2012数学建模深圳杯A答案
答卷编号（参赛学校填写）：
答卷编号（竞赛组委会填写）：
论文题目：深圳人口与医疗需求预测（A）组别：本科生
参赛学校：
报名序号：
参赛队员信息(必填)：
答卷编号（竞赛组委会填写）：
评阅情况（省赛评阅专家填写）：
省赛评阅1：
省赛评阅2：
省赛评阅3：
省赛评阅4：
省赛评阅5：
深圳市人口与医疗需求预测模型
摘要：
人口与医疗问题是关系到国计民生的大问题，能够合理而准确地预测就显得非常重要。但不同城市有不同的人口特点，本文在吸取前人经验的基础上，以深圳的人口为依托提出了一些新的简单而实用方法，希望能为政府决策提供帮助。
针对深圳市人口结构中非户籍人口比重大，流动人口多这一特点，我们采用了灰色GM(1,1)模型，通过matlab对深圳市自2001至2010年的数据进行拟合，发现其人口变化近似呈线性增长，线性相关系数高达0.99，我们就此认定其为线性相关并给出线性方程。同理，针对其非户籍人口，我们进行matlab拟合发现，其为非线性相关，并得出相关函数。
通过模拟出的常住人口与非户籍人口的函数，我们可以很容易的得出深圳市的人口数量变化情况，同时我们以非户籍人口与常住人口的函数之比作为深圳市人口结构的变化，通过作图发现，深圳市非户籍人口正逐年下降，这正与官方以及媒体报道深圳市产业转型相对应。
由于深圳市人口结构中外来人口比例接近76%，而且外来人口中以青壮年居多，可以认为在较短时间内（十年内）外来人口年龄结构近似不变，同时当地户籍人口因为受历史条件影响，人口年龄结构在短期内也不会发生较大变化，所以
我们大胆假设深圳市未来十年人口年龄结构近似不变。同时深圳市各区发展水平相同，可以认为其人口发展态势与深圳市总体相同，所以其所在深圳市人口比例不变。
通过查阅资料得知床位需求与各年龄段人数、住院率、平均住院天数以及该地平均年床开放日数有关，在查找资料以及大量演算基础上，利用已求出的常住人口变化函数，我们得出深圳市的床位需求函数，而深圳市各区对应的床位需求则为深圳市总的床位需求乘以本区总人口所占深圳市总人口的比例（已架设各区人口在较短时间内保持不变）。
考虑到问题研究的实用性，我们选取了肺癌与胃癌作为深圳市疾病研究的对象，我们通过查找肺癌与胃癌在深圳市不同年龄段的发病率，这两种病在市级与区级医院的住院天数以及这两种级别的医院的平均年床开放日数，利用已知的病床需求函数，做出了针对深圳市不同级别医疗机构的函数表达式，通过函数表达式我们可以很轻松的看出深圳市不同类型医疗机构的床位需求。
最后以我们的模型为依托去测试深圳市各年的相关数据，都表现出来比较好的吻合性，它充分证明了我们模型的正确性。但是，由于时间仓促，模型仍有不完善地方，而且有其局限性（在较长时间内误差较大），随着时间推移，深圳外来人口比例将更低，老龄化趋势将更加显著，这显然会影响深圳市各级机构床位需求的预测，我们希望可以引入包含年龄结构的函数对其修正，而这将会成为我们以后的一个研究方向。
关键字：灰色GM(1,1)模型线性相关方程
一、问题重述
深圳市是一个流动人口多，户籍人口少的城市，外来人口多导致深圳市青壮年劳动力多，由于青壮年劳动力身体健康程度要高于其它人群，因此深圳目前人均医疗设施虽然低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，随着时间推移和政策的调整，深圳老年人口比例会逐渐增加，产业结构的变化也会影响外来务工人员的数量。这些都可能导致深圳市未来的医疗需求与现在有较大的差异。未来的医疗需求与人口结构、数量和经济发展等因素相关。请根据深圳市人口特点预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求；根据深圳市人口的年龄结构和患病情况及所收集的数据，选择预测几种病在不同类型的医疗机构就医的床位需求。
二、问题分析
深圳市人口特点是流动人口多，非户籍人口多，但户籍人口较少，针对这个情况，我们选取人口结构中的主要矛盾，即常住人口与非常住人口（即非户籍人口）进行研究。我们首先分析了深圳市近十年的人口年龄结构变化，发现其结构变化幅度很小，因此在短期内我们可以认为其年龄结构恒定。由于本题需要处理数据较多，我们采用matlab进行辅助分析，通过拟合结果研究其常住人口已经非户籍人口变化。而对于人口结构，我们可以用非户籍人口与总人口的比例来表
示。床位需求主要由各年龄段的人数以及与其相对应的住院率相对应，因此我们可以先分析出深圳市的年龄结构（可以分析2010年），然后查找与其相对应的住院率数据，至此，我们便可完成问题的第一问。而对于第二问，我们可以利用第一问得出的常住人口变化函数与人口年龄结构得出未来某一年深圳市的某一年龄段的人数。考虑到研究的实用性与可行性，我们可以以肺癌与胃癌作为研究对象，通过肺癌与胃癌的住院率与发病率，得出住院人数。同时我们需要考虑到不同类型的医疗机构的住院天数受医院设备、人员水平等因素影响，通过查找资料，我们可以得出不同类型的医疗机构治疗同一种病的住院天数。于是，整个问题便被简化。
三、模型假设
1.在较短时间内深圳市人口年龄结构保持不变；
2.针对研究的问题，每个年龄段发病率住院率保持不变；
3.抽样调查结果具有较高准确性；
4.深圳市各区人口所占深圳市总人口比例保持不变；
5.没有大的自然灾害等急剧影响深圳市人口结构的事件发生；
6.深圳市现行的各种人口政策保持不变；
四、符号说明 1.(0)x ——n 个元素的数列； 2.()(1)
(0)1()k
i x k x i ==∑；
3.()d k ——
x
)
1(的灰导数；
4.(1)z ——()1
x 的紧邻均值数列； 5.(1)(1)(1)()0.5()0.5(1)z k x k x k =+-； 6.a ——称为发展系数；
7.1()z k （）——称为白化背景值；
8.b 称为灰作用量； 9.Y 为数据向量； 10.B 为数据矩阵； 11.u 为参数向量；
12.X ——总人口随时间变化的拟合函数； 13A ——人口结构变化率； 14.Q ——病床总需求； 15.C ——肺癌患病人数；
16.D ——胃癌患病人数；
17.1E ——肺癌在市级医院的病床需求； 18.2E ——肺癌在区级医院的病床需求； 19.1F ——胃癌在市级医院的病床需求； 20.2F ——胃癌在区级医院的病床需求；
五、模型建立及求解
问题I ：深圳市最近十年常住人口、非常住人口变化特征与未来十年发展情况。
首先，我们采用灰色GM(1,1)模型.采用原因：灰色模型适用于小样本、贫信息、内在规律未充分外露的系统，按适当办法处理原始数据后得到规律性较强的生成函数.本题给出的常住人口、非常住人口数据受到难以区分的多重因素影响，且数据量较小，适用于灰色模型.
由于常住人口数量受历史影响较大，不易发生较大变化，且在数据处理中发现了较强的线性关系，我们之后采用了一元线性拟合来简化模型；而非常住人口受各方面因素影响较大，仍保持灰色模型不变。最后我们得出了与常住/非常住人口相关的人口结构变化规律。
(一) 灰色模型部分.
目前使用最广泛的灰色预测模型就是关于数列预测的一个变量、一阶微分的GM(1,1)模型.它是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列呈现的规律可用一阶线性微分方程的解来逼近.经证明，经一阶线性微分方程的解逼近所揭示的原始时间序列呈指数变化规律.因此，当原始时间序列隐含着指数变化规律时，灰色模型GM(1,1)的预测是非常成功的.[1]
GM(1,1)的定义
设(0)x 为n 个元素的数列(0)(0)(0)(0)((1),(2),())x x x x n = ,，(0)x 的AGO 生成数
列为[]
(0)
724.57
746.62
778.27
954.28995.
X = ，其中)(1
)
(0)
1
()k
i x k x
i ==∑()1,2,k
n = ,.则定义()
1x 的灰导数为
(0)(1)(1)()()()(1)d k x k x k x k ==--， 令(1)z 为数列()1
x 的紧邻均值数列，即
(1)(1)(1)()0.5()0.5(1)z k x k x k =+-，2,3,,k n =…
则(1)(1)(1)(1)((2),(3),())z z z z n = ,.于是定义GM(1,1)灰微分方程模型为
(1)()()d k az k b +=， 即
(0)(1)()()x k az k b += (a)
其中(0)()x k 称为灰导数，a 称为发展系数，1()z k （）
称为白化背景值，b 称为灰作
用量.
将时刻2,3,k n =…,代入(a)式中有
(0)(1)(0)(1)
(0)(1)(2)(2)(3)(3)()()x az b
x az b
x n az n b
?+=?+=??
??+=? 令(0)(0)(0)((2),(3),())T Y x x x n = ,，(,)T u a b =，(1)(1)
(1)(2)
1(3)
1()1z z B z n ??
-??-?
?
=???
??-???
，称Y 为数据向量，B 为数据矩阵，u 为参数向量，则GM(1,1)模型可以表示为矩阵方程
Y Bu =.
由最小二乘法可以求得
1???(,)()T T T u
a b B B B Y -== GM(1,1)的白化型
对于GM(1,1)的灰微分方程（7），如果将(0)()x k 的时刻2,3,k n = 视为连续的变量t ，则数列()1
x 就可以视为时间t 的函数，记为(1)(1)()x x t =，并让灰导数(0)()x k 对
应于导数(1)
dx dt
，背景值(1)()z k 对应于(1)()x t .于是得到GM(1,1)的灰微分方程对应
的白微分方程为
(1)
(1)dx ax b dt
+= 称之为GM(1,1)的白化型. 2. 模型建立
此预测模型是拟合参数模型，通过原始数据累加生成，得到规律性较强的序列，用函数曲线拟合得到预测值. 建立过程如下： 1) 设原始数据序列(0)X 有n 个观察值，(0)(0)(0)(0){(1),(2),,()}X X X X n = ，
通过累加生成新序列(0)(1)(1)(1){(1),(2),,()}X X X X n = ，利用新生成的序列(1)X 拟合函数曲线.
2) 利用拟合出的函数求出新生序列(1)X 的预测值序列(1)X .
3) 利用(0)(1)(1)
()()(1)X k X k X k =--累减还原，得到灰色预测值序列0000{(1),(2),,()}X X X X n m =+ （共n+m 个，m 个未来预测值）.将序列(0)X 分为0Y 和0Z ，其中0Y 反映(0)X 的确定性增长趋势，0Z 反映(0)X 的平稳周期变化趋势.
4) 对(0)X 序列的确定增长趋势进行预测.
3 模型求解
整理得深圳市2001年~2010年常住人口数，见下表.
表一：深圳市2001~2010年年末常住人口数
根据上述数据建立含有10个观察值的原始数据序列(0)X ：
[](0)724.57746.62778.27954.28995.011037.2X =
使用Matlab 软件对(0)X 进行一次累加，得到新数列(1)X ，见表二. 表二：GM(1,1)算法拟合值及误差
序号
年份 模型值 残差 相对误差 级比偏
差
(1)(2)X 2001 724.57 0 0
(1)(3)X 2002 739.77 0.0092 0.123% -0.0121 (1)(4)X 2003 771.49 0.0087 0.112% -0.0004 (1)(5)X 2004 804.56 -0.0047 0.059%
-0.0135
(1)(6)X
2005
839.06
-0.0134
0.1650% 0.0089
(1)(7)X 2006 875.03 -0.0045 0.0518% 0.0090 (1)(8)X 2007 912.54 -0.0002 0.0020% 0.0043 (1)(9)X 2008 951.66 0.0027 0.0287% 0.0029 (1)(10)X 2009 992.46 0.0026 0.0257% -0.0002 (1)(11)X
2010
1035.01
0.0021
0.0204% -0.0005
拟合函数：0.0419775(1)17255.816531.2t X t e ?+=?-
由残差、相对误差、级比偏差可知此模型精度较高，可用于预测.预测值见下表.
表三：2011年~2020年深圳市常住人口预测人数
同理，整理得2001年~2010年非户籍人口数如下表.
表四：2001年~2010年非户籍人口数
表五：GM(1,1)算法拟合值及误差
表六：2011~2020年非户籍人口预测值
拟合函数： 0.0327356(1)17965.017372.5t Y t e ?+=?-
(二) 一元线性拟合部分
由表一作出年份-常住人口数（单位：万人）曲线如下图：
图一
由图可见数据的线性关系很强，且在一段时间内仍保持线性增长趋势。由最小二乘法得拟合函数为35.21569759X t =-，相关系数为0.99388r =。
非常住人口拟合函数为0.032735617965.017372.5t Y e ?=?-。 设A 为人口结构变化率，则Y
A X
=
。使用EXCEL 作图如下：
图二
由图可见，深圳市非户籍人口所占比例逐年下降，并在2009年左右达到稳定值，约为76%。
问题二：未来全市和各区医疗床位需求。
模型建立的前提：未来十年深圳市各年龄段比例不变。原因：由上题结果可知，深圳市非户籍人口所占比例逐年下降，并趋近于76%的稳定值，且深圳市非户籍人口以年轻人为主，在较短时间内年龄结构基本不变；而常住人口受历史影响较大，年龄结构在短期内基本不变。因此，可以认为未来十年深圳市各年龄段比例保持不变。
查找资料得病床需求量公式如下：[3]
%
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 年份
设病床总需求为Q ，n p 为第n 年（以2011年为第1年）深圳人口总数
(1,2,10)n = ，m l 为年龄段m 所占比例（0~4岁为1，5~14岁为2，依此类推， 1,2,8m = ），m q 为m 年龄段住院率，平均住院天数为d ，平均年床开放日数为D 。则
-
----
∑∑∑?=
D
d
Q n m m m
m
n
q
l p
101818
1
)( (b)
各年龄段住院率见下图：
图三
由于自然规律，各年龄段发病住院率基本不变，因此可用图中数据计算。
深圳市各年龄段比例见下图：
‰
图四
查找资料得317D =，8.0d =。
由(b)式结合图三、图四可得预测结果如下表。
模型的进一步处理：医院在实际配置病床时，除考虑需求量外，还需考虑潜在需求量和流动人口对病床的需求量。由文献可知城市病床潜在需求量为实际利用量的20%；根据第一次国家卫生服务调查和流动人口调查结构估算，流动人口医院病床需要数相当于本地居民需要的10%。
考虑上述因素后，医院病床配置的推荐公式为：[4]
设医院病床推荐配置数为2Q ，病床潜在需求量为20%Q ?，流动人口病床需要数为10%Q ?。因此
2 1.3Q Q =? (c) 根据(b)可求出未来十年医院病床推荐配置数如下表。
表七：未来十年医院病床推荐配置数
根据各区人数与全市人口的比例可求出各区病床推荐配置数。
图五
表八：各区推荐床位数（以2020年为例）
问题II：不同疾病在不同医疗机构的床位需求——以肺癌和胃癌为例考虑到模型的实用情况，我们选取了在人群中发病率较高的肺癌和胃癌作为预测对象。
查阅文献可得不同年龄段肺癌和胃癌发病率如下表：
表九：不同年龄段肺癌发病率
分组（岁）调查人数患病人数患病率（%）
44岁以下821 0 0.00
45~54 1091 1 0.09
55~64 1743 9 0.52
65~74 1857 24 1.29
75以上189 4 2.12
表十“不同年龄段胃癌发病率
分组（岁）调查人数患病人数患病率（%）
44岁以下821 0 0
45~54 1091 0 0
55~64 1743 3 0.17
65~74 1857 14 0.75
75以上189 6 3.18
针对以上数据，由第一问得出深圳未来人口变化情况为35.21569759
=-，
X t
设C 为肺癌患病人数，D 为胃癌患病人数。因为某种疾病的患病人数等于该所有年龄段的人数与它们所对应的患病率乘积之和，则由图4的人口年龄结构得每种疾病的患病人数如下：
(1 1.78% 3.09%7.98%)07.98%0.09% 3.09%0.52% 1.78% 1.37%0.0002460.000246(35.21569759)0.00866317.1607
C X X X X X
t t =---??+?+?+?==?-=-
（单位：万）
(1 1.78% 3.09%7.98%)0 3.09%0.17% 3.09%0.52% 1.78%0.98%0.0001750.000175(35.21569759)0.00616312.207825
D X X X X X
t t =---??+?+?+?==?-=-(单位：万）
经查阅资料，不同疾病在不同类型的医院的住院天数如表十一所示： 表十一.肺癌和胃癌在不同级别医院住院天数[2]
病种 市级 区级
住院天数
术后住院天数 住院天数 术后住院天数 肺癌 36 20 44
41 胃癌 30 20 47 35
则由上表可知，肺癌在市级医院平均住院天数为56天，在区级医院平均住院天数为85天；胃癌在市级医院平均住院天数为50天，在区级医院平均住院天数为82天。
设肺癌在市级医院的病床需求为1E ，在区级医院的病床需求为2E ，则由第一问得知，理想的病床需求为：[3]
在本模型中假设得肺癌与胃癌的人都住院，则156
317
C E ?=
(注：查阅资料知大城市年床开放日数为317天，区级则为237天，C 为深圳市得肺癌的人数），
285237
C E ?=。则115.3037
E x =-，
231.069831
61546.814346E x =- （注：x 为年份，结果取整）
设胃癌在市级医院的病床需求为1F ，在区级医院的病床需求为2F ，则同理可得，
150317
D F ?=
，
282237
D F ?=
，则
19.720820
1925
F x =-， 221.323460
42238.044304
F x =- (注：x 为年份，结果取整）
六、模型评价与改进方向
1.模型建造中没有考虑到年龄结构的变化，而深圳市年龄结构是趋向老龄化方向的，老年人体质弱，易生病住院，因此实际得出的床位数小于实际需求的床位数。
2.模型没有体现出深圳不同区的人口变化函数，而只是假设其人口总量对深圳总人口量保持不变，实际上每个区的发展不同，人口变化也不同。
3.本模型只适应于预测短期，不适应于长期。
4.本模型还是比较合理的，相比其它同类模型而言，本模型立意新颖，结构简单，易于理解，同时具有很强的操作性，值得政府部门参考。
5.本模型巧妙的忽略了问题的次要矛盾，即年龄结构，各区所占比例，虽然丧失了一些精确度，但是相对于其它繁琐的模型而言，还是利大于弊的
6.从提高准确性与普遍性的角度考虑，还可以引入关于年龄结构的拟合函数以及各区独立的人口发展函数。
七、参考文献
[1]唐丽芳、贾冬青、孟庆鹏，2008.《用MATLAB 实现灰色预测GM(1,1)模型》.沧州师范专科学校学报，24:35
[2]上海医科大学陈兴宝、郑恩群、陈洁上海市不同级别医院平均住院天数分析， [3]饶克勤、陈育德关于制定卫生资源配置标准的几点建议，1999年03期 39页 [4]饶克勤、陈育德关于制定卫生资源配置标准的几点建议，1999年03期 40页
八、附件
GM(1,1)灰色模型 常住人口： clear
x0=[724.57 746.62 778.27 800.8 827.75 871.1 912.37 954.28 995.01 1037.2] n=length(x0);
lamda=x0(1:n-1)./x0(2:n) range=minmax(lamda); x1=cumsum(x0); for i=2:n
z(i)=0.5*(x1(i)+x1(i-1)); end
B=[-z(2:n)',ones(n-1,1)];
Y=x0(2:n)';
u=B\Y
x=dsolve('Dx+a*x=b','x(0)=x0');
x=subs(x,{'a','b','x0'},{u(1),u(2),x1(1)});
yuce1=subs(x,'t',[0:n-1]);
digits(6),y=vpa(x)
yuce=[x0(1),diff(yuce1)]
epsilon=(x0-yuce)./x0%求残差
delta=abs(epsilon./x0)%求相对误差
rho=1-(1-0.5*u(1))/(1+0.5*u(1))*lamda%求级比误差
yuce1=subs(x,'t',[0:19]);%共20年预测值
非户籍人口：
x0=[592.53 607.17 627.34 635.67 645.82 674.27 699.99 726.21 753.56 786.17]; n=length(x0);
lamda=x0(1:n-1)./x0(2:n)
range=minmax(lamda);
x1=cumsum(x0);
for i=2:n
z(i)=0.5*(x1(i)+x1(i-1));
end
B=[-z(2:n)',ones(n-1,1)];
Y=x0(2:n)';
u=B\Y
x=dsolve('Dx+a*x=b','x(0)=x0');
x=subs(x,{'a','b','x0'},{u(1),u(2),x1(1)});
yuce1=subs(x,'t',[0:n-1]);
digits(6),y=vpa(x)
yuce=[x0(1),diff(yuce1)]
epsilon=(x0-yuce)./x0%求残差
delta=abs(epsilon./x0)%求相对误差
rho=1-(1-0.5*u(1))/(1+0.5*u(1))*lamda%求级比误差
yuce1=subs(x,'t',[0:19]);%共20年预测值
2013深圳杯数学建模D题
自然灾害保险问题的研究 摘要 我国是农业大国,又是世界上遭受自然灾害损失最为严重的国家之一。近10年来,自然灾害给我国造成的经济损失每年都在1000亿元以上。自然灾害对农业经济发展的影响非常严重。但与国际上大灾风险主要通过保险机制来分担化解的做法不同,我国自然灾害损失的救助工作主要依靠国家财政援助和生产自救进行,有关自然灾害风险防范的保险体系尚未真正建立。因此,必需改革目前的保险体制,探索建立巨灾保险救助和通过资产证券化等非传统风险转移方式分散农业巨灾风险的新途径,有效地提升保险在国家灾害救助体系中的积极作用，因此我们分析了近几年天气，各地区的农作物种植面积，受灾，成灾，绝收面积的有关数据，得出了自然灾害的变化趋势，通过Excel,matlab等软件建立了几个模型以及分析出了受灾面积的函数y=-879.8x+2E+6,R*R=0.089,成灾面积y=-132.6X+21663,R*R+0.003绝收面积的函数y=-328.1X+66308，R*R=0.307并且还分析了出了降水量，风速，冰雹在近几年的变化趋势，为今后的预防工作和提出更加合理的保险险种方案做出了充分的准备。 关键词：自然灾害、保险险种、灾害变化趋势、土地种植面积、模型的建立 一、问题重述 根据2013年3月5日《环球时报》转摘美国《商业周报》的相关报道，“在2012年全世界发生的10大自然灾害中，有4场是发生在中国。包括3场严重的夏季洪涝灾和席卷苏鲁冀等沿海地区的台风‘达维’造成的灾害。另外，还有很多地区遭受了严重干旱、冰雹等自然灾害，共造成290亿美元的损失，但通过投保由保险公司赔付的比例仅占总损失的４％左右，这个比例相对美国的自然灾害保险赔付率相差甚远。”另据报道：“2013年3月20日发生在广东、广西等省部分地区的一场大风和冰雹灾害，造成直接经济损失达13亿多元。”这个事实警示我们，中国需要重视和加强自然灾害保险的研究和实践，特别是针对严重自然灾害的保险体系建设和对策方案的研究，推动由政府主导的自然灾害政策性保险方案的实施。 农业灾害保险是国家政策性保险之一，即政府为保障国家农业生产的发展，基于商业保险的原理并给予政策扶持的一类保险产品。农业灾害保险也是针对自然灾害，保障农业生产的重要措施之一，是现代农业金融服务的重要组成部分，它与现代农业技术、现代农业信息化及市场建设共同构成整个农业现代化体系。农业灾害保险险种是一种准公共产品，基于投保人、保险公司和政府三方面的利益，按照公平合理的定价原则设计，由保险公司经营的保险产品，三方各承担不同的责任、义务和风险。农业灾害保险分种植业保险和养殖业保险两大类，现有几十个险种，因不同地区的气象条件和作物种类不同，其险种和设置方案都不尽相同。农业灾害保险除遵循保险的共同原理外，有其自身的特点。比如，其损失规律有别于人寿保险和通常的财产保险（如汽车险）等。政府作为投保人和承保人之外的第三方介入以体现对国家安全和救灾的责任。附件1给出了P省种植业现行的部分险种方案，请你们从实际出发，查阅和参考附件中的数据资料，通过分析建模，研究解决下面的问题：（1）对附件2中的数据做必要的统计分析，研究P省现有农业灾害保险险种方案可能存在的风险，并分析其方案是否存在不合理性。
12年全国数学建模大赛A题获奖作品
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 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,严格遵守竞赛规则,以保证竞赛的公正、公平性.如有违反竞赛规则的行为,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）: 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): 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）:
基于统计分析的葡萄酒评价模型 摘 要 本文针对葡萄酒评价问题, 指出了两组评酒员评价结果差异, 给出了更可信的小组,根据酿酒葡萄的理化指标和葡萄酒的质量确定了酿酒葡萄的分级, 然后建立了酿酒葡萄与葡萄酒理化指标之间的回归方程组, 得出了酿酒葡萄和葡萄酒理化指标对葡萄酒质量影响的方程, 最后论证了葡萄酒质量不能完全用这两种理化指标评价. 问题一:首先对两组评酒员打分数据进行预处理,采用了两个独立样本的非参数统计方法进行Mann-Whitney U 检验,证明了两组评酒员评价结果存在显著差异,并通过比较两组打分样本的方差,异常值点等离散型度量,认为第二组的评价结果更加合理. 问题二:首先选取能代表所有葡萄理化指标的变量,利用聚类分析法验证了所选变量具有代表性,然后通过主成分分析得出每种葡萄的理化指标综合得分,依据综合得分将酿酒红葡萄分为3类、白葡萄分为5类,并根据每一类中葡萄所酿造的酒的质量确定该类葡萄的等级. 问题三:应用SPSS 软件,利用回归分析方法建立了酿酒葡萄和葡萄酒理化指标之间的回归方程组. 问题四:首先利用Matlab 软件对酿酒葡萄和葡萄酒理化指标运用功效系数法进行无量纲量的转换,综合考虑这两方面因素,得到一个关于量化指标的综合指数,最后将葡萄酒质量作为因变量,量化综合指数作为自变量,利用回归分析方法建立两者的联系,得到回归方程为121317105.001.010*302.9171.10N N N M +-+=-,证明了葡萄酒质量不能完全用这两种理化指标评价. 关键词: Mann-Whitney U 检验 聚类分析 主成分分析 回归分析 功效系数法
深圳杯数学建模A题答案
摘要 深圳作为中国经济发展的重点城市，人口与医疗问题已经成为我们的焦点话题，是一个复杂的系统工程。本文针对深圳地区人口年龄分布情况，外来务工人员的数量，从实际出发，在基于一些合理简化假设的基础上，建立数学模型，并充分利用matlab 等软件简化计算，对相关问题进行了有针对性的求解。 在预测未来十年深圳常住人口时，我们运用了matlab 一元线性回归对近十年的数据进行了多次拟合，并对这些拟合进行了比较得出深圳常住人口模型公式为：2() 1.00050.00838.1671Q x e x x =+-+, 通过拟合预测出了未来十年深圳市常住人口的数量，同时在网上2000年到2010年的人口结构的数据，通过Leslie 矩阵预测出了未来十年人口结构的分布。通过分析深圳近人口数量和人口结构的变化，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求呈线性递增趋势。同时选取了高血压，脑出血，癌症这三种疾病进行预测，运用matlab 最小二乘法散点拟合，得出这三种疾病的发展趋势，由此预测出未来十年这三种疾病的就医的床位需求。 关键词：matlab 、一元线性回归、Leslie 、最小二乘法、床位需求 一、问题重述 从深圳的人口的结构来看，显著的特点是流动人口远远超过户籍人口，且年轻人口占主绝对优势。流动人口主要从事第二、三产业的企业一线工人等。年轻人身体好，发病少 ，导致深圳目前人均医疗设施低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，政策的调整与世界的推移会使深圳市老年人增加。产业结构的变化也会影流动人口的数量。直接会导致深圳市未来的医疗需求的变化。 现有人口社会发展模型在面对深圳情况时，难以满足人口和医疗预测的要
数学建模期末考试A试的题目与答案
华南农业大学期末考试试卷（A 卷） 2012-2013学年第 二 学期 考试科目：数学建模 考试类型：（闭卷）考试 考试时间： 120 分钟 学号 姓名 年级专业 一篮白菜从河岸一边带到河岸对面，由于船的限制，一次只能带 一样东西过河，绝不能在无人看守的情况下将狼和羊放在一起；羊和白菜放在一起，怎样才能将它们安全的带到河对岸去? 建立多步决策模型,将人、狼、羊、白菜分别记为i = 1，2，3，4，当i 在此岸时记x i = 1，否则为0；此岸的状态下用s =（x 1，x 2，x 3，x 4）表示。该问题中决策为乘船方案，记为d = (u 1, u 2, u 3, u 4)，当i 在船上时记u i = 1，否则记u i = 0。 (1) 写出该问题的所有允许状态集合；（3分） (2) 写出该问题的所有允许决策集合；（3分） (3) 写出该问题的状态转移率。（3分） (4) 利用图解法给出渡河方案. （3分） 解：(1) S={(1,1,1,1), (1,1,1,0), (1,1,0,1), (1,0,1,1), (1,0,1,0)} 及他们的5个反状（3分） (2) D = {(1,1,0,0), (1,0,1,0), (1,0,0,1), (1,0,0,0)} （6分） (3) s k+1 = s k + (-1) k d k （9分） (4)方法：人先带羊，然后回来，带狼过河，然后把羊带回来，放下羊，带白菜过去，然后再回来把羊带过去。 ?或: 人先带羊过河，然后自己回来，带白菜过去，放下白菜，带着羊回来，然后放下羊，把狼带过去，最后再回转来，带羊过去。 （12分） 1、 二、(满分12分) 在举重比赛中，运动员在高度和体重方面差别很大，请就下面两种假设，建立一个举重能力和体重之间关系的模型： （1） 假设肌肉的强度和其横截面的面积成比例。6分 （2） 假定体重中有一部分是与成年人的尺寸无关，请给出一个改进模型。6分 解：设体重w （千克）与举重成绩y （千克） （1） 由于肌肉强度(I)与其横截面积(S)成比例，所以 y ?I ?S 设h 为个人身高，又横截面积正比于身高的平方，则S ? h 2 再体重正比于身高的三次方，则w ? h 3 （6分） ( 12分) 14分) 某学校规定，运筹学专业的学生毕业时必须至少学
2012数学建模深圳杯A答案
答卷编号（参赛学校填写）： 答卷编号（竞赛组委会填写）： 论文题目：深圳人口与医疗需求预测（A）组别：本科生 参赛学校： 报名序号： 参赛队员信息(必填)： 答卷编号（竞赛组委会填写）：
评阅情况（省赛评阅专家填写）： 省赛评阅1： 省赛评阅2： 省赛评阅3： 省赛评阅4： 省赛评阅5： 深圳市人口与医疗需求预测模型 摘要： 人口与医疗问题是关系到国计民生的大问题，能够合理而准确地预测就显得非常重要。但不同城市有不同的人口特点，本文在吸取前人经验的基础上，以深圳的人口为依托提出了一些新的简单而实用方法，希望能为政府决策提供帮助。 针对深圳市人口结构中非户籍人口比重大，流动人口多这一特点，我们采用了灰色GM(1,1)模型，通过matlab对深圳市自2001至2010年的数据进行拟合，发现其人口变化近似呈线性增长，线性相关系数高达0.99，我们就此认定其为线性相关并给出线性方程。同理，针对其非户籍人口，我们进行matlab拟合发现，其为非线性相关，并得出相关函数。 通过模拟出的常住人口与非户籍人口的函数，我们可以很容易的得出深圳市的人口数量变化情况，同时我们以非户籍人口与常住人口的函数之比作为深圳市人口结构的变化，通过作图发现，深圳市非户籍人口正逐年下降，这正与官方以及媒体报道深圳市产业转型相对应。 由于深圳市人口结构中外来人口比例接近76%，而且外来人口中以青壮年居多，可以认为在较短时间内（十年内）外来人口年龄结构近似不变，同时当地户籍人口因为受历史条件影响，人口年龄结构在短期内也不会发生较大变化，所以
我们大胆假设深圳市未来十年人口年龄结构近似不变。同时深圳市各区发展水平相同，可以认为其人口发展态势与深圳市总体相同，所以其所在深圳市人口比例不变。 通过查阅资料得知床位需求与各年龄段人数、住院率、平均住院天数以及该地平均年床开放日数有关，在查找资料以及大量演算基础上，利用已求出的常住人口变化函数，我们得出深圳市的床位需求函数，而深圳市各区对应的床位需求则为深圳市总的床位需求乘以本区总人口所占深圳市总人口的比例（已架设各区人口在较短时间内保持不变）。 考虑到问题研究的实用性，我们选取了肺癌与胃癌作为深圳市疾病研究的对象，我们通过查找肺癌与胃癌在深圳市不同年龄段的发病率，这两种病在市级与区级医院的住院天数以及这两种级别的医院的平均年床开放日数，利用已知的病床需求函数，做出了针对深圳市不同级别医疗机构的函数表达式，通过函数表达式我们可以很轻松的看出深圳市不同类型医疗机构的床位需求。 最后以我们的模型为依托去测试深圳市各年的相关数据，都表现出来比较好的吻合性，它充分证明了我们模型的正确性。但是，由于时间仓促，模型仍有不完善地方，而且有其局限性（在较长时间内误差较大），随着时间推移，深圳外来人口比例将更低，老龄化趋势将更加显著，这显然会影响深圳市各级机构床位需求的预测，我们希望可以引入包含年龄结构的函数对其修正，而这将会成为我们以后的一个研究方向。 关键字：灰色GM(1,1)模型线性相关方程 一、问题重述 深圳市是一个流动人口多，户籍人口少的城市，外来人口多导致深圳市青壮年劳动力多，由于青壮年劳动力身体健康程度要高于其它人群，因此深圳目前人均医疗设施虽然低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，随着时间推移和政策的调整，深圳老年人口比例会逐渐增加，产业结构的变化也会影响外来务工人员的数量。这些都可能导致深圳市未来的医疗需求与现在有较大的差异。未来的医疗需求与人口结构、数量和经济发展等因素相关。请根据深圳市人口特点预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求；根据深圳市人口的年龄结构和患病情况及所收集的数据，选择预测几种病在不同类型的医疗机构就医的床位需求。 二、问题分析 深圳市人口特点是流动人口多，非户籍人口多，但户籍人口较少，针对这个情况，我们选取人口结构中的主要矛盾，即常住人口与非常住人口（即非户籍人口）进行研究。我们首先分析了深圳市近十年的人口年龄结构变化，发现其结构变化幅度很小，因此在短期内我们可以认为其年龄结构恒定。由于本题需要处理数据较多，我们采用matlab进行辅助分析，通过拟合结果研究其常住人口已经非户籍人口变化。而对于人口结构，我们可以用非户籍人口与总人口的比例来表
2012年数学建模A题优秀论文
2012高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 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，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）：S55001 所属学校（请填写完整的全名）：郑州科技学院 参赛队员(打印并签名) ：1. 刘超 2. 赵芬芳 3. 尹峰 指导教师或指导教师组负责人(打印并签名)：闫天增 日期： 2012 年 9 月 10 日赛区评阅编号（由赛区组委会评阅前进行编号）：
2012高教社杯全国大学生数学建模竞赛 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）：
葡萄酒的评价 摘要 确定葡萄酒质量时一般是通过聘请一批有资质的评酒员进行品评。酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。本文通过对27种红葡萄酒和28种白葡萄的理化指标数据进行分析，采用显著性差异分析法、可靠度分析、因子分析法、相关系数分析、主成分分析法以及聚类分析法，借助统计软件SPSS和数学软件MATLAB，分析了两组评酒员的评价结果有无显著性差异和可信度，给出了酿酒葡萄与葡萄酒的理化指标之间的联系，建立了基于酿酒葡萄理化指标和葡萄酒质量的聚类分析模型确定了葡萄酒质量的影响因素，最后通过补充相关信息，建立基于分析模型确定了葡萄酒质量的影响因素。 针对问题一，首先对所有样品的10位评酒员打分的加权平均值进行显著性差异检验，显著性水平取为0.05，通过两组评酒员分别对红葡萄酒和白葡萄酒的显著性检验得出两组评酒员的评价结果有明显差异，最后运用可靠性分析，得到两组评酒员的评价结果的可靠度，结果表明第二组评酒员的评价结果更加可信。 针对问题二，以第二组评酒员的评价结果作为相应葡萄酒样品的质量指标，根据酿酒葡萄理化指标对比葡萄酒的质量利用SPSS软件进行聚类分析，得到酿酒葡萄的聚类树状图，从而将酿酒葡萄分成5个等级。 针对问题三，对葡萄酒的理化指标进行主成分分析，得到葡萄酒的主要成分，然后将每一个主成分与酿酒葡萄的理化指标进行多元回归分析，根据SPSS软件运行结果得出主成分与酿酒葡萄的理化指标的相关性。 针对问题四，利用因子分析分别给出酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响因素，将附件3中4个表格里的每张样品中所含各种芳香物质求和作为样品中的芳香指标与葡萄酒的理化指标一并进行因子分析，比较前后两者结果中由样品中的芳香指标导致的影响差异来确定不能只用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，还需要结合感官指标，感官指标是评价葡萄酒质量的最终及最有效的指标。 关键词：理化指标主成分分析法可信度分析显著差异聚类分析芳香物质
深圳杯数学建模A题答案完整版
深圳杯数学建模A题答 案 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
摘要 深圳作为中国经济发展的重点城市，人口与医疗问题已经成为我们的焦点话题，是一个复杂的系统工程。本文针对深圳地区人口年龄分布情况，外来务工人员的数量，从实际出发，在基于一些合理简化假设的基础上，建立数学模型，并充分利用matlab等软件简化计算，对相关问题进行了有针对性的求解。 在预测未来十年深圳常住人口时，我们运用了matlab一元线性回归对近十年的数据进行了多次拟合，并对这些拟合进行了比较得出深圳常住人口模型公式为： 2 =+-+, 通过拟合预测出了未来十年深圳市常住人口的Q x e x x () 1.00050.00838.1671 数量，同时在网上2000年到2010年的人口结构的数据，通过Leslie矩阵预测出了未来十年人口结构的分布。通过分析深圳近人口数量和人口结构的变化，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求呈线性递增趋势。同时选取了高血压，脑出血，癌症这三种疾病进行预测，运用matlab最小二乘法散点拟合，得出这三种疾病的发展趋势，由此预测出未来十年这三种疾病的就医的床位需求。 关键词：matlab、一元线性回归、Leslie、最小二乘法、床位需求 一、问题重述 从深圳的人口的结构来看，显着的特点是流动人口远远超过户籍人口，且年轻人口占主绝对优势。流动人口主要从事第二、三产业的企业一线工人等。年轻人身体好，发病少，导致深圳目前人均医疗设施低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，政策的调整与世界的推移会使深圳市老年人增加。产业结构的变化也会影流动人口的数量。直接会导致深圳市未来的医疗需求的变化。 现有人口社会发展模型在面对深圳情况时，难以满足人口和医疗预测的要求。为了解决此问题，请根据深圳人口发展变化态势以及全社会医疗卫生资源投入情况（医疗设施、医护人员结构等方面）收集数据、建立针对深圳具体情况的数学模型，预测深圳未来的人口增长和医疗需求，解决下面几个问题： 1.分析深圳近十年常住人口、非常住人口变化特征，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求； 2.根据深圳市人口的年龄结构和患病情况及所收集的数据，对几种病进行预测，在不同类型的医疗机构就医的床位需求。
2012年数学建模A题范文
2013高教社杯全国大学生数学建模竞赛 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）： A 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）：
2013高教社杯全国大学生数学建模竞赛 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）：
2012年数学建模大赛A题解题思路
首先纠正一下对于数学建模的看法，数学建模重要的是一种数学思想，即使是没有牢固的数学根底，一样可以在建模的赛场上大放异彩。 下面先把试题读一下，个人认为的重点词汇已经标出出来。（不要盲目听从任何人所谓的专家建议） A题葡萄酒的评价 确定葡萄酒质量时一般是通过聘请一批有资质的评酒员进行品评。每个评酒 员在对葡萄酒进行品尝后对其分类指标打分，然后求和得到其总分，从而确定葡 萄酒的质量。酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒 葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。附件1给出了某 一年份一些葡萄酒的评价结果，附件2和附件3分别给出了该年份这些葡萄酒的 和酿酒葡萄的成分数据。请尝试建立数学模型讨论下列问题： 1. 分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？ 2. 根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。 3. 分析酿酒葡萄与葡萄酒的理化指标之间的联系。 4．分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量？ 附件1：葡萄酒品尝评分表（含4个表格） 附件2：葡萄和葡萄酒的理化指标（含2个表格） 附件3：葡萄和葡萄酒的芳香物质（含4个表格） 解题思路： 1、众所周知，对于同一事物的评价，如果大家的意见越一致，那么评 价的可信度就越高。所以对于问题1的解题思路也就清晰明了了。
我们可以通过离散度（所谓离散程度，即观测变量各个取值之间的 差异程度。它是用以衡量风险大小的指标。）这一概念来对每一组评 酒员作出的评估作出风险分析。显而易见的是若风险评估的值越高，这组评酒员的评价就存在问题了。若风险评估值大小相当，这说明 这两组评酒员是没有明显差异的。 2、题目中要求对葡萄作出评级。看起来似乎没有思路，那么我们可以 动一下我们的小脑筋。既然对于评级我们没有参考标准，那么我们 可以参考评酒员的评价。即使用逆向思维，从评酒员的评分发出， 那么大体上葡萄的分级基本上就能确定下来，根据确定先来的葡萄 分级进行逆推，就可以得出结论。 3、对于这个问题，最直观也是最基本的思路就是看两者之间的趋势。 （作出两者的趋势图）。通过对趋势图的直接观察，两者之间的大体 关系即可确定，然后根据曲线拟合的方法可得出两者间的函数关系。 4、对于问题4的这中学术中称之为白痴型问题，大家肯定一眼就能得 出结论，那就是肯定能用理化指标来评价葡萄酒的质量。但这里有 个前提，就是先分析葡萄和葡萄酒理化指标之间的关系，显然这是 解题的关键。对于这种大量数据的问题，只要通过计算机实现，基 本上不要考虑认为分析，因为在浪费大量时间的前提下基本上不会 得出结论。言归正传，谈一下解题的关键点或者是捷径，可以通过 附件一种的数据来作出评价。至于具体的方法，因为只是初步的讲 解还未作出具体判断。估计会在后续的评论中作出判断。 谢谢大家，小马过河预祝大家考出理想成绩。
深圳杯数模比赛A题最新答案
深圳人口与医疗需求预测 摘要 问题一中，由于深圳市不同于常规一线城市，从结构来看，深圳人口的显著特点是流动人口远远超过户籍人口，影响人口数量增长的因素较多，人口年龄结构变化大，常用人口预测模型误差较大，本文通过Mathematica 二次曲线拟合预测产生未来十年产业从业人员比例，并建立多元线性回归拟合模型来预测深圳市非常住人口数量，其次用 Markov 链预测未来人口年龄结构比例，利用Matlab 程序预测未来具有就医需求的总人 口数并得出深圳市床位需求，以及各区床位需求。问题二中，选取两种疾病，利用灰色GM (1,1) 模型预测小儿肺炎和老年性白内障未来十年的入院率，利用Excel 处理得出对各类医疗机构床位需求权重，得到未来十年的小儿肺炎的床位需求和老年性白内障对各类医疗机构的床位需求。 关键词：关键词：二次曲线拟合预测 Markov 链 多元线性回归 灰色GM (1,1) 预测模型 -1- 一、问题重述
深圳市我国人口增长最快的地方，从1980年到2010年，深圳每年都以30多万的人口增幅增长，到2010年深圳市总人口已达到1037万人。从结构来看，深圳人口的显著特点是流动人口远远超过户籍人口，且年轻人口占绝对优势。深圳流动人口主要是从事第二、三产业的企业一线工人和商业服务业人员。年轻人身体强壮，发病较少，因此深圳目前人均医疗设施虽然低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，随着时间推移和政策的调整，深圳老年人口比例会逐渐增加，产业结构的变化也会影响外来务工人员的数量。这些都可能导致深圳市未来的医疗需求与现在有较大的差异。就深圳市的相关情况，建立数学模型分析研究下面的问题：问题一：分析深圳近十年常住人口、非常住人口变化特征，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求。问题二：根据深圳市人口的年龄结构和患病情况及所收集的数据，选择预测几种病（如：肺癌及其他恶性肿瘤、心肌梗塞、脑血管病、高血压、糖尿病、小儿肺炎、分娩等）在不同类型的医疗机构就医的床位需求。 二、问题分析 问题一：近十年常住人口、非常住人口（由给出的数据得知，常住人口包括户籍人口和流动人口中非户籍人口（居住时间在6个月以上），非常住人口是流动人口中居住时间在六个月之内）与城市的经济产业发展高度相关。产业结构影响非常住人口数量，非常住人口数量影响常住人口数量，具有就医需求的人口数量等于常住人口与非常住人口之和。问题二中，由问题一得出的数据，针对人群对各类医疗机构的选择计算出需求权重，得出不同类型的医疗机构就医的床位需求。问题二：每一种疾病都会有一个高发人群年龄段，例如，老年性白内障，心脏病、高血压等疾病多发生在老年人中，而小儿肺炎发生在少年儿童中，因此该年龄段人口的比例严重影响着该种疾病入院率。因此需要预测先预测出来深圳市未来十年的入院率，其次在根据问题一得出的人口结构数量计算出每年的入院人数，再根据床位数=该病入院人数 × 平均住院日得出该种病的床位需求。一年的总天数(365天) 三、模型假设 1、假设深圳市各区人口体质保持不变，并且在同一年度各区入院率相同。 2、假设每种病每年平均住院日保持不变。 3、假设所预测出来的医院床位每天没有空闲的时候。 4、假设各区相对封闭，本区人口不会跨区就医。 -2-
深圳杯数学建模A题答案
摘要 深圳作为中国经济发展的重点城市，人口与医疗问题已经成为我们的焦点话题，是一个复杂的系统工程。本文针对深圳地区人口年龄分布情况，外来务工人员的数量，从实际出发，在基于一些合理简化假设的基础上，建立数学模型，并充分利用matlab等软件简化计算，对相关问题进行了有针对性的求解。 在预测未来十年深圳常住人口时，我们运用了matlab一元线性回归对近十年的数据进 行式为：Q ( ，导致深圳目前人均医疗设施低于全国类似城市平均水平，但仍能满足现有人口的就医需求。然而，政策的调整与世界的推移会使深圳市老年人增加。产业结构的变化也会影流动人口的数量。直接会导致深圳市未来的医疗需求的变化。 现有人口社会发展模型在面对深圳情况时，难以满足人口和医疗预测的要求。为了解决此问题，请根据深圳人口发展变化态势以及全社会医疗卫生资源投入情况（医疗设施、医护人员结构等方面）收集数据、建立针对深圳具体情况的数学模型，预测深圳未来的人
口增长和医疗需求，解决下面几个问题： 1.分析深圳近十年常住人口、非常住人口变化特征，预测未来十年深圳市人口数量和结构的发展趋势，以此为基础预测未来全市和各区医疗床位需求； 2.根据深圳市人口的年龄结构和患病情况及所收集的数据，对几种病进行预测，在不同类型的医疗机构就医的床位需求。 2.1 题目中所给的两个问题都属于预测的数学问题。其中问题一需要通过对深圳人口数量极其人口结构进行预测，以此为基础预测未来全市和各区医疗床位需求。为了解决此问题，我们首先要对近十年的常住人口与非常住人口进行分析，其次再对人口数量和结构进行分析，通过对这些已知数据的分析和统计，在预测未来十年深圳常住人口时，我们运用了matlab 对近十年的数据进行了多次拟合，并对这些拟合进行了比较得出深圳常住人口模型公式为：
数学建模A题
2012年暑期培训数学建模第二次模拟 承诺书 我们仔细阅读了数学建模联赛的竞赛规则。 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）与本队以外的任何人（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规则的, 如果引用别人的成果或其它公开的资料（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，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。 我们的参赛报名号为： 参赛队员(签名) ： 队员1： 队员2： 队员3：
2012年暑期培训数学建模第二次模拟 编号专用页 参赛队伍的参赛号码：（请各个参赛队提前填写好）： 竞赛统一编号（由竞赛组委会送至评委团前编号）： 竞赛评阅编号（由竞赛评委团评阅前进行编号）： 数学课程的成绩分析 摘要 本文针对大学甲、乙两个专业数学成绩分析问题，进行建模分析，主要用到统计分析的知识和 excel以及matlab软件，建立了方差分析、相关分析的相关模型，研究了影响学生成绩的相关因素, 以及大学生如何进行数学课程的学习。 问题一针对每门课程分析两个专业的数学成绩可以通过excel工具得出各门功课的平均值、方差
进行比较分析。 问题二针对专业分析两个专业的数学成绩的数学水平有无明显差异，可以运用平均数、方差进行 比较。并对两专业的数学成绩进行T检验，进一步分析其有无显著性差异。 问题三针对各班高数成绩和线代、概率论成绩进行散点图描述建立一元回归线性模型，然后对模 型进行求解，对模型进行改进。包括分析置信区间，残差等。 关键词：平均值方差 T检验一元回归线性模型置信区间 残差 excel matlab 一、问题重述 附件是甲专业和乙专业的高等数学上册、高等数学下册、线性代数、概率论与数理统计等三门数学课程的成绩数据，请根据数据分析并回答以下问题： （1）针对每门课程分析，两个专业的分数是否有明显差异？ （2）针对专业分析，两个专业学生的数学水平有无明显差异？ （3）高等数学成绩的优劣，是否影响线性代数、概率论与数理统计的得分情况？ （4）根据你所作出的以上分析，面向本科生同学阐述你对于大学数学课程学习方面的看法。 二、模型假设 1.假设附件中所给的数据为学生真实考试成绩（由于数据的来源要符合真实可靠的原则）； 2.每位学生的成绩之间是相互独立的； 3.同一个专业不同班之间学生的成绩是相互独立的； 4.假设显著性水平是a=0.05; 三、符号约定 X：甲专业高数平均成绩 Y：乙专业高数平均成绩 ：回归系数 ：回归系数 四、问题分析 问题一分析：比较两个专业成绩是否有明显差异可以通过分别求出各自的成绩平均值以及方差等方法，并画出柱状图来形象表示。 问题二分析：比较两个专业数学水平可以在平均值与方差的基础上进行T检验，从而得出结论。 问题三分析:根据处理后的数据分析高数成绩对其他两科的影响，首先根据数据画出散点图进行模型建立，再用matlab进行回归分析，求出回归系数并分析模型的残差，对模型进行改进直至得到较为满意的模型；并根据模型对问题进行分析得出结论。
深圳杯数学建模A题获奖论文
网络侧估计终端用户视频体验建模 摘要 现代社会，使用手机APP观看视频已经成为当代社会的一种普遍形式，本文依据统计回归方法，对网络侧变量和用户体验变量之间的函数关系进行拟合，令其余无关变量均近似地服从正态分布。采用多重拟合方式拟合出不同的评价函数，并进行误差检验。选择误差最小的评价函数。并基于评价函数，两个用户体验变量进行预测。 同时对用户观看视频体验进行综合评价，采用多级指标，运用AHP及模糊综合评价法评价用户观看视频的满意度。求出权重，建立评价矩阵。得到用户观看视频满意度处在较满意和一般满意之间。 最后，由于多种原因，本文建立的用户体验变量评价函数具有一定程度的误差，因此基于原有数据，建立灰色系统模型，再次进行预测，比较结果。建立GM（1,1）模型对相关指标进行预测，取预测区间长度为100，得出预测值，并绘制残差图对预测值进行检验。并与评价函数预测结果进行对比。验证评价函数的正确性。同时得到结论，基于原始数据直接建立灰色系统，预测相对更加准确。关键词：统计回归；综合评价；灰色预测；残差检验 一.问题重述 随着科技的日益进步，无线宽带网络也随之无限升级。智能终端在大众生活中普及，越来越多的用户选择在智能终端上（以手机为主）应用客户端APP来观看网络视频，这是一种基于TCP（是一种面向连接的、可靠的、基于字节流的传输层通信协议）的视频传输以及播放。在观看网络视频时，有很多因素指标会影响用户对于视频的观看体验，而其中两个关键指标是初始缓冲等待时间和卡顿缓冲时间，我们可以用初始缓冲时延和卡顿时长占比（卡顿时长占比=卡顿时长/视频播放时长）来定量评价用户体验。研究表明影响初始缓冲时延和卡顿时长占比的主要因素有初始缓冲峰值速率、播放阶段平均下载速率、端到端环回时间（E2ERTT）以及视频参数。然而这些因素和初始缓冲时延以及卡顿时长占比之间的关系并不明确。本文拟通过数学建模的方式对网络端视频用户体验做综合评价和预测，以采取针对性的措施提高网络端视频用户体验的满意程度。本文尝试解决以下问题： 1、根据实验数据建立起用户体验评价变量和网络侧变量之间的函数关系。 2、对网络侧终端用户体验进行定量的综合评价。
深圳杯数学建模A题
深圳杯数学建模A题
————————————————————————————————作者：————————————————————————————————日期：
答卷编号（参赛学校填写）： 答卷编号(竞赛组委会填写）： 论文题目: A题:深圳人口与医疗需求预测组别：本科生 参赛学校:东北电力大学 报名序号:(可以不填) 参赛队员信息(必填)： 姓名专业班级及学号联系电话参赛队员 1 李峰 自动化卓越111班 ２5 参赛队员 2 李扬 电自1１1３班 ２4 参赛队员 3 黄阳红 电自1１1４班 ２３ ?
答卷编号(竞赛组委会填写）： 评阅情况(省赛评阅专家填写）: 省赛评阅１： 省赛评阅2: 省赛评阅３： 省赛评阅4: 省赛评阅５：
深圳市人口与医疗需求预测模型 摘要 本论文针对所提出的“深圳人口与医疗需求预测”的问题，根据所给定的深圳市现有数据及其相关查阅参考资料建立起深圳具体情况的数学模型，预测深圳未来的人口增长和医疗需求。 首先，对深圳市常住人口数据进行分析,用MＡTＬＡB的scaｔｔe ｒ散点图描点可以大致看出深圳市常住人口（R）与时间（T）呈线性增长变化,于是通过多项式曲线拟合构建一阶深圳市常住人口与时间的线性方程模型。同样从非常住人口数据中初步估计模型，根据实际数据情况,对于非常住人口的变化特征,我们采用了灰色模型(Grey Mｏdｅl,GM)，使用MAＴLAB对灰色模型GM（1，1)编程得到预测值,残差,级比偏差等相关数据结果。由于初步编程得出的预测模型为其累加后的方程,通过生成序列预测值及模型还原值之间的关系及之前所求的预测值模型易求的非常住人口变化特征模型。而对于之后的人口结构特征模型及病床床位需求模型均采用多项式二阶及三阶曲线拟合,所得其模型方程。 考虑到问题研究的实用性,我们选取了肺癌与胃癌作为深圳市疾病研究的对象,我们通过查找肺癌与胃癌在深圳市不同年龄段的发病率，这两种病在市级与区级医院的住院天数以及这两种级别的医院的平均年床开放日数，利用已知的病床需求函数,做出了针对深圳市不同级别医疗机构的函数表达式,通过函数表达式我们可以很轻松的看出深圳市不同类型医疗机构的床位需求。 最后以我们的模型为依托去测试深圳市各年的相关数据,都表现出来比较好的吻合性，它充分证明了我们模型的正确性。但是,由于时间仓促,模型仍有不完善地方，而且有其局限性(在较长时间内误差较大),随着时间推移,深圳外来人口比例将更低,老龄化趋势将更加显著，这显然会影响深圳市各级机构床位需求的预测,我们希望可以引入包含年龄结构的函数对其修正，而这将会成为我们以后的一个研究方向。 关键词：多项式曲线拟合、灰色预测模型、床位需求方程、人口与医疗
2012年数学建模A题资料
（一）葡萄酒观察方法 1 酒液总体观察 1.1 澄清度观察 衡量葡萄酒澄清程度的指标有透明度、浑浊度等，与之相关的指标还有是否光亮、有无沉淀等。优良的葡萄酒必须澄清、透明(色深的红葡萄酒例外)、光亮。 a.澄清：是衡量葡萄酒外观质量的重要指标。澄清表示的是葡萄酒明净清澈、不含悬浮物。通常情况下，澄清的葡萄酒也具有光泽。 b.透明度：表示的是葡萄酒允许可见光透过的程度。 红葡萄酒如果颜色很深，则澄清的葡萄酒也不一定透明。 c.浑浊度：表示的是葡萄酒的浑浊程度，浑浊的葡萄酒含有悬浮物。葡萄酒的浑浊往往是由微生物病害、酶破败或金属破败引起的。浑浊的葡萄酒其口感质量也差。 d.沉淀：指的是从葡萄酒中析出的固体物质。沉淀是由于在陈酿过程中，葡萄酒构成成份的溶解度变小引起的，一般不会影响葡萄酒的质量。 1.2 颜色观察 葡萄酒的颜色受酒龄影响，新红葡萄酒由于源于果皮花色素苷的作用，通常颜色鲜艳，为紫红色和宝石红色，带紫色色调；在葡萄酒的成熟过程中，丹宁逐渐与游离花色素苷等结合而使成年葡萄酒带有黄色色调。瓦红或砖红色为成年红葡萄酒的常有的颜色，而棕红色则为在瓶内陈酿10年以上的红葡萄酒的颜色。因此，可根据颜色，判断葡萄酒的成熟状况。 葡萄酒的颜色和口感的变化存在着平行性，颜色和口感之间必须相互协调平衡。颜色的深浅反应葡萄酒的结构、丰满度以及尾味和余味。如在红葡萄酒中，颜色的深浅与丹宁的含量往往正相关。如果红葡萄酒颜色深而浓，几乎处于半透明状态，多数情况下它必然醇厚、丰满、丹宁感强。相反，色浅的葡萄酒，则味淡、味短。当然，如果较柔和，具醇香，仍不失为好酒。例如瓦红色的红葡萄酒，必须与浓郁的醇香和柔顺的口感同时存在，否则表明该酒是人工催熟条件下陈酿而未能表现出最佳感官质量。 带紫色的新葡萄酒往往口味平淡、瘦弱、尖酸、粗糙；褐色过重的成年葡萄酒，氧化过重、老化。 1.3 浑浊度观察 观察葡萄酒有无下列情况：略失光，失光，欠透明，微混浊，极浑浊，雾状混浊，乳状混浊； 1.4 沉淀观察 观察葡萄酒有无下列情况：有无沉淀，沉淀类型：纤维状沉淀，颗粒状沉淀，絮状沉淀，酒石结晶，片状沉淀，块状沉淀。 2 酒液表面观察 2.1 流动性观察 如果葡萄酒不正常，则其流动性差；如倒时无声，无气泡，呈油状。 --灰腐病危害的葡萄酿的酒； --酒发生了由乳酸菌引起的油脂病。 2.2观察液面方法 方法A：用食指和姆指捏着酒杯的杯脚，将酒杯置于腰高，低头垂直观察葡萄酒的液面。或者将酒杯置于品尝桌上，站立弯腰垂直观察。 方法B：如果葡萄酒透明度良好，也可从酒杯的下方向上观察液面。 正常葡萄酒的液面标准 a. 葡萄酒的液面呈圆盘状； b. 葡萄酒的液面洁净、光亮、完整； c. 透过圆盘状的液面，可观察到"珍珠"，即杯体与杯柱的联接处。表明葡萄酒具有良好的透明性。
深圳杯数学建模题目
2014“深圳杯”数学建模夏令营A题 计划生育政策调整对人口数量、结构及其影响的研究 人口的数量和结构是影响经济社会发展的重要因素。从20世纪70年代后期以来，我国鼓励晚婚晚育，提倡一对夫妻生育一个孩子。该政策实施30多年来，有效地控制了我国人口的过快增长，对经济发展和人民生活的改善做出了积极的贡献。但另一方面，其负面影响也开始显现。如小学招生人数（1995年以来）、高校报名人数（2009年以来）逐年下降，劳动人口绝对数量开始步入下降通道，人口抚养比的相变时刻即将到来，这些对经济社会健康、可持续发展将产生一系列影响，引起了中央和社会各界的重视。党的十八届三中全会提出了开放单独二孩，今年以来许多省、市、自治区相继出台了具体的政策。政策出台前后各方面人士对开放“单独二孩”的效应有过大量的研究和评论。 人口问题有着悠久的研究历史，也有不少经典的理论和模型。这些理论和模型都依赖生育模式、生育率、死亡率和性别比等多个因素。这些因素与政策及人的观念、社会文化习俗有着紧密的关系，后者又受社会经济发展水平的影响。研究中用到的数据的置信水平也与调查统计有关。 请收集一些典型的研究评论报告，根据每十年一次的全国人口普查数据，建立模型，对报告的假设和某些结论发表自己的独立见解，并针对深圳市或其他某个区域，讨论计划生育新政策（可综合考虑城镇化、延迟退休年龄、养老金统筹等政策因素，但只须选择某一方面作重点讨论）对未来人口数量、结构及其对教育、劳动力供给与就业、养老等方面的影响。
2014年“深圳杯”数学建模夏令营C题 垃圾焚烧厂的经济补偿问题 “垃圾围城”是世界性难题，在今天的中国显得尤为突出。2012年全国城市生活垃圾清运量达到1.71亿吨，比2010年增长了1300万吨。数据显示，目前全国三分之二以上的城市面临“垃圾围城”问题，垃圾堆放累计侵占土地75万亩。因此，垃圾焚烧正逐步成为中国垃圾处理的主要手段之一。城市垃圾经过分类处理，剔除可回收垃圾和有害垃圾后将剩余垃圾在焚烧炉中焚烧处理，既可避免垃圾填埋侵占大量的土地，又可利用垃圾焚烧产生的能量进行发电等获得可观的经济效益。然而，由于政府监管不力、投资者目光短浅等多方面的原因，致使前些年各地建设的垃圾焚烧电厂在运营中出现了环境污染问题，给垃圾焚烧技术在我国的推广造成了很大阻力，许多城市的新建垃圾焚烧厂选址都出现因居民反对而难以落地的局面。 事实上垃圾焚烧厂对环境的污染风险与建设投资规模、运行监管力度有直接关系。小型垃圾焚烧厂由于没有规模效应，在污染治理方面的投入也会受到影响，致使其污染物排放比较严重，难以达到国家新的排放标准，对环境的危害较大。尤其是目前建厂选址尤为困难，所以国内各大城市目前均倾向于采用新型大型焚烧炉的焚烧厂取代分散的小型焚烧炉的举措。然而大型焚烧厂又存在需要考虑垃圾运输成本与道路建设成本等问题，因此对于不同城市来说，究竟该把大型焚烧厂的建设规模控制在什么水平，这是一个值得研究的课题。在垃圾焚烧厂运行监管方面，目前主要是在垃圾焚烧厂内进行测量监控，缺少从周边环境视角出发的外围动态监控，因而难以形成为民众所信服的全方位垃圾焚烧厂环境监控体系。 深圳市某地点计划建立一个中型的垃圾焚烧厂，计划处理垃圾量1950吨/天（设置三台可处理垃圾650吨/天的焚烧炉，排烟口高度80米，每天24小时运转）。从构建环境动态监控体系、并根据潜在污染风险对周围居民进行合理经济补偿的需求出发，有关部门希望能综合考虑垃圾焚烧厂对周围带来环境污染以及其他危害的多种因素（例如，焚烧炉的污染物排放量、居住点离开垃圾焚烧厂的距离、风力和风向及降雨等气象条件、地形地貌以及建筑物的遮挡程度等等），在进行科学定量分析的基础上，确立一套可行的垃圾焚烧厂环境影响动态监控评估方法，并针对潜在环境风险制定出合理的经济补偿方案。 请你在收集相关资料的基础上考虑以下问题： (1) 假定焚烧炉的排放符合国家新的污染物排放标准（参见附件1），根据垃圾焚烧厂周边环境设计一种环境指标监测方法，实现对垃圾焚烧厂烟气排放及相关环境影响状况的动态监控。以你设计的环境动态监控体系实际监控结果为依据，设计合理的周围居民风险承担经济补偿方案。 (2) 由于各种因素焚烧炉的除尘装置（如袋式除尘器）损坏或出现其他故障导致污染物的排放增加，致使相关各项指标将严重超标（如：烟尘浓度、二氧化硫、氮氧化物、一氧化碳、二恶英类及重金属等排放超标，附件2给出了一台可处理垃圾350吨/天的焚烧炉正常运作时的在线排放监测记录）。请在考虑故障发生概率的情况下修正你设计的监测方法和补偿方案。