函数综合建模：选择合适的函数描述现实问题

前面几章分别学习了指数、对数、多项式、有理函数、根式函数，以及它们的图像、方程和变换。本章把这些工具放回现实问题里：给出一组数据、一段情境或一个目标，我们怎样判断该用哪一种函数来描述？

建模不是看到数据后“猜一个看起来像的公式”。更可靠的做法是同时看五件事：数据形状、变化率、约束条件、单位含义和问题目标。同一组点可能被几条曲线贴得不错，但只有符合情境、能解释参数、误差表现合理的模型，才值得使用。

图：选择函数模型时，把数据、变化率、约束和问题目标一起看。

---

建模不是公式竞赛

一个函数模型把现实中的两个变量联系起来。输入变量通常是时间、距离、数量、浓度、价格或温度，输出变量通常是成本、人口、面积、速度、收益或风险。模型的任务不是复制现实的全部细节，而是在给定范围内抓住主要关系。

例如一家打印店的收费可能近似满足

$$C(n)=0.4n+8$$

这里 $n$ 是打印页数，$C(n)$ 是总费用。这个模型说明每多打印一页，费用增加 $0.4$ 元，另有固定服务费 $8$ 元。若题目只讨论 $0$ 到 $200$ 页，这个线性模型很自然；若讨论机器磨损、批量折扣或长期运营，它就可能不够。

模型的三种来源

有些模型来自结构关系。固定单价加固定费用自然给出线性函数；面积随边长平方变化自然给出二次函数；平均成本常出现“总成本除以数量”的有理函数。

有些模型来自变化规律。每小时增加同样多，偏向线性；每小时增加同样百分比，偏向指数；每次输入乘以同一倍数，输出增加差不多同样多，偏向对数。

有些模型来自数据拟合。我们并不知道真实机制，只能先画散点图，尝试几个候选函数，再用残差和情境判断哪个更稳。

---

先读现实问题

在动笔设函数前，先把题目翻译成变量和限制。下面这张“问诊卡”比直接套公式更有用。

定义域先于拟合

如果输入是人数、件数、页数，实际定义域通常是非负整数。我们可以用连续函数近似分析，但最终解释时要回到整数。

如果输入是时间，通常 $t \geq 0$。如果输出是高度、质量、浓度或成本，负值往往没有意义。一个模型在代数上能算出负数，不代表现实允许负数。

例如物体从高处落下的高度可用二次函数近似：

$$h(t)=-4.9t^2+v_0t+h_0$$

这个式子只在物体接触地面前有意义。当地面高度设为 $0$ 时，模型给出 $h(t)<0$ 的部分不能解释成“地下高度”，而应当说明模型的使用区间已经结束。

单位会暴露错误

若 $x$ 的单位是秒，$y$ 的单位是米，那么线性模型 $y=mx+b$ 中 $m$ 的单位是米/秒，$b$ 的单位是米。指数模型 $y=ab^x$ 中， 的单位是米， 必须是无单位倍数；如果写成 ，通常需要说明 是按“每小时”“每年”等固定单位计量。

对数模型尤其要注意。$\log x$ 里的 $x$ 本身应当是无单位的比例，或者已经除以某个基准量。例如声音强度等级常用“强度与基准强度的比值”进入对数，而不是直接对“瓦/平方米”取对数。

---

用变化线索缩小函数族

不同函数家族最可靠的识别线索，不只是“图像长得像”，而是“变化方式怎样”。下面的表不是死记规则，而是帮助你把观察转化成候选模型。

图：常见函数家族的图像轮廓不同，变化方式也不同。

线性与指数的关键区别

线性变化看“差”。如果 $x$ 每增加 $1$，$y$ 大约都增加 $3$，那么线性模型有理由成为第一候选。

指数变化看“比”。如果 $x$ 每增加 $1$，$y$ 大约都乘以 $1.08$，那么指数模型更自然。

假设某产品上线后的用户数如下：

相邻差值约为 $120,148,185,227$，并不稳定；相邻比值约为 $1.24,1.24,1.24,1.24$，更稳定。因此可先试

$$U(t)=500(1.24)^t$$

这个模型的意思是每周约增长 $24\%$。但如果产品市场有限，长期增长不可能无限持续，这个指数模型只能用于短期预测。

二次与多项式要看转折

二次函数只有一个最高点或最低点。抛物线运动、固定周长下的矩形面积、收益随价格先增后减等问题，常出现二次模型。

高次多项式能出现多个转折和多个零点。它适合表达“图像要穿过这些点”“端行为这样”“某些零点有重数”等结构条件。但用高次多项式拟合数据时要小心：次数越高，越容易贴住已知点，也越容易在点与点之间摆动得不合理。

图：散点图的整体形状可以帮助排除不合适的模型。

对数、根式和有理函数经常被混淆

对数函数和根式函数都可能“先快后慢”。区别在于来源：对数常来自指数的反问题，或者输入按倍数变化时输出加法变化；根式常来自平方、面积、能量、距离等幂关系的反解。

有理函数也可能有“先快后慢”的样子，但它通常带有渐近线或分母限制。例如平均成本

$$A(x)=\frac{500+8x}{x}=8+\frac{500}{x}$$

其中 $x$ 是产量，$A(x)$ 是每件平均成本。随着 $x$ 增大，平均成本接近 $8$ 元，但不会低于变量成本 $8$ 元。这条水平渐近线有现实意义。

---

建模流程

完整建模可以按六步走。实际做题时不一定每步都写很多字，但心里要过一遍。

图：从现实问题到模型解释，需要反复检查变量、假设、参数和误差。

变化率表是一种低技术但很强的工具

当输入等间隔时，先看差分：

$$\Delta y_i=y_{i+1}-y_i$$

如果 $\Delta y_i$ 接近常数，线性模型优先。如果二阶差分

$$\Delta^2 y_i=\Delta y_{i+1}-\Delta y_i$$

接近常数，二次模型优先。如果比值

$$\frac{y_{i+1}}{y_i}$$

接近常数，并且 $y_i$ 都为正，指数模型优先。

图：差分、二阶差分和比值分别对应不同的变化线索。

---

例题：从数据选择候选模型

某实验记录了水杯中热水与室温的温差 $D$ 随时间 $t$ 的变化。室温保持不变，数据如下：

问题：用什么函数描述温差随时间变化比较合适？

如果有人用线性模型连接 $t=0$ 和 $t=20$，会得到大约

$$D(t)=60-2.09t$$

它在 $t\approx 28.7$ 分钟时预测温差为 $0$，再往后会变成负数。短时间内它可能误差不大，但长期行为和散热机制不合适。

---

例题：约束条件比拟合更早

某工厂生产小零件。每天开机固定成本为 $1200$ 元，每个零件的材料和加工成本为 $6$ 元。若当天生产 $x$ 个零件，平均成本 $A(x)$ 怎样建模？

这里不要先画曲线，而要先读结构。总成本是

$$C(x)=1200+6x$$

平均成本是总成本除以产量：

$$A(x)=\frac{1200+6x}{x}$$

化简得到

$$A(x)=6+\frac{1200}{x}$$

这个模型有几个关键信息。

首先，$x$ 不能为 $0$，因为没有产量时“每件平均成本”没有定义。其次，随着产量增加，平均成本下降，但会逐渐接近 $6$ 元。最后，水平渐近线 $y=6$ 表示单件可变成本，不是随便画出来的线。

若只用几个产量数据做拟合，线性函数也许在某个小区间内看起来不错。例如在 $x=100$ 到 $x=200$ 之间，平均成本确实近似下降。但线性模型向右延伸会继续下降，甚至可能预测负成本，这与固定成本被摊薄的结构不一致。

图：现实结构会把问题推向不同函数家族。

再看一个根式模型

一个圆形油污在水面扩散，面积 $S$ 与半径 $r$ 的关系是 $S=\pi r^2$。如果已知面积随时间变化，现在想用面积估计半径，就会得到

$$r(S)=\sqrt{\frac{S}{\pi}}$$

这个根式模型的定义域是 $S\geq 0$。它的图像随着面积增大而上升，但增长越来越慢。这个“变慢”不是因为对数，而是因为半径是面积的平方根。

---

比较模型与检查误差

模型比较通常不能只靠肉眼。拟合后要计算预测值 $\hat y_i$ 和残差 $r_i$：

$$r_i=y_i-\hat y_i$$

残差为正，表示模型低估；残差为负，表示模型高估。常见误差指标有平均绝对误差和均方根误差：

$$\mathrm{MAE}=\frac{1}{n}\sum_{i=1}^{n}|r_i|$$ $$\mathrm{RMSE}=\sqrt{\frac{1}{n}\sum_{i=1}^{n}r_i^2}$$

RMSE 对大误差更敏感。若某个模型整体误差小，但在关键区间偏差很大，也未必适合题目目标。

图：残差图能显示模型是否遗漏了系统性形状。

好残差不是“全部为零”

真实数据通常有测量误差和偶然波动，所以残差不可能全为零。更重要的是残差有没有明显模式。

如果残差围绕 $0$ 上下随机分布，说明模型抓住了主要趋势。如果残差先正后负再正，可能说明线性模型漏掉了曲率。如果残差越来越分散，可能说明误差大小随输入变化。如果只有一个点异常大，需要回到数据来源，判断它是测量错误、特殊事件，还是模型遗漏了关键变量。

一个比较示例

某平台记录一条学习视频发布后的累计观看量：

观看量一直增加，但增加速度逐渐变慢。若用指数增长，长期会越来越快，不符合“增长变慢”的形状。若用线性模型，可能在中间段还行，但早期和后期都有系统偏差。

注意输入天数每次大约翻倍，而观看量的增加量大致为 $170,250,360,500,680$，不是严格相等，但“输入按倍数增加时，输出按加法增加”的趋势比较接近。可以先尝试对数模型：

$$V(t)=a+b\log_2 t$$

若取 $t=1$ 和 $t=32$ 两个点估计，得

$$a=300$$ $$300+5b=2260$$

所以

$$b=392$$

模型为

$$V(t)=300+392\log_2 t$$

这个模型不是说视频会永远按对数增长，而是在这段观察窗口中，它比指数增长更符合“热度逐渐减弱”的情境。真正使用时还要算残差，并检查是否存在推荐算法、节假日或外部转发带来的异常点。

---

常见误区

误区一：增长就是指数

只要函数在增加，就叫指数增长，这是常见误会。指数增长要求“按固定比例增长”。若每月多卖 $100$ 件，是线性；若每月销量乘以 $1.1$，才是指数的线索。

误区二：图像弯曲就用二次

二次函数只有一个转折，且二阶差分接近常数。若数据有明显渐近线，可能是有理或指数衰减；若先快后慢且输入必须为正，可能是对数或根式；若有多个转折，才考虑更高次多项式。

误区三：对数模型可以随便取非正输入

对数函数要求输入为正。若原始变量可能为 $0$，可以考虑平移，例如 $\log(x+1)$，但这个 $+1$ 必须有情境含义或明确说明只是数学处理，不能随意添加。

误区四：高次多项式越贴合越好

如果 $n+1$ 个点的横坐标不同，总能找到一个次数不超过 $n$ 的多项式穿过这些点。但这不代表它能解释现实。数据越少、噪声越大，越要警惕过拟合。

误区五：外推时忘记模型范围

在 $0$ 到 $10$ 秒内合适的模型，不一定适合 $10$ 小时后。在 $20$ 到 $80$ 件商品内近似线性的成本，不一定适合几万件。每次预测都要说明是否在观察范围内，若超出范围，结论要降级为谨慎估计。

---

综合练习

下面的练习不只问“求函数”，还要求说明为什么选它。写解答时至少包含变量、函数族、参数含义和一条验证理由。

练习一：选模型

某植物实验记录第 $t$ 天的高度 $H$：

线性、二次、指数三种模型中，哪一种更值得先尝试？

练习二：用约束排除

某水池放水，剩余水量 $W$ 随时间 $t$ 减少。已知放水速度不是恒定的，水越少流得越慢，且 $W$ 不能为负。有人用线性模型预测 $40$ 分钟后水量为 $-12$ 升。你会怎样评价？

练习三：识别有理模型

一辆车行驶固定距离 $120$ 千米，平均速度为 $v$ 千米/小时，所需时间为 $T$ 小时。写出模型并说明函数类型。

练习四：比较两个候选

一组数据的散点图呈上升趋势。线性模型的 RMSE 为 $3.1$，二次模型的 RMSE 为 $2.8$。二次模型一定更好吗？

---

收束：选择模型的底线

选择函数模型时，可以把下面这几句话当作最后检查。

如果变化是“每次加同样多”，先看线性；如果变化率本身近似线性，先看二次；如果是“每次乘同样比例”，先看指数；如果输入按倍数变化、输出按加法变化，先看对数；如果问题由零点、转折和端行为控制，考虑多项式；如果分母、平均量、反比或渐近线很明显，考虑有理函数；如果从平方、面积、距离或体积关系反解，考虑根式函数。

然后再用定义域、单位、参数、残差和外推范围检查。一个好模型不只会计算答案，还能说明它为什么在这个情境中有意义，在哪些地方不能继续使用。