沙漠挖礦建模用什麼數學模型

『壹』 模型構建與模塊功能

生態預警分析涉及諸多生態要素。塔里木河流域生態預警分析系統模型構建包括從基於單項指標變化的預警模型，到基於多項指標的綜合預警模型，在系統功能上具體表現為不僅實現了單一生態專題要素預警，而且可以對指定區域進行綜合預警分析。其中建模研究、生態安全的界定和生態危機閾值的確定，是生態預警分析分系統建設的關鍵技術(劉振波，2004)。

(一)沙質荒漠化預警分析

沙質荒漠化評價指標體系以前大都是以定性描述為主，由於對沙質荒漠化概念的理解不同，指標繁雜各異，多為間接性指標，獲取數據難度大，實用性小，並且這些研究只局限在對沙質荒漠化土地程度的評價方面，近幾年來，隨著國內數量化評價方法的出現，把沙質荒漠化評價指標體系的研究大大向前推進了一步。對於沙質荒漠化評價而言，區域性土地沙質荒漠化總體水平才是一個地區沙質荒漠化程度的全面反映，它體現了某個地區生態環境的優劣(王君厚，2001)。對區域土地沙質荒漠化現狀水平的評價除考慮自然因子外，還應考慮該地區非沙質荒漠化土地及各程度沙質荒漠化土地的面積組成比例，即在沙質荒漠化土地程度評價的基礎上，進行區域評價和預警。

與遙感監測子系統相對應，沙質荒漠化預警分析工作區域為塔里木河流域中下游地區，以不同期次的沙質荒漠化現狀專題圖形數據為基礎，開發了基於沙質荒漠化程度(沙質荒漠化等級)預警分析模塊、基於沙質荒漠化擴展速度的預警分析模塊，以及綜合考慮沙質荒漠化程度變化和速度變化的沙質荒漠化指數預警分析模塊。

1.基於程度的沙質荒漠化預警分析

疊加分析幹流中下游地區不同年份沙質荒漠化程度專題數據，提取水域、非沙質荒漠化、輕度沙質荒漠化、中度沙質荒漠化、強度沙質荒漠化、沙漠這六種沙質荒漠化類型的轉換情況，對沙質荒漠化程度增強的區域過濾，再做出空間統計，最後得到沙質荒漠化級別增強的區域，從沙質荒漠化級別的程度增強情況對研究區作預警判斷，同時生成基於程度的沙質荒漠化預警報表，見圖 6 －9。

圖6－9 基於程度的沙質荒漠化預警分析物理模型圖

分別對水域、非沙質荒漠化、輕度沙質荒漠化、中度沙質荒漠化、強度沙質荒漠化、沙漠類型賦值0、1、2、3、4、5，則基於程度的沙質荒漠化預警分析數學模型如下:

A_dynamic=A_periodnew－A_periodold

式中:A_periodold為起始年份沙質荒漠化類型;A_periodnew為終止年份沙質荒漠化類型。當A_dynamic≥1時，對該區域預警;A_dynamic=1時為橙色預警;A_dynamic≥2時為紅色預警。

應用基於程度的沙質荒漠化預警分析模塊，對同一區域不同時間段沙質荒漠化演化進行預警分析，可以過濾出沙質荒漠化等級升高的區域，根據沙質荒漠化等級變化幅度，分別賦予不同表示方式，可以直觀查看沙質荒漠化程度嚴重區域的空間分布位置和變化幅度，同時根據預警圖統計分析得到各種沙質荒漠化程度變化的面積統計值。

圖6－10為幹流下游基於沙漠化程度的預警分析結果顯示界面，從2002～2004年期間，塔河幹流下游的沙漠化程度從輕度沙漠化增強到中度沙漠化的區域面積最大，為10.268萬畝，其他級別的增強面積遠小於輕度沙漠化增強到中度沙漠化的面積，所以幹流下游地區對於輕度沙質荒漠化類型的變化需要特別注意，對重點變化區域加緊預防。

圖6－10 幹流下游基於沙漠化程度預警分析結果圖

2.基於速度的沙質荒漠化預警分析

疊加分析幹流中下游地區不同年份某一沙質荒漠化類型專題數據，對該類型的面積擴展情況進行空間統計，根據單位時間內不同類型沙質荒漠化級別的面積擴展速度情況，與給定的預警閾值進行比較，做出預警判斷，並同時生成基於速度的沙質荒漠化預警報表(圖6－11)。基於速度的沙質荒漠化預警分析數學模型為:

V=((S_periodnew－S_periodold)/S_periodold)/(T₂－T₁)

式中:S_periodnew為某沙質荒漠化類型終止年份面積;S_periodold為該類型起始年份面積;T₂為終止年份時間;T₁為起始年份時間;V為該沙質荒漠化類型增長速度，當V大於用戶給定預警閾值時，對該區域的對應沙質荒漠化類型預警顯示。

圖6－11 基於速度的沙質荒漠化預警分析物理模型圖

應用基於速度的沙質荒漠化預警分析模塊，對同一區域不同時間段沙質荒漠化演化進行預警分析，可以過濾出沙質荒漠化面積擴展速度異常的區域，根據沙質荒漠化面積擴張幅度，分別賦予不同表示方式，可以直觀查看沙質荒漠化面積擴展異常的空間分布位置和變化幅度，同時根據預警圖統計分析得到各種沙質荒漠化程度變化的面積統計值。

從基於沙漠化速度的預警分析結果(圖6－12)可知，從2002～2004年期間，塔河幹流下游輕度沙漠化增長速率為0.0007%;中度沙漠化增長速率為1.7415%;強度沙漠化增長速率為0.001%;極強度沙漠化增長速率在有效值范圍內為0。以上沙漠化速率只有中度沙漠化增長速率大於預警閥值1%，所以對中度沙漠化增強區域進行過濾形成中度沙漠化增強區域統計圖，可以在數據視圖中對具體細節斑塊進行查詢。

圖6－12 幹流下游基於沙質荒漠化速度預警分析結果圖

3.基於沙質荒漠化指數的沙質荒漠化動態預警分析

對同一地區不同沙質荒漠化級別賦予不同的權重值，計算不同時段的沙質荒漠化指數，根據指數值和指數值的變化進行預警判斷，如圖6－13。

圖6－13 基於沙質荒漠化指數的預警分析物理模型圖

沙質荒漠化指數計算公式:

S=(ΣS_i·P_i)/(ΣS_i)

式中:S_i為某區域各沙質荒漠化級別的面積;P_i為各沙質荒漠化級別的權重值，其中水域和非沙質荒漠化區域P值為0，輕度沙質荒漠化為1，中度沙質荒漠化為2，強度沙質荒漠化為3。當沙質荒漠化指數S小於0.5進行輕度預警;大於等於0.5小於1時中度預警，大於1則強度預警。

動態沙質荒漠化預警指數公式:

I=(S₁－S₀)/(T₁－T₀)

式中:S₁、S₀分別為第二期和第一期沙質荒漠化指數;T₂、T₁為第二期和第一期的年份。當I為負值時，該區域沙質荒漠化趨於逆轉;為正值時，該區域沙質荒漠化趨於惡化，進行預警。

基於沙質荒漠化指數的預警分析模型克服了基於沙質荒漠化程度、速度側重單因素分析和局部圖斑的缺陷，能全面反映研究區域沙質荒漠化總體狀況和發展趨勢。

從基於指數的沙漠化預警分析結果中(圖6－14)，我們不難看出，2002～2004年塔河幹流下游的整體沙漠化動態預警指數為－0.01，沙漠化整體發展趨勢是較低水平趨於逆轉的，盡管逆轉程度不大，但也充分說明了塔河流域綜合治理與生態保護方面，取得了有效的進展，扭轉了30多年來一直趨於嚴重的沙漠化態勢。預警分析的有效性和可靠性是需要有效長系列監測數據的支撐，所以定期的有效的遙感動態監測工作是預警分析的有力保障。

圖6－14 幹流下游基於沙漠化指數預警分析結果圖

(二)鹽漬化預警分析

塔里木河流域土壤鹽漬化不斷加劇和面積的不斷擴大，給農業生產帶來了相當大的影響，破壞了生態系統的平衡，影響了區域經濟的可持續發展。土壤鹽漬化是乾旱半乾旱區土地退化的主要形式之一，其發生發展是一個復雜的非線性動力學過程。土壤鹽漬化的時空演變動態模擬與預測預警研究一直以來都是地理學領域研究的熱點方向。基於遙感影像的鹽漬化土壤等級程度提取和基於GIS手段的土壤鹽漬化分析與模擬預測技術日趨成熟，以GIS為工具，以遙感與非遙感數據綜合分析的數學模型為手段，並整合模糊系統等方法的鹽漬化分析技術也在不斷提高。近年來，將CA模型應用於土壤鹽漬化的時空演變模擬與預測，是CA模型在地學領域應用的擴展，也在進行理論探索與嘗試(史曉霞，2007)。

土壤鹽漬化時空演變動態模擬與預警研究，從理論上講需要包括土壤圖、土地利用圖、土壤鹽漬化程度等級、等高線數據、地下水位埋深等值線、礦化度等值線等圖形數據，以及降雨量、蒸發量資料和野外調查數據。但在塔里木河流域大范圍地下水數據的獲取具有相當的難度，且數據更新困難。本次鹽漬化研究區位於塔里木河幹流上游，無法及時獲取對鹽漬化預警分析影響較大的地下水參數，所以鹽漬化預警分析採用基於程度變化和速度變化兩種預警分析模型。

1.基於程度的鹽漬化預警分析

基於不同時期的同一地區的鹽漬化程度級別的變化情況，疊加分析不同期次的鹽漬化遙感解譯現狀圖，提取鹽漬化類型的增強變化圖斑，進行分級預警，並進行空間統計，生成基於程度的鹽漬化預警報表，其預警分析物理模型同圖6－9。

分別對水域和非鹽漬化類型賦值0，對輕度鹽漬化、中度鹽漬化、重度鹽漬化類型分別賦值1，2，3，則:

A_dynamic=A_{period new}－A_{period old}

式中:A_{period old}為起始年份鹽漬化類型;A_{period new}為終止年份鹽漬化類型。當A_dynamic≥1時，對該區域預警;A_dynamic=1時為橙色預警;A_dynamic≥2時為紅色預警。

2.基於速度的鹽漬化預警分析

基於速度的鹽漬化預警分析物理模型同圖6－11。

V=((S_{period new}－S_{period old})/S_{period old})/(T₂－T₁)

式中:S_{period new}為某鹽漬化類型的終止年份面積;S_{period old}為該鹽漬化類型的起始年份面積;T₂為終止年份時間;T₁為起始年份時間。V為該鹽漬化類型增長速度，當V大於給定預警閾值時，對該區域對應鹽漬化類型預警。

(三)植被蓋度預警分析

1.幹流區基於程度的植被蓋度預警分析

基於程度的植被蓋度預警分析物理模型同圖6－9。

分別對極低覆蓋度、低覆蓋度、中覆蓋度、中高覆蓋度賦值0、1、2、3，對高覆蓋度類型和水域賦值4，則:

A_dynamic=A_{period new}－A_{period old}

式中:A_{period old}為起始年份植被蓋度類型;A_{period new}為終止年份植被蓋度類型。當A_dynamic<0時，對該區域預警;A_dynamic=－1時為橙色預警;A_dynamic≤－2時為紅色預警。

2.NIDVI預警分析

利用選擇區域的衛星數據，計算NDVI指數，對NDVI≤0.2的區域進行預警顯示。

利用兩期NDVI柵格數據進行疊置運算，可以得到某個時間段內該區域植被蓋度的變化情況，對植被蓋度減弱的區域預警。

NDVI_dynamic=NDVI_{period new}－NDVI_{period old}

式中:NDVI_{period new}為研究區域第二期植被指數;NDVI_periodold為研究區第一期植被指數;NDVI_dynamic為動態植被指數;當NDVI_dynamic小於0時進行預警。

(四)地下水預警分析

1.地下水單點預警顯示

對幹流中下游區域所有生態斷面上的地下水測井，根據給定的地下水位預警閾值，對實時地下水位數據低於警戒閾值的測井點進行預警，在計算機屏幕上依照空間測井位置生成預警圖，並同時生成預警分析報表。

H<H₀

式中:H為測井實時地下水位數據;H₀為測井警戒地下水位閾值。

2.地下水插值預警分析

經過反復試驗，距離倒數插值方法(IDW)對幹流中下游區域進行地下水插值運算，效果最好。距離倒數插值方法綜合了泰森多邊形的鄰近點方法和趨勢面分析的漸變方法的長處，它假設未知點x₀處屬性值是在局部領域內中所有數據點的距離加權平均值。計算公式如下:

塔里木河流域生態環境動態監測系統研究與開發

式中:λ_i為每一個已知點對預測點的距離權重值，對一個未知點來說，所有已知點的權值和為1;H(x_i)為所有已知點的地下水位;H(x₀)為未知點的地下水位。

利用幹流中下游生態斷面地下水測井點的實時地下水位數據，採用IDW方法進行空間插值，得到幹流區域的地下水分布情況。按照地下水對植被影響情況的分類，生成幹流中下游區域地下水分級預警分析圖。

(五)河道水流預警分析

對塔河「四源一干」的所有水文站點，根據給定水位和流量預警閾值，對實時水位數據以及實時流量數據進行分析比對，在計算機屏幕上依照空間水文站位置生成河道水流預警圖，並同時生成預警分析報表。

H_dynamic≥H₁或H_dynamic≤H₀

式中:H_dynamic為水文站點實時水位數據;H₀、H₁分別為枯水期和洪水期警戒水位。

Q_dynamic≥Q₁或Q_dynamic≤Q₀

式中:Q_dynamic為水文站點實時流量數據;Q₀、Q₁分別為枯水期和洪水期警戒流量。

『貳』 全國大學生數學建模競賽，一般都有哪些問題

2020年，共有來自中國、美國、英國、馬來西亞的1470所院校/校區的45680支隊伍(本科41826隊、專科3854隊)，共計13萬多人報名參加比賽。

第三部分通常會有好幾個需要回答的問題，通常有些問題需要給出確定性的答案，也就是根據模型得出的數學結果；後面則會有發散性的問題，要求給出優化方案等。

『叄』 老版紅警,我記得采礦車在沙漠里采礦，沙漠底下有一種怪物張口能把礦車吞下。第二十一關有地雷兵，怎麼下載

那個是沙丘........LZ下錯東西了
沙丘2000比較老,2D
3000感覺還可以,3D的,配置要求也不高

『肆』 數學建模，馬搬香蕉的問題～

怎麼可能 都被吃完了 題目出錯了吧！！！！！！！！1111111

『伍』 數學上的回歸線是指什麼

回歸方程是根據樣本資料通過回歸分析所得到的反映一個變數（因變數）對另一個或一組變數（自變數）的回歸關系的數學表達式。回歸直線方程用得比較多，可以用最小二乘法求回歸直線方程中的a,b，從而得到回歸直線方程。回歸線方程公式是：b=((x1+x2+...+xi)(y1+y2+..+yi)-nxy)/(x1^2+x2^2+...+xi^2-n*(x^2))a=y-bxx,y為平均數

求回歸線方程式需根據公式：Yi-y^=Yi-a-bXi，再代入具體的數據即可，回歸線方程式一般指的是回歸直線方程，指在一組具有相關關系的變數的數據（x與Y）間，反映x與y之間的關系直線。其中離差作為表示Xi對應的回歸直線縱坐標y與觀察值Yi的差，其幾何意義可用點與其在回歸直線豎直方向上的投影間的距離來描述，而總離差不能用n個離差之和來表示，通常是用離差的平方和。

回歸線方程:y=bx+a

回歸直線的原理。如果散點圖中點的分布從整體看大致在一條直線附近，我們就稱這兩個變數之間具有線性相關關系，這條直線叫做回歸直線。根據不同的標准，可以畫出不同的直線來近似表示這種線性相關關系。以下圖為例

先求 x、y 的平均數 x_=（3+4+5+6）/4=9/2，y_=（2.5+3+4+4.5）/4=7/2，然後求對應的 x、y 的乘積之和 ：3*2.5+4*3+5*4+6*4.5=66.5 ，x_*y_=63/4 ，接著計算 x 的平方之和：9+16+25+36=86，x_^2=81/4 ，現在可以計算 b 了：b=（66.5-4*63/4） / （86-4*81/4）=0.7 ，而 a=y_-bx_=7/2-0.7*9/2=0.35 ，所以回歸線方程為 y=bx+a=0.7x+0.35 。

建模步驟：

A，理論模型的設計: a，選擇變數b，確定變數關系c，擬定參數范圍

B，樣本數據的收集: a，數據的類型b，數據的質量

C，樣本參數的估計: a，模型的識別b，估價方法選擇

D，模型的檢驗

a，經濟意義的檢驗：1、正相關；2、反相關等等

b，統計檢驗：1、檢驗樣本回歸函數和樣本的擬合優度；2、樣本回歸函數和總體回歸函數的接近程度：單個解釋變數顯著性即t檢驗，函數顯著性即F檢驗，接近程度的區間檢驗

c，模型預測檢驗：1、解釋變數條件條件均值與個值的預測測；2、預測置信空間變化

d，參數的線性約束檢驗：1、參數線性約束的檢驗；2、模型增加或減少變數的檢驗；3、參數的穩定性檢驗：鄒氏參數穩定性檢驗，鄒氏預測檢驗（主要方法是以F檢驗受約束前後模型的差異）

e，參數的非線性約束檢驗：1、最大似然比檢驗；2、沃爾德檢驗；3、拉格朗日乘數檢驗（主要方法使用F 分布檢驗統計量分布特徵）

f，計量經濟學檢驗

1，異方差性問題：特徵：無偏，一致但標准差偏誤。檢測方法：圖示法，Park與Gleiser檢驗法，Goldfeld-Quandt檢驗法，White檢驗法-------用WLS修正異方差

2，序列相關性問題：特徵：無偏，一致，但檢驗不可靠，預測無效。檢測方法：圖示法，回歸檢驗法，Durbin-Waston檢驗法，Lagrange乘子檢驗法-------用GLS或廣義差分法修正序列相關性

3，多重共線性問題：特徵：無偏，一致但標准差過大，t減小，正負號混亂。檢測方法：先檢驗多重共線性是否存在，再檢驗多重共線性的范圍-------------用逐步回歸法，差分法或使用額外信息，增大樣本容量可以修正。

4，隨機解釋變數問題：隨機解釋變數與隨機干擾項獨立，對OLS沒有壞影響。隨機變數與隨機干擾項同期相關：有偏但一致，擴大樣本容量可以克服。隨機變數與隨機干擾項同期相關：有偏且非一致，工具變數法可以克服

『陸』 數學建模之沙漠行車問題

駕吉普車來到沙漠的邊沿的A地，要送信到沙漠對面邊沿的B地

『柒』 數學建模相關問題

兩個。
在A村僱用1個，走一天，讓雇得人回去，則只需給那人兩天的糧食，多出一天糧食交給探險家，那麼探險家又有三天的糧食；再走兩天，在第四天早上打電話僱用B村的人1個，再走一天就能和B村人相遇，那時剛好有兩天的糧食，就能到達B村。

設A村僱用a人，B村僱用b人，則總糧食量為3(a+b+1)天，設a人來回共2x天，b人來回共2y天，則總消耗量為(2x+2y+5)天。
有：3(a+b+1)-(2x+2y+5)≥0
3(a+b)-2(x+y+1)≥0
3(a+b)≥2(x+y+1)
因為a+b為整數，令兩式相等，則a+b=2，x+y+1=3。
而且3a≥2x，3b≥2y，所以a=b=1
當然x,y也有限制，當0≤(3-x)+(3-2x)≤3
0≤6-3x≤3，即只有探險家一人走時的糧食，有最大值3，則x=1，所以x=y=1。

『捌』 為什麼人在沙漠中迷路時都會繞圈走（注意，是數學問題！）

因為一般來說左腳是起改變方向的作用，右腳是用力的，所以，在不能識別方向的時候，左腳就不自覺的轉彎，故不能保持我們的方向，最後走的只能是個圓

『玖』 數學建模 沙漠治理問題，求大神指教 A題 防沙治沙有效措施問題 根據2

2011高教社杯全國大學生數學建模競賽隨著城市經濟的快速發展和城市人口的不斷增加，人類活動對城市環境質量的影響日顯突出。現代人關注的焦點之一是：城市土壤地質環境異常，如何開展城市環境質量評價，人類活動影響下城市地質環境的演變模式。

沙漠治理指通過以水治沙等技術手段扼制沙漠蔓延的態勢。荒漠化擴展的主要原因是人類的不合理活動，乾旱缺水、 植被稀少、 風力助推作用。因此， 如果能從緩解水資源短缺、 增加荒漠區地表植被、 降低風力助作用等方面尋找突破口， 沙漠治理就能迎刃而解。

『拾』 關於數學建模

參加數學模型比賽，恐怕關鍵不是數學知識，要多了解一些別人已經做過的數學模型，然後自己認真地做一、兩個模型，一定會有長足的進步。
數學建模猶如平時做應用題，但又不盡相同，做應用題一般題目里會給定條件，並且條件都會用到，而且有正確的答案。數學建模則不然，條件需要自己找，並且在眾多的條件中還要忽略一些次要的，這就與我們平時做題目不一樣，更不同的是它沒有正確答案，應該到實踐中檢驗，即模型沒有對錯，只有好壞。建模比賽的模型好壞則是由專家組評選的。
一般每個學校都會對參加建模比賽的選手進行一定的訓練，沒有經過訓練的學生初次上陣，不大可能會取得好的成績的，因為這與平時的學習味道是很不相同的。
我手頭有一本書很不錯，介紹給你，一般大學的圖書館里都應該有的。
《數學模型》姜啟源 編 高等教育出版社 出版