数学模型实训总结总结（共5篇）

第一篇：数学模型实训总结总结

数学模型实训总结

从12月19日至25日，我们在数理系机房进行了为期一周的数学模型的实训。

为了锻炼大家之间的配合能力，而且数学建模本来就是团队团结合作完成的，我们都被分成了差不多三人一组。在这几天的机房实训中，我们相互分工合作，首先分析了我们选择的数学模型问题—教师薪金的确定，然后进行假设，再根据假设建设基本的模型。在这个过程中，我们每个人都分配有不同的任务，充分发挥了每个人的特长。最后把每个部分整合在一起的时候，我们接受不同意见，讨论了每一部分的可行性以及与相邻部分能否有效衔接，发现了其中的一些不足之处，并及时改正，不过在有些数据处理方面，我们还不是很熟悉。然后我们对数学模型的数据进行求解、分析、检验，认为这个数学模型的建立满足假设条件，符合现实中的设定。最后我们把实训问题按照数学建模的标准模式进行了整理，制成一份完整的实训报告。至此，这次数学模型的实训已经基本完成，剩下来的就是对实训报告的检查以及改进。通过仔细认真的检查，这次实训报告虽然还存在一些小的问题，但已经基本满足了实训的目的。目前，数学模型的实训已经结束，我们学到了很多东西。数学模型是一门与现实很接近的学科，在社会中的应用是比较广泛的，在解决一些社会性问题上有着很广阔的前景。例如美国曼哈顿项目中原子弹的研究，还有2008年我国奥运会场馆周边服务平台的建设等等很多问题都离开数学模型的身影。通过这些可以看出，我们学习数学模型的作用还是很大的。希望经过这次数学模型培训，我们的数学知识有进一步的提高。

第二篇：数学模型总结

【数学建模】数学模型总结

四类基本模型 优化模型

1.1 数学规划模型

线性规划、整数线性规划、非线性规划、多目标规划、动态规划。

1.2 微分方程组模型

阻滞增长模型、SARS传播模型。

1.3 图论与网络优化问题

最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。

1.4 概率模型

决策模型、随机存储模型、随机人口模型、报童问题、Markov链模型。

1.5 组合优化经典问题  多维背包问题(MKP)背包问题：n个物品，对物品i，体积为wi，背包容量为W。如何将尽可能多的物品装入背包。

多维背包问题：n个物品，对物品i，价值为pi，体积为wi，背包容量为W。如何选取物品装入背包，是背包中物品的总价值最大。

多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。该问题属于NP难问题。

 二维指派问题(QAP)工作指派问题：n个工作可以由n个工人分别完成。工人i完成工作j的时间为dij。如何安排使总工作时间最小。

二维指派问题（常以机器布局问题为例）：n台机器要布置在n个地方，机器i与k之间的物流量为fik，位置j与l之间的距离为djl，如何布置使费用最小。二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。

 旅行商问题(TSP)

旅行商问题：有n个城市，城市i与j之间的距离为dij，找一条经过n个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。

 车辆路径问题(VRP)

车辆路径问题（也称车辆计划）：已知n个客户的位置坐标和货物需求，在 【数学建模】数学模型总结

可供使用车辆数量及运载能力条件的约束下，每辆车都从起点出发，完成若干客户点的运送任务后再回到起点，要求以最少的车辆数、最小的车辆总行程完成货物的派送任务。

TSP问题是VRP问题的特例。

 车间作业调度问题(JSP)车间调度问题：存在j个工作和m台机器，每个工作由一系列操作组成，操作的执行次序遵循严格的串行顺序，在特定的时间每个操作需要一台特定的机器完成，每台机器在同一时刻不能同时完成不同的工作，同一时刻同一工作的各个操作不能并发执行。如何求得从第一个操作开始到最后一个操作结束的最小时间间隔。分类模型

判别分析是在已知研究对象分成若干类型并已经取得各种类型的一批已知样本的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析。

聚类分析则是给定的一批样品，要划分的类型实现并不知道，正需要通过局内分析来给以确定类型的。

2.1 判别分析  距离判别法

基本思想：首先根据已知分类的数据，分别计算各类的重心即分组(类)的均值，判别准则是对任给的一次观测，若它与第i类的重心距离最近，就认为它来自第i类。

至于距离的测定，可以根据实际需要采用欧氏距离、马氏距离、明科夫距离等。

 Fisher判别法

基本思想：从两个总体中抽取具有p个指标的样品观测数据，借助方差分析的思想构造一个判别函数或称判别式ycixi。其中系数ci确定的原则是使两

i1p组间的区别最大，而使每个组内部的离差最小。

对于一个新的样品，将它的p个指标值代人判别式中求出 y 值，然后与判别临界值(或称分界点(后面给出)进行比较，就可以判别它应属于哪一个总体。在两个总体先验概率相等的假设下，判别临界值一般取：

nyn2yy01n1n2(1)(2)

最后，用F统计量来检验判别效果，若FF则认为判别有效，否则判别无效。

以上描述的是两总体判别，至于多总体判别方法则需要加以扩展。Fisher判别法随着总体数的增加，建立的判别式也增加，因而计算比较复杂。

 Bayes判别法 【数学建模】数学模型总结

基本思想：假定对所研究的对象有一定的认识，即假设k个总体中，第i个总体Gi的先验概率为qi，概率密度函数为fi(x)。利用bayes公式计算观测样品Xqjfj(x)来自第j个总体的后验概率p(Gj/X)k，当p(Gh/X)m(pG/j)Xaxj2，1,kqifi(x)i1时，将样本X判为总体Gh。

 逐步判别法

基本思想与逐步回归法类似，采用“有进有出”的算法，逐步引入变量，每次引入一个变量进入判别式，则同时考虑在较早引入判别式的某些作用不显著的变量剔除出去。

2.2 聚类分析

聚类分析是一种无监督的分类方法，即不预先指定类别。根据分类对象不同，聚类分析可以分为样本聚类（Q型）和变量聚类（R型）。样本聚类是针对观测样本进行分类，而变量聚类则是试图找出彼此独立且有代表性的自变量，而又不丢失大部分信息。变量聚类是一种降维的方法。

 系统聚类法（分层聚类法）

基本思想：开始将每个样本自成一类；然后求两两之间的距离，将距离最近的两类合成一类；如此重复，直到所有样本都合为一类为止。

适用范围：既适用于样本聚类，也适用于变量聚类。并且距离分类准则和距离计算方法都有多种，可以依据具体情形选择。

 快速聚类法（K-均值聚类法）

基本思想：按照指定分类数目n，选择n个初始聚类中心Zi(i1,2,,n)；计算每个观测量（样本）到各个聚类中心的距离，按照就近原则将其分别分到放入各类中；重新计算聚类中心，继续以上步骤；满足停止条件时（如最大迭代次数等）则停止。

使用范围：要求用户给定分类数目n，只适用于样本聚类（Q型），不适用于变量聚类（R型）。

 两步聚类法（智能聚类方法）

基本思想：先进行预聚类，然后再进行正式聚类。

适用范围：属于智能聚类方法，用于解决海量数据或者具有复杂类别结构的聚类分析问题。可以同时处理离散和连续变量，自动选择聚类数，可以处理超大样本量的数据。

 模糊聚类分析

 与遗传算法、神经网络或灰色理论联合的聚类方法

2.3 神经网络分类方法 评价模型

【数学建模】数学模型总结

3.1 层次分析法(AHP)基本思想：是定性与定量相结合的多准则决策、评价方法。将决策的有关元素分解成目标层、准则层和方案层，并通过人们的判断对决策方案的优劣进行排序，在此基础上进行定性和定量分析。它把人的思维过程层次化、数量化，并用数学为分析、决策、评价、预报和控制提供定量的依据。

基本步骤：构建层次结构模型；构建成对比较矩阵；层次单排序及一致性检验（即判断主观构建的成对比较矩阵在整体上是否有较好的一致性）；层次总排序及一致性检验（检验层次之间的一致性）。

优点：它完全依靠主观评价做出方案的优劣排序，所需数据量少，决策花费的时间很短。从整体上看，AHP在复杂决策过程中引入定量分析，并充分利用决策者在两两比较中给出的偏好信息进行分析与决策支持，既有效地吸收了定性分析的结果，又发挥了定量分析的优势，从而使决策过程具有很强的条理性和科学性，特别适合在社会经济系统的决策分析中使用。

缺点：用AHP进行决策主观成分很大。当决策者的判断过多地受其主观偏好影响，而产生某种对客观规律的歪曲时，AHP的结果显然就靠不住了。

适用范围：尤其适合于人的定性判断起重要作用的、对决策结果难于直接准确计量的场合。要使AHP的决策结论尽可能符合客观规律，决策者必须对所面临的问题有比较深入和全面的认识。另外，当遇到因素众多，规模较大的评价问题时，该模型容易出现问题，它要求评价者对问题的本质、包含的要素及其相互之间的逻辑关系能掌握得十分透彻，否则评价结果就不可靠和准确。

改进方法：

(1)成对比较矩阵可以采用德尔菲法获得。(2)如果评价指标个数过多（一般超过9个），利用层次分析法所得到的权重就有一定的偏差，继而组合评价模型的结果就不再可靠。可以根据评价对象的实际情况和特点，利用一定的方法，将各原始指标分层和归类，使得每层各类中的指标数少于9个。

3.2 灰色综合评价法（灰色关联度分析）

基本思想：灰色关联分析的实质就是，可利用各方案与最优方案之间关联度大小对评价对象进行比较、排序。关联度越大，说明比较序列与参考序列变化的态势越一致，反之，变化态势则相悖。由此可得出评价结果。

基本步骤：建立原始指标矩阵；确定最优指标序列；进行指标标准化或无量纲化处理；求差序列、最大差和最小差；计算关联系数；计算关联度。

优点：是一种评价具有大量未知信息的系统的有效模型，是定性分析和定量分析相结合的综合评价模型，该模型可以较好地解决评价指标难以准确量化和统计的问题，可以排除人为因素带来的影响，使评价结果更加客观准确。整个计算过程简单，通俗易懂，易于为人们所掌握;数据不必进行归一化处理，可用原始数据进行直接计算，可靠性强；评价指标体系可以根据具体情况增减；无需大量样本，只要有代表性的少量样本即可。

缺点：要求样本数据且具有时间序列特性；只是对评判对象的优劣做出鉴别，并不反映绝对水平，故基于灰色关联分析综合评价具有“相对评价”的全部缺点。

适用范围：对样本量没有严格要求，不要求服从任何分布，适合只有少量观测数据的问题；应用该种方法进行评价时，指标体系及权重分配是一个关键的问 【数学建模】数学模型总结

题，选择的恰当与否直接影响最终评价结果。

改进方法：

(1)采用组合赋权法：根据客观赋权法和主观赋权法综合而得权系数。(2)结合TOPSIS法：不仅关注序列与正理想序列的关联度，而且关注序列与负理想序列的关联度，依据公式计算最后的关联度。

3.3 模糊综合评价法

基本思想：是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属等级（或称为评语集）状况进行综合性评价的一种方法。综合评判对评判对象的全体，根据所给的条件，给每个对象赋予一个非负实数评判指标，再据此排序择优。

基本步骤：确定因素集、评语集；构造模糊关系矩阵；确定指标权重；进行模糊合成和做出评价。

优点：:数学模型简单，容易掌握，对多因素、多层次的复杂问题评判效果较好。模糊评判模型不仅可对评价对象按综合分值的大小进行评价和排序，而且还可根据模糊评价集上的值按最大隶属度原则去评定对象所属的等级，结果包含的信息量丰富。评判逐对进行，对被评对象有唯一的评价值，不受被评价对象所处对象集合的影响。接近于东方人的思维习惯和描述方法，因此它更适用于对社会经济系统问题进行评价。

缺点：并不能解决评价指标间相关造成的评价信息重复问题，隶属函数的确定还没有系统的方法，而且合成的算法也有待进一步探讨。其评价过程大量运用了人的主观判断，由于各因素权重的确定带有一定的主观性，因此，总的来说，模糊综合评判是一种基于主观信息的综合评价方法。

应用范围：广泛地应用于经济管理等领域。综合评价结果的可靠性和准确性依赖于合理选取因素、因素的权重分配和综合评价的合成算子等。

改进方法：

(1)采用组合赋权法：根据客观赋权法和主观赋权法综合而得权系数。

3.4 BP神经网络综合评价法

基本思想：是一种交互式的评价方法，它可以根据用户期望的输出不断修改指标的权值，直到用户满意为止。因此，一般来说，人工神经网络评价方法得到的结果会更符合实际情况。

优点：神经网络具有自适应能力，能对多指标综合评价问题给出一个客观评价，这对于弱化权重确定中的人为因素是十分有益的。在以前的评价方法中，传统的权重设计带有很大的模糊性，同时权重确定中人为因素影响也很大。随着时间、空间的推移，各指标对其对应问题的影响程度也可能发生变化，确定的初始权重不一定符合实际情况。再者，考虑到整个分析评价是一个复杂的非线性大系统，必须建立权重的学习机制，这些方面正是人工神经网络的优势所在。针对综合评价建模过程中变量选取方法的局限性，采用神经网络原理可对变量进行贡献分析，进而剔除影响不显著和不重要的因素，以建立简化模型，可以避免主观因素对变量选取的干扰。【数学建模】数学模型总结

缺点： ANN在应用中遇到的最大问题是不能提供解析表达式，权值不能解释为一种回归系数，也不能用来分析因果关系，目前还不能从理论上或从实际出发来解释ANN的权值的意义。需要大量的训练样本，精度不高，应用范围是有限的。最大的应用障碍是评价算法的复杂性，人们只能借助计算机进行处理，而这方面的商品化软件还不够成熟。

适用范围：神经网络评价模型具有自适应能力、可容错性，能够处理非线性、非局域性的大型复杂系统。在对学习样本训练中，无需考虑输入因子之间的权系数，ANN通过输入值与期望值之间的误差比较，沿原连接权自动地进行调节和适应，因此该方法体现了因子之间的相互作用。

改进方法：

(1)采用组合评价法：对用其它评价方法得出的结果，选取一部分作为训练样本，一部分作为待测样本进行检验，如此对神经网络进行训练，知道满足要求为止，可得到更好的效果。

3.5 数据包络法(DEA)3.6 组合评价法 预测模型

定性研究与定量研究的结合，是科学的预测的发展趋势。在实际预测工作中，应该将定性预测和定量预测结合起来使用，即在对系统做出正确分析的基础上，根据定量预测得出的量化指标，对系统未来走势做出判断。

4.1 回归分析法

基本思想：根据历史数据的变化规律，寻找自变量与因变量之间的回归方程式，确定模型参数，据此预测。回归问题分为一元和多元回归、线性和非线性回归。

特点：技术比较成熟，预测过程简单；将预测对象的影响因素分解，考察各因素的变化情况，从而估计预测对象未来的数量状态；回归模型误差较大，外推特性差。

适用范围：回归分析法一般适用于中期预测。回归分析法要求样本量大且要求样本有较好的分布规律，当预测的长度大于占有的原始数据长度时，采用该方法进行预测在理论上不能保证预测结果的精度。另外，可能出现量化结果与定性分析结果不符的现象，有时难以找到合适的回归方程类型。

4.2 时间序列分析法

基本思想：把预测对象的历史数据按一定的时间间隔进行排列，构成一个随时间变化的统计序列，建立相应的数据随时间变化的变化模型，并将该模型外推到未来进行预测。

适用范围：此方法有效的前提是过去的发展模式会延续到未来，因而这种方法对短期预测效果比较好，而不适合作中长期预测。一般来说，若影响预测对象 【数学建模】数学模型总结

变化各因素不发生突变，利用时间序列分析方法能得到较好的预测结果；若这些因素发生突变，时间序列法的预测结果将受到一定的影响。灰色预测法

基本思想：将一切随机变量看作是在一定范围内变化的灰色变量，不是从统计规律角度出发进行大样本分析研究，而是利用数据处理方法(数据生成与还原)，将杂乱无章的原始数据整理成规律性较强的生成数据来加以研究，即灰色系统理论建立的不是原始数据模型，而是生成数据模型。

适用范围：预测模型是一个指数函数，如果待测量是以某一指数规律发展的，则可望得到较高精度的预测结果。影响模型预测精度及其适应性的关键因素，是模型中背景值的构造及预测公式中初值的选取。

4.3 BP神经网络法

人工神经网络的理论有表示任意非线性关系和学习等的能力，给解决很多具有复杂的不确定性和时变性的实际问题提供了新思想和新方法。

利用人工神经网络的学习功能，用大量样本对神经元网络进行训练，调整其连接权值和闭值，然后可以利用已确定的模型进行预测。神经网络能从数据样本中自动地学习以前的经验而无需繁复的查询和表述过程，并自动地逼近那些最佳刻画了样本数据规律的函数，而不论这些函数具有怎样的形式，且所考虑的系统表现的函数形式越复杂，神经网络这种特性的作用就越明显。

误差反向传播算法(BP算法)的基本思想是通过网络误差的反向传播，调整和修改网络的连接权值和闭值，使误差达到最小，其学习过程包括前向计算和误差反向传播。它利用一个简单的三层人工神经网络模型，就能实现从输入到输出之间任何复杂的非线性映射关系。目前，神经网络模型已成功地应用于许多领域，诸如经济预测、财政分析、贷款抵押评估和破产预测等许多经济领域。

优点：可以在不同程度和层次上模仿人脑神经系统的结构及信息处理和检索等功能，对大量非结构性、非精确性规律具有极强的自适应功能，具有信息记忆、自主学习、知识推理和优化计算等特点，其自学习和自适应功能是常规算法和专家系统技术所不具备的，同时在一定程度上克服了由于随机性和非定量因素而难以用数学公式严密表达的困难。

缺点：网络结构确定困难，同时要求有足够多的历史数据，样本选择困难，算法复杂，容易陷入局部极小点。

4.4 支持向量机法

支持向量机是基于统计学习的机器学习方法，通过寻求结构风险化最小，实现经验风险和置信范围的最小，从而达到在统计样本较少的情况下，亦能获得良好统计规律的目的。

其中支持向量机是统计学习理论的核心和重点。支持向量机是结构风险最小化原理的近似，它能够提高学习机的泛化能力，既能够由有限的训练样本得到小的误差，又能够保证对独立的测试集仍保持小的误差，而且支持向量机算法是一个凸优化问题，因此局部最优解一定是全局最优解，支持向量机就克服了神经网络收敛速度慢和局部极小点等缺陷。

核函数的选取在SVM方法中是一个较为困难的问题，至今没有一定的理论方面的指导。【数学建模】数学模型总结

4.5 组合预测法

在实际预测工作中，从信息利用的角度来说，就是任何一种单一预测方法都只利用了部分有用信息，同时也抛弃了其它有用的信息。为了充分发挥各预测模型的优势，对于同一预测问题，往往可以采用多种预测方法进行预测。不同的预测方法往往能提供不同的有用信息，组合预测将不同预测模型按一定方式进行综合。根据组合定理，各种预测方法通过组合可以尽可能利用全部的信息，尽可能地提高预测精度，达到改善预测性能的目的。

优化组合预测有两类概念，一是指将几种预测方法所得的预测结果，选取适当的权重进行加权平均的一种预测方法，其关键是确定各个单项预测方法的加权系数；二是指在几种预测方法中进行比较，选择拟合度最佳或标准离差最小的预测模型作为最优模型进行预测。组合预测是在单个预测模型不能完全正确地描述预测量的变化规律时发挥其作用的。

第三篇：实训总结（范文模版）

实训总结

实训周是很有必要的,通过实训,我们可以更好的把理论知识掌握住。因为时间原因，这学期的实训时间比较短，但我们还是学到了不少知识。

这学期开了速记这门课，一开始觉得挺郁闷的，现在都什么时代了，还用的到速记吗，现在的会议记录，或者其他较正式的会不都是靠更先进的东西来记录，又快效率又高，手写速记在原来还可以，现在已经不吃香了。只是在学习的过程中我渐渐发现速记的重要意义，他不是单纯的记录，其中蕴含着很多的学问。

速记是分为两个部分，一个是汉字速记法，一个是拼音速记法。其实我两种都很喜欢，但相对而言拼音速记难多了，同一个符号，长短不一，声母的发音大相庭径，很是绞尽脑汁，如果是加上韵母那是更复杂了。我在想古人不是把简单复杂化吗，这哪是速记啊，明明就是难记啊！当然在不熟练的情况下是很难运用的，只要多花的时间精力完全可以的。让我学习拼音速记的唯一个动力就是他将会提高我写日记的保密程度。当然我觉得汉字速记也非常有用的，这个我是切切实实的感受到的。这学期不是有选修课嘛，老师到最后考试一般就会给我们给一个话题，让我们自己写。论文一般都有字数要求，1500字？以前一听头皮都发麻了，可是现在运用到速记真的是得心应手，当把写好的论文叫上讲台时再回头看其他同学还在埋头苦干，心头那是很有成就感啊！汉字速记让很多字的笔画变得很少，缩短了我们写字的时间，像字词句段略写法里面的简化繁体字、语词略写法、语句略写法，还有很好用的替代法，合体字替代法、象形会意数字替代法、借用科学符号、拼音字母、运用同音字、相似字体等等，都非常好用而且很实用。

其实我学速记，我真的明白了很多，以前老师的评语我好多字都不认识，还有就是老师在黑板上写的版记也是，不过现在是明白了很多，老师们运用了速记的很多知识，把字写的既漂亮又简洁，真的很赞！一开始老师在课堂上要求我们掌握一些简单的汉字速记写法，然后开始写句子，在最后就让我们自己找文章开始练习，在这循循渐进的过程中，我们慢慢的掌握并不断的运用到实际的学习和生活中。

除此之外，我们一周两节速记课有一节是在机房学习的，为了提高我们的盲打速度，我们在机房练习将近一学期的时间，现在我们其本上可以实现盲打，而且速度不断提高，就像老师说的等这学期完了走进机房，听到同学们的打字就是“噼里啪啦”的，正如老师所说，现在进机房就是“噼里啪啦”。其实就在上学期，甘老师有提到说，我们中那些“两指铲”的最好不要打字了，应该停下来好好的慢慢的掌握键盘的指法。现在在老师的教导下，在我们的努力下，我们已将掌握了这些基本的操作。再后来，老师就讲些电脑的快捷的操作方式，什么复制啊，粘贴啊，等等。当然都是一些平时常用的操作，很实用，也是在实训最后，老师要求我们每个小组去找一些平时常用的快捷操作。通过每个小组的汇报总结，让我们实训时知道好多好用的快捷方式。当时我们都恍然大悟，啊！原来这样也可以啊，基本上大多同学都有这样的感慨。

当然前面的一切铺垫工作就是为了我们能够更好的速录，就在大家刚刚适应这个过程的时候，老师又增加了难度，她放一些经过处理的声音录音来真的检验我们平时所学的，一开始是70字每分钟，到后来慢慢的到了80、90不等。虽然一开始有点吃力，但慢慢的我们就适应了，喜欢上了这种感觉，很有成就感，原来自己可以写的这么快。

速记，真的是一门很实用的技能，不管以后是否从事秘书这个职业，是否用得着，多学一门东西总归是好的。

第四篇：实训总结

实训总结

文秘1401 03号 张惠蓉

为了进一步了解秘书职业岗位的特点和要求，不断地拓宽和更新我们所学的知识结构，强化职业道德和职业岗位意识，培养自身的工作能力，提高我们的业务技能，将理论知识付诸于实践，积累实际的工作经验，为将来走上工作岗位和胜任秘书工作打下坚实的基础。根据学校老师的安排，我们进行了每周二的秘书岗位技能实训。通过每周二的实训和学习，我知道了目前自己的不足，那就是缺乏相应的知识与经验，对所学的专业知识不能够很好地运用于实践操作，同时，我也得到了很多收获。

这两个学期的实训，都被分到了院技能鉴定中心，但是由于各种原因导致我和我的小伙伴只去了几次实训。虽然去的次数不多，但是每次去都能学到新的知识。我把几次实训得到的收获做了以下几点总结：

一、细心耐心是秘书人员的基本素养

上学期9月份，第一次去院技能鉴定中心时，老师还在上课，由指导老师郑老师带我们去了办公室，到了之后，我们先整理和打扫了办公室茶几等各个角落。等老师来了之后互相熟悉。在给院学生职业资格考试盖章中，我们将理论付诸于实践，盖章的时候要“齐年压月”，而且章不能糊。

二、文明礼貌是秘书人员的基本职业道德

领导有一次让我将一份文件送到生物实验楼的三楼的305，去送文件的时候，进门之前要先敲门，刚好接收文件的老师不在，我将文件交给办公室的其他老师。回到办公室后，老师询问其这件事，我才恍然大悟，原来如果老师不在且该文件不是很重要时可以直接放在办公桌上并拿东西压住。假如该文件很重要，应带着该文件返回，让领导打电话给老师确认何时会在，再送过去亲自交给老师。

三、掌握好相关专业扩展知识是秘书人员的基本技能

在实训期间还学会如何更好的泡茶，每周二到了办公室之后首先就是先清理茶具，并按领导要求准备好茶水等。我学会了不同的茶叶要用不同的器皿、不同温度的水去泡，这样泡出来的的茶水才会更加的清甜、口齿留香、香味扑鼻。并将茶艺课所学的知识运用到实践中去，实现了理论与实践相结合。

四、恪守信用，保守秘密是秘书人员的职业道德

在实训岗位上秘书人员往往要恪守信用，就是要遵守信用、遵守时间、遵守诺言，言必信，行必果。遵守时间，领导找秘书人员汇报工作，秘书人员不准迟到。秘书人员自己安排的会议或会谈，自己要事先到场，并做好一切准备工作。秘书人员要严格遵守诺言，一经允诺的事情就要尽力办到，遇到曲折变化，要事先说明原因，使人信服。严守机密。秘书人员一个显著的特点，是掌握的机密较多，因此，要求秘书人员必须具备严守机密的职业道德，自觉加强保密观念。

五、着装打扮是秘书人员的基本要求

在第一次去实训时，我扎着马尾，身穿一件蓝白相间的直筒T恤裙子，搭配黑色凉鞋。可能因为这条裙子未过膝有点偏短以及凉鞋，老师看到后告诉我们说，等今后我们走上工作岗位之后，应该注意着装的正确搭配，着装打扮要与活动的时间、地点、目的保持一致，具体地说就是既要自然得体，协调大方。鞋袜搭配应合理，上班时不宜穿凉鞋，饰品和化妆要适当，发型要整齐规范，不可太新潮。应当化妆，但妆色一定要淡雅，不露妆痕，面部、头发和手指要整洁。在工作中，走姿、站资、坐姿、及接待宾客、接物递物都要符合礼仪。要显得落落大方不拘谨。

六、沟通协调是文秘人员重要的技能

实训期间，当好“总管家”做好“小媳妇”，这句话是我学到的最深刻的印象。沟通协调工作是秘书工作中的一个重要部分，秘书人员在协调工作的过程中，要力避沟通不足，把握原则，借助技巧，化解意见，建立共识，融洽人际关系，提高工作效率，增进情感交流，改善人际关系，带来工作绩效。秘书人员在了解沟通协调的重要性、基本要求及与上级、同事的沟通方法后，利用沟通协调艺术促使秘书工作顺利进行，使工作达到最佳状态。我们在与人交流中应该巧妙地听和说，而不是无所顾忌地谈话。而与那些充满畏惧的人、怒火中烧的人、或是遭受挫折的人交流就更难了，因为在这种情绪的控制下，我们会更加束手无策。再好再厉害的交流也是一点一点磨练出来的。学会了即使对方看上去是在对你发脾气，也不要与他还击。别人的情绪或是反应很可能和自己一样是由于畏惧或是受到挫败而造成的。那是我会做一个深呼吸，然后静静数到10，让对方尽情发泄情绪，直至他愿意说出他真正在想的是什么。不必知道所有的答案。说“我不知道”也是很好的。如果想知道什么就说出来，然后说出自己的想法。或者与对方一起找出问题的答案。

总之，这次实训为我们提供了与众不同的学习方法和学习体会，从书本中面对现实，为我们将来走上社会打下了扎实的基础。从实践中，我总结出一些属于自己的实践经验，社会是不会要一个一无是处的人的。实训是为了让以前学过的秘书理论知识得到巩固和升华，是为了让我们更清楚的了解到秘书这个职务的重要性，是为了让我们更加明白秘书应具备的各类技能，实训中的不足与收获带来了紧张与欢乐的气氛，是值得我们回味的，而在实训中学到的知识和技能则是非常值得我们好好的合理运用，所以我们应该为我们未来的秘书道路而更加努力！

第五篇：实训总结

测量实训个人总结

前言：为期三个星期的测量实训课圆满落下了帷幕，在这三个星期的实训生活中，我感受颇多，让我真正了解了什么是真正的团体合作，也让我深深认识到：测量实训，是发现问题、解决问题、提升自我的课堂。

三个星期的实训测量是我期盼已久的，为了这难得的实训课，我做了大量的准备，把理论知识认真温习了一遍，我觉得如果理论知识不牢固，就等于是地基不稳，上层建筑就会坍塌，还谈何实地操作仪器测量呢？

很快，迎着朝阳，我们等来了实训课的第一天。在这之前，在班级就早已经把各个测量小组分好，我是第四小组，担任组长一职，这就意味着我将付出比他人更多的努力，担负起整个测量小组的总的工作的调度与协调，这对我是一次机遇，更是一次挑战。此次测量实训共有5大项测量内容，分别是：测量学校五栋主楼、阶梯教室、宿舍楼、食堂及食堂路、铁道的平面位置；测量山坡等高线；测量轨道断面图；曲线放样；测量高差，找坡度和测定三角形内角和。在老师交代完一些注意事项之后，我们组就领了即将陪伴我们三个星期的测量仪器：全站仪、三脚架、对讲机、卷尺、罗盘仪、棱镜、锤子和桩。

到达场地之后，按照要求，我们组首先选定了合适的控制点，通过实训，我了解了控制点的选择应该具有广泛性，即在满足要求的情况下，应对应测地域进行全面的勘察，选取能在最大限度内观察范围最广的控制点，减少引线点的数量，确保测量精度，同时对于主控制点，应该有一个整体的观念，只有这样，才能使接下来的测量顺利进行。由于刚开始接触实训，组员都很积极，全组人都干得热火朝天，我们率先完成了五个主点的测控，经计算校核，误差在容许范围之内。但因为事先没有考虑到测量进度的问题，罗盘仪忘记带到场地了，我们的方位角无法完成测量，因此只有把此项测量工作搁置在第二天的测量任务中，从而在一定程度上影响了测量进度。经过这小小的插曲，我认为在以后的测量工作中，应事先制定详细的测量计划，保证进度的同时要结合实际情况，把各种可能会发生的因素考虑到位，树立整体观念。

接下来的第二天，我们组就进入到了主楼的测控阶段，由于没有经验，我们组对于主楼的测量一时不知道从何着手，身为组长的我很是焦急。忙活了好久，我们都没能解决，而且总认为这需要我们自己去解决。虽然在得到老师帮助后知道是我们操作步骤错误引起的，问题得到解决，但是等于一天没有进展，我们落后了，在以后的几天，我们组几乎是追赶着别组的脚印测量的。测量的第一次挫折，越是着急就越是忙中出乱，反而忘了此次测量实训的真正目的，那就是发现问题、解决问题，在实地测量中把自己不会的、不懂的都暴露出来并且去解决它，不能解决的及时向老师提问。

我们组的测量作业在随后的几天稳步进行，同时我们的平面图也初具摸样，慢慢的把我们校园的几栋主楼位置显现出来，此时的我们也很是开心，并不断加快测量进度，力争在第一个测量实训周把主楼测量完毕并绘制到我们的平面图上。因为浮躁加上过度的自信，在测量最后一栋主楼的过程中，我们的测量和记录都出现了问题，近三分之二的数据是错误的，眼看着付出的劳动付诸东流，组员们产生了负面情绪，都不大愿意重新测量，但是测量必须实事求是，不得有一丝一毫的错误，我决定下午加班，争取将这栋楼测量出来。回到宿舍，我们把数

据反映到图纸上，找到出错点，并制定复测方案。很快，我们找到了原因，是由于记录错误，使用了错误的控制点引起的。在下午的复测中，我们得到了正确的数据，并且准确的反映到了图纸上。发现错误、找到错误、纠正错误是本次测量实训所必须经历的过程，在这一过程，我们能切实的参与整个过程，印象深刻，积累了丰富的经验，相信这会给我们在以后的工作中很大的帮助。

第二个星期，我们开始了宿舍生活区、食堂路、铁道、土坡等高线的测量，在宿舍及食堂的测量中，对于已经经历了一个星期的我们简单了许多，每一项测量都井然有序。进度明显快了很多，我们转入到了土坡等高线的测量，在老师统一指导之后，我们制定了本组的测量方案，采用放样的方法进行测量以保证测量的精度。放样测量等高线较其他组的坐标测量方法速度要慢很多而且投入的工作量也是十分大的，不仅需要一定的耐心，更需要全组人员的齐心协力，有效地配合。我们选取了十条具有代表性的直线进行测量，每条线测了十个点，最后，我们的等高线的测量经过两天的努力圆满的完成了。但是，又是在最后的画图环节发现了问题。其中有三条线上的点数据错误，使得等高线不能连成一体，我们出现了最大的失误。眼看时间紧迫，我们只得粗略的测量出错的三条线，这给画图质量造成了一定的影响。“千里之堤毁于蚁穴”这句话说得一点没错，无论什么时候，无论做什么事，都应该谨慎，做到事无巨细，这样才不会功亏一篑。正是测量实训给了我这样一次锻炼自己的机会，让我更多了一份耐心，多了一份恒心。

接下来的任务更加的具有综合性，那就是曲线放样。在这之前，老师已经提前让我们做好准备，将放样所需的数据计算出来，等到放样当天直接用数据，节省时间。计算真的是一件很繁琐的事情，综合性很强，使我在计算过程中频繁出错，尽管如此，我还是静下心来，一步一步的计算，最终利用晚自习的时间参照书本的计算步骤把放样所需数据计算了出来，待第二天放样的时候用。第二天的放样遇到了诸多问题，首先就是仪器的对中整平。因为此前的对中整平都是在水泥地面或者比较硬的土地上进行的，操作起来相对简单。但是我们放样的场地都是松软土，仪器好往下陷，很不稳定。最后我们组想到了一个简单的方法，拿了三块板砖放在三脚架的三个着地点。这样不仅解决了稳定性问题，还很快的找到了地面点，一举两得。按照之前的数据，我们一个点一个点得测设，把我们组的曲线放了出来。但是仔细一看，好像与我们设想的方向有很大出入，方向反了。经老师指导后才知道，那是仪器默认的结果。就这样，我们组还是比较顺利地完成了圆曲线的测设。

铁道断面图的测量需要每个人都有自己的一组数据，我们小组分为了两个小组，第一小组上午测量，第二小组下午测量。第一小组在测量过程中暴露了很多问题，很重要的一点就是仪器安放位置选取不合理，导致盲区太多，不能连续进行测量，耗费时间过长。我们吸取教训，在下午的测量中，把仪器立在铁道轨枕上面，使得我们的测量点全部通视，节约了大量时间。有时候，必要的探索也是必不可少的，虽然会碰壁，但也未成功铺平了道路，黑暗的尽头就是黎明！在作图的时候，我们就像无头苍蝇，不知如何进行，图纸摆在眼前却不知怎样绘制断面图，老师在给我们讲解之后拿来样板给我们参考并且告诉我们书本上关于断面图介绍的章节。看完书本之后我才恍然大悟，都是上课走神惹的祸，让我对这一小结毫无印象。理论知识是一切行为的前提条件，理论基础不踏实，上层建筑必将崩塌。在以后的工作学习中，一定要学好理论知识，理论联系实际，在实践中检验和发现真理，才是当代大学生所应当做的。华而不实、投机取巧都是不可取的。

在主要测量任务完成之后，我们更换了仪器，利用水准仪测量环形指定两点高差，老师采取的是让我们竞赛的方式，看谁的精度高。同学们的积极性很快被调动起来了，大家你追我赶，力争第一。测量比赛俨然成了一个展示自我的舞台，每一位同学都是舞台上的明星。最后，我们组虽然排名中等，但组员还是很开心。最后一天的放松时间更是让我记忆深刻，师生情、同学情在那一刻得到升华，大家都体验到了测量实训给自己带来的蜕变。理论与实践的结合，发现问题解决问题的过程，让我们的专业知识技能得到了很大的提升，这次测量实训将让我终身受益！