应用数学研究中的模型化方法.ppt

《应用数学研究中的模型化方法.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、应用数学研究中的模型化方法2、在线文本自动分析3、血液凝固过程的动力学研究1、绵纺质量控制问题模型化方法是数学应用的重心。介绍应用数学研究中与数学建模密切相关的几个课题：棉条不匀率调控问题棉片拉出棉条，需要从传感器测出的厚度值适时地计算出棉条的均匀程度，以便从输入端调整输入量，保证棉条的良好均匀度。专业模型和目标：由８台车检测记录了棉条厚度度量数据形成了一段时间内对每车、附带不匀率的时间序列。如何从这些数据提取特征、形成参数，使得可以由参数值适时评判棉条不匀度的合格与不合格。时间序列是数据模型。数学模型的思路：寻找时

2、间序列数据的特征和对应的参数使得该参数与给出的不匀度是单调相关的。利用分形理论计算时间序列的分维数，寻找分维数和不匀率的可能的相关性。这是建立唯象模型。建立棉条不匀率的单一判定指标的数学模型由于时间系列数据和问题本身显然是一个非线性问题，尝试用分形与频谱分析两种方法。通过FFT从功率谱没有发现明显的特征。具体模型建立：为了研究分维数和不匀率的“二维”关系，需要将时间序列中相同不匀率的棉条厚度数据集中成一定宽度窗口的一个序列，进而寻找不匀率与分维数的二元关系；在确定了不匀率与分维数的二元关系后，回到原始的时间序列数据中

3、，寻找对应时间序列的不匀率数据和分维数数据关于时间的同步性。如果不匀率数据和分维数数据关于时间的同步，则分维数可以代替不匀率作为评判棉条均匀性的适时控制参数。1、分形图的主要特征：分维数严格的数学定义从Hausdorff测度Hausdorff维数应用的计算定义盒维数（boxdimension）：Nr:与E相交的r-网立方体个数．分维数与不匀率的关系２、计算原理对每个r值计算Nr(E),对于存在盒维数的数据，不同r值的logNr(E)与logr,是线性回归的，因此要计算不同r值的维数，选择最敏感地表现特征的r值。Nr(

4、E)的计算：r3、计算过程：设：连续，又设，如果是网正方形与图形相交正方形的个数，则：其中：m为大于等于的最小整数则：（设F是上任一非空的有界子集，是直径最大为，可以覆盖F的集的最少个数）４、数值实验A.数据清理：实际数据中非法字符消除，数量很大，随机分布．B.数据整合：对于时间序列的分形维数计算需要足够的数据密度，数据太少则误差很大，在实测数据中，有些车的某些不匀度的数据量太少，最多与最少的数据量可以相差万倍。因此，必须删除数据量太少的（车、不匀率）的数据。结果用于计算分维数的数据，各车不同，计算结果如下：795k

5、1145k884k559k351k210k104k平均578.3k０号车：横坐标为不匀率，纵坐标为分维数结论：统计上说，棉条重量分布曲线的分维数与不匀率是正相关的，因此可以作为评价面条质量的自动分析参数。但是作为控制系统实际可用的参数，还必须证实，具有不同不匀率的随机排列的棉条厚度数据，同样可以用分维数来表示均匀度质量。为此，我们对同一个数据区间计算平均维数和平均不匀率，然后以一个确定的步长h(作为时间单位)移动，得到下图表示的两个时间序列（横坐标为数据区间，纵坐标为平均分维数或平均不匀率）。从下图可以清楚地看出分维

6、数曲线和不匀率曲线具有高度同步性。通过相同不匀率数据集成后计算，证实整体盒维数与与不匀率成正相关，建立了了棉条厚度时间序列数据的分维数与不匀率的相关性数学模型。1）棉条厚度数据的盒维数与其不匀率成正相关；2）一定窗口宽度的分维数均值与不匀率正相关；3）棉条厚度的时间序列数据的分维数序列与不匀率序列高度同步。同样，许多专业中的问题，都可以用分形几何作为合适的数学模型。数学模型分析的细节：根据以上三条结论，可以用分维数代替不匀率作为检测棉条均匀度的控制参数。事实上，在纺织行业有大量可测数据，因此有许多利用数据挖掘建立数学

7、模型的研究问题。在线文本自动分析原型与目标在线电子文本的计算机自动分类与辅助理解（理解基于分类，分类是理解的主体）。原型的结构文本——章节——段落——语意团——句或短语——词——字符文本的结构：文本集的结构：检索性分类——国际图书分类法；理解性分类——基于语意、概念层、主题层的细分类。专业模型模型1.以词频为特征的分类模型词:有语意的初级字符串单位——语言的细胞；词在文本中的频率与不同类文本间频率差别是分类的基本结构和基本结构差别。模型2.以语意团为特征，重在语意差别的分类。模型2.混合模型语言能力模型：乔姆斯基的语

8、法结构模型是另一类语言模型。模型1的数学模型根据专业模型，词频及具有分类的信息可以仿照熵的定义：d(i)j=TFIDF(w(i),dj)文本集合的数学模型——文本的特征向量空间。分类问题是N维线性空间的向量的分类问题。许多方法可以用于求解，例如SVM分类器对于数据压缩很有效。例如，思想史研究中，“五四”运动的讨论的主要思想是什么？发现在“自由主