2种建模方法(建模的两种方法)
1.建模的两种方法
建模的两种方法：
方法 1、机理法建模
根据生产过程中实际发生的变化机理，写出各种 有关的平衡方程
如：物质平衡方程；能量平衡方程；动量平衡方程 以及反映流体流动、传热、传质、化学反应等基本 规律的运动方程，物性参数方程和某些设备的特性 方程等，从中获得所需的数学模型。
用机理法建模的首要条件是生产过程的机理必须为人们充分掌握，可以比较确切的加以数学描述。模型应该尽量简单，保证达到合理的精度。用机理法建模时，出现模型中某些参数难以确 定的情况或用机理法建模太烦琐。 可以用测试的方法来建模。
方法2、测试法建模
根据工业过程的输入和输出的实测数据进行数学 处理后得到的模型。特点是把被研究的工业过程视为一个黑匣子，完 全从外特性上测试和描述它的动态性质，不需要深 入掌握其内部机理。为了获得动态特性，必须使被研究的过程处于 被激励的状态，施加一个阶跃扰动或脉冲扰动 等。用测试法建模一般比用机理法建模要简单和省 力，如果两者都能达到同样的目的，一般都采用测试法建模。
2.3dmax的建模方法有几种
3D建模方法基本上有6大类：基础建模，符合建模，suface toods建模，多边形建模，面片建模，NURBS建模。
1.【基础建模】适用于大多数，包括对几何体的编辑和样条线的编辑。
2.【复合建模】一般用在特殊情况，使建模更快，可以图形合并，例如布尔等。
3.【suface toods建模】是通过先建立外轮廓来完成，适用于用多边型比较慢比较麻烦的时候。
4.【多边形建模】很强大，基本所有建模都会用到，可以是一个体开始转多边形，也可以一个面转多边形，做圆滑物体的时候还可以配合圆滑使用，做一些生物或是曲面很强的东西的时候，一般都是先用一个BOX或是plan开始转多边形，然后开始构造。
5.【面片建模】比其他多了几个可调节轴，所以在处理圆滑效果的时候可以手工处理，更随心。
6.【NURBS建模】一般用于做曲面物体。
3.数学建模的方法有哪些
1. 预测模块：灰色预测、时间序列预测、神经网络预测、曲线拟合（线性回归）；
2. 归类判别：欧氏距离判别、fisher判别等 ；
3. 图论：最短路径求法 ；
4. 最优化：列方程组 用lindo 或 lingo软件解 ；
5. 其他方法：层次分析法 马尔可夫链 主成分析法 等 。
建模常用算法，仅供参考：
1. 蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决 问题的算法，同时间=可以通过模拟可以来检验自己模型的正确性，是比赛时必 用的方法） 。
2. 数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数 据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具） 。
3. 线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多 数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通 常使用Lindo、Lingo 软件实现） 。
4. 图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算 法，涉及到图论的问题可以用这些方法解决，需要认真准备） 。
5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算 法设计中比较常用的方法，很多场合可以用到竞赛中） 。
6. 最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些 问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助， 但是算法的实现比较困难，需慎重使用） 。
7. 网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很 多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种 暴力方案，最好使用一些高级语言作为编程工具） 。
8. 一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计 算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替 积分等思想是非常重要的） 。
9. 数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分 析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编 写库函数进行调用） 。
10. 图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文 中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问 题，通常使用Matlab 进行处理）。
4.3D软件中主要有几种建模方法
分为NURBS曲面建模和Poly多边形网格建模
曲面三维建模软件有：UG,Catia,Creo,Solidworks,AutoCAD……
网格三维建模软件有：3DCoat,ZRrush,Blender,3dmax,C4D,maya……
曲面多用于机械，模具，钣金。
网格多用于浮雕
5.3DMAX有几种建模方式
我一般都是先建一个长方体，然后反转法线，接着在长方体里面放一个泛光灯光，建立摄像机（摄像机要放到长方体的里面，高度一般在1200），选中长方体，点鼠标右键，往下，有一个选项里面有扩展命令，点转换成多边形，然后，就可以在这个房间里面加点，加线，用挤出，桥。。得到你需要的内墙的形状。
至于你说的木线条和石膏线，如果你指的是地板，墙线之类的话，用贴图就可以解决了，如果，想要凹凸的感觉就在贴图中加一个凹凸贴图就可以了。
其他家具，网上可以下的，在文件那个选项里，有一个合并，用那个把家具合并进去就可以了。
如果，你看不懂我在说什么的话，你最好到网上找一下教程，其实做室内很简单的。
加油喽~~~
6.数学建模有哪些方法
一、机理分析法 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 从大量的观测数据利用统计方法建立数学模型。
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。
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。
7.3Dmax中的基本建模方式有几种
1，基础建模，包括对几何体的编辑和样条线的编辑。
2，复合建模，象什么布儿啊之类
3,suface toods建模，先建立外轮廓来完成
4，多边行建模，很强大！
5，面片建模
6,NURBS建模
这6种方法应该差不多囊括完了3D的方法，1，基础，大多数规则都可以建立
2，复合，用在特殊情况，使建模更快，图形合并，布儿这些，你考虑一下
3,suface toods 外表有规则可寻，用多边型比较慢比较麻烦的时候
4，多边形，这个功能太好用了！我都不知道哪里可以不用它，你可以是一个体开始转多边形，也可以一个面转多边形，倒来倒去的时候快乐无穷，做圆滑物体的时候还配合圆滑使用。做一些生物或是曲面很强的东西，一般都是一个BOX或是plan开始转多边形，然后开始构造！
5.面片，因为多了几个可调节轴，所以使圆滑可以自己手工处理
6,NURBS，基本上不用自带的，以前用来做曲面物体。
差不多已经概括完了！
8.数学建模的几种方法
1、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算
法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法）
2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要
处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具）
3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题
属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、
Lingo软件实现）
4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉
及到图论的问题可以用这些方法解决，需要认真准备）
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计
中比较常用的方法，很多场合可以用到竞赛中）
6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是
用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实
现比较困难，需慎重使用）
7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛
题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好
使用一些高级语言作为编程工具）
8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只
认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的）
9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常
用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）
10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该
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析和解决问题。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。
