数学建模的一个重要工作是建立变量间的数 学关系式, 但公式中几乎总是涉及一些参数. 如用下面三个数学式描述肥素的施肥水平对 土豆产量的影响：

2.1 ER图的基本概念 2.2 ER图设计原则 2.3 对约束建模 2.4 弱实体集 2.5 ER图的高级技术 2.6 本章小结

为解决矿床仿真构模中对矿床几何信息描述和属性信息描述中存在的模型分离问题,采用体视化技术,建立了体矿床模型.通过分析矿床体视化仿真中的数据流程,建立了表现矿体空间分布、矿体中重点区域、矿体剖切分层的三类体模型,并实现了直接基于体模型的矿石储量、金属量的计算工作.经实例分析表明,利用体矿床建模技术,不仅能够进行矿床属性的定性分析,而且便于进行定量计算,为完善矿床建模技术提供了一条途径

当问题的机理非常不清楚难以直接利用其他知 识来建模时,一个较为自然的方法是利用数据 进行曲线拟合,找出变量之间的近似依赖关系 即函数关系

2 LINGO中的集 说明:实际问题建模时,总会遇到一群或多群相互联系的对象, 如工厂、消费者群体、交通工具和雇工等等。 LINGO允许把这些相联系的对象聚合成集sets)一旦把对象聚 合成集,就可利用集来最大限度的发挥LINGO建模语言的优势。 现深入介绍如何创建集,并用数据初始化集的属性。 学完本节后,对集如何引入模型会有一个基本的理解

第0章 Introduction 第1章 面向对象技术概述 第2章 UML概述 第3章 用例和用例图 第4章 顺序图和协作图 第5章 类图和对象图 第6章 数据建模 第8章 状态图和活动图 第9章 构件图 第10章 部署图 第11章 对象约束语言 第14章 设计模式

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度

在建立数学模型时常常需要确定一些参数,选什么量为参数 ,怎样选取参数,其中也有一些技巧,参数选得不好,会使 问题变得复杂难解,给自己增添许多不必要的麻烦。确定参 数以后,一般需要利用数据来获得这些参数的具体取值,例 如在使用经验方法建模时,假如你准备用线性函数ax+b来 表达变量间的关系,你还要用最小二乘法去求出参数a、b 的值,这一过程被称为“参数识别

（1995 年全国大学生数学建模竞赛 a 题） 在约 10，000 米高空的某边长 160 公里的正方 形区域内，经常有若干架飞机作水平飞行. 区域内 每架飞机的位置和速度均由计算机记录其数据，以 便进行飞行管理. 当一架欲进入该区域的飞机到达 区域边缘，记录其数据后，要立即计算并判断是否 会与区域内的飞机发生碰撞。如果会碰撞，则应计 算如何调整各架（包括新进入的）飞机飞行方向角， 以避免碰撞。现假定条件如下：

为了适应炼钢-连铸生产调度系统对实时性和动态性的要求,用Unifled Modeling Language(UML)对该问题建立了需求模型、静态模型和动态模型,探讨了使用UML建模的特点及关键技术。结果表明,UML能够将系统的结构与数据良好的结合起来,精确体现系统的需求