数学建模优秀论文.docx
《数学建模优秀论文.docx》由会员分享，可在线阅读，更多相关《数学建模优秀论文.docx（19页珍藏版）》请在冰豆网上搜索。
数学建模优秀论文
温室中的绿色生态臭氧病虫害防治
摘要：
“温室中的绿色生态臭氧病虫害防治”数学模型是通过臭氧来探讨如何有效地利用温室效应造福人类，减少其对人类的负面影响。
由于臭氧对植物生长具有保护与破坏双重影响，利用数学知识联系实际问题，作出相应的解答和处理。
问题一：
根据所掌握的人口模型，将生长作物与虫害的关系类似于人口模型的指数函数，对题目给定的表1和表2通过数据拟合，在自然条件下，建立病虫害与生长作物之间相互影响的数学模型。
因为在数据拟合前，假设病虫害密度与水稻产量成线性关系，然而，我们知道，当病虫害密度趋于无穷大时，水稻产量不可能为负值，所以该假设不成立。
从人口模型中，受到启发，也许病虫害密度与水稻产量的关系可能为指数函数，当拟合完毕后，惊奇地发现，数据非常接近，而且比较符合实际。
接下来，关于模型求解问题，顺理成章。
问题二，在杀虫剂作用下，要建立生长作物、病虫害和杀虫剂之间作用的数学模型，必须在问题一的条件下作出合理假设，同时运用数学软件得出该模型，最后结合已知数据可算出每亩地的水稻利润。
对于农药锐劲特使用方案，必须考虑到锐劲特的使用量和使用频率，结合表3，农药锐劲特在水稻中的残留量随时间的变化，可确定使用频率，又由于锐劲特的浓度密切关系水稻等作物的生长情况，利用农业原理找出最适合的浓度。
问题三，在温室中引入O3型杀虫剂，和问题二相似，不同的是，问题三加入了O3的作用时间，当O3的作用时间大于某一值时才会起作用，而又必须小于某一值时，才不会对作物造成伤害，建O3对温室植物与病虫害作用的数学模型，也需用到数学建模相关知识。
问题四，和实际联系最大，因为只有在了解O3的温室动态分布图的基础上，才能更好地利用O3。
而该题的关键是，建立稳定性模型，利用微分方程稳定性理论，研究系统平衡状态的稳定性，以及系统在相关因素增加或减少后的动态变化，最后。
通过数值模拟给出臭氧的动态分布图。
问题五，作出农业生产特别是水稻中杀虫剂使用策略、在温室中臭氧应用于病虫害防治的可行性分析。
关键词：
绿色生态 生长作物 杀虫剂臭氧
一、问题的提出
自然状态下，农田里总有不同的害虫，为此采用各种杀虫剂来进行杀虫，可是，杀虫时，发现其中存在一个成本与效率的问题，所以，必须找出之间的一种关系，从而根据稻田里的害虫量的多少，找出一种最经济最有效的方案。
而由于考虑到环境的因素，同样在种蔬菜时，采用
进行杀毒，这样就对环境的破坏比较小，但
的浓度与供给时间有很大的关系，若两者处理不当，则极有可能出现烧苗等现象，所以未来避免这种现象，必须找出一个合理的方案，可以严格的控制
的供给量与时间，使害虫杀掉，并且蔬菜正常生长。
在以上各问题解决之后，设想，在一间矩形温室里，如何安置管道，使通入
时，整个矩形温室里的蔬菜都可以充分利用到
，使之健康成长。
二、问题的分析
由题意可知，目的就是为了建立一种模型，解决杀虫剂的量的多少，使用时间，频率，从而使成本与产量达到所需要的目的。
问题一中，首先建立病虫害与生长作物之间的关系。
在这个问题中，顺理成章的就会想到类似的人口模型，因此，利用所学过的类似的人口模型建立题中的生长作物与病虫害的模型，然后根据题中说给的数据，分别求解出中华稻蝗和稻纵卷叶螟对生长作物的综合作用。
而问题二，数据拟合的方法进行求解，以问题一的中华稻蝗对生长作物的危害为条件，求解出锐劲特的最佳使用量。
问题三，采用线性回归的方法，求解出生长作物的产量与
的浓度和使用时间的综合效应。
从而求解出对农作物生长的最佳
浓度和时间，进而求解出使用的频率。
问题四中，采用气体的扩散规律和速度，将其假设为一个箱式模型，从而不知管道，是一个房间里的各个地方都能充分利用到
杀毒。
最后，根据网上提供的知识，再结合自己的亲身体验，写出杀虫剂的可行性方案。
三、建模过程
1）问题一
模型假设：
1.在实验中,除施肥量,其它影响因子如环境条件、种植密度、土壤肥力等,均处于同等水平
2.在实际问题中,产量受作物种类、植株密度、气候条件以及害虫对杀虫剂的抵抗等各种因素的作用，而忽略以上各种因素的影响，仅仅考虑杀虫剂的种类和量的多少对生长作物的影响。
3.忽略植物各阶段的生长特点对杀虫剂的各种需求量。
4.农药是没有过期的，有效的。
5.忽略病虫的繁殖周期以及各阶段的生长情况，将它以为是不变的生长速率。
2.定义符号说明：
x——单位面积内害虫的数量 y——生长作物的减产率
3.模型建立：
虫害与生长作物的模型，大致类似人口模型，因此，可以用人口模型的一些知识进行求解，对于虫害与生长作物的关系，依然将其类比于指数函数。
中华稻蝗的密度大小，由于中华稻蝗成取食水稻叶片，造成缺刻，并可咬断稻穗、影响产量，所以主要影响的是穗花被害率，最终影响将产率，所以害虫的密度，直接反映出减产率的大小，故虫害的密度与减产率有必然的关系。
通过密度与减产率的图形可知
x=[0310203040];
y=[02.412.916.320.126.8];
plot（x,y）
gridon
xlabel（'中华稻蝗密度'）;
ylabel（'减产率'）;
title（'中华稻蝗密度与减产率的关系图'）
经过多次采用不同方法拟合之后，发现其大致类似于指数函数，其验证了之前的假设。
4.模型求解：
表1中华稻蝗和水稻作用的数据
密度（头/m2）
穗花被害率（%）
结实率（%）
千粒重（g）
减产率（%）
0
—
94.4
21.37
—
3
0.273
93.2
20.60
2.4
10
2.260
92.1
20.60
12.9
20
2.550
91.5
20.50
16.3
30
2.920
89.9
20.60
20.1
40
3.950
87.9
20.13
26.8
按以下程序拟合，减产率y的大小事按照自然状态下的产量减去有虫害的影响的减产。
则考虑一亩地里有
x=2000/3*[310203040]';
b=ones（5,1）;
y=[780.8696.8669.6639.2585.6]';
z=log（y）-b*log（780.8）;
r=x\z
可得：
r=-1.0828e-005
则
（
）
故
即中华稻蝗对水稻产量的函数为
由于稻纵卷叶螟为害特点是以幼虫缀丝纵卷水稻叶片成虫苞，幼虫匿居其中取食叶肉，仅留表皮，形成白色条斑，致水稻千粒重降低，秕粒增加，造成减产而稻纵卷叶螟的作用原理是致水稻千粒重降低，秕粒增加，造成减产，故稻纵卷叶螟的密度，直接而影响卷叶率，以及空壳率，从而影响产量的损失率。
密度（头/m2）
产量损失率（%）
卷叶率（%）
空壳率（%）
3.75
0.73
0.76
14.22
7.50
1.11
1.11
14.43
11.25
2.2
2.22
15.34
15.00
3.37
3.54
15.95
18.75
5.05
4.72
16.87
30.00
6.78
6.73
17.10
37.50
7.16
7.63
17.21
56.25
9.39
14.82
20.59
75.00
14.11
14.93
23.19
112.50
20.09
20.40
25.16
通过以上数据可知，虫害的密度与产量之间有必然的联系，通过这两组数据的图像
x=2000/3*[3.757.5011.2515.018.753037.5056.2575112.5];
y=[794.16791.12782.4770.96759.6745.76742.72724.88687.12639.28];
plot（x,y）
gridon
xlabel（'稻纵卷叶螟密度'）;
ylabel（'减产率'）;
title（'稻纵卷叶螟虫害与其减产率的关系图'）
可推测出其大致也是符合指数函数，故用指数函数的拟合可得
x=2000/3*[3.757.5011.2515.018.753037.5056.2575112.5]';
b=ones（10,1）;
y=[794.16791.12782.4770.96759.6745.76742.72724.88687.12639.28]';
z=log（y）-b*log（794.16）;
r=x\z
经拟合可得r=-2.8301e-006
所以，水稻的产量与稻纵卷叶螟之间的关系有
2）问题二
1.基本假设：
1.在一亩地里，害虫密度不同的地方，相应使用不同量的锐劲特，可以使害虫的量减少到一个固定的值，则产量也会是一个定值，故其条件类似于问题一的模型。
2.在实验中,除施肥量,其它影响因子如环境条件、种植密度、土壤肥力等,均处于同等水平
3.在实际问题中,产量受作物种类、植株密度、气候条件以及害虫对杀虫剂的抵抗等各种因素的作用，而忽略以上各种因素的影响，仅仅考虑杀虫剂的种类和量的多少对生长作物的影响。
4.忽略植物各阶段的生长特点对杀虫剂的各种需求量。
5.忽略病虫的繁殖周期以及各阶段的生长情况，将它以为是不变的生长速率。
6.锐劲特符合农药的使用理论：
农药浓度大小对作物生长作用取决于其浓度大小，在一定范围内，随着浓度的增大促进作用增大，当大于某一浓度，开始起抑制作用。
7.该过程中虚拟的害虫为问题一中的中华稻蝗。
2.定义符号说明：
a——使用锐劲特前害虫的密度 b——使用锐劲特之后害虫的密度
y——生长作物的产量 w——锐劲特在植物内的残留量
w1——所给下表中残留量的数据 t——施肥后的时间
z——每亩地水稻的利润 q——每次喷药的量
p——总的锐劲特的需求量 T——农药使用的次数
3.模型建立：
表3农药锐劲特在水稻中的残留量数据
时间/d
1
3
6
10
15
25
植株中残留量
8.26
6.89
4.92
1.84
0.197
0.066
上表给出了锐劲特在植物体内残留量随时间变化的关系，利用以下程序：
t=[136101525];
W1=[8.286.894.921.840.1970.066];
plot（t,w1）
gridon
tlabel（'时间t'）;
w1label（'农药残留量'）;
title（'农药残留量和时间的关系'）
可得：
其图像经多种方式拟合可知，其经二次函数拟合的偏差最小，
t=[136101525];
w1=[8.286.894.921.840.1970.066];
w=0.0238*t.^2-0.9719*t+9.4724;
plot（t,w1,t,w）
gridon
tlabel（'时间t'）;
wlabel（'原始数据和拟合后数据残留量'）;
title（'农药锐劲特在水稻中的残留量'）
可得：
4．模型求解：
由以上程序可知，锐劲特在生长作物体内的残留量与时间之间的关系有：
于是，每次需要的药量为
对其在五个月内使用农药次数求定积分即为总的锐劲特的需求量：
由于之前假设可知，其产量大致趋于某一个固定的值，故，用问题一的结论可知：
产量
故 利润
升级会员 