数学建模需要学哪些方法(数学建模需要学什么)
1.数学建模需要学什么
参加数学模型比赛，恐怕关键不是数学知识，要多了解一些别人已经做过的数学模型，然后自己认真地做一、两个模型，一定会有长足的进步。
数学建模犹如平时做应用题，但又不尽相同，做应用题一般题目里会给定条件，并且条件都会用到，而且有正确的答案。数学建模则不然，条件需要自己找，并且在众多的条件中还要忽略一些次要的，这就与我们平时做题目不一样，更不同的是它没有正确答案，应该到实践中检验，即模型没有对错，只有好坏。建模比赛的模型好坏则是由专家组评选的。
一般每个学校都会对参加建模比赛的选手进行一定的训练，没有经过训练的学生初次上阵，不大可能会取得好的成绩的，因为这与平时的学习味道是很不相同的。
我手头有一本书很不错，介绍给你，一般大学的图书馆里都应该有的。
《数学模型》姜启源 编 高等教育出版社 出版
2.数学建模都要用到那些方法啊
随着科学技术的迅速发展，数学模型这个词汇越来越多地出现在现代人的生产、工作和社会活动中。
电气工程师必须建立所要控制的生产过程的数学模型，用这个模型对控制装置作出相应的设计和计算，才能实现有效的过程控制；气象工作者为了得到准确的天气预报，一刻也离不开根据气象站、气象卫星汇集的气压、雨量、风速等资料建立的数学模型；生理医学家有了药物浓度在人体内随时间和空间变化的数学模型，就可以分析药物的疗效，有效地指导临床用药；厂长经理们要是能够根据产品的需求状况、生产条件和成本、贮存费用等信息，筹划出一个合理安排生产和销售的数学模型，一定可以获得更大的经济效益。对于广大的科学技术人员和应用数学工作者来说，建立数学模型是沟通摆在面前的实际问题与他们掌握的数学工具之间的一座必不可少的桥梁。
那么，什么是数学模型，又是如何建立起这些形形色色的数学模型的呢？就让我们走近数学模型看一看吧！ 原型与模型 原型（Prototype）：人们在现实世界里关心、研究或者生产、管理的实际对象。 模型（Model）：为特定的目的，将原型的某一部分信息简缩、提炼而构造的原型替代物。
数学模型：对于现实世界的一个特定对象，为了一个特定目的，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。 注意数学模型（Mathematical Model）与数学建模（Mathematical Modelling）之间的联系与区别。
建立数学模型的方法 一般说来建立数学模型可以分为表述、求解、解释、验证几个阶段，并且通过这些阶段完成从现实对象到数学模型，再从数学模型回到现实对象。建立数学模型没有固定的模式。
一般这一过程可以如图所示的几个步骤： 数学模型的分类 基于不同的出发点可以有各种不同的分法： 按照模型的应用领域分：如人口模型、交通模型、环境模型、生态模型、城镇规划模型、水资源模型、再生资源利用模型、污染模型等。范畴更大一些则形成许多边缘学科如生物数学、医学数学、地质数学、数量经济学、数学社会学等。
按照建立模型的方法分：如初等数学模型、几何模型、微分方程模型、图论模型、马氏链模型、规划论模型等。 按照模型的表现特性又有几种分法： 确定行模型和随机性模型 取决于是否考虑随机因素的影响。
近几年来随着数学的发展，又有所谓突变性模型和模糊性模型。 静态模型和动态模型 取决于是否考虑随机因数引起的变化。
离散模型和连续模型 指模型中的变量（主要是时间变量）取为离散是连续的。 线性模型和连续模型 取决于模型的基本关系，如微分方程是否是的。
按照建模目的分。有描述模型、分析模型、预报模型、优化模型、决策模型、控制模型等。
按照对模型的了解程度分。有所谓白箱模型、灰箱模型、黑箱模型等。
它们分别意 味着人们对原型的内在机理了解清楚、不太清楚和不清楚。 数学模型的作用 数学是研究现实世界中的数量关系和空间形式的科学。
它的产生和许多重大发展都和现实世界的生产活动和其他相应的学科的需要密切相关的。一般的说，当实际问题需要我们对所研究的现实对象提供分析、预报、决策、控制等方面的定量结果时，往往都离不开数学的应用，而建立数学模型则是这个过程的关键环节。
分析 通常是指定量研究现实对象的某种现象，或定量描述某种特性。例如 研究不同种群的生物在同一自然环境下生存时，相互竞争和依存的现象；描述药物浓度在人体内的变化规律以分析药物的疗效。
预报 一般是根据对象的固有特性预测当时间或环境变化时对象的发展规律。人口预报、天气预报以及传染病蔓延高潮时刻的预报可以作为这方面的例子。
决策 其含义很广，譬如根据对象满足的规律作出使某个数量指标达到最优的决策。使经济效益最大的价格策略，使总费用最少的设备维修方案都是这类决策。
控制 一般是指根据对象的特征和某些指标给出尽可能满意的控制方案。例如化工生产过程中温度和流量的控制，利用红绿灯对交流进行控制等 数学建模（mathematical modelling） 数学建模是构造刻划客观事物原型的数学模型并用析究和解决实际问题的种方法。
运用这种科学方法，建模者必须从实际问题出发，遵循“实践――认识――实践”的辨证唯物主义认识规律，紧紧围绕着建模的目的，运用观察力、想象力和逻辑思维，对问题进行抽象、简化，反复探索、逐步完善，直到构造出一个能够用于分析、研究和解决实际问题的数学模型。因此，数学建模不仅仅是一种定量解决实际问题的科学方法，而且还是一种从无到有的创新活动过程。
当代计算机的发展和广泛应用，使得数学模型的方法如虎添翼，加速了数学向各个学科的渗透，产生了众多的边缘学科。当今几乎所有重要的学科，只要在其名称前面或后面加上“数学”或“计算”二字，就成了现有的一种国际学术杂志名称。
这表明各学科正在利用数学方法和数学成果来加速本学科的发展。就连计算机本身的产生和进步也是强烈地依赖于数学科学的发展，而计算机软件技术说到底也是数学技术。
引用绝对吓人的文字。
3.数学建模需要学习哪些相关知识
参加数学建模竞赛是不是需要学习很多知识？
没有必要很系统的学很多数学知识，这是时间和精力不允许的。很多优秀的论文，其高明之处并不是用了多少数学知识，而是思维比较全面、贴合实际、能解决问题或是有所创新。有时候，在论文中可能碰见一些没有学过的知识，怎么办？现学现用，在优秀论文中用过的数学知识就是最有可能在数学建模竞赛中用到的，你当然有必要去翻一翻。
具体说来，大概有以下这三个方面：
第一方面：数学知识的应用能力
归结起来大体上有以下几类：
1）概率与数理统计
2）统筹与线轴规划
3）微分方程；
相关的数学基础知识包括
1、线性规划 6、最优化理论
2、非线性规划 7、管理运筹学
3、离散数学 8、差分方程
4、概率统计 9、层次分析
5、常微分方程
还有与计算机知识交叉的知识：计算机模拟。
上述的内容有些同学完全没有学过，也有些同学只学过一点概率与数理统计，微分方程的知识怎么办呢？一个词“自学”，记得数模评卷的负责教师曾经说过“能用最简单浅易的数学方法解决了别人用高深理论才能解决的答卷是更优秀的答卷”。
第二方面：计算机的运用能力
一般来说凡参加过数模竞赛的同学都能熟练地应用字处理软件“Word”，掌握电子表格“Excel”的使用；“Mathematica”软件的使用，最好还具备语言能力。这些知识大部分都是学生自己利用课余时间学习的。
第三方面：论文的写作能力
前面已经说过考卷的全文是论文式的，文章的书写有比较严格的格式。要清楚地表达自己的想法并不容易，有时一个问题没说清楚就又说另一个问题
4.学习数模需要具备哪些知识
参加数学建模竞赛需知道的内容
一、全国大学生数学建模竞赛
二、数学建模的方法及一般步骤
三、重要的数学模型及相应案例分析
1、线性规划模型及经济模型案例分析
2、层次分析模型及管理模型案例分析
3、统计回归模型及案例分析
4、图论模型及案例分析
5、微分方程模型及案例分析
四、相关软件
1、Matlab软件及编程；2、Lingo软件；3、Lindo软件。
五、数模十大常用算法
1. 蒙特卡罗算法。2. 数据拟合、参数估计抄、插值等数据处理算法。3. 线性规划、整数规划、多元规划、二次规划等规划类算法。4. 图论算法。5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。6. 最优化理论的三大非经典算法。7. 网格算法和穷举法。8. 一些连续数据离散化方法。9. 数值分析算法。10. 图象处理算法。
六、如何查阅资料
七、如何写作论文
八、如何组织队伍：团队精神，配合良好，不断的提出问题和解决问题。
九、如何才能获奖：比较完整，有几处创新点。
十、如何信息处理：WORD、LaTeX，飞秋、zhidaoQQ。
其实主要看下例子就可以了，知道一些基本的模型，我这里也有很多例子，各个学校的讲座都有要的话直接向我要
5.数学建模的七个步骤
数学建模（mathematical modeling）就是通过建立数学模型来解决各种实际问题的方法。数学建模没有固定的格式和标准，也没有明确的方法，通常有6个步骤：
明确问题
合理假设
搭建模型
求解模型
分析检验
模型解释
1、明确问题
数学建模所处理的问题通常是各领域的实际问题，这些问题本身往往含糊不清，难以直接找到关键所在，不能明确提出该用什么方法。因此建立模型的首要任务是辨明问题，分析相关条件和问题，一开始尽可能使问题简单，然后再根据目的和要求逐步完善。
2、合理假设
作出合理假设，是建模的一个关键步骤。一个实际问题不经简化、假设，很难直接翻译成数学问题，即使可能也会因其过于复杂而难以求解。因此，根据对象的特征和建模的目的，需要对问题进行必要合理地简化。
合理假设的作用除了简化问题，还对模型的使用范围加以限定。
作假设的依据通常是出于对问题内在规律的认识，或来自对数据或现象的分析，也可以是两者的综合。作假设时，既要运用与问题相关的物理、化学、生物、经济、机械等专业方面的知识，也要充分发挥想象力、洞察力和判断力，辨别问题的主次，尽量使问题简化。
为保证所作假设的合理性，在有数据的情况下应对所作的假设及假设的推论进行检验，同时注意存在的隐含假设。
3、搭建模型
搭建模型就是根据实际问题的基本原理或规律，建立变量之间的关系。
要描述一个变量随另一个变量的变化而变化，最简单的方法是作图，或者画表格，还可以用数学表达式。在建模中，通常要把一种形式转换成另一种形式。将数学表达式转换成图形和表格较容易，反过来则比较困难。
用一些简单典型函数的组合可以组成各种函数形式。使用函数解决具体的实际问题，还比须给出各参数的值，寻求这些参数的现实解释，往往可以抓住问题的一些本质特征。
4、求解模型
对模型的求解往往涉及不同学科的专业知识。现代计算机科学的发展提供了强有力的辅助工具，出现了很多可进行工程数值计算和数学推导的软件包和仿真工具，熟练掌握数学建模的仿真工具可大大增强建模能力。
不同数学模型的求解难易不同，一般情况下很多实际问题不能求出解析解，因此需要借助计算机用数值的方法来求解，在编写代码之前要明确算法和计算步骤，弄清初始值、步长等因素对结果的影响。
5、分析检验
在求出模型的解后，必须对模型和“解”进行分析，模型和解的适用范围如何，模型的稳定性和可靠性如何，是否到达建模目的，是否解决了问题？
数学模型相对于客观实际不可避免地会带来一定误差，一方面要根据建模的目的确定误差的允许范围，另一方面要分析误差来源，想办法减小误差。
一般误差有以下几个来源，需要小心分析检验：
模型假设的误差：一般来说模型难以完全反映客观实际，因此需要做不同的假设，在对模型进行分析时，需要对这些假设小心检验，分析比较不同假设对结果的影响。
求近似解方法的误差：一般来说很难得到模型的解析解，在采用数值方法求解时，数值计算方法本身也会有误差。这类误差许多是可以控制的。
计算工具的舍入误差：在用计算器或计算机进行数值计算时，都不可避免由于机器字长有限而产生舍入误差，如果进行了大量运算，这些误差的积累是不可忽视的。
数据的测量误差：在用传感器、调查问卷等方法获得数据时，应注意数据本身的误差。
6、模型解释
数学建模的最后阶段是用现实世界的语言对模型进行翻译，这对使用模型的人深入了解模型的结果是十分重要的。模型和解是否有实际意义，是否与实际证据相符合。这一步是使数学模型有实际价值的关键一步。
相关阅读
数学模型和数学建模介绍
数学建模常用的
