是近些年發展起來的新學科，是數學理論與實際問題相結合的壹門科學。它將現實問題歸結為相應的數學問題，並在此基礎上利用數學的概念、方法和理論進行深入的分析和研究，從而從定性或定量的角度來刻畫實際問題，並為解決現實問題提供精確的數據或可靠的指導。
[編輯本段]壹、建立數學模型的要求：
1、真實完整。
1）真實的、系統的、完整的,形象的映客觀現象；
2）必須具有代表性；
3）具有外推性，即能得到原型客體的信息，在模型的研究實驗時，能得到關於原型客體的原因；
4）必須反映完成基本任務所達到的各種業績，而且要與實際情況相符合。
2、簡明實用。在建模過程中，要把本質的東西及其關系反映進去，把非本質的、對反映客觀真實程度影響不大的東西去掉，使模型在保證壹定精確度的條件下，盡可能的簡單和可操作，數據易於采集。
3、適應變化。隨著有關條件的變化和人們認識的發展，通過相關變量及參數的調整，能很好的適應新情況。
根據研究目的，對所研究的過程和現象(稱為現實原型或原型)的主要特征、主要關系、采用形式化的數學語言，概括地、近似地表達出來的壹種結構，所謂“數學化”，指的就是構造數學模型．通過研究事物的數學模型來認識事物的方法，稱為數學模型方法．簡稱為MM方法。
數學模型是數學抽象的概括的產物，其原型可以是具體對象及其性質、關系，也可以是數學對象及其性質、關系。數學模型有廣義和狹義兩種解釋．廣義地說，數學概念、如數、集合、向量、方程都可稱為數學模型，狹義地說，只有反映特定問題和特定的具體事物系統的數學關系結構方數學模型大致可分為二類：(1)描述客體必然現象的確定性模型，其數學工具壹般是代效方程、微分方程、積分方程和差分方程等，（2）描述客體或然現象的隨機性模型，其數學模型方法是科學研究相創新的重要方法之壹。在體育實踐中常常提到優秀運動員的數學模型。如經調查統計．現代的世界級短跑運動健將模型為身高1.80米左右、體重70公斤左右，100米成績10秒左右或更好等。
用字母、數字和其他數學符號構成的等式或不等式，或用圖表、圖像、框圖、數理邏輯等來描述系統的特征及其內部聯系或與外界聯系的模型。它是真實系統的壹種抽象。數學模型是研究和掌握系統運動規律的有力工具，它是分析、設計、預報或預測、控制實際系統的基礎。數學模型的種類很多，而且有多種不同的分類方法。
靜態和動態模型 靜態模型是指要描述的系統各量之間的關系是不隨時間的變化而變化的，壹般都用代數方程來表達。動態模型是指描述系統各量之間隨時間變化而變化的規律的數學表達式，壹般用微分方程或差分方程來表示。經典控制理論中常用的系統的傳遞函數也是動態模型，因為它是從描述系統的微分方程變換而來的（見拉普拉斯變換）。
分布參數和集中參數模型 分布參數模型是用各類偏微分方程描述系統的動態特性，而集中參數模型是用線性或非線性常微分方程來描述系統的動態特性。在許多情況下，分布參數模型借助於空間離散化的方法，可簡化為復雜程度較低的集中參數模型。
連續時間和離散時間模型 模型中的時間變量是在壹定區間內變化的模型稱為連續時間模型，上述各類用微分方程描述的模型都是連續時間模型。在處理集中參數模型時，也可以將時間變量離散化，所獲得的模型稱為離散時間模型。離散時間模型是用差分方程描述的。
隨機性和確定性模型 隨機性模型中變量之間關系是以統計值或概率分布的形式給出的，而在確定性模型中變量間的關系是確定的。
參數與非參數模型 用代數方程、微分方程、微分方程組以及傳遞函數等描述的模型都是參數模型。建立參數模型就在於確定已知模型結構中的各個參數。通過理論分析總是得出參數模型。非參數模型是直接或間接地從實際系統的實驗分析中得到的響應，例如通過實驗記錄到的系統脈沖響應或階躍響應就是非參數模型。運用各種系統辨識的方法，可由非參數模型得到參數模型。如果實驗前可以決定系統的結構，則通過實驗辨識可以直接得到參數模型。
線性和非線性模型 線性模型中各量之間的關系是線性的，可以應用疊加原理，即幾個不同的輸入量同時作用於系統的響應，等於幾個輸入量單獨作用的響應之和。線性模型簡單，應用廣泛。非線性模型中各量之間的關系不是線性的，不滿足疊加原理。在允許的情況下，非線性模型往往可以線性化為線性模型，方法是把非線性模型在工作點鄰域內展成泰勒級數，保留壹階項，略去高階項，就可得到近似的線性模型。
[編輯本段]二、數學模型的定義
現在數學模型還沒有壹個統壹的準確的定義，因為站在不同的角度可以有不同的定義。不過我們可以給出如下定義。"數學模型是關於部分現實世界和為壹種特殊目的而作的壹個抽象的、簡化的結構。"具體來說，數學模型就是為了某種目的，用字母、數學及其它數學符號建立起來的等式或不等式以及圖表、圖象、框圖等描述客觀事物的特征及其內在聯系的數學結構表達式。
二．建立數學模型的方法和步驟
第壹、 模型準備
首先要了解問題的實際背景，明確建模目的，搜集必需的各種信息，盡量弄清對象的特征。 第二、 模型假設
根據對象的特征和建模目的，對問題進行必要的、合理的簡化，用精確的語言作出假設，是建模至關重要的壹步。如果對問題的所有因素壹概考慮，無疑是壹種有勇氣但方法欠佳的行為，所以高超的建模者能充分發揮想象力、洞察力和判斷力，善於辨別主次，而且為了使處理方法簡單，應盡量使問題線性化、均勻化。
第三、 模型構成
根據所作的假設分析對象的因果關系，利用對象的內在規律和適當的數學工具，構造各個量間的等式關系或其它數學結構。這時，我們便會進入壹個廣闊的應用數學天地，這裏在高數、概率老人的膝下，有許多可愛的孩子們，他們是圖論、排隊論、線性規劃、對策論等許多許多，真是泱泱大國，別有洞天。不過我們應當牢記，建立數學模型是為了讓更多的人明了並能加以應用，因此工具愈簡單愈有價值。
第四、模型求解
可以采用解方程、畫圖形、證明定理、邏輯運算、數值運算等各種傳統的和近代的數學方法，特別是計算機技術。壹道實際問題的解決往往需要紛繁的計算，許多時候還得將系統運行情況用計算機模擬出來，因此編程和熟悉數學軟件包能力便舉足輕重。
第五、模型分析
對模型解答進行數學上的分析。"橫看成嶺側成峰，遠近高低各不"。能否對模型結果作出細致精當的分析，決定了妳的模型能否達到更高的檔次。還要記住，不論那種情況都需進行誤差分析，數據穩定性分析。
第六數學模型分類:
按模型的應用領域分類：
生物數學模型
醫學數學模型
地質數學模型
數量經濟學模型
數學社會學模型
數學物理學模型
按是否考慮隨機因素分類：
確定性模型
隨機性模型
按是否考慮模型的變化分類：
靜態模型
動態模型
按應用離散方法或連續方法分類：
離散模型
連續模型
按建立模型的數學方法分類：
幾何模型
微分方程模型
圖論模型
規劃論模型
馬氏鏈模型
按人們對是物發展過程的了解程度分類：
白箱模型：
指那些內部規律比較清楚的模型。如力學、熱學、電學以及相關的工程技術問題。
灰箱模型：
指那些內部規律尚不十分清楚，在建立和改善模型方面都還不同程度地有許多工作要做的問題。如氣象學、生態學經濟學等領域的模型。
黑箱模型：
指壹些其內部規律還很少為人們所知的現象。如生命科學、社會科學等方面的問題。但由於因素眾多、關系復雜，也可簡化為灰箱模型來研究。