数学建模

数学建模是把现实问题中的对象、假设和关系转化成数学表示，并利用数据、计算或推理检验其解释与预测能力的过程。模型是为特定用途保留部分特征的近似，不是现实本身；同一问题可以有多种模型。

英文名称：Mathematical modeling。

English overview

Mathematical modeling translates a purpose, assumptions, and observations into a mathematical representation that can be examined and tested. A model is selective: it retains features relevant to a question while simplifying others. Its usefulness depends on the intended range of conditions, not on how elaborate its equations look. Parameters, state variables, measurements, and predictions play different roles and should be identified explicitly.

This article follows a reproducible water-level example from units and assumptions to least-squares fitting and held-out validation. The data are synthetic teaching data, and the downloadable package reproduces every reported calculation. We then derive a mass-balance model to show how physical structure can complement empirical fitting. Residual patterns, parameter sensitivity, identifiability, and extrapolation provide distinct checks; a small training error cannot replace them. A second example explains why two parameters may be impossible to determine separately even with an excellent fit. Historical discussion connects measurement, differential equations, and twentieth-century applications without assigning the whole practice to one inventor. AI can assist with exposition and code, but a model still needs documented data provenance, explicit assumptions, reproducible computations, and an honest account of what has and has not been validated.

从问题到可以检验的结果

一个完整建模过程需要明确目标，定义变量与单位，提出假设，选择结构和参数，求解，最后用未参与拟合的信息检查结果。若验证失败，应返回假设、数据或模型结构，而不是只重复优化参数。

常见模型包括基于守恒规律的微分方程、描述随机性的概率模型、表示关系的图论模型，以及分配资源的优化模型。选择取决于研究问题、可获得的数据和允许的误差。

示例：用一条直线描述水位变化

下面使用专门构造的教学数据，演示如何拟合某水箱短时间内的水位趋势。它不是实际观测数据，也不代表某台设备的实验结论。

变量	含义	单位
$t$	从观察开始计时的时间	分钟
$h$	水位	厘米
$a$	模型中的平均上升速率	厘米／分钟
$b$	模型在时间零的水位	厘米

假设在考察时段内流入速率和水箱截面积近似不变，用 $\hat{h}(t)=at+b$ 作为平均趋势，测量偏差或未建模变化记入残差。数据分为训练集和留出验证集：

用途	时间 t（分钟）	水位 h（厘米）
拟合	0，1，2，3	1.0，2.0，2.0，4.0
留出验证	4，5	4.6，5.8

这里只用前四点估计参数，后两点用于模拟未来时段的检验，不能先用后两点调参再声称它们是独立验证。

用最小二乘确定参数

选择平方误差目标 $$S(a,b)=\sum _{i=1}^4(h_i-a{t}_i-b{)}^2.$$ 当时间点不全相同时，求偏导并令其为零，得到 $$a=\frac{\sum _i(t_i-\overline{t})(h_i-\overline{h})}{\sum _i(t_i-\overline{t}{)}^2},b=\overline{h}-a\overline{t}.$$ 本例 $\overline{t}=1.5$、$\overline{h}=2.25$，分子为 4.5，分母为 5，所以 $$a=0.9,b=0.9,\hat{h}(t)=0.9t+\mathrm{0.9.}$$ 平方损失会更重地惩罚大偏差，也容易受异常值影响；采用它是模型选择的一部分。求最小二乘解本身不要求噪声服从正态分布，但进一步给出统计置信区间时需要额外的误差假设。

拟合线没有穿过所有点。训练点用于估计参数，空心方形表示未参与拟合的后续时刻数据。

检查残差与留出误差

训练点的预测值为 $0.9,1.8,2.7,3.6$，残差采用“观测减预测”的约定，为 $0.1,0.2,-0.7,0.4$。残差平方和为 0.7，训练均方根误差为 $${\mathrm{RMSE}}_{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{i}\mathrm{n}}=\sqrt{0.7/4}\approx 0.4183\text{厘米}.$$ 留出点的预测为 $4.5,5.4$，残差为 $0.1,0.4$，留出 RMSE 约为 $\sqrt{0.17/2}=0.2915$ 厘米。留出误差偶然低于训练误差并不矛盾；只有两个验证点，也不足以证明模型可以长期准确预测。

除了平均误差，还应观察残差是否持续同号、是否随时间增大，以及异常点是否对应记录问题。若水箱将满、流量改变或截面积随高度变化，线性假设可能失效。拟合线继续外推到任意时刻没有依据。

下载与复现

下载：水位线性拟合教学包（CSV、Python、预期结果与说明） 资源包含原始示例 CSV、只依赖 Python 标准库的拟合脚本、预期结果和数据说明。解压后在目录内运行 python3 fit.py，脚本会重新计算参数、训练及留出误差，不调用外部 AI 或在线服务。

模型与内容的可追溯性

模型发布时应保留数据来源、变量单位、假设、求解方法、验证划分、代码环境和适用范围。使用 AI 辅助整理或计算，仍需逐式核验、检查数据授权与复现结果；语言流畅不能替代实证证据。实际项目若出现新数据，应记录更新版本，而不是悄悄替换数据后沿用旧结论。

变量、参数、状态与观测的区别

在水箱例子中，时间 t 是自变量，真实水位 h(t) 是状态，读数是对状态的有误差观测，a、b 则是通过训练数据估计的参数。符号在不同模型里可以扮演不同角色，不能只凭字母判断。例如某次模拟把流量当固定参数，另一次把它当随时间变化的外部输入；两者会得到不同的方程和识别任务。

一个模型通常包含三层：对象怎样变化的结构关系、具体参数取值、观测与真实状态之间的联系。仅写出 $h=at+b$ 没有说明误差来自哪里，也没有说明时间零如何选定。把时间原点后移，截距会改变，但斜率在同一线性规律下不变。读懂这些变换，才能判断参数是不是所关心的实际量。

从守恒关系推导水箱模型

设水箱截面积为常数 A，水位 h 对应体积 $V=Ah$，流入与流出体积速率分别为 $q_{\mathrm{i}\mathrm{n}}$、$q_{\mathrm{o}\mathrm{u}\mathrm{t}}$。在不漏水、流体密度近似不变且单位一致的条件下，体积平衡给出 $$A\frac{dh}{dt}=q_{\mathrm{i}\mathrm{n}}-q_{\mathrm{o}\mathrm{u}\mathrm{t}}.$$ 若两个流量都为常数，则积分得到 $h(t)=h(0)+(q_{\mathrm{i}\mathrm{n}}-q_{\mathrm{o}\mathrm{u}\mathrm{t}})t/A$，这时斜率有明确的机制解释。原先的线性拟合可以看作在有限时段内估计这一净流量与截面积之比，但拟合得直线并不能反向证明所有物理假设都成立。

例如 A=200 平方厘米，净流入量为每分钟 180 立方厘米，则理论斜率为每分钟 0.9 厘米。如果起始水位为 0.9 厘米，就得到示例拟合中的表达式。这里数值只是为了说明单位与参数的对应，不是从四个合成数据点独立测得了 A 和流量。只观察水位斜率只能确定两者的比，不能把它们各自识别出来。

若出水口流量随水位变化，或水箱截面积随高度变化，方程应改为 $A(h)h^{\prime }=q_{\mathrm{i}\mathrm{n}}(t)-q_{\mathrm{o}\mathrm{u}\mathrm{t}}(h,t)$。水位接近容量上限时还需考虑溢流边界。模型形式应随着可观测现象和研究目标调整，不能把已经写出的直线当成不允许修改的答案。

参数可识别性：拟合很好仍可能不知道原因

假设观测模型只有 $y=(ab)t$，a、b 均为未知正参数。数据即使精确地确定乘积 ab=6，也无法区分 (a,b)=(2,3)、(1,6) 或 (6,1)。这一问题不是优化器精度不足，而是模型结构使不同参数产生完全相同的预测，称为结构上的不可识别。

增加更多同类型 t、y 数据并不能消除这个乘积歧义；需要额外测量其中一个参数，改变实验结构，或只把可识别的乘积作为参数。另一些情况下参数理论上可识别，却因为观测区间太短、噪声较大或变量高度相关而估计不稳定，这属于实际识别困难。报告更多小数位不能解决这两类问题。

在直线模型中，若所有训练时间都相同，就无法分别确定斜率与截距，最小二乘公式的分母为零。若时间点只是非常接近，分母很小，少量测量扰动就可能显著改变斜率。采样设计因此直接影响能否回答问题，不应等到写报告时才处理。相关代数结构可参见最小二乘法和矩阵。

验证、校准与数据泄漏

校准是用一部分数据选择参数；验证则是考察没有参与同一选择过程的信息能否支持模型用途。若看到留出集表现不好，反复改变参数直到它表现好，留出集事实上已经参与了选择，不能继续当作独立证据。需要新的检验数据，或者诚实报告这种选择过程及其局限。

时间序列问题尤其要尊重先后顺序。用未来读数帮助预测过去，再把结果称为未来预测能力，会引入信息泄漏。示例按时间前四点训练、后两点验证，是为了表达这个原则，样本量仍远不足以做可靠的普遍统计结论。数据量小的时候，应着重展示计算、机制与不确定性，不宜用一个误差数字作宏大判断。

训练误差与验证误差还必须采用一致的单位和定义。均方误差的单位是厘米平方，均方根误差才回到厘米。相对误差在观测接近零时可能失真，不同场景需要选择不同指标。若极大错误比一般错误后果更严重，只看平均值会掩盖风险；但这一风险度量也应在模型评价前说明，避免事后挑最漂亮的指标。

残差告诉我们什么，又不能告诉什么

残差是观测减预测，它既可能包含测量误差，也可能包含模型结构缺失。若残差随时间呈弯曲趋势，线性结构可能不够；若残差波动随水位增大，恒定方差假设可能不合适；若单个读数异常，应核查记录过程，而不能因为它降低拟合效果就直接删除。

对含截距的普通最小二乘拟合，训练残差和为零是正规方程的代数后果，不是额外发现的实验规律。本例残差 $0.1+0.2-0.7+0.4=0$，同时与时间列正交：$0\cdot 0.1+1\cdot 0.2+2\cdot (-0.7)+3\cdot 0.4=0$。这两项可作为复算检查，却不能证明残差独立、正态或不存在系统误差。

类似地，高拟合优度不证明因果关系。某两个量随时间一起增长，可能由共同趋势造成。若要声称改变某项输入会导致某个输出变化，需要相应实验设计、机制证据或明确的因果假设。数学表达式本身不会为一个相关性结论自动增加因果资格。

敏感性、误差传播与外推

对线性预测 $\hat{h}=at+b$，参数小变化造成的预测变化精确为 $\Delta \hat{h}=t\Delta a+\Delta b$。若斜率估计偏差为每分钟 0.05 厘米，截距偏差为 0.1 厘米，则十分钟处同向误差可达 0.6 厘米；五十分钟处达到 2.6 厘米。这还只考虑参数误差，没有计算流量变化或水箱满溢造成的结构误差。

因此，把拟合范围内表现不错的模型外推很远，需要新的依据。线性趋势、指数增长与洛吉斯蒂模型在短时段内可能相近，长期行为却大不相同。比较模型时不能只问谁在已有数据上拟合得最好，还要问它对机制的假设是否可信、参数能否识别、误差是否可接受，以及目标预测区间是否超过已验证范围。

量纲分析提供另一个独立检查：在方程两侧以及相加项之间，量纲必须一致。指数或对数的输入应是无量纲比值。通过量纲检查不能证明模型正确，但不一致通常能很快暴露推导或单位换算错误。建模中这种低成本、可独立重复的检查十分有用。

一次扰动复算：哪一个读数影响斜率

保持四个训练时刻不变，只把最后一个训练水位读数增加 $0.1$ 厘米。由于斜率公式分母仍为五，分子增量为 $(3-1.5)\times 0.1=0.15$，新斜率变为 $0.93$。水位均值增加 $0.025$，所以新截距为 $0.925-0.045=0.88$。这一计算可直接检查参数敏感性，不需要调用优化软件。

在五分钟处，新预测比旧预测增加 $5\times 0.03-0.02=0.13$ 厘米；在训练平均时刻一点五分钟处，只增加 $0.025$ 厘米。边缘观测对斜率的影响与它离平均时刻的距离有关，因此“每个读数误差都一样大”并不意味着对远期预测的影响一样。这里讨论的是确定性扰动传播，不能把它未经额外概率假设就称为置信区间。

历史与跨学科背景

天文、力学、人口研究和测量长期使用数学描述现象，不能为整个数学建模指定一个单独发现者。较明确的里程碑应附着在具体模型或方法上：例如最小二乘法在 Legendre 1805 年的发表和 Gauss 后来的工作中形成重要发展，人口增长方程则有各自的历史线索。具体归属分别见最小二乘法与洛吉斯蒂模型，以免把方法史压缩成笼统的英雄叙事。

现代建模把数据、算法和学科知识结合起来，计算机扩大了可求解规模，也让复现性成为必须认真处理的问题。Boyd 与 Vandenberghe 的应用线性代数教材把模型拟合与最小二乘放入具体应用；Lebl 的微分方程教材从动态问题连接方程与解。百科条目应说明采用哪种视角以及假设边界，不能把教材中不同目的的模型混为唯一标准答案。

编者评注（AI 辅助）

建模报告最值得保留的往往不是最后一页的漂亮曲线，而是“为什么选择这组变量、哪些数据参与了选择、什么证据会让模型失效”。建议把可复现的计算包与说明一起发布，并明确区分数学推导正确、程序实现正确和现实预测有效这三件事。AI 可以帮助生成候选结构与检查步骤，仍不能替代对单位、数据来源和验证设计的实质审查。

参考来源与延伸阅读

• Boyd 与 Vandenberghe：Introduction to Applied Linear Algebra，模型拟合、最小二乘与应用。
• 最小二乘法 · 量纲分析 · 统计推断 · 洛吉斯蒂模型。
• Boyd、Vandenberghe，《Convex Optimization》：最小二乘与优化建模。
• Jiří Lebl，《Notes on Diffy Qs》：从应用问题建立微分方程模型。
• 线性代数 · 优化 · 微分方程 · 贝叶斯定理