数据实体如何建模?
数据建模:软件开发中非常重要的部分,是概要设计阶段必须完成的工作. 数据建模要能够分析出项目中使用的实体、确定多个实体之间的关系.
数学建模方法和步骤
数学建模的主要步骤:
第一、 模型准备
首先要了解问题的实际背景，明确建模目的，搜集必需的各种信息，尽量弄清对象的特征。
第二、 模型假设
根据对象的特征和建模目的，对问题进行必要的、合理的简化，用精确的语言作出假设，是建
模至关重要的一步。如果对问题的所有因素一概考虑，无疑是一种有勇气但方法欠佳的行为，所以
高超的建模者能充分发挥想象力、洞察力和判断力，善于辨别主次，而且为了使处理方法简单，应
尽量使问题线性化、均匀化。
第三、 模型构成
根据所作的假设分析对象的因果关系，利用对象的内在规律和适当的数学工具，构造各个量间
的等式关系或其它数学结构。这时，我们便会进入一个广阔的应用数学天地，这里在高数、概率老
人的膝下，有许多可爱的孩子们，他们是图论、排队论、线性规划、对策论等许多许多，真是泱泱
大国，别有洞天。不过我们应当牢记，建立数学模型是为了让更多的人明了并能加以应用，因此工
具愈简单愈有价值。
第四、模型求解
可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法，
特别是计算机技术。一道实际问题的解决往往需要纷繁的计算，许多时候还得将系统运行情况用计
算机模拟出来，因此编程和熟悉数学软件包能力便举足轻重。
第五、模型分析
对模型解答进行数学上的分析。”横看成岭侧成峰，远近高低各不?quot;，能否对模型结果作
出细致精当的分析，决定了你的模型能否达到更高的档次。还要记住，不论那种情况都需进行误差
分析，数据稳定性分析。
数学建模采用的主要方法有：
（一）、机理分析法：根据对客观事物特性的认识从基本物理定律以及系统的结构数据来推导出模
型。
1、比例分析法：建立变量之间函数关系的最基本最常用的方法。
2、代数方法：求解离散问题（离散的数据、符号、图形）的主要方法。
3、逻辑方法：是数学理论研究的重要方法，对社会学和经济学等领域的实际问题，在决策，对策
等学科中得到广泛应用。
4、常微分方程：解决两个变量之间的变化规律，关键是建立“瞬时变化率”的表达式。
5、偏微分方程：解决因变量与两个以上自变量之间的变化规律。
（二）、数据分析法：通过对量测数据的统计分析，找出与数据拟合最好的模型
1、回归分析法：用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n，确定函数的表达式，由
于处理的是静态的独立数据，故称为数理统计方法。
2、时序分析法：处理的是动态的相关数据，又称为过程统计方法。
3、回归分析法：用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n，确定函数的表达式，由
于处理的是静态的独立数据，故称为数理统计方法。
4、时序分析法：处理的是动态的相关数据，又称为过程统计方法。
（三）、仿真和其他方法
1、计算机仿真（模拟）：实质上是统计估计方法，等效于抽样试验。①离散系统仿真，有一组状
态变量。②连续系统仿真，有解析表达式或系统结构图。
2、因子试验法：在系统上作局部试验，再根据试验结果进行不断分析修改，求得所需的模型结构
。
3、人工现实法：基于对系统过去行为的了解和对未来希望达到的目标，并考虑到系统有关因素的
可能变化，人为地组成一个系统。
什么叫信息建模？
在信息集成中，数据通常是面向主题进行组织的。主题是在较高层次上将企业信息系统中的数据进行归并的抽象，是对分析对象的数据的一个完整的、一致的描述，体现出分析对象的各项数据及其相互联系。根据分析的要求，概括各个分析领域的分析对象，就可以综合出各个主题，然后从各主题的角度去观察各个应用子系统中的有关信息，滤除主题流动的外在形式，抓住其静态内容，结合分析需求，逐步确立各主题应包含的基本内容即主题的模式和所涉及的属性、数据变量，从而确定了主题。
在信息集成中，数据通常是面向主题进行组织的。主题是在较高层次上将企业信息系统中的数据进行归并的抽象，是对分析对象的数据的一个完整的、一致的描述，体现出分析对象的各项数据及其相互联系。根据分析的要求，概括各个分析领域的分析对象，就可以综合出各个主题，然后从各主题的角度去观察各个应用子系统中的有关信息，滤除主题流动的外在形式，抓住其静态内容，结合分析需求，逐步确立各主题应包含的基本内容即主题的模式和所涉及的属性、数据变量，从而确定了主题。
主题包括两方面的内容:
主题的固有信息是对该主题的属性的描述信息，如商品的颜色、类别、产地、类型等；主题的业务信息是对该主题在各类业务中的流动信息的描述，如商品的销售信息、商品的员工信息等。面向主题的数据组织是将原来的按应用进行组织的关系模式重新以面向主题的方式加以改造，是按照确定的主题及其模式，从面向应用的各子系统中抽取出相应的数据，形成关于该主题的全局一致的企业模式和信息集合，以便在此基础分析该主题的相关信息，从面向主题的角度观察原有的数据。在信息集成中，主题通常由一组关系表实现。
目前，有两种不同的数据建模方法可以满足信息集成数据建模的需要实体关系模型、维度建模、ERM建模由于ERM可用于理解和简化商业领域和复杂系统环境中的模糊数据关系，因此它是一种抽取工具。图1显示了一个简单的ERM。ERM建模方法可使用以下两个基本概念产生特定兴趣领域的数据模型：
实体
实体之间的关系
实体可定义为人、地点、事情，以及商业或组织的相关事件，例如”产品”，如图1所示。实体代表一类对象，它们是现实世界中可以按属性和特征进行观察和分类的一些事物。
关系描述模型中各实体之间的结构性交互和关联显示了实体间的相关性。例如，图1中，箭头从”产品”指向”订单”。箭头每一端的数字定义了关系的基数，本例中为1对n（或1对多）。
关于数学建模数据分析的方法
建议使用层次分析法,就是将指标通过专家打分,分别赋权重,然后构造一个指标函数,在通过Spss或其他统计软件,进行求解. 模型的建立:目标函数的建立,以第一个,即经济效益为例,你可以查阅经济书本,找到这些指标同经济效益的关系,来建立函数,一般是线性模型; 模型的求解: 你先用Spss,进行这5个指标的因子分析,得到贡献率高的因子,并得到它的权重系数,这就是你指标函数的权重值,这样你的指标函数就求出来了; 接着你可以用其他软件(一般我用matlab),将具体历年的数据代入指标函数,得到理念的经济效益值,最后做一个历年效益数据分析. 理论就是这样,实际就要自己操作了.
什么叫做建模?
就是建立模型
什么叫数学建模?
数学建模(Mathematical Modeling)就是人们关于实际问题建立数学模型的全过程(包括问题的表述、求解、解释、检验等).
什么是数学建模
数学建模就是用数学语言描述实际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包涵抽象的现象比如顾客对某种商品所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容。 我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。 数学模型一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录像，比喻，传言等等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。 数学是研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和各种各样的应用问题紧密相关的。数学的特点不仅在于概念的抽象性、逻辑的严密性，结论的明确性和体系的完整性，而且在于它应用的广泛性，进入20世纪以来，随着科学技术的迅速发展和计算机的日益普及，人们对各种问题的要求越来越精确，使得数学的应用越来越广泛和深入，特别是在即将进入21世纪的知识经济时代，数学科学的地位会发生巨大的变化，它正在从国或经济和科技的后备走到了前沿。经济发展的全球化、计算机的迅猛发展，数学理伦与方法的不断扩充使得数学已经成为当代高科技的一个重要组成部分和思想库，数学已经成为一种能够普遍实施的技术。培养学生应用数学的意识和能力已经成为数学教学的一个重要方面。 应用数学去解决各类实际问题时，建立数学模型是十分关键的一步，同时也是十分困难的一步。建立教学模型的过程，是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料，观察和研究实际对象的固有特征和内在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分折和解决问题。这就需要深厚扎实的数学基础，敏锐的洞察力和想象力，对实际问题的浓厚兴趣和广博的知识面。数学建模是联系数学与实际问题的桥梁，是数学在各个领械广泛应用的媒介，是数学科学技术转化的主要途径，数学建模在科学技术发展中的重要作用越来越受到数学界和工程界的普遍重视，它已成为现代科技工作者必备的重要能力之。
