摘要 近几年，房价过快上涨，使人民群众买房难，因此研究影响房价的主要因素以及房价与其之间的关系十分重要。分析题目，我们分为三个问题进行讨论建模：问题一，房价合理性评判；问题二，未来房价走势；问题三，后期房价的应对。本文针对影响房价的因素，主要考虑以下几点：地价，人均年收入，建材价格，人均GDP、房屋贷款利率和居民消费水平。通过线性拟合，找出各影响因素与房价的关系，确定出主要影响因素为：地价，人均年收入，人均GDP和居民消费水平，进而得出因素与房价之间的互动影响。问题一中针对各代表性城市现今房价是否合理的问题，我们以代表性城市上海、西安为例，采用了经济学领域的关于正态分布的模型，评定房价的合理性，同时根据我们确定出来的数据与世界银行房价评判标准进行进一步评判。针对问题二，鉴于房价所涉及的系统为灰色系统，而影响房价的因素很多，我们利用灰色预测法来作预测，灰色系统，即将杂乱无章的数据列进行整理、生成，将空缺的数据通过计算加以补充，用整理过的数据列建立模型并通过它进行决策和预测，将结构、关系、机制不清楚的对象、过程、系统作灰色预测以进行提前控制。房价变化涉及的系统包含有许多影响因素，多种因素共同作用的结果决定了系统的发展态势。针对问题三，建立适当的模型对各因素与房价的相关性进行检验；至于对经济发展的影响，须考虑房价与各个因素之间的互动性，便于充分利用搜集的相关数据进行模型的检验。利用影响因素，通过对模型的综合分析，我们提出了各种改进措施并得出了对经济影响的一些结论。本文的主要特色为：我们分析了房价变化这一系统的特点，有针对性的构建模型，并抓住了影响房价的主要因素，建立的模型精确实用，而且容易理解。同时我们根据模型对未来代表性城市的房价进行了预测与评估，并提出了合理实用的改进措施，不仅具有研究参考价值，而且对于决策者有很好的指导意义。
、灰色预测模型 简介(P372) 特点：模型使用的不是原始数据列，而是生成的数据列。 优点：不需要很多数据，一般只用4个数据就能解决历史数据少，序列的完整性 和可靠性低的问题。 缺点：只适用于中短期的预测和指数增长的预测。 1、GM(1,1)预测模型 GM(1,1)表示模型为一阶微分方程，且只含有一个变量的灰色模型。 1.1模型的应用 ① 销售额预测 ② 交通事故次数的预测 ③ 某地区火灾发生次数的预测 ④ 灾变与异常值预测，如对旱灾，洪灾，地震等自然灾害的时间与程度进行预报 (百度文库) ⑤ 基于GM(1,1)模型的广州市人口预测与分析(下载的文档) ⑥ 网络舆情危机预警(下载的文档) 1.2步骤 ① 级比检验与判断 由原始数据列x (0) =(x (o ) (1),x (o ) (2),…，x (0)(n))计算得序列的级比为 2 2 若序列的级比(k) -(e^ '.e 0 2)，贝U 可用x (0)作令人满意的GM(1,1)建模。 光滑比为 P (k )= k x <0) ( k) \- (0) x (I) i 珀 若序列满足 p(k 1) ：：1,k =2,3,…，n-1; p(k) p(k)〔0,T,k=3,4, ,n; 「:: 0.5. ■ (k)二 x (0)(k -1) x (0) (k) ,k - 2,3, , n.
则序列为准光滑序列。 否则，选取常数c 对序列x (0)做如下平移变换 y (o )(k)=x (o ) (k) c,k=1,2「, n, 序列y (0)的级比 、 y 0(k-1) 一 'y (k) (0) ，k = 2,3， , n ? y(k) ② 对原始数据x (0)作一次累加得 x ⑴=(x ⑴(1),X (1)(2),…,x (1)(n)) =(x (0)(1，x (0)(1 +x (0) (2)，…,x (0)⑴+…+x (0)(n)). 建立模型： dx ( 1 ) ——ax ⑴=b,( 1) dt ③ 构造数据矩阵B 及数据向量丫 ■ -z (1) ⑵ 1 1 f x (0) (2)1 B = -z ⑴⑶1 9 亍 ，丫二 x (0)(3) a -z ⑴(n) 1_ x (0) (n)J 其中：z ⑴(k) =0.5x ⑴(k) 0.5x ⑴(k -1),k =2,3, ,n. ④ 由 求得估计值召=b?= ⑤ 由微分方程(1)得生成序列预测值为 ( b?) b? x>(1)(k+1)= ：x (0)(1)—三 ，k=0,1，…，n —V, l 召丿 召 则模型还原值为 00)(k 1)=0)化 1)-0),k =1,2, ,n-1,. ⑥ 精度检验和预测 残差 ；(k) =x (0)(k)-?(0)(k),k=1,2, ,n, -(B T B)4B T Y u?=
一、问题重述 1、1背景分析 自1998年我国实行住房改革以来,房地产行业已经逐渐成长为拉动中国经济增长的龙头产业。近几年在国家积极的财政政策刺激下,我国房地产市场处于不断发展阶段。然而,与美国等发达国家住房市场进入成熟期不同,我国正处在城市化与工业化进程加速阶段,住房水平低与需求比较旺盛,这就是我国住房市场快速发展的重要基础。 中国房地产一方面在快速发展之时,在总体上对经济社会的发展确实起到了促进作用;另一方面由于不规范的房的销售价格行为、地价的上升造成放的开发成本提高等因素造成房价不断上涨,严重超出了普通居民的购买能力,给其造成了巨大的购房压力。 1、2问题重述 根据近几年中国上海房地产市场现状,解决以下四个问题: (1)结合对房地产的了解,收集近几年上海房地产的价格走势,预测未来三年上海房价的状况。 (2)结合对上海市近几年来房价的了解,分析并建立合理的数学模型,得出“国五条”具体怎样影响房价。 (3)综合考虑上海的CPI,结合对房价的了解,谈谈房价如何对CPI产生影响。 (4)在2012年拥有100万元人民币的前提下,写出一种合理的分配方案,用这笔钱投资到CPI中的各项因素。 二、问题分析 2、1对于问题一的分析 问题一要求根据近几年上海房地产的价格走势,来预测未来三年上海房价的情况。 首先,通过在《上海统计年鉴》找到上海近几年的房价, 为得到较为准确的预测,我们选取了最近十年上海的房价,因为长时间的数据能反映更多更合理的问题,不会太过片面对结果造成较大偏差。历时十年,期间政府的宏观调控或制定的稳定物价等等措施必然会对房价造成影响,如果考虑政策措施与其她因素的影响,问题将变得非常复杂。反而,我们可以将这些因素瞧作市场经济的调控,房价因受到这些因素影响而产生变化。那么,实际呈现出来的房价变化就应该就是有效的房价变化。我们在模型的假设部分阐述了不考虑政府的政策措施对近几年房价的影响。 综合了以上分析,我们将搜集到的数据整理制成表格,绘制出年份-房价变化折线图,可以发现随着年份的增长,上海房价也在不断增长,且在一条直线周围上下波动,因此我们建立一元线性回归模型,来寻求上海房价与年份的线性关系。然后根据最小二乘法来确定其中参数(一次项系数与常数项)的值,最终确定此回归方程。然后通过求判定系数2R的值,来判断模型对数据的拟合程度,确定该方程的合理性。最终对x进行赋值,得到相应的房价。 2、2 对于问题二的分析 问题二要求找出“国五条”具体如何影响房价的,就就是求“国五条”五项措施对房价影响的比重,即某项措施的影响大小,从而反应出“国五条”就是如何影响房价的增长问题。
数学建模中常见的十大 模型 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】
数学建模常用的十大算法==转 (2011-07-24 16:13:14) 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，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 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、二次规划等规划类算法。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 软件求解。 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，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、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，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。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，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. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，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，即使问题与图形无关，论文中也会需要图片来说明问题，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。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。
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）： 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）：
2010年上海世博会影响力的定量评估 摘要 世博会的举办对于上海的影响可谓深厚而又广泛，不论是经济、文化还是政治。经济是反映上海世博会的的最直接价值。因此我们选择经济作为反应世博会的影响力进行评估。 根据会展经济学，上海世博会对上海市国民生产总值（GDP）的拉动主要是由世博会的投资所引起的。此外世博会会对上海市的旅游业有很大的拉动，包括直接的旅游收入、餐营业的消费等。除此之外，世博会对上海的房地产的发展和销售也有巨大的打动作用。因此，我们选择上海世博会对上海市国民生产总值（GDP）的拉动，世博会对上海的旅游业的发展，对上海市的房地产的影响这三方面作为作为对上海世博会影响力的定量评估。 世博会投资对GDP增长的贡献率，可以采用经济学中的凯恩斯投资乘数效应模型，建立上海世博会投资额与上海市GDP增加值之间的关系，并将世博所带动的GDP与总GDP的值作比，以此作为其对GDP增长的贡献率。计算得出结论：世博会的投资拉动上海市GDP值为13457.18亿元，对上海市GDP有16.14%的贡献。 对于世博会对旅游业的影响,选取上海世博会对上海市旅游业的短期影响这一侧面，用世博举办前的指标数据进行自回归将世博对上海旅游业的影响从实际数据中剥离，建立旅游本底趋势线模型，用本底值与实际值的差值作为世博的影响值，估算出世博会上海旅游业从2003年到2012年的时间区间内的贡献率和影响率. 2010年世博会对上海旅游业各指标贡献率和影响率 时指出，因世博会在上海召开，预计城市基础设施及环保投入将高达2700亿元，这些都将显著改善上海的交通、通讯、居住环境等。 合适的评估体系是本课题的关键。我们充分利用互联网收集到的数据进行分析及统计，并考虑到方案的可操作性。通过组合权重数据，得到了三个世博城市关于影响力的权重。由于此模型不受指数的影响，有很好的灵活性，使得我们可以根据实际情况灵活选取指数，减少模型的工作量，增加模型精度。 关键字：会展经济学上海市国民生产总值（GDP）凯恩斯投资乘数效应模型旅游本底趋势线模型世博效应
中国城市房价分析 摘要 随着近年来中国经济的快速发展，房地产业也得以迅猛地发展，其势头受到世人的瞩目，它作为国民经济的支柱产业不仅对国家宏观经济运行产生巨大的影响，而且与广大百姓的自身利益休戚相关。 本论文从实际出发，选取具有代表性的几个城市，结合其城镇居民的人均可支配收入，并参考国际房价合理性标准，从而研究我国房价的合理性。然后根据数据预测未来几年各个城市的房价走势，并结合现阶段国家政策下的实际房价提出合理的措施。最后根据搜集的数据，结合20世纪下半叶日本房地产与GDP的关系，预测房地产行业未来将会对中国经济产生的影响。 关键词：城市房价；合理性；GDP；国民经济 1.问题重述 房价问题关系到一个社会人民生活的切身利益，也对国家的经济发展与社会稳定有重要影响。1998年6月，国务院决定，党政机关停止实行40多年的实物分配福利房的做法，推行住房分配货币化，让房地产业成为了中国经济新的增长点。但是在居民收入持续上升的同时，房价也不断飙升。尤其是近几年来，房价不断大幅度增加的问题引起了社会各界的广泛关注。但是房价的合理性，以及房价未来的走势，至今也没有统一的认识。因此，判断当今房价是否合理，预测未来房价走势，以及提出使房价合理化的措施，分析房价对经济发展产生的影响成为亟待解决的问题。考虑到用楼房建造成本、土地成本等数据的搜集难度，我们不采用“结合楼房建造成本、土地成本、开发商利润”这个方法分析房价的合理性。 基于以上问题，我们下面分成四个问题进行讨论： 问题1.首先选取我国几个具有代表性的城市，搜集其历年房价、历年城镇居民的人均可支配收入，分析判断各个城市房价的合理性； 问题2.根据数据来预测未来几年所选取的各个城市的房价走势； 问题3.根据所搜集的数据，结合近年国家所采取的调控政策，对房价问题提出合理的措施； 问题4.根据所搜集的数据，选取日本上世纪的例子作比较，粗略预测房地产行业对中国经济发展的影响。 2.问题分析
数学建模
论文题目： 一个医药公司的新药研究部门为了掌握一种新止痛剂的疗效，设计了一个药物试验，给患有同种疾病的病人使用这种新止痛剂的以下4个剂量中的某一个：2 g，5 g，7 g和10 g，并记录每个病人病痛明显减轻的时间（以分钟计）. 为了解新药的疗效与病人性别和血压有什么关系，试验过程中研究人员把病人按性别及血压的低、中、高三档平均分配来进行测试. 通过比较每个病人血压的历史数据，从低到高分成3组，分别记作，和. 实验结束后，公司的记录结果见下表（性别以0表示女，1表示男）. 请你为该公司建立一个数学模型，根据病人用药的剂量、性别和血压组别，预测出服药后病痛明显减轻的时间.
一、摘要 在农某医药公司为了掌握一种新止痛药的疗效，设计了一个药物实验，通过观测病人性别、血压和用药剂量与病痛时间的关系，预测服药后病痛明显减轻的时间。我们运用数学统计工具m i n i t a b软件，对用药剂量，性别和血压组别与病痛减轻
时间之间的数据进行深层次地处理并加以讨论概率值P （是否<）和拟合度R-S q的值是否更大（越大，说明模型越好）。 首先，假设用药剂量、性别和血压组别与病痛减轻时间之间具有线性关系，我们建立了模型Ⅰ。对模型Ⅰ用m i n i t a b 软件进行回归分析，结果偏差较大，说明不是单纯的线性关系，然后对不同性别分开讨论，增加血压和用药剂量的交叉项，我们在模型Ⅰ的基础上建立了模型Ⅱ，用m i n i t a b软件进行回归分析后，用药剂量对病痛减轻时间不显着，于是我们有引进了用药剂量的平方项，改进模型Ⅱ建立了模型Ⅲ，用m i n i t a b 软件进行回归分析后，结果合理。最终确定了女性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模型： Y=1x 3x 1x 3x 2 1 x 对模型Ⅱ和模型Ⅲ关于男性病人用m i n i t a b软件进行回归分析，结果偏差依然较大，于是改进模型Ⅲ建立了模型Ⅳ，用m i n i t a b软件进行回归分析后，结果合理。最终确定了男性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模 型：Y=1x1x 3x 2 1 x关键词止痛剂药剂量性别病痛减轻时 间
西安邮电学院第九届大学生数学建模竞赛 参赛作品 参赛队编号： 016 赛题类型代码： A题
2 房价问题 摘 要 随着我国房地产市场的不断升温，居民买房难愈来愈严重。定一个合适的房价既照顾到居民的需求也满足方差开发商的盈利需要是十分必要的，要达到这些目的都要用到数学模型来进行量化。在本文中，我们经研究解决了城市房价模型，找出了影响房价的主要因素，建立预测下一阶段的房产均价的一个模型，同时也对政策对调控房价所起的作用作了详细的分析说明。在解决房价模型问题时，我们用了多元线性回规模型和蛛网模型同时对相关变量进行分析和处理，最终找出了影响房价的主要因素为生产成本和供需关系。并对房价的形成、演化机理和房地产投机进行了深入细致的分析。 模型一，我们通过比较西安房价近11年来的变化及城镇居民收入变化情况，找到买房难的根结。 模型二，在房价预测方面，我们选用多元线性回归，蛛网模型同时对相关变量进行分析和处理，最终找出影响房价的主要因素为生产成本和供需关系，求出房价预测的计算表达式。 模型三，我们取定一个时间段内某几个房价新政，结合新政出台时间前后某地房价的变化情况分析了房价新政对房价的调控作用。我们选取房价新政的标准是根据政策内容对相关经济指标有直接作用效果。最终我们发现，新政出台后，虽然房价依然是居高不下，但房价上涨速率得到了一定的控制，变化渐缓。 关键字：楼市 预测 蛛网模型 线性回归
一、问题重述 住房问题关系国计民生，既是经济问题，更是影响社会稳定的重要民生问题。2008年受国际金融危机的影响，部分购房需求受到抑制，2009年在国家税收、土地等调控政策作用下，一度受到抑制的需求得到释放，适度宽松的货币政策使信贷规模加大，为房地产开发和商品房购买提供了比较充裕的资金，房地产市场供求大增，带动了整体回升。但有的城市房价过高，上涨过快，加大了居民通过市场解决住房问题的难度，另一方面，部分投机者也通过各种融资渠道买入房屋囤积，期望获得高额利润，也是导致房价居高不下的原因之一。因此，如何有效遏制房价过快上涨，遏制房地产投机，是一个备受关注的社会问题。现在就以下几个方面的问题进行讨论： 一：通过调查及分析相关数据，建立一个关于房价增长与居民收入之间关系的一个模型，用Matlab建模，以图的形式直观明了的分析出其相关性，从而找出其解决方案。 二：通过分析找出影响房价的主要原因，并建立一个城市房价的数学模型，对房价的形成、演化机理和房地产投机进行深入细致的分析。 三：选择某一地区（如重庆、西安、深圳），调查近些年房价变化情况，并根据所调查的数据，预测下一阶段该地区房价的走势。并且根据国家和各地方政府的一系列调控房价的政策（如购房贷款政策等等）出台的时间与房价的变化情况，分析这些政策对调控房价所起的作用，根据所得到结果，给出你关于购房的一些建议。 二、问题分析 2-1：模型一分析 针对当前房地产市场火爆局面和房价迅猛的增长势头，以及国民买不起房的抱怨声。分析产生这些现象，我们可以从很多方面找到原因，有房价恶性增长，有国民的平均收入增长过慢，有收入分配的不均很，有失业率的逐年增长，有近些年人们的消费观念的转变，有国际社会环境的影响等。我们不可对每一个产生这种现象因素都进行一一分析，但是，对于其主要的或者说具有代表性的因素（房价增长率于和国民的收入的增长率）进行分析，也能够反映一些大的方面规律，以便于更好处理解决这些问题。 因此，我们搜集从2000年到2011年西安市的房价和市民的平均收入数据并进行整合，计算每年的房价和居民收入的增长率，利用matlab软件进行趋势图的模拟，并进行matlab进行一个拟合处理。最终，得出两者之间的关系，提出一些解决这类问题的办法及可行的方案。
2012年北京师范大学珠海分校数学建模竞赛 题目：对中国大学生数学建模竞赛历年成绩的分析与预测 摘要 本文研究的是对自数学建模竞赛开展以来各高校建模水平的评价比较和预测问题。我们将针对题目要求，建立适当的评价模型和预测模型，主要解决对中国大学生数学建模竞赛历年成绩的评价、排序和预测问题。 首先我们用层次分析法来评价广东赛区各校2008年至2011年及全国各大高校1994至2011年数学建模成绩，从而给出广东赛区各校及全国各大高校建模成绩的科学、合理的评价及排序；其次运用灰色预测模型解决广东赛区各院校2012年建模成绩的预测。 针对问题一，首先我们对比了2008到2011年参加建模比赛的学校，通过分析我们选择了四年都参加了比赛的学校进行合理的排序（具体分析过程见表13），同时对本科甲组和专科乙组我们分别进行排序比较。在具体解决问题的过程中，我们先分析得出影响评价结果的主要因素：获奖情况和获奖比例，其中获奖情况主要考虑国家一等奖、国家二等奖、省一等奖、省二等奖、省三等奖，我们采用层次分析法，并依据判断尺度构造出各个层次的判断矩阵，对它们逐个做出一致性检验，在一致性符合要求的情况下，通过公式与matlab求得各大学的权重，总结得分并进行排序（结果见表11）；在对广东赛区各高校2012建模成绩预测问题中，我们采用灰色预测模型，我们以华南农业大学为例，得到该校2012年建模比赛获奖情况为：省一等奖、省二等奖、省三等奖及成功参赛奖分别为5、9、8、8(其它各高校预测结果见表10）。 针对问题二，我们对全国各院校的自建模竞赛活动开展以来建模成绩排序采用与问题一相同的数学模型，在获奖情况考虑的是全国一等奖、全国二等奖。运用matlab求解，结果见表12。 针对问题三，我们通过对一、二问排序的解答及数据的分析，得出在对院校进评价和预测时还应考虑到各院的师资力量、学校受重视程度、学生情况、参赛经验等因素，考虑到这些因素，为以后评价高校建模水平提供更可靠的依据。 关键词：层次分析法权向量灰色预测模型模型检验 matlab