分布參數(shù)和集中參數(shù)模型

分布參數(shù)模型是用各類偏微分方程描述系統(tǒng)的動態(tài)特性，而集中參數(shù)模型是用線性或非線性常微分方程來描述系統(tǒng)的動態(tài)特性。在許多情況下，分布參數(shù)模型借助于空間離散化的方法，可簡化為復(fù)雜程度較低的集中參數(shù)模型。

連續(xù)時間和離散時間模型

模型中的時間變量是在一定區(qū)間內(nèi)變化的模型稱為連續(xù)時間模型，上述各類用微分方程描述的模型都是連續(xù)時間模型。在處理集中參數(shù)模型時，也可以將時間變量離散化，所獲得的模型稱為離散時間模型。離散時間模型是用差分方程描述的。

過程模型

在研究質(zhì)點運動時，如勻速直線運動、勻變速直線運動、勻速圓周運動、平拋運動、簡諧運動等；在研究理想氣體狀態(tài)變化時，如等溫變化、等壓變化、等容變化、絕熱變化等；還有一些物理量的均勻變化的過程，如某勻強磁場的磁感應(yīng)強度均勻減小、均勻增加等；非均勻變化的過程，如汽車突然停止都屬于理想的過程模型。

模型是對實際問題的抽象，每一個模型的建立都有一定的條件和使用范圍。學(xué)生在學(xué)習(xí)和應(yīng)用模型解決問題時，要弄清模型的使用條件，要根據(jù)實際情況加以運用。比如一列火車的運行，能否看成質(zhì)點，就要根據(jù)質(zhì)點的概念和要研究的火車運動情況而定，在研究火車過橋所需時間時，火車的長度相對于橋長來說，一般不能忽略，所以不能看成質(zhì)點；在研究火車從北京到上海所需的時間時，火車的長度遠(yuǎn)遠(yuǎn)小于北京到上海的距離，可忽略不記，因此火車就可以看成為質(zhì)點。

模型假設(shè)

根據(jù)對象的特征和建模目的，對問題進行必要的、合理的簡化，用的語言作出假設(shè)，是建模至關(guān)重要的一步。如果對問題的所有因素一概考慮，無疑是一種有勇氣但方法欠佳的行為，所以高超的建模者能充分發(fā)揮想象力、洞察力和判斷力，善于辨別主次，而且為了使處理方法簡單，應(yīng)盡量使問題線性化、均勻化。

模型構(gòu)成

根據(jù)所作的假設(shè)分析對象的因果關(guān)系，利用對象的內(nèi)在規(guī)律和適當(dāng)?shù)臄?shù)學(xué)工具，構(gòu)造各個量間的等式關(guān)系或其它數(shù)學(xué)結(jié)構(gòu)。這時，我們便會進入一個廣闊的應(yīng)用數(shù)學(xué)天地，這里在高數(shù)、概率老人的膝下，有許多可愛的孩子們，他們是圖論、排隊論、線性規(guī)劃、對策論等許多許多，真是泱泱大國，別有洞天。不過我們應(yīng)當(dāng)牢記，建立數(shù)學(xué)模型是為了讓更多的人明了并能加以應(yīng)用，因此工具愈簡單愈有價值。

模型求解

可以采用解方程、畫圖形、證明定理、邏輯運算、數(shù)值運算等各種傳統(tǒng)的和近代的數(shù)學(xué)方法，特別是計算機技術(shù)。一道實際問題的解決往往需要紛繁的計算，許多時候還得將系統(tǒng)運行情況用計算機模擬出來，因此編程和熟悉數(shù)學(xué)軟件包能力便舉足輕重。

模型分析

對模型解答進行數(shù)學(xué)上的分析?！睓M看成嶺側(cè)成峰，遠(yuǎn)近高低各不同"。能否對模型結(jié)果作出細(xì)致精當(dāng)?shù)姆治?，決定了你的模型能否達(dá)到更高的檔次。還要記住，不論那種情況都需進行誤差分析，數(shù)據(jù)穩(wěn)定性分析。

模型檢驗

把數(shù)學(xué)上分析的結(jié)果翻譯回到現(xiàn)實問題，并用實際的現(xiàn)象、數(shù)據(jù)與之比較，檢驗?zāi)Ｐ偷暮侠硇院瓦m用性。