黄河小浪底调水调沙问题Word格式.docx
《黄河小浪底调水调沙问题Word格式.docx》由会员分享,可在线阅读,更多相关《黄河小浪底调水调沙问题Word格式.docx(8页珍藏版)》请在冰豆网上搜索。
7.2
7.3
7.4
时间
8:
00
20:
水流量
1800
1900
2100
2200
2300
2400
2500
2600
2650
2700
2720
含沙量
32
60
75
85
90
98
100
102
108
112
115
116
7.5
7.6
7.7
7.8
7.9
7.10
2000
1850
1820
1750
1500
1000
900
118
120
105
80
50
30
26
20
8
5
现在,根据试验数据建立数学模型研究下面的问题:
(1)给出估算任意时刻的排沙量及总排沙量的方法;
(2)确定排沙量与水流量的变化关系。
二、模型假设
1.假设所给数据客观准确的反应了现实情况
2.假设所给数据遵循一定规律变化,即是连续的
3.假设模型中不需要考虑一些外在因素
4.假设可将时间化为等分的时间点进行计算
三、符号说明
t:
时间或时间点
v:
水流量
S:
含沙量
V:
排沙量
四、问题分析
假设水流量和含沙量都是连续的,那么某一时刻的排沙量V=v(t)S(t),其中v(t)为t时刻的水流量,而S(t)为t时刻的含沙量。
通过观察数据,这些数据是每个12小时采集一次,所以我们可以将时间设为时间点t,依次为1,2,3,……,24,单位时间为12h。
为了找到排沙量与时间的关系,我们就要先找到水流量和含沙量与时间的关系,一但找到水流量和含沙量与时间的关系,那么所要求的问题也就不难解决了。
五、模型的建立与求解
通过分析,我们假设水流量和含沙量都是连续的,那么我们开始对问题“
(1)给出估算任意时刻的排沙量及总排沙量的方法”进行求解。
我们通过Matlab工具将所知道的数据显示为直观的图像,如下所示,具体程序见附录的%tuxing.m。
通过观察图像,我们可以看出其变化并不光滑,而且也没有特定的表现出服从某种分布的趋势。
但是为了得到具体的计算函数,我们就必须对数据进行拟合,所以通过Matlab先利用spline方法对数据进行插值,从而提高精确度,使图像变得光滑,然后利用多项式进行拟合,当多项式次数越高拟合也越准确,但是由于数据受到的影响较多,所以这里的数据也不是准确值,因此我们可以只取三次进行拟合,也方便了后续的计算。
于是我们分别对含沙量和水流量进行插值拟合,便可以得到下面图像和结果,具体程序见附录%hansha.m和%liuliang.m。
所得到的拟合函数为:
y=0.014*x^{3}-1.3*x^{2}+21*x+16
即含沙量与时间的关系式为:
S=0.014*t^3-1.3*t^2+21*t+16
y=0.13*x^{3}-14*x^{2}+2.4e+002*x+1.5e+003
即水流量与时间的关系式为:
v=0.13*t^3-14*t^2+2.4e+002*t+1.5e+003
因为某一时刻的排沙量V=v(t)S(t),所以我们可以将所拟合出来的多项式带入上式,通过Matlab进行计算可以得到下面答案,程序见附录%jisuan.m。
ans=91/50000*t^6-73/200*t^5+2429/100*t^4-14573/25*t^3+2866*t^2+35340*t+24000
即排沙量与时间的关系为:
V=0.0018*t^6-0.365*t^5+24.29*t^4-582.92*t^3+2866*t^2+35340*t+24000
由于这里的多项式次数过高,不便于计算和传播,所以我们可以对其再进行一次拟合,有下面结果,程序见附录%paisha.m。
所以拟合后的函数为V=95*t^3-5.5e+003*t^2+7.7e+004*t-3.2e+004,通过图像可以看出排沙量与时间服从正态分布,所以也可以化成的形式e的指数形式进行拟合,这里就不再重复计算。
我们得到了拟合函数,下面就可以计算出这几天的总排沙量,通过Matlab编程可以计算出定积分,结果如下,程序详见附录%jisuan.m。
ans=170366976000
即总含沙量为1.704亿吨。
下面我们对问题“
(2)确定排沙量与水流量的变化关系。
”进行分析计算。
以下所有相关程序见附录%paishui.m,下面就不重复说明。
我们先利用Matlab将排沙量和水流量的相关数据反映到图像中。
通过观察可以看出,其关系是分段的,所以我们按时间进行分段拟合,拟合原理同问题
(1)相同,于是可以得到分段前后的拟合多项式。
y=-7.5e-005*x^{3}+0.43*x^{2}-5.2e+002*x+3.6e+004
y=2.3e-005*x^{3}-0.066*x^{2}+1.9e+002*x-1.9e+005
综上,我们可以得到排沙量与水流量的关系式为
-7.5e-5*v^3+0.43*v^2-5.2e+2*v+3.6e+40<
=t<
9
V=
2.3e-5*v^3-0.066*v^2+1.9e+2*v-1.9e+59<
=24
六、模型评估
本模型的优点是:
建模简单,方便计算,适用度广。
但也有最大的缺点为:
精确度较低。
为了减少误差,我们可以通过增大模型中拟合多项式的次数。
当然在日后的模型改进中可以加入误差评估系统,来对模型进行完善。
附录
%tuxing.m
T=1:
24;
S=[32607585909810010210811211511611812011810580605030262085];
W=[18001900210022002300240025002600265027002720265026002500230022002000185018201800175015001000900];
subplot(2,1,1);
plot(T,S);
holdon;
plot(T,S,'
.'
);
title('
时间与含沙量关系'
xlabel('
时间t/12h'
ylabel('
含沙量/公斤每立方米'
subplot(2,1,2);
plot(T,W);
plot(T,W,'
时间与水流量关系'
水流量/立方米每秒'
%hansha.m
x=1:
0.1:
y=interp1(T,S,x,'
spline'
x,y);
时间与含沙量关系拟合图'
%liuliang.m
y=interp1(T,W,x,'
时间与水流量关系拟合图'
%jisuan.m
symst;
S=0.014*t^3-1.3*t^2+21*t+16;
v=0.13*t^3-14*t^2+2.4e+002*t+1.5e+003;
V=v*S;
simple(V);
V=95*t^3-5.5e+003*t^2+7.7e+004*t-3.2e+004;
int(12*60*60*V,t,0,24)
%paisha.m
t=1:
V=0.0018*t.^6-0.365*t.^5+24.29*t.^4-582.92*t.^3+2866*t.^2+35340*t+24000;
plot(t,V);
时间与排沙量关系图'
)
%paishui.m
v=0.13*t.^3-14*t.^2+2.4e+002*t+1.5e+003;
V=95*t.^3-5.5e+003*t.^2+7.7e+004*t-3.2e+004;
plot(v,V,'
整理图'
figure;
9;
前半段图'
t=10:
后半段图'