一. 八步建模法
1. 问题提出（模型准备）
了解实际问题的背景（属于哪个领域）
明确数学建模的目的（解决什么问题）
2. 量的分析
收集数学建模的必要信息（相关数据和参考资料）
分析研究对象的主要特征（内在机理或者输入输出）从而对现实问题有一个比较清晰地了解
3. 模型假设
根据所研究对象的特征以及建模目的抓住问题的本质，忽略次要的因素，对问题做出合理的简化假设（合理性指基本符合实际情况，简化性指能够用数学语言描述问题）
模型简化原则：
目的性原则
合理性原则
适应性原则
全面性原则
4. 模型建立
根据假设， 用数学的语言，符号描述出所研究的对象的内在规律，并建立包含常量，变量的数学模型，可以是函数表达式，数学方程，数据表格，算法或者图形等
5. 模型求解
采用各种计算方法对所建立的数学模型进行求解，可能是求函数的极值，求方程的解，算法或图形的实现等
6. 模型分析
对求解结果进行数学上的分析
对结果的误差分析（误差是否在允许范围内）
统计分析（结果是否符合特定的规律）
模型对数据的灵敏度分析（模型的结果是否会因为数据的微小变化而发生巨大变化）
对假设的鲁棒性分析（robunstness）（模型的结果是否对某一假设非常依赖）等
7. 模型检验
将求解结果和分析结果翻译回到实际问题当中，与实际问题时间现象和实际数据进行比较，检验是否与实际吻合
如果吻合的较好，则模型及其结果可以应用于实际，如果吻合的不好则需要对模型进行修正
如果问题出现在模型假设上，应对假设进行修正或者补充然后重新建模
8. 模型应用
当模型经过检验已经成为一个具有合理性和实用性的模型后，即可以用来解决实际问题了
二. 关于数学建模采用的方法：
1. 机理分析法：
在研究对象内部机理分析的基础上，利用建模假设所给出的建模信息或前提条件及相关领域知识，相应的数学工具来构造模型
2. 系统识别建模法：
对系统的内部机理不清楚的情况下，利用建模假设或对系统进行实际测试所得到的数据信息，再运用数学方法确定模型形式，借助于概率论和数理统计来辨识参数构造模型
3. 仿真建模法：
利用各种仿真方法建立模型
4. 相似类比建模法：
根据不同研究对象中的某种相似性来构造数学建模