heima1057
我也是陇桥的，明天交作业了，悲剧啊 
都市城乡居民消费行为的数学模型。2、建立数学模型寻找影响成都市城乡居民消费差异的主要因素或指标。3、利用数学模型分析在近几年的时间内成都市城乡居民消费差异是扩大、缩小还是维持不变？4、消费结构是在一定的社会经济条件下，人们在消费过程中所消费的各种不同类型的消费资料(包括劳务)的比例关系。请从消费结构的角度出发，建立有关成都市城乡居民消费结构变动的数学模型，并根据此模型预测仿真未来三年时间内成都市城乡居民消费结构的变动情况。5、根据所建立的数学模型和结果，对缩小成都市城乡居民消费差距提出你们的这是一个论文的模板 你可以参考下 还望采纳 谢谢！江西省人口预测模型的建立与分析一、摘要： 本文建立了两个人口增长预测模型，对未来人口问题和未来人口结构进行了分析与预测，并综合分析了未来我们人口发展中可能出现的问题及社会影响。模型I： 无论是对于我国目前的经济发展状况还是未来的远景规划，人口问题的研究都具有十分重要的意义，马尔萨斯人口的模型的局限性，就因为它没有考虑到有限的生存空间与资源，生产力，文化水平等因素对出生率的影响，在考虑到有限的生存空间及资源后，于是本文又给出了模型Ⅱ。模型Ⅱ：建立只考虑现有的人口基数和人口增长率两个因素用于短期预测的阻滞增长人口预测模型（Logistic），并利用2001-2009年人口数据对该模型进行检验，2001年到2009年数据检验出总体上预测数据与实际数据符合程度较好，误差全都控制在8%以内。用此模型对未来20年内人口数据进行了预测，计算出未来各年总人口数，其中2015年社会总人数为29万人，2020年人数为93万人。关键词：分析与预测 马尔萨斯模型 Logistic模型二、问题的背景：人口问题不仅是21世纪我省所面临的最重大的问题之一，而且在新世纪中将继续存在。无论是对我省目前经济发展状况的认识，还是对未来经济发展的预测，人口问题的研究都具有十分重要的意义。对人口进行预测是随着社会经济发展而提出来的。过去几千年，人类社会生产力水平低，生产发展缓慢，人口变动和增长也很迟缓，因而客观上对人口未来的发展变化的探讨显得必要性较小。当前生产力发展达到空前的水平，生产已经不是为满足生产者个人的需求，而是要面向社会的需求，所以必须了解需求和供应的未来趋势，协调人口、资源与环境的持续发展。为了加快江西省的经济建设进程，全面落实科学的发展观。按照构建社会主义和谐社会的要求，坚持以人为本，推进体制改革，优先投资于人的全面发展：稳定低生育水平，提高人口素质，改善人口结构，引导人口合理分布。保障人口安全，实现人口大国向人力资本强国的转变，实现人口与的协调和可持续发展。我们确定人口发展战略，必须既着眼于人口本身的问题，又处理好人口与经济社会资源环境之间的相互关系，构建社会主义和谐社会，统筹解决人口数量、素质、结构、分布问题。因此建立一个人口增长预测的数学模型对中国人口增长的中短期和长期趋势做出预测就显得尤为重要了。三、问题重述： 人口是反映省情、省力基本情况的重要指标，是区域研究所必须考虑的重要因素之一，分析现状、制定规划时首先要考虑的基本问题。例如评价一个国家或一个地区的发展潜力时离不开现在与今后各类人口数量、比例指数和年龄分布。故人口预测是制定和顺利实现社会经济各项战略设想的基础和出发点， 制定正确人口政策的科学依据。江西省是一个人口大省，人口问题始终是制约我省发展的关键因素之一。根据已有数据，运用数学建模的方法，对中国人口做出分析和预测是一个重要问题。近年来我省的人口发展出现了一些新的特点，例如，老龄化进程速度加快、出生人口性别比持续升高、乡村人口城镇化、医疗卫生的提高等因素，这些都影响着中国人口的增长。关于江西省人口问题已有多方面的研究，并积累了大量数据资料。根据我省的实际情况和人口增长的上述特点，参考相关数据（同时也搜索相关文献和补充新的数据），提出以下问题：（1） 建立江西省人口增长的数学模型，并由此对江西省人口增长的中短期和长期趋势做出预测（2） 分析模型中的优点和缺点。四、模型假设： （1）假设题中所给数据基本真实有效（2）假设没有重大的自然灾害发生（3）在较近一段时期，政府政策基本不发生重大变化（4）在较近一段时期，医疗卫生条件保持不变（5）所研究的问题没有太大的人口迁入与迁出（6）男性比率之和和女性比例之和的总和在1附近。可以近似认为1（7）假设现今有关人口方面的国策在长时间内不会发生重大的改变（8）把研究的社会人口当作一个系统考虑，不考虑其与系统外的人口流动模型Ⅰ建立只考虑现有的人口基数和人口增长率两个因素用于短期预测的阻滞增（)，得到了本论文中计算所用到的所有数据。五、分析与建立模型1模型I：指数增长模型（马尔萨斯人口模型malthus）1模型的建立 记时刻t=0时人口数为 ，时刻t的人口为x(t)，由于量大，x(t)可视为连续、可微函数。t到 时间段内人口是增量为： 于是x(t)满足微分方程： ……………(1)2模型的求解：解微分方程（1），得： ………………………………………(2)表明： 3模型的参数估计：要用模型的结果（2）来预报人口，必须对其中的参数r进行估计，这可以用附录中附件1的表1中的数据通过拟合得到。通过2000-2009年的数据拟合得r=02361拟合图如图1： 图4模型的检验： 将 代入公式（2），求出用指数增长模型预测的2000-2020年的人口数见图2和表2。图2江西省实际人口与按指数增长模型计算的人口比较年（公元） 实际人口（万） 指数增长模型 预测人口（万） 误差（%）2000 4140 21 452001 4186 51 762002 4222 05 842003 4254 85 812004 4284 89 742005 4311 18 592006 4339 72 462007 4368 52 352008 4400 58 302009 4432 89 25表2从表2中可以看出，2006-2009年间的预测人口数与实际人口数吻合较好，但2001-2005年的误差越来越大。分析原因，该模型的结果说明人口将以指数规律无限增长，而事实上，随着人口的增加，自然资源、环境条件等因素对人口增长的限制越来越显著。如果当人口较少的自然增长率可以看作常数的话，那么当人口增加到一定数量以后，这个增长率就要随着人口增加而减少，于是应该对指数增长模型关于人口净增长率是常数的假设进行修改。5模型推广利用上述模型对2010-2020年江西人口总数的预测，预测结果见表32010-2020江西预测人口年（公元） 2010 2011 2012 2013 2014预测人口（万） 47 3 41 78 42年（公元） 2015 2016 2017 2018 2019预测人口（万） 33 51 97 71 72年（公元） 2020 预测人口（万） 02 表35．2 模型I ：Logistic人口预测模型1 模型的建立 logistic是根据malthus人口模型改进得来的，其中引入常数 （最大人口容量），用来表示自然环境条件所能容许的最大人口数。并假设：人口增长率r为人口x(t)的函数r(x)(减函数)，x(t)为t时刻的人口，由于量大，x(t)可视为连续、可微函数，记时刻t=0时人口为 最简单地可假定r(x)=r-sx，r，s>0(线性函数)，r叫做固有增长率。 自然资源和环境条件年容纳的最大人口容量为 。当x= 时，增长率应为0，即r( )=0，于是s= ，代入r(x)=r-sx，得: r(x)=r(1- )………………………（2）将（2）式代入（1）式得： 模型： ……………（3）2模型的求解 解方程（3）得： X(t)= …………………（4） 根据方程（3）作出 的曲线图，见图1，由该图可看出人口增长率随人口数的变化规律，根据（4）的结果做出x-t曲线，见图2，由该图可看出人口数随时间的变化规律。 图2 图3模型的参数估计 利用表1中2000-2009年的数据对r和 拟合得： r=03009， 18540 图5 4模型的检验 将r=03009， =18540代入公式（4），求出用指数增长模型预测的2000-2009年的人口数，见表4第3、4列，见图6。也可将方程（3）离散化，得： x(t+1)=x(t)+ =x(t)+r[1- ]x(t)，t=0，1，2，…… （5）江西人口与按阻滞增长模型计算的人口比较年（万） 实际人口（万） 阻滞增长模型 公式（4） 公式（5） 预测人口（万） 相对误差 预测人口（万） 相对误差2000 4140 98 0343 2001 4186 23 0375 82 00432002 4222 66 0368 44 00182003 4254 27 0380 93 00072004 4284 04 0373 37 00012005 4311 4156 0360 79 00062006 4339 13 0348 16 00052007 4368 44 0338 56 00042008 4400 92 0334 97 00022009 4432 58 0330 42 0001表4图5模型应用 现应用该模型预测人口，用表1中2000-2009年的全部数据重新估计参数，可得r=03402， 13040，用公式（4）作2010-2020年的人口预测得：见图7和表5：图82010-2020年江西预测人口年（公元） 2010 2011 2012 2013 2014预测人口（万） 55 06 69 44 30年（公元） 2015 2016 2017 2018 2019预测人口（万） 29 39 61 94 38年（公元） 2020 预测人口（万） 93 表5【模型评价】 优点： [1]马尔萨斯人口预测模型是在当人口较少时人口自然增长率可以看做常数的话这是马尔萨斯模型对人口的预测比较方便简单准确。[2]人口增长短期预测方面Lotistic模型效果比较好，理论比较成熟，且运算求解方法简单且Logistic模型所描述的变化过程符合人口的增长模式。运用阻滞增长模型原理，设立阈值，使预测结果与实际情况更接近。 缺点： [1] 没有考虑到男女出生性别比例、城镇化程度、生育率和人口数量的关系，从而不能有效地避免了预测期太长导致误差出现累积效应而过大。 [2]随着人口的增加，自然资源、环境条件等因素对人口增长的限制作用越来越显著，我们这两个模型对人口的预测的误差就会越来越大。六、参考文献[1] 谭永基等，数学模型，[M]，上海：复旦大学出版社。[2] 姜启源等，大学数学实验，[M]，北京：清华大学出版社。[3] 赵静，但琦，数学建模与数学实验[M]第3版，高等教育出版社。[4] 盛聚等，概率论与数理统计[M]，北京：高等教育出版社。[5] 中华人民共和国国家统计局（）[6] 薛定宇，陈阳泉，高等应用数学问题的MATLAB求解，[M]，北京：清华大学出版社，2004[7]九江大论坛（-307336-1-html）七、附录附件1： 2000-2009年江西人口统计表 年（公元） 2000 2001 2002 2003 2004人口（万） 4140 4186 4222 4254 4284年（公元） 2005 2006 2007 2008 2009人口（万） 4311 4339 4368 4400 4432表1附件2：拟合程序 years=2000:1:2009;population=[4140 4186 4222 4254 4284 4311 4339 4368 4400 4432];y=2001:1:2008;P=interp1(years，population，y，'spline');plot(years，population，'+'，y，P，years，population，'r:')附件3：马尔萨斯人口预测模型程序 #include"h"#include"h"void main(void){ int gvelocity; int dvelocity; int year，total; clrscr(); printf("total population of this /n"); scanf("%d"，&total); printf("per year grow /n"); scanf("%d"，&gvelocity); printf("per year die /n"); scanf("%d"，&dvelocity); printf("the result is /n”); }附件4：阻滞增长模型（Logistic模型）程序 Logistic模型 -x曲线程序： xm=input('请输入xm=');r=input('请输入r=');n=1;for x=0:1:xm p(n)=r*x*(1-(x/xm)); n=n+1;endx=0:1:xm;Plot(x，p);Logistic模型曲线程序：xm=input('请输入xm=');r=input('请输入r=');x0=input('请输入x0=');n=input('请输入x坐标长度=');i=1;for t=0:5:n; k=(xm/x0-1)*exp((-r)*t); p=xm/(1+k); x(i)=p; i=i+1;endt=0:5:nplot(t，x)
摘要：席位分配是日常生活中经常遇到的问题，对于企业、公司、、学校政府部门都能解决实际的问题。席位可以是代表大会、股东会议、公司企业员工大会、等的具体座位。假设说，有一个学校要召集开一个代表会议，席位只有20个，三个系总共200人，分别是甲系100，乙系60，丙系如果你是会议的策划人，你要合理的分配会议厅的20个座位，既要保证每个系部都有人参加，最关键的就是要对个公平都公平，保证三个系部对你所安排的位置没有异议。那么这个问题就要靠数学建模的方法来解决。关键词： Q值法 公平席位问题的重述：三个系部学生共200名，（甲系乙系60，丙系40）代表会议共20席，按比例分配三个系分别为10、6、4席。老情况变为下列情况怎样分配才是最公平的，现因学生转系三系人数为（1） 问20席该如何分配。（2） 若增加21席又如何分配。问题的分析：一、通常分配结果的公平与否以每个代表席位所代表的人数相等或接近来衡量。目前沿用的惯例分配方法为按比例分配方法，即： 某单位席位分配数 = 某单位总人数比例´总席位 如果按上述公式参与分配的一些单位席位分配数出现小数，则先按席位分配数的整数分配席位，余下席位按所有参与席位分配单位中小数的大小依次分配之。这样最初学生人数及学生代表席位为 系名 甲 乙 丙 总数 学生数 100 60 40 200 学生人数比例 100/200 60/200 40/200 席位分配 10 6 4 20学生转系情况，各系学生人数及学生代表席位变为 系名 甲 乙 丙 总数 学生数 103 63 34 200 学生人数比例 103/200 63/200 34/200 按比例分配席位 3 3 4 20 按惯例席位分配 10 6 4 20（1）20席应该甲系10席、乙系6席，丙系4席这样分配二、学院决定再增加一个代表席位，总代表席位变为21个。重新按惯例分配席位，有 系名 甲 乙 丙 总数 学生数 103 63 34 200 学生人数比例 103/200 63/200 34/200 按比例分配席位 815 615 57 21 按惯例席位分配 11 7 3 21这个分配结果出现增加一席后，丙系比增加席位前少一席的情况，这使人觉得席位分配明显不公平。要怎样才能公平呢，这时就要用数学建模要解决。模型的建立：假设由两个单位公平分配席位的情况，设 单位 人数 席位数 每席代表人数单位A p1 n1 单位B p2 n2 要公平，应该有 = ， 但这一般不成立。注意到等式不成立时有 若 > ，则说明单位A 吃亏(即对单位A不公平 ) 若 < ，则说明单位B 吃亏 (即对单位B不公平 )因此可以考虑用算式 来作为衡量分配不公平程度，不过此公式有不足之处（绝对数的特点），如：某两个单位的人数和席位为 n1 =n2 =10 ， p1 =120， p2=100， 算得 p=2另两个单位的人数和席位为 n1 =n2 =10 ， p1 =1020，p2=1000， 算得 p=2虽然在两种情况下都有p=2，但显然第二种情况比第一种公平。下面采用相对标准，对公式给予改进，定义席位分配的相对不公平标准公式：若 则称 为对A的相对不公平值， 记为 若 则称 为对B的相对不公平值 ，记为 由定义有对某方的不公平值越小，某方在席位分配中越有利，因此可以用使不公平值尽量小的分配方案来减少分配中的不公平。确定分配方案： 使用不公平值的大小来确定分配方案，不妨设 > ，即对单位A不公平，再分配一个席位时，关于 ， 的关系可能有 > ，说明此一席给A后，对A还不公平; < ，说明此一席给A后，对B还不公平，不公平值为 > ，说明此一席给B后，对A不公平，不公平值为 < ，不可能 上面的分配方法在第1和第3种情况可以确定新席位的分配，但在第2种情况时不好确定新席位的分配。用不公平值的公式来决定席位的分配，对于新的席位分配，若有 则增加的一席应给A ，反之应给B。对不等式 rB(n1+1，n2)
你可以把问题发在这里哦 赛才网》数学建模》问答中心，让更多的高手 参与您问题的讨论
