数学建模论文写作及.ppt

建立数学模型：总体模型和每个部分的具体模型总体结构的数学模型：调查数据人流动的一般规律（数据模型）规律发现+馆场平面结构人流量在馆场结构图中的分布（网络流模型）三条原则的数学模型（约束条件）+有约束的整数规划问题第62页,共74页，星期六，2024年，5月各个部分的数学模型1）人流动的一般规律的数据模型：用数据挖掘方法，可以找出全部二维和三维关联规则，得到数据模型。2）将馆场平面结构图和数据模型可以建立由连通道路组成的网络流模型，进而计算出每个商区的人流量分布。3）建立三项原则的数学模型：满足需求和商业赢利都容易用数学表示。均衡性是十分灵活的特别体现“浅无边，深无底”的命题指导思想。4）最后给出整数规划问题。第63页,共74页，星期六，2024年，5月本问题的解决过程基本上划分为三个部分：A．出行规律的数据模型的建立这一部分的目的是通过对三次问卷调查给出的一万条记录的数据进行分析、汇总计算，给出出行与不同类型人流的分布关系，将这些关系数据组成尽可能全面反应相关规律的数据系统。对三次调查的规律一致性给予充分关注，认为一致性规律才是一般性规律，这是很重要的一步分析。在分析不同的出行与不同类型的人流相关联时，最简单的是采用直观选择可能的相关性使用统计相关分析进行计算。主要的关系都能计算出，但往往不够完整，其中性别与年龄段对出行方式的考虑不足，由于性别对与出行方式中存在着相关性（例如女性乘出租与私车比例较高），这一条比较容易忽略的规则对计算结果是有影响的。因为一般的统计方法需要确定相关性的对象，依赖直观的相关属性的选择，是造成不够完善的一个原因。使用系统的数据挖掘方法，挖掘出所有二维属性相关值，计算出支持度与置性度，才给出完整的数据模型。第64页,共74页，星期六，2024年，5月共10600条记录，分三次获得。第一次为3500条；第二次为3200条；第三次为3900条。与人流量相关的规则，其平均比率如下：1、性别男：5549条（52.3％）女：5051条（47.7％）2、年龄：（男女比例基本上为1：1）20以下：1174人（11.1％),20－30：6150人（58%）,30—50：2139人（20.2%）50以上：1137人（10.7％）3、交通数据公交：3602人（34％）,公交（南北）：1774人；公交（东西）：1828人地铁：4030人（38％）,地铁（东）：2006人；地铁（西）：2024人?出租车：2010人（19％）(男：女＝1：2)?私车：958人（9％）(男：女＝1：2)第65页,共74页，星期六，2024年，5月?20岁以下（1174）20－30（6150）31－50（2139）50岁以下（1137）中餐123人（10.5％）992（16.2％）807（37.7％）460（40.5％）西餐552人（47％）3809（61.9％）894（41.8％）312（27.4％）超市（购物）499人（42.5％）1349（21.9％）438（20.5％）365（32.1％）就餐数据：第66页,共74页，星期六，2024年，5月?购物欲：消费额20岁以下（1174）20－30（6150）31－50（2139）50岁以上（1137）0-50040（3.4%）69（1.1%）44（2.1%）53（4.7%）500-1000101（8.6%）222（3.6%）118（5.5%）551（48.5%）1000-1500478（40.6%）445（7.2%）119（5.6%）332（29.2%）1500-2000394（33.6%）372（6.1%）199（9.3%）139（12.2%）2000-2500131（11.2%）2316（37.7%）1344（62.8%）42（3.7%）2500-300030（2.6%）2726（44.3%）315（14.7%）20（1.8%）性别与消费额：消费额男（5549）女（5051）?0-500105（1.9%）101（2%）500-1000734（13.2%）258（5.1%）1000-1500823（14.8%）551（10.9%）1500-2000726（13.1%）378（7.5%）2000-25003034（54.7%）79