一般来说，数学建模是和生活实际紧密结合的，那么，生活中有哪些问题，数学建模题型就可以分为哪几个大类。下面具体对于数学建模的赛题进行归类分析：
（1）预测类问题：未来的情况往往可以根据当前的一些量予以推测和判断，这些当前的量再加上失去发展的机制，就能够推算出未来可能的情况。预测的方法有很多，大多是前人总结的经典模型，可以拿来直接套用，而自己推断事物发展的机制进行算法设计然后预测有时候能够更加真实地反映未来的可能趋势，当然，有的模型根据事物发展的机理，有的直接通过数据分析的手段，这些都是可行的，关键看你有没有定量地把握事物的本质。
（2）优化类问题：我们常常需要对某些行为进行决策，这些是我们可以控制的因素，这些因素一般来说会定量化地影响我们的某些目标值，比如投入决定产出，价格决定销量等等。这时，如何确定我们的决策变量，进而使得我们的目标值达到最优就是我们利用数学模型来解决的问题。
（3）评价类问题：每个行业都有它的评价标准和准则，那么这些标准应该有其自身的形成机制，数学模型就是形成这一机制的方法。如何根据成分指标评价一瓶葡萄酒？如何根据员工表现评价年终奖评定？如何评价一名NBA球员在球场上的效率？这些问题都需要设计评价算法来对这些对象进行评价。数学模型的评价方法的一个优势在于，它能够最大程度上客观地反映被评价对象的优劣程度以及符合评价指标的多少，能够体现公平的原则。
上面的是笼统的分类，如果站在数学专业的角度，数学模型可以分为以下几个大类：
（1）线性和非线性模型。线性模型中各量之间的关系是线性的，可以应用叠加原理，即几个不同的输入量同时作用于系统的响应，等于几个输入量单独作用的响应之和。线性模型简单，应用广泛。非线性模型中各量之间的关系不是线性的，不满足叠加原理。在允许的情况下，非线性模型往往可以线性化为线性模型，方法是把非线性模型在工作点邻域内展成泰勒级数，保留一阶项，略去高阶项，就可得到近似的线性模型。
（2）静态和动态模型。静态模型是指要描述的系统各量之间的关系是不随时间的变化而变化的，一般都用代数方程来表达。动态模型是指描述系统各量之间随时间变化而变化的规律的数学表达式，一般用微分方程或差分方程来表示。
（3）连续时间和离散时间模型。模型中的时间变量是在一定区间内变化的模型称为连续时间模型，上述各类用微分方程描述的模型都是连续时间模型。在处理集中参数模型时，也可以将时间变量离散化，所获得的模型称为离散时间模型。离散时间模型是用差分方程描述的。
（4）参数与非参数模型。用代数方程、微分方程、微分方程组以及传递函数等描述的模型都是参数模型。建立参数模型就在于确定已知模型结构中的各个参数。通过理论分析得出参数模型。非参数模型是直接或间接地从实际系统的实验分析中得到的响应，例如通过实验记录到的系统脉冲响应或阶跃响应就是非参数模型。运用各种系统辨识的方法，可由非参数模型得到参数模型。
（5）分布参数和集中参数模型。分布参数模型是用各类偏微分方程描述系统的动态特性，而集中参数模型是用线性或非线性常微分方程来描述系统的动态特性。在许多情况下，分布参数模型借助于空间离散化的方法，可简化为复杂程度较低的集中参数模型。
下面介绍2000—2015年共16年全国大学生数学建模竞赛的赛题情况：
表1-1 全国大学生数学建模竞赛的赛题
续表
续表(www.xing528.com)
续表
续表
从问题的实际意义分析：大体上可以分为工业、交通、经管、生物医学、天文地理、生活实例六个大类，其中各大类所占比例比如下图：
表1-2 历年赛题中按实际意义各类题目所占
续表
从问题的类型上分析，主要有优化问题、线性方程、评价问题、预测问题、拟合问题、分配问题、统计问题七个大类，其中各大类所占比例比如下图：
表1-3 历年赛题中问题的类型各类题目所占比
从近几年的竞赛题目来看，题目的水平在不断提高、难度在增加、实用性在增强；特别是综合性和开放性也在增强，这是一大潮流，从发展趋势上来看，有逐步走向国际化的趋势，同国际接轨是必然的；随着计算机技术和工具软件功能的增强，数据信息量也在逐步地增大，这也是现代应用的特点之一。这些变化都为我们提出了更高的要求，我们应该怎么办，如何应对？值得我们研究和思考！
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
