数学建模-从旅游业看上海世博会影响力.doc

.从旅游业看上海世博会影响力摘 要本论文研究的是定量评估上海世博会影响力的问题。为此从旅游业这个侧面着眼。逐步建立对上海经济效益，对长三角旅游业的影响力，进而延伸至全国对GDP的影响力的相关模型。模型一：通过旅游对经济效益的影响作为目标层，以对旅游业包含的其他行业为准则层，以旅游业经济增长明显，旅游业经济增长不明显，旅游业经济负增长为方案层，建立层次分析模型。借助Mathmatic软件得到总排序权重W3=0.355437,0.43398,0.210578，表明世博期间旅游业对经济增长影响呈明显相关。也认证了选取旅游业作为世博会影响力的一个侧面是合理的。模型二：运用灰色关联分析体系，从影响旅游业的六个方面出发，寻找上海对江苏，浙江2010年上半年旅游业的的关联系数，确定世博会在带动上海旅游业的同时也对长三角洲地区带来了旅游方面的辐射作用。其中由于数据的缺失，通过拟合建立了一个小的预测模型2.1，并通过一致性检验证明其合理性。模型三：从旅游业的旅游外汇收入方面研究它对全国GDP的影响，根据1994至2003年运用线性回归预测模型，并用标准差检验，模型拟合优度检验和显著性检验说明此模型的正确性，通过预测数值与实际数值的差距推断值2002年宣布世博会在上海开办和2003年的非典限制旅游的原因下，上海世博会旅游对国名经济的影响力。关键词：层次分析法 灰色关联系数 预测模型 拟合 一致性检验一、问题重述1.1背景导入中国2010年上海世界博览会（Expo 2010），是第41届世界博览会。于2010年5月1日至10月31日期间，在中国上海市举行。此次世博会也是由中国举办的首届世界博览会。上海世博会以“城市，让生活更美好”（Better City, Better Life）为主题，总投资达450亿人民币，创造了世界博览会史上最大规模记录。这是我国第一次举办世界博览会，投资与建设的巨大消耗都不禁使人们更加关注此次上海世博会的影响力。1.2问题2010年上海世博会是首次在中国举办的世界博览会。从1851年伦敦的“万国工业博览会”开始，世博会正日益成为各国人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。请你们选择感兴趣的某个侧面，建立数学模型，利用互联网数据，定量评估2010年上海世博会的影响力。1.3 问题分析选择感兴趣的一个面，在本文选择了旅游在世博会期间或者因为世博会而产生的效应时间里建立相应的影响力。1查找一些媒体新闻会发现随着世博会在上海的举行，上海的旅游业及其相关产业收益都有所提高，从而先从上海本地出发确定世博会旅游对经济的影响力。一些数据列成的图标里直观的反映出来。如附表1对上海近两年5,6,7月旅游状况的比较。再通过层次分析法确定世博期间旅游业对经济增长影响呈明显相关。2，在影响市内后放宽眼界，看到对周边地区的影响。设想上海世博会带来的旅游热辐射到长三角，通过数据的找寻可发现用2010年上半年的旅游数据联系影响旅游业的指标，从而发现关联系数，表明影响力。 3，通过发现旅游业对上海本地和周边三角洲地区的影响，进而推至全国。分析1994至2003旅游业中指数的一种旅游外汇收入与GDP的关系，从而确定预测与实际旅游业直接和GDP数值的模型，确定影响力。二、名词定义和符号的说明名词定义：影响旅游业指标：包含旅游人数（入境旅游人数+出境人数+国内旅游人数），国际旅游(外汇)收入，国内旅游收入，国际旅行社，国内旅行社，星级饭店。符号说明：A：准则层对目标层的成对比矩阵：方案层对准则层的成对比矩阵：最大特征值：对应的权向量,一次性指标CR：一致性指标的比率：关联度：分辨系数ZB1：上海数据均值化ZB2：江苏数据均值化ZB3：浙江数据均值化：预测GDP的总值：预测旅游总花费：实际GDP的总值：实际旅游总耗费:判定系数：国内生产总值偏差S：标准差三、模型假设1，自网上查找的信息均是可靠的。2，上海世博会影响力不只局限于举办时期，可延伸至申办成功后至举行前及举行前到结束后。3，对模型二中旅游业对上海，浙江，江苏设定的指标只受模型中的所给定的指标影响。4，旅游人数与其城市地区的人口容纳量无关，即旅客的满意度不考虑坏境的容纳量影响。5，外汇的收入在03至08年间不考虑其他因素（例如北京奥运会）对它的影响。只考虑上海世博会对GDP的影响。四、模型建立及求解1.模型一:通过层次分析法建立数学模型,并以此确定世博会对旅游业经济的影响力明显，从而选择旅游业来定量评估2010年上海世博会的影响力。模型一的建立与之相关的层次结构模型：表4-1-1：层次结构图上海世博会对旅游业经济的影响力酒店业b航空业餐饮业零售业市内交通旅游业经济增长不明显旅游业经济增长明显旅游业经济出现负增长A.该层次结构模型共有三层:目标层(用符号表示最终的选择目标); 准则层(分别用符号表示“酒店”、“航空”、“餐饮”、“零售”、“市内交通”等五个判断准则)方案层(分别用符号表示旅游业经济增长不明显，旅游业经济增长明显，旅游业经济出现负增长). B.构造成对比较判断矩阵(1) 建立准则层对目标层的成对比较判断矩阵。根据：三大行业受益大世博会对上海经济有拉动应该是没有争议的，但是要测算出世博会对各个行业的拉动到底有多大，哪个行业受益更明显？在我们研究范围内，2010年世博会对酒店业影响最大，受益程度达34.3%，其他依次为航空业、零售业、餐饮业、市内交通业，受益程度分别为26.1%、14.8%、14.2%、10.1% 的定量化尺度，建立准则层对目标层的成对比较判断矩阵为：建立方案层对准则层的成对比较判断矩阵： （2）计算层次单排序权重向量并做一致性检验。求矩阵A的最大特征值及特征值所对应的特征向量，软件操作如附件2：得到A的最大特征值及其对应的特征向量x=0.709636,0.529343,0.259054,0.249983,0.294299归一化：得到归一化之后的的特征向量计算一致性指标故根据表4-1-2如下：表4-1-2：矩阵阶数分布图矩阵阶数1234567891011000.541.321.411.451.491.51得到相应的随机一致性指标从而得到一致性比率因 通过了一致性检验,即认为的一致性程度在容许的范围之内, 可以用归一化后的特征向量作为排序权重向量.C.再求矩阵B1=(j=1,2,3,4,5)的最大特征值特征值所对应的权向量（附件4）分别得出其最大特征值及其分别的权向量w1=0.36874,0.395542,0.235718w2=0.357392,0.455778,0.18683w3=0.314769,0.477913,0.207318w4=0.314769,0.477913,0.207318w5=0.390256,0.411444,0.1983计算一致性指标,其中则可以得到依表2得到相应的随机一致性指标计算一致性比率 相应可得到因,即认为的一致性程度在容许的范围之内, 可以用归一化后的特征向量作为其排序权重向量.D.计算层次总排序权重向量并做一致性检验上海世博会旅游业对经济的影响第三层对第二层的排序权重计算结果如下表：表4-1-3k123450.368740.3573920.3147690.3147690.3902560.3955420.4557780.4779130.4779130.4114440.2357180.186830.2073180.2073180.19833.012593.001983.000153.000153.00015以矩阵表示第三层对第二层的排序权重计算结果为即是第三层对第二层的权重向量为列向量组成的矩阵. 最下层(第三层)对最上层(第一层)的总排序权向量为为了计算上式,令：程序如附件6得到W3=0.355437,0.43398,0.210578为了对总排序权向量进行一致性检验, 计算（附件7）得出：=0.0045546再计算得到：最后计算可得= 0.028133因为 所以总排序权重向量符合一致性要求的范围.故旅游业经济增长对上海世博会的影响力显著。分析：由总排序权重W3=0.355437,0.43398,0.210578看出旅游业对上海经济的影响是显著的，但却不是世博会期间影响上海经济占主导的成分。模型二：通过互联网数据的查找得到2010年上半年上海，江苏，浙江入境旅游人数同比增长率，外汇收入同比增长率，出境人数同比增长率，国内旅游收入同比增长率，住宿出租率。用灰色关联分析体系的方法分别对那上海，江苏和浙江这三个地区进行关联系数的确定，明确在以上海为母指标，均值化处理后上海旅游与江苏浙江的关联程度。最终得到上海旅游对长三角洲地区存在影响力即上海旅游对周边地区的外泛效益的结论。表 4-2-1影响旅游业指标上海江苏浙江入境旅游人数同比增长率（%）33.116.616.1外汇收入同比增长率（%）？2018.2出境人数同比增长率（%）29.9843.253.2国内旅游收入同比增长率（%）？20.517.7国内旅游人数同比增长率（%）？15.215.6住宿出租率（%）14.895.24.6由表中的空格处我们得知上海的外汇收入同比增长率和国内旅游收入同比增长率，国内旅游人数同比增长率未知。此时我们通过建立小模型2-1：上海1998年至2009年国内旅游人数和国内旅游收入基本情况。年份国内旅游人数(万次)国内旅游收入(万元)19985834600.90219996219795.410120006433802.838420016470791.28120026797770.779820035630824.79520046346907.47820056805988.086200673271074.1382200777661225.4748200878421148.9995200984841313.3232通过EXCEL拟合出年份和国内旅游收入和国内旅游人数的相关关系图和趋势图通过拟合确定2010年的国内旅游收入和国内旅游人数，同比于2009年从而确定2010年国内旅游收入和国内旅游人数。大致估计出上半年上海的国内旅游收入同比增长率和国内旅游人数同比增长率，此假设前提是建立在2010年上半年的增长率与全年是一致的。根据拟合图形和方程最后得出2010年上半年上海国内旅游收入同比增长率30.78%，国内旅游人数同比增长率29.84%。对拟合的上面两个函数进行系数相关验证，用趋势方程与实际标准差之比的方法判断稳定性。得到国内旅游收入趋势与实际之比0.91，国内旅游人数0.89。基本通过检验。据此作为数据，得到上海，江苏，浙江影响旅游业指标并进行均值化处理：表4-2-2影响旅游业指标上海江苏浙江上海数据均值化（ZB1）江苏数据均值化(ZB2)浙江数据均值化(ZB3)入境旅游人数同比增长率%33.116.616.11.26420.82520.7703外汇收入同比增长率%18.52018.20.70660.99420.8708出境人数同比增长率%29.984512.14752.5456国内旅游收入同比增长率%30.7820.517.71.17561.01910.8469国内旅游人数同比增长率%29.843970.75560.7464出租率%14.86870.25850.2201则定义与在第k点的关联系数为：.其中为分辨系数，取01之间的数（一般地，取=0.10.5之间的数，通常取=0.5）与之间的关联度为: 求解过程如下：表4-2-3：江苏旅游业与上海旅游业的关联系数0.43910.50120.94030.69960.28760.50120.78880.83391.00240.50121.50360.43750.15660.50120.657810.38410.50120.88530.7430.31020.50120.81140.8106表4-2-4：浙江旅游业与上海旅游业的关联系数0.49390850.7001891.19409750.72389490.164212090.7001890.8644010911.400378470.7001892.100567470.411508370.32874190.7001891.02893090.840096350.39331730.7001891.09350630.79048570.34862290.7001891.04881190.8241717得到各个指标与母指标的关联程度系数如表4-2-3所示，表4-2-5:灰色评价体系关联系数表地区上海江苏浙江关联系数10.75410.765根据关联强度，当达到0,7以上就是显著相关了。而此时上海、江苏、浙江的关联系数均高于这一水平，反映出上海对江苏、浙江的旅游业产生很大的影响。而这可归纳为上海旅游业影响主要是因为世博会。也就是进一步说明世博会显著影响了浙江，江苏的旅游业。并联系附件8的长三角部分城市旅游经济联系强度。模型三;是有关上海世博会对中国的影响力，但是不能直接把世博会对中国的影响力表现出来。可是可以根据模型1中旅游业来定量的分析出上海世博会对中国的影响力。全国的影响力包括的影响，产业的影响，文化的影响，科技的影响，国际地位等等，其中占其中的大部分。而且像文化科技的影响不能够用旅游业直接按表现出来，故上海世博会对中国的影响就直接考虑旅游业对的影响力。旅游业的主要影响因素分为政府方面跟个人方面。在政府方面中有旅行社占其只要部分；在个人方面有入境旅游者的数量，国内旅游者的数量，旅游外汇收入等等，其中旅游外汇收入占其大部分。在上海世博会期间旅游业在政府方面中数据基本不会变，影响最大的是个人方面的，而在个人方面中影响最大的是旅游外汇收入。 1从1994年到2003年中，设国际旅游外汇收入值为x（自变量），设国内生产总值为y（因变量）。如表4-3-1表4-3-1年份旅游总花费（亿元 ）GDP的总值（亿元）19941023.5148108.519951375.759810.519961638.3870142.519972112.778060.819982391.1883024.319992831.9288479.220003175.5498000.520013522.37108068.220023878.36119095.720033442.27135174运用Excel对x，y两列数据作散点图分析，建立因果关系为y=kx+b.得出散点图形状如下：再根据其预测的函数制出下表4-3-2： 表4-3-2 单位：（亿元 ） 年份200320042005200620072008y1GDP的总值135174137246146055154864163673172482y2旅游总花费3442.274283.734600.922918.115235.35552.492003年到2008年的真实数据如下表： 表4-3-3 单位：（亿元 ）年份200320042005200620072008y1GDP的总值135174137246146055154864163673172482y2旅游总花费3442.274283.734600.924918.115235.35552.49年份200320042005200620072008y3GDP的总值135174159586.7184088.6213131.7259258.9302853.4y4旅游总花费3442.274710.715285.866229.77770.68749.3利用mathtype编辑公式： 可以得到如下表：表4-3-4200320042005200620072008真实值跟预测值GDP的差值y3-y1022340.738033.658267.795585.9130371.4真实值跟预测值旅游花费的差值y4-y20426.98684.941311.592535.33196.81故各年份的百分比如下表：表4-3-5p100.1399910.2066050.2733880.3686890.430477p200.090640.129580.2105380.3262680.365379从上可以明显看出每年的百分比都在不断的增加，那是因为在这期间是上海世博会开始对其影响的效果。（说明，表格中2003年比2002年少的原因不是其没有增长 而是由于一些其他因素对其影响例如2003年出现非典，故在分析旅游外汇收入跟GDP的总量分析中不用考虑一些其他的因素。）2.模型的参数估计运用Excel对国际旅游外汇收入和国内生产总值做一元线性回归分析可得到模型参数K1=8809,b1=40347;k2=317.19,b2=794.64;则建立回归方程为:；回归方程的经济意义:表示国际旅游外汇收入每增加一亿美元，国内生产总值将增加8809亿美元。说明国际旅游外汇收入的增加对国内生产总值的影响，国际旅游外汇收入的增加促使国内生产总值明显增长。3.模型检验（1）标准差检验由Excel得一元线性回归模型的估计标准差S=4389.431，= 74456.15，=5.90% t(n-2) 则拒绝原假设，t检验通过，即国际旅游外汇收入增加值对国内生产总值有显著性影响。即上海世博会对中国产业具有明显的影响力。所以从旅游业方面来定量的分析上海世博会的影响力是一种明智的选择。五、模型的评价与改进51 模型的评价511 模型的优点（1）用Mathematica5.0和Excel两个工具准确地对众多数据进行处理，在运用Mathematica5.0进行数据拟合时，得到了较理想化的曲线，具有一定的科学性。在模型2和模型3中有效地利用了这点。（2）模型间存在一根主线即旅游，在模型一和模型三中不仅用旅游这个方面作为解决影响力的工具，而且通过对结果的了解也证明了选取旅游这个侧面的合理性。（3）用一致性检验和模拟拟合优度检验完善了模型，证明了模型的适应性和合理性。5.1.2 模型的缺点（1）单纯通过对旅游的分析来判定上海世博会的影响力是远远不够的，因为上海世博会的影响力不光在旅游业方面。而且体现在经济、科学、文化、环境上。（2）数据分析不够全面，例如模型2中，分析上海世博会对长三角旅游业的影响局限在浙江，江苏这两个省市而非具体城市的比较。且部分数据难以找到，通过预测分析得来。5.2 模型的推广对于量化影响力的数学模型中从某一侧面来分析它对各个方面的影响力，而非仅仅局限于本题旅游业对于上海世博会在上海经济效益，长三角的辐射作用以及GDP的影响力发面。5.3模型的改进在模型的建立中，为了计算方便对一些不易确定的因素和对其影响较小的因素进行了剔除，从而简化了计算量、分析思路、为此，可以在建立一个模型把所有的可能因素都考虑进去，建立一个多因素的最优化模型。参考文献1秩名，主要统计指标解释，/tjsj/ndsj/2009/indexch.htm，2010年9月12日。2 邬学军 周凯 宋军全编著，数学建模竞赛辅导教程，浙江，浙江大学出版社，2009,8。3 杨桂元 黄己立主编，数学建模，安徽，中国科学技术大学出版社，2009,94 秩名，世博会带来消费1300亿 三大行业受益大，/njzq/xwzx/xwzq_template.jsp?docId=1308858&sub_top=yywd，2010年9月12日5秩名，市旅游局信息公开目录，/message/information/content/gov_bulletin_new3_2009.htm，2010年9月12日6秩名，旅游信息栏目，/zww/lyzl/lytj_list1.aspx，2010年9月12日7秩名，江苏旅游政务局，/。2010年9月12日8新华日报，江苏旅游收入上半年同比增两成 总收入2102.32亿，/dfpd/jiangsu/2010-07-16/content_583095.html，2010年9月12日。9秩名，上海统计年鉴，/2004shtj/tjnj/tjnj2008.htm，2010年9月12日10梁国业 廖建平编著，数学建模，北京，冶金工业出版社，2004，9附件附表1： 本市接待入境旅游者人数(人次)2009年5月2010年5月本月同比增长%本月同比增长%合计490005-11.92%71369945.7过夜人数442637-1.3262036040.15外国人365638-4.8151496440.83香港同胞3157520.594546243.98澳门同胞172939.86320385.25台湾同胞4367518.085673129.89外国人按主要客源国分(人次)国别本月同比增长%本月同比增长%日本71232-3.219740336.74菲律宾12450-0.81515021.69新加坡12584-3.61611128.03泰国54420.21772741.99印尼52114.07951382.56马来西亚11102-11.541678851.22韩国43647-10.695026715.17美国44553-8.176258340.47加拿大91165.061764193.52英国12781-11.571573523.11法国14483-17.452311359.59德国18059-4.492466636.59意大利6524-7.07901238.14俄罗斯4609-11.72656742.48澳大利亚10578-9.131558147.3新西兰1606-29.06259361.46注:仅按过夜外国人分旅游饭店客房平均出租率和平均房价项目本月同比增减值本月同比增减值1.出租率(%)51.2-9.0476.8525.7其中星级饭店48.76-1075.3726.6五星级49.63-14.7176.4126.8四星级47.34-9.8177.5230.2三星级48.33-7.7773.1324.8二星级51.39-6.9572.1120.7一星级53.49-10.6372.3218.82.平均房价(元/间天)465.03-19.16595.129.97其中星级饭店551.24-18.78707.3228.31五星级1034.86-23.45126422.14四星级505.85-23.39654.329.35三星级284.26-11.19364.0128.06二星级204.63-2.81247.8821.14一星级127.87-2.75146.8514.84注:出租率同比增减值计算单位为百分点,平均房价为百分比国际旅行社外联人数和接待人数(人)项目本月同比增长%本月同比增长%外联人数50053-6.819022980.27接待人数73828-5.3712469568.9其中:过夜人数67790-6.4210057348.36本市接待入境旅游者人数(人次)2009年6月2010年6月本月同比增长%本月同比增长%合计469343-6.90%75660061.2过夜人数411027-7.4773007677.62外国人336921-9.9858566173.83香港同胞3244310.4665294101.26澳门同胞1355-12.355709321.33台湾同胞403083.247341282.13国别本月同比增长%本月同比增长%日本68870-15.9312175976.8菲律宾99249.831696370.93新加坡13623-15.562530885.77泰国3084-24.3210473239.59印尼523125.0512829145.25马来西亚9952-19.9127769179.03韩国34418-14.685350355.45美国51118-8.477462645.99加拿大82063.311534486.99英国10902-15.271543141.54法国11246-18.782169292.99德国16599-7.162479849.39意大利5324-8.771000587.92俄罗斯3549-6.56559957.76澳大利亚9511-9.971654173.91新西兰1785-20.77295465.49注:仅按过夜外国人分旅游饭店客房平均出租率和平均房价项目本月同比增减值本月同比增减值1.出租率(%)51.62-4.9685.2333.61其中星级饭店49.36-5.9884.9235.56五星级51.94-10.183.5131.57四星级49.93-6.7986.1236.19三星级46.57-3.6185.3938.82二星级50.09-3.3183.6933.6一星级25.91-38.0484.958.992.平均房价(元/间天)496.61-17.84593.8926.46其中星级饭店553.48-16.82694.6625.51五星级987.76-21.441201.9221.68四星级505.11-24.34656.5329.98三星级296.13-11.05378.3327.76二星级197.44-11.32283.0643.37一星级126.77-2.73192.2651.66注:出租率同比增减值计算单位为百分点,平均房价为百分比国际旅行社外联人数和接待人数(人)项目本月同比增长%本月同比增长%外联人数43762-7.44116453166.11接待人数67621-3.9147595118.12其中:过夜人数62167-6.23128681106.99本市接待入境旅游者人数(人次)2009年7月2010年7月本月同比增长%本月同比增长%合计5423416.30%74932738.2过夜人数46260813.2867486345.88外国人38378614.4351679634.66香港同胞3141710.971658128.09澳门同胞135614.244351220.87台湾同胞460495.928205878.2外国人按主要客源国分(人次)国别本月同比增长%本月同比增长%日本10250631.6811343710.66菲律宾10815-8.771413030.65新加坡10189-4.171510048.2泰国3423-9.859012163.28印尼633020.0713210108.69马来西亚6986-11.314969114.27韩国384618.214512917.34美国4981312.056841537.34加拿大893817.961607579.85英国1408325.2813873-1.49法国1186011.461943063.83德国154921.831945725.59意大利622410.81807329.71俄罗斯401616.14550036.95澳大利亚94175.51680578.45新西兰1772-6.34304471.78注:仅按过夜外国人分旅游饭店客房平均出租率和平均房价项目本月同比增减值本月同比增减值1.出租率(%)54.99-3.8782.127.11其中星级饭店51.68-4.7380.8129.13五星级53.45-5.8977.2423.79四星级51.66-2.9280.8229.16三星级48.9-5.2883.734.8二星级55.41-5.0482.727.29一星级48-15.7280.1632.162.平均房价(元/间天)441.37-14.28570.9929.37其中星级饭店513.9-14.09672.0330.77五星级915.68-19.381120.4922.37四星级467.11-23.06632.7135.45三星级288.63-12.81424.0246.91二星级197.75-5.51283.3543.29一星级113.14-31.05211.5887.01注:出租率同比增减值计算单位为百分点,平均房价为百分比国际旅行社外联人数和接待人数(人)项目本月同比增长%本月同比增长%外联人数5328017.879195866.35接待人数7361716.9412839874.41其中:过夜人数6795915.2311285666.06附件2输入A=1.0,4/3,7/3,12/5,17/5,3/4,1.0,7/4,9/5,5/2,3/7,4/7,1.0,1.0,7/10,5/12,5/9,1.0,1.0,3/5,5/17,2/5,10/7,5/3,1.0;T=EigensystemA/Chop附件3输入Clearx;x=T2,1;ww2=x/ApplyPlus,x附件4 输入 B1=1.0,5/6,7/4,6/5,1,3/2,4/7,2/3,1;B2=1.0,3/4,2,4/3,1,7/3,1/2,3/7,1 B3=1.0,2/3,3/2,3/2,1,7/3,2/3,3/7,1B4=1.0,2/3,3/2,3/2,1,7/3,2/3,3/7,1B5=1.0,4/5,7/3,5/4,1,7/4,3/7,4/7,1T1=EigensystemB1/ChopT2=EigensystemB2/ChopT3=EigensystemB3/ChopT4=EigensystemB4/ChopT5=EigensystemB5/ChopClearB1,B2,B3,B4,B5;B1=T12,1;w1=B1/ApplyPlus,B1B2=T22,1;w2=B2/ApplyPlus,B2B3=T32,1;w3=B3/ApplyPlus,B3B4=T42,1;w4=B4/ApplyPlus,B4B5=T52,1;w5=B5/ApplyPlus,B5则输出：5.10186,-0.0498667+0.718995,-0.0498667-0.718995,-0.00206519,-0.0000568678,0.709636,0.529343,0.259054,0.249983,0.294299,0.683006,0.484181-0.0110587,-0.125965-0.175074,-0.180352-0.175315,-0.187022+0.392672,0.683006,0.484181+0.0110587,-0.125965+0.175074,-0.180352+0.175315,-0.187022-0.392672,-0.54169,0.117987,0.657717,-0.509501,0.0216537,0.803102,-0.59349,-0.0393732,0.0352784,-0.00136007w1=0.36874,0.395542,0.235718w2=0.357392,0.455778,0.18683w3=0.314769,0.477913,0.207318w4=0.314769,0.477913,0.207318w5=0.390256,0.411444,0.1983附件5输入lamda=T11,1,T21,1,T31,1,T41,1,T51,1CI=(lamda-3)/(3-1)/Chop输出3.01259,3.00198,3.00015,3.00015,3.029060.00629624,0.000990754,0.000073479,0.000073479,0.0145319附件6输入W2=Transposew1,w2,w3,w4,w5;W3=W2.W1 则从输出结果得到 ClearM,GM=0.3687,0.357392,0.314769,0.314769,0.390256,0.395542,0.455778,0.477913, 0.477913,0.411444,0.235718,0.18683,0.207318,0.207318,0.1983G=0.347476,0.259188,0.126843,0.122402,0.1441G.TransposeM附件7 输入CI.W1输出=0.0045546输入 RI=Table0.58,j,5;RI.W1则从输出结果得到输入 B1=1.0,5/6,7/4,6/5,1,3/2,4/7,2/3,1;B2=1.0,3/4,2,4/3,1,7/3,1/2,3/7,1 B3=1.0,2/3,3/2,3/2,1,7/3,2/3,3/7,1B4=1.0,2/3,3/2,3/2,1,7/3,2/3,3/7,1B5=1.0,4/5,7/3,5/4,1,7/4,3/7,4/7,1T1=EigensystemB1/ChopT2=EigensystemB2/ChopT3=EigensystemB3/ChopT4=EigensystemB4/ChopT5=EigensystemB5/Chop