1  11
数学建模的组织与实施
              
 
随着科学技术对研究对象的日益精确化,定量化和数字化,随着电子计算机的技术的广泛应用,数学模型已成为处理科技领域中各种实际问题的重要工具。要使数学应用得以成功,将依赖于深厚的数学基础和他的严格的逻辑推理的能力,但仅此还是不够的,还要依赖于他的敏锐的洞察眼光,分析归纳的能力及时对实际问题的深入的理解和广博的知识面。而数学建模就是对这些进行专门训练的一门学科。数学建模的组织与实验”将具体探讨怎样对一个实际问题进行分析、处理。并最终建立适合自身特点的模型。此文将分成两大部分:一、数学模型的基础理论。二、应用具体的实例进行探讨。
一、数学建模的基础理论部分
(  ) 什么是数学建模,
建模是指对现实世界的一特定的对象,为了某特定的目的做出一些重要的简化和假设,运用适当的数学工具得到的一个数学结构,用他来解释特定的现象的现实性态,预测对象的未来状况,提供处理对象的优化决策和控制,设计满足某种需要的产品等  
    数学是在实际应用的需求中产生的,要解决实际的问题就必须建立数学模型。从此意义上说数学建模和数学一样古老的历史。例如,欧几里德几何就是一个古老的数学模型,牛顿的万有引力定理也是数学模型的一个光辉的典范。当今人们的思维以空前的广度和深度向其他的科学技术领域渗透,过去很少应用数学的领域在很快地走向定量化、数量化,需建立大量的数学模型。特别是新的科技的发展,新工艺的蓬勃兴起,计算机的普及和广泛的应用,数学在许多高新技术上起着十分关键的作用。因此数学建模被时代予以更为重要的意义。
有了上述对数学模型的初步的认识,我们可以对其进行分类,但按照分类的标准不同,有很多种不同的分类法:
1按照人们对原形的认识过程分,可分为描述性的和解释性的数学模型。描述性的模型是从特殊到一般,它是从分析具体客观事物及其状态开始,最终得到一个数学模型。客观事物之间量的关系,通过数学模型被概括在一个具体的抽象的数学结构之中。解释性的模型是由一般到特殊,它是从一般的公理系统出发,借助于数学客体,对公理系统给出正确解释的一种数学模型。
2按照模型的应用领域分,可分为人口模型、交通模型、电气系统模型、通信系统模型、机电系统模型、环境模型、生态模型、水资源模型、再生资源利用模型、传染病模型和污染模型等。
3按照建立模型的数学方法分,可分为几何模型、代数模型、图论模型、规划论模型、微分方程模型、最优化控制模型、信息模型、随机模型、决策与对策模型、模拟模型等。
4按照模型的特征分,可分为静态和动态模型、确定和随机模型、离散和连续模型、线性和非线性模型等。
5按照对模型结构了解的程度分,有所谓白箱模型、灰箱模型和黑箱模型,     们分别意味着人们对原型的内在机理了解清楚、不太清楚和不清楚  
(  ) 数学模型的建立
对于数学模型的建立可以按照如下的步骤进行。
]1[
]2[
2  11
 1)明确问题
明确问题即建模的准备阶段,要建立现实问题的数学模型,第一步是要对解决的问题有一个明确清晰的的提法,通常我们遇到的某个实际问题,在开始阶段是比较模糊的,又带实际背景,因此在建模前必须对问题进行全面深入细致的了解和调查,查阅有关的文献,同时要着手收集有关的数据,收集数据时事先应考好数据的整理形式,例如利用表格或图形等。在这期间还应仔细分析已有的数据和条件,使问题进一步明确化。即从数据中得到什么信息?数据来源是否可靠?所给的条件有什么意义?那些条件是本质?那些条件是变动的等。对数据和条件的分析会进一步增强我们对问题的了解,使我们要更好地抓住问题的本质及特征,为数学建模打下好良好的基础。
 2)进行合理的假设
作为课题的原型都是复杂的,具体的,是质和量、现象和本质、偶然和必然的统一体。这样的原型如果不抽象和简化,人们对其认识是困难的,也是很难把握它的本质属性,而建模假设就是根据建模的目的对模型进行抽象,简化。把那些反映问题本质属性的形态,量及其关系抽象出来,简化掉那些非本质的因素,使之摆脱原型的具体复杂形态,形成对建模有用的信息资源和前提条件。
但如何对问题提出合理的假设是一个比较困难的问题,这是因为作得过于简单,则使模型远离现实,无法用来解决现实问题,假设做得过于详细,试图把各个方面的因素都想进去,模型就会十分复杂,甚至难以建立,也对我们计算带来复杂化,一般模型假设遵从以下原则:
①目的性原则,从原型中抽象出与建模目的有关的因素,简化掉无关的因素或关系不大的因素。
简明性原则,所给的假设条件要简单,精确,有利于构造模型。
真实性原则,假设条款要符合情理,简化带来的误差应满足实际问题所允许的范围内。
全面性原则,在对事物原型本身作出的假设的同时,还要给出原型所处的环境条件  
 3 构造模型
   在建模的假设的基础上,进一步分析建模的假设的条款,首先区分那些是常量,哪些是变量,哪些已知、未知,然后查出各种量所处的位置、作用和它们之间的关系 ,选择恰当的数学工具和构造模型的方法对其进行表征,构造出刻划实际问题的数学模型,这里要注意两点:其一,构造一具体的问题的模型是要尽可能地简单的模型,然后把它与实际问题进行比较,再把其次要的因素加进去,逐渐逼近现实来修改模型,使之趋于完善。其二,要善于借鉴已有的数学模型,许多的实际问题,尽管现象和背景都不同却有相同的模型。例如,力学中描述的力,质量和加速度之间的关系的的牛顿第二定律F= M a ,经济学中描述单价、销售金额和销售量之间的关系的公式C= p q等,数学模型都是y= k x ,要学会观察和分析,看到问题的本质,抓住本质特征,对我们已有的模型进行修正。
 4 模型求解
不同的模型要用到不同数学工具求解,如可以采用解方程,画图形,证明定理,逻辑运算,数值运算等传统的方法和近代的数学方法,建模发展到现代多数场合的模型必须依靠电子计算机的数值求解。现行的软件有:<<几何画板>><<数学实验室立体几何>>Maple, Mathlab, Mathcal, Mathematic, Mathtool以及SppssSAS等。熟练利用这些数学软件会为我们求解带来快捷和方便。
 5)模型的检验与修正
建立数学模型的目的在于解决实际问题。因此必须把模型解得的结果返回到实际问题,如果模型的结果与实际问题状况相符合,表明模型经检验是符合实际问题的,相反则不行,它就不能直接应用于实际问题。这时数学模型建立如果没有问题,就需要考虑建模时关于所
]2[
3  11
假设的是否合理,检验是否忽略了不应该忽略的因素或还保留了不应该保留的因素。对假设给出必要的修正,重复前面的建模过程,直到使模型能够反映所给的实际问题。
综上所述,可以把数学建模的步骤用“图 I”表示。
(三)如何对一个建好的模型的优劣进行评价
  什么样的数学模型是好的呢?一般来说一个好的模型应该具备以下五点:
   1)对所给的问题有较全面的考虑。在一个实验问题中往往有许多的因素同时对所研究的对象发生作用,进行数学描述时,应该全面地对这些因素加以考虑。这项工作可分为三步进行:
 I
  ①列举各种因素;
  ②选取主要因素计入模型;
  ③考虑其他因素的影响,对模型进行修正。
  (2)在已有的模型上进行创造性的改进。数学模型是现实对象的抽象化,理想化的产物。它不为对象所属领域所独有,可以转移到另外的领域。在生态,经济,社会等领域内建模就常常借用物理领域中的模型,能否对已有的模型作为创造性的改造,是考虑一个数学模型的优劣的重要标志
  3)善于抓住问题的本质,简化变量之间的关系。数学模型应当是实际问题的本质刻画,模型过于复杂,则无法求解或求解困难,反之则不能客观的反映客观实际。
  4)注重结果分析,考虑其在实际中的合理性。数学模型是一个从实际到数学,再从数学到实际问题的过程。由于现在的模型仅仅依赖题中的数据,如果从模型中得到的结果与实际吻合,模型是成功的,反之则失败,要求我们进一步修改。
  5)具有较好的稳定性。数学模型是依赖已有的数据和其他的信息建立起来的,他的价值在于能够从已知的信息预测到未知的东西。因此,一个好的数学模型的结果对原始的数据有较好的依赖性,即原始的数据和参数有微小的变化不会引起结果很大的变动,这是模型适应性和有效性的保证。
二、应用具体实例探讨 
对数学建模的组织有了初步的了解,我们进一步通过以下的实例进行分析。
(一) 问题陈述:
油田开发到中晚期,特别是油田的二次开发时期,需要深入掌握地下油水的运动规律和剩余油的分布规律,而影响油水运动和剩余油分布规律的因素很多,包括地质因素(主要是砂体内部的建筑结构、不连续薄夹层、各级界面现象和纹层)和工程因素(主要是开发措施、开发强度、层系划分、井网密度和开发方式)等。
试确定在油田的储层开发过程中是否存在这样的一个储集岩体:在这个储集岩体内部影
4  11
54321,,,,xxxxx
响流体流动的地质和岩石物理性质是一致的,而周围储集岩体的差异是可以预测的,由此为油藏数值模拟提供真实的地质模型,并为油田的二次开发指明挖潜方向。
数据表:
 位
X
Y
渗透率
有效厚
孔隙度
传导能力      数
储层非均质
G113-6
4633408
4341247
1586
4.4
33.21322
6978.4
11.117
G113-7
4633395
4341517
177
6.7
27.63523
1185.9
5.784
G113-8
20633332
4341757
128
6.1
26.81075
780.8
3.54
G115-4
20633733
4340762
1414
10.4
32.92122
14705.6
10.197
G115-5
20633719
4341014
1100
7.2
32.28245
7920
12.336
G115-8
20633551
4341765
179
2.9
27.66381
519.1
12.529
G115-9
20633559
4342036
1259
5
32.62588
6295
30.54
G119-5
20634190
4341014
349
6
29.36224
2094
20.684
G119-7
20634109
4341489
870
5.5
31.68576
4785
2.691
G121-7
20634384
4341515
1208
3.1
32.52069
3744.8
11.611
G123-1
20634750
4340133
897
3.9
31.7635
3498.3
5.043
G123-6
20684658
4341252
1060
6.2
32.18823
6572
6.784
G206-4
20631795
4340830
6386
2.6
36.75639
16603.6
58.946
G207-4
20632463
4340875
616
3.3
30.80754
2032.8
9.884
G208-4
20631613
4340828
2794
2.4
34.65364
6705.6
27.513
G215-6
20632970
4341390
46
4.9
24.20751
225.4
28.308
G215-7
20633715
4341629
333
4.8
29.24286
1598.4
22.507
G217-7
20633988
4341609
601
5.1
30.74483
3065.1
28.155
G16
20634000
4340710
3
7.6
17.263
22.8
5.498
G105-5
20632360
4341006
271
6.1
28.71879
1653.1
7.214
G105-7
20632395
4341481
1294
5.7
32.69563
7375.8
7.402
G106-5
20631975
4340960
293
3.1
28.91734
908.3
3.942
G108-6
20631654
4341195
2688
1.5
34.55526
4032
15.358
GX109-6
20632845
4341222
225
2.1
28.24561
472.5
9.512
(二)模型建设
  1 问题分析与建模.影响油水运动和剩余油分布规律的因素很多,包括: 渗透率、有效厚度、孔隙度、传导能力指数、储层非均质性五个方面。根据地质学方面的知识,我们知道:储层有效孔隙度为岩石相互连通的毛管孔隙和超毛管孔隙的含量;这一因素直接反映储层的储集性能,同时也在一定程度上反映了储层的渗流性能;渗透率是控制流体渗流的最重要的参数,一般地,渗透率越高,储层质量越好,流体的渗流能力越强;传导能力指数为渗透率与储层有效厚度的乘积,它同时考虑了井点储层的渗流能力和砂体的发育厚度,是一个能有效地反映储层传导能力和渗流能力的参数;变异系数是反映储层非均质性及渗流差异的良好属性特征。
但它们对油井的影响不一,即有各自的权重。怎样找出它们的权重是解决问题的关键所在,假设油井的权重为五维向量                而油井的各参数为:               则综合指数就可以表示为:
                            X= 
xaiii51
54321,,,,
5  11
  2、模型求解
    对于该模型的求解,这里用的是主成分分析法:先对其简单说明,主要是把表格的数据作成一个5×24的矩阵,再对求协方差,并且构成一个5×5的矩阵V,再对V求特征
jixx,
值,最大特征值所对应的特征向量,即为所求的。
  以下是主成分分析法的详细说明:
    主成分分析法是研究变量之间相关关系方法,它对通过对变量相关数矩阵的研究,找到反映各参数的线性函数,它能很好地反映参数的变化情况。
    设有P个指标:X1,X2,……XP P个指标反映了客观对象的各个特征,因此每个对象观察到P个指标值就是一个样本观测值,它是一个P维向量,如果观测了N个对象,就共有NP个数据(这里P=5,N=24),用矩阵X 表示为:
主成分分析法所要解决的问题是根据已知的数据矩阵能否找到反映P个指标X1,X2,……XP 的线性表函数=0,它能较好地反映X1,X2,……XP   的变化情况。也就是说:把P
xaipii1
个变量在N个样本空间上的差异能否用一个线性函数的差异表示出来,如果行,这个线性函数就是一个代表性很好的指标,它就是这P个变量的主要成分(PRINCIPLE COMPONENT),找出这个主要成分的方法就是主成分分析法。
P 个指标X1,X2,……,XP(可以看成是随机变量)
   其中:数学期望值:
    协方差:
Y=
xaipii1
uuuxxxnnEEX....2121
vvvvvvvvvVppppppppjippjixxV.....................)),(cov()(212222111211),(
6  11
Y 的协协差:Var(y)=Var()= = 
xaipii1
vaaijjipipj11
vT
要寻找最能反映Xi的变化的,就要求Var(y)尽可能大,从Var(y) = 可以看
vT
出对向量要做一些限制,否则Var(y)可以无限地增大而没有意义。自然限制:
              == 1
T
piia12
所以主成分分析法的数学问题就可以归结为:已知协方差矩阵V,求满足约束条件= 
T
1使达到最大值,这是一条件极值问题,用LaGrange乘子法解决令:f() = 
T
 -2λ(-1)
vT
T
这表示α是矩阵V的特征向量,利用上式,可以知道
Var() =
xT
vT
T
也即特征值λ就是的方差,因此只要求出最大的特征根所对应的特征向量,寻找主
xT
成分分析法的问题就解决了。
  对此算法运算采用的是Mathematic软件。具体编程如下:
Tpaaa)......,(21
122Tvvff
7  11
①生成矩阵: 
②显示矩阵: TableFrom[x]
③生成V矩阵:
    V=Array[u,{5,5}];a=0;b=0;c=0;B={}
           For [j=1,j<=5,j+ +, b=0;For [k=1,k<=24,k+ +,
           B=b+x [[k, j]]; B=Append [B, b]]
        Print [b]
     For [i=1,i<=5,i+ +, For [j=1,j<=5,j + +, Print [B [[i]]*B[[j]]
    ④计算出协方差矩阵:
  For [i=1,i<=5,i+ +,
    For [j=1,j<=5,j+ +, a=0;For [k=1, k<=24,k+ +, 
    For [l=1,l<=5,l+ +, a=a+ x [[k, l]]*x [[l,j]]
  Print [a]; u[i,j]=(a- B[[i]]*B[[j]])/(24*24)]]]
    ⑤求V求特征值,特征向量;
          Eigensystem [N [v]]
通过运算得到如下的结果:
  向量为: 0.82982,-0.00931866,-0.00608,0.5679,-0.0072
3结果分析与检验
向量中可以看出渗透率,传导能力指数分别为:0.82982,0.5679,这与渗透率,传
导能力指数主要性相吻合,但它们的数值集中在1000左右,对这两个参数取它们的常用对数,使综合指数能够相对集中,又不影响它们的分布。而传导能力指数为渗透率与储层有效厚度的乘积,故对二者在主成分中的作用进行消弱,所以-0.00931866与实际相吻合。故综合指数:0.82982*Lg X1 -0.00931866X 2-0.00608 X3 +0.568*LgX 4 –0.00712 X5 
即得数值表:
综合指数
4.53471,3.383118,3.185637,4.68046,4.429535,3.138561,4.291451,3.650217,4.295173,4.285664,4.213062,4.411268,4.886204,3.916633,4.603686,2.35372,3.555638,3.877792,1.014414,3.601161, 4.504031,3.506145,4.552325,3.215817
分布图
 从上图我们不难发现井的综合指数集中在3.5  4.5之间具体分类如下:
02460102030
8  11
综合指数X
X<2.5
2.5<X<3.5
3.5<X<4.5
X>4.5
数量(个)
2
4
12
6
为了更好地检验结果与实际的吻合性。对油井的位置和参数进行模拟见如下“图 II
 II
图中的横纵坐标表示油井的地理位置。而油井的综合指数可以从右边的标图对比读出,这里每一个指数X = x  4,从模拟图可以看出,东部的G121-7G115-5综合指数较高,具有高孔高渗的性能,因此这一块开采潜力和挖潜效果较为理想,钻探取芯和前人的研究结果表明这一区域属于河流的主河道,油田挖潜时在此打的新井效果较为理想,在西部的G206-4以西的主河道部位综合指数也较高,而在主河到的两侧G113-8G215-6一线,G119G115-4一线以西综合指数都较低,这些都表明通过主成分分析法所确定的线性系数模型有较好地反映出差异性。
结束语
对数学建模的建立现在已有许多书籍做了介绍,这里我仅仅是做了一些搜集和整理,给大家有一个比较系统的介绍。并且利用主成分分析法为油田的二次开发提供了数学模型,在建模的过程中得到了指导老师的大力帮助。在本文的研究过程中发现,要做好一个数学建模,除了要知道怎样去着手建模外,还得有深厚的数学知识和熟练掌握数学工具。通过对油藏数值进行模拟,为实际的社会生产中节约了时间和财力,提供了比较直观地质情况。虽然通过主成分分析法所确定的线性系数模型能够较好地反映出各油井的差异性。但并不能说明此方法是最好的,未能给出更多的求解方法是本文的最大不足之处。
32000325003300033500340003450040500410004150042000-1.6-1.4-1.2-1-0.8-0.6-0.4-0.200.20.40.60.81G113-6G113-7G113-8G115-4G115-5G115-8G115-9G119-5G119-7G121-7G123-1G123-6G206-4G207-4G208-4G215-6G215-7G217-7G16G105-5G105-7G106-5G108-6GX109-632000325003300033500340003450040500410004150042000
9  11
参考文献:
[1]、蔡锁章等,    数学建模原理与方法,      北京. 海军出版社,    2000
[2]、陈理荣,      数学建模导论,     北京. 北京邮电大学出版社,  1999
[3]、近藤次朗[](宫荣章等译), 数学模型 ,   北京. 机械工业出版社, 1985
[4]E.A.Bender[]   数学模型引论,    北京. 科学普及出版社,  1982
[5]、姜启源 ,     数学模型(第二版) ,    北京. 高等教育出版社 ,    1991
[6]、魏宗舒等,   概率论与数理统计教程, 北京. 高等教育出版社,  1982
The Mathematics Model of Making and Enforcement
AuthorXu Shuwen     DirectorChen Dingyuan 
Abstract:
  The basic theory of Mathematical modeling, includes both what is mathematical modeling, how to set up it. At midterm or late period of Oil field’s exploitage.  The second is inprogress. Linear model fixed by principle component analysis reflects out each oil well’s diversity, also appraises their good or dad.
Keywords:
  Mathematics modelComposite index ActivityPrincipal component analysis
Linear model, Activity