数学建模方法分类

仿真和其他方法1、计算机仿真(模拟)：实质上是统计估计方法，等效于抽样试验。①离散系统仿真，有一组状态变量。②连续系统仿真，有解析表达式或系统结构图。2、因子试验法：在系统上作局部试验，再根据试验结果进行不断分析修改，求得所需的模型结构。3、人工现实法：基于对系统过去行为的了解和对未来希望达到的目标，并考虑到系统有关因素的可能变化，人为地组成一个系统。

数据分析法：通过对量测数据的统计分析，找出与数据拟合最好的模型1、回归分析法：用于对函数f(x)的一组观测值(xi,fi)i=1,2,…,n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法。2、时序分析法：处理的是动态的相关数据，又称为过程统计方法。3、回归分析法：用于对函数f(x)的一组观测值(xi,fi)i=1,2,…,n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法。4、时序分析法：处理的是动态的相关数据，又称为过程统计方法。

2.数学建模方法一

层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值。及其所对应的特征向量W，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。

层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。

3.数学建模方法二

回归分析：对具有相关关系的现象，根据其关系形态，选择一个合适的数学模型，用来近似地表示变量间的平均变化关系的一种统计方法(一元线性回归、多元线性回归、非线性回归)，回归分析在一组数据的基础上研究这样几个问题：建立因变量与自变量之间的回归模型(经验公式);对回归模型的可信度进行检验;判断每个自变量对因变量的影响是否显著;判断回归模型是否适合这组数据;利用回归模型对进行预报或控制。相对应的有线性回归、多元二项式回归、非线性回归。

逐步回归分析：从一个自变量开始，视自变量作用的显著程度，从大到地依次逐个引入回归方程：当引入的自变量由于后面变量的引入而变得不显著时，要将其剔除掉;引入一个自变量或从回归方程中剔除一个自变量，为逐步回归的一步;对于每一步都要进行值检验，以确保每次引入新的显著性变量前回归方程中只包含对作用显著的变量;这个过程反复进行，直至既无不显著的变量从回归方程中剔除，又无显著变量可引入回归方程时为止。(主要用SAS来实现，也可以用matlab软件来实现)。

4.数学建模方法三

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、简化建立能近似刻画并"解决"实际问题的一种强有力的数学手段。数学建模就是用数学语言描述实际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包含抽象的现象比如顾客对某种商品所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容。根据具体问题采用不同的模型。因为数学建模方法是用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象而又简洁的刻划，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。用模型分析实际事物，锻炼我们的创新能力。

数学建模的目的是构建数学建模意识，培养学生创造性思维能力，在诸多的思维活动中，创新思维是最高层次的思维活动，是开拓性、创造性人才所必须具备的能力，培养创造性思维能力，主要应培养学生灵活运用基本理论解决实际问题的能力，在数学教学中培养学生的建模意识实质上是培养、发展学生的创造性思维能力，因为建模活动本身就是一项创造性的思维活动，它既具有一定的理论性，又具有较强的实践性，还要求思维的深刻性和灵活性，而且在建模活动过程中，能培养学生独立、自觉地运用所给问题的条件，寻求解决问题的最佳方法和途径