3. 问题抽象的核心方法
数学建模真正困难的地方，往往不是解方程，而是把一段混乱的现实描述变成结构清晰的问题。问题抽象就是完成这个转换的过程：从生活语言中剥离出对象、关系、目标和约束，再决定哪些内容进入模型、哪些留在模型之外。本节围绕四种互补的方法展开——分解与归类、因果链分析、系统边界划定、关键因素筛选，并用一个贯穿的生活实例练习它们如何配合使用。
分解与归类：先把一团乱麻拆成可命名的部件
分解是把一个复合问题拆成若干相对独立、可以分别描述的子问题；归类是把拆出来的子问题按性质归入不同类别，例如“决策变量类”“约束条件类”“目标类”“不确定因素类”。分解的关键是拆到可以独立回答“它是什么、它由什么决定、它影响谁”为止，而不是无限细分。归类则帮助我们识别哪些子问题属于同一数学结构，从而复用同一套建模工具。
以“周末从家到郊区露营地”为例。直接问“怎么去最合适”无法建模，但分解后可以得到：出发时间、交通方式、路线选择、携带装备、天气风险、费用预算等子问题。归类后会发现：出发时间与路线选择属于决策变量；天气风险属于不确定参数；费用预算与时间上限属于约束；而“总耗时最短”或“总费用最低”属于目标。此时问题已经具备优化模型的基本骨架。
因果链分析：找出“谁推动谁”
因果链分析关注变量之间的方向性影响：A 变化引起 B 变化，B 又影响 C。它的价值在于识别直接原因与间接原因，避免把相关关系误当成因果关系，也避免遗漏反馈回路。操作上可以连续追问“它为什么变化”“它变化后会导致什么”，把链条画成有向关系，并标注正负影响。
仍以出行为例：出发越晚 → 遇到早高峰的概率越高 → 平均车速越低 → 到达时间越晚 → 可用于搭建营地的时间越少。这是一条负向影响链。另一条链是：携带装备越多 → 需要更大载具 → 可选交通方式减少 → 灵活性下降。因果链让我们看清哪些变量是“源头变量”，哪些只是“结果变量”。源头变量通常更适合作为决策变量，结果变量则适合作为目标或观测指标。
系统边界划定：明确什么进模型、什么留在环境里
系统边界是模型与现实之间的分界线。边界内是被建模的对象及其相互作用，边界外是作为外部输入或扰动处理的环境因素。划定边界不是越全越好，而是要与建模目的匹配：与目标强相关、且能被决策影响的要素放进边界；影响小或不可控的因素作为外生参数或随机扰动处理。边界过大会导致模型臃肿、参数无法标定；边界过小则会遗漏关键约束，使结论失真。
在出行问题中，若目标是“在预算内按时到达”，则交通方式、路线、出发时间、费用、时间应在边界内；而油价波动、临时交通管制可以作为外生扰动，不纳入决策结构。若目标是“评估不同出行方案对碳排放的影响”，则油耗与载重关系必须进入边界。可见边界随目标而变，这一点必须在建模报告中明确写出。
关键因素筛选：把有限的建模精力放在敏感变量上
筛选关键因素常用三种思路：一是敏感性判断，估计某因素变化一定幅度时目标变化多少；二是可控性判断，决策者能否实际改变它；三是不确定性判断，它的取值是否难以观测。三者结合，优先保留“高敏感、可控制、难观测”的因素作为重点变量，把“低敏感、不可控”的因素降为常数或忽略。
例如在出行时间模型中，假设平均车速在 30～50 km/h 之间波动，距离约 40 km，则行驶时间在 0.8～1.33 h 之间，跨度接近 0.5 h，属于高敏感因素；而“车内音乐音量”对到达时间几乎无影响，可直接剔除。这里的数据是教学假设，用于说明筛选逻辑，并非实测结果。
四方法如何配合：一次完整练习
四种方法不是并列选项，而是有先后配合的。仍以出行问题为例，可以按下面的顺序推进：
- 先分解归类：列出出发时间、交通方式、路线、装备、天气、预算六个子问题，归入决策变量、约束、不确定参数、目标四类。
- 再画因果链：确认“出发时间→高峰概率→车速→到达时间→可用搭建时间”是主链，识别出发时间是源头变量。
- 然后划边界：若目标是“按时到达且费用可控”，则把交通方式、路线、出发时间、费用、时间放入边界；油价与临时管制作为外生扰动。
- 最后筛关键因素：对车速做敏感性估算，假设距离 40 km、车速 30～50 km/h，行驶时间约 0.8～1.33 h，跨度约 0.5 h，敏感度高，保留为核心参数；音乐音量等低敏感因素剔除。
完成这四步后，可以得到一个可计算的简化模型：设出发时刻为决策变量，交通方式与路线为离散选择，目标为最小化“到达时刻超出期望时刻的惩罚 + 费用”，约束为预算上限与最晚到达时刻。此时模型中的每个符号都能对应回现实对象，抽象过程才算闭合。
问题抽象的本质，是在“现实足够复杂”和“模型必须可解”之间做有依据的取舍。分解与归类提供结构，因果链提供方向，边界划定提供范围，关键因素筛选提供优先级。四者合起来，才能把一个模糊的生活诉求，转化为一个变量明确、关系清楚、可以求解并能够解释回现实的数学模型。