数学建模的步骤
（一）模型准备
了解问题的实际背景，明确建模目的，搜集必需的各种信息，尽量弄清对象的特征。就是提出要解决的问题并用清晰明确的语言加以表述，为进行机理分析或者数据分析奠定基础。
（二）模型假设
根据对象的特征和建模目的，对原型问题进行适当的抽象和假设，决定采用何种方法建构模型——是机理分析还是数据分析。然后依据采用的基本方法，分析各种因素，做出理论假设。
（三）模型构成
根据所做的假设分析对象的因果关系，并进一步抽象出表述对象特征的形和量，利用对象的内在规律，确定各个形和量的数学结构，也就是用数学的语言，或者利用现成的数学工具，或者创造新的数学工具描述对象的内在规律。这就具体地构成了数学模型。这里应该遵循反映性原则，数学模型应该与原型的空间形式和数量关系相似，也应该遵循简化原则，使所采用的现成的数学工具具有最简性，遵循可推演原则，使所创建的新的数学工具是有数学意义的有效的数学模型。
（四）模型求解
模型求解就是解数学模型表达的数学问题，可以采用解方程、画图形、证明定理、逻辑运算、数值计算等各种传统的和近代的数学方法，特别是计算机技术得到模型问题的结果。也可以采用数据分析的方法，对统计模型进行数据分析，并进行统计推断得出相应的模型问题结果。两者都需要得到有意义的数学结果，这也是可推演原则的要求。无论是机理方法还是数据分析方法得到的模型，求解一般都需要大量的计算，许多时候还需要采用计算机模拟，因此可推演原则中自然也就包括了计算机编程和数学应用软件利用在内。
（五）模型分析
对模型解答进行数学上的分析。例如数学推演结果的逻辑分析、误差分析以及数据分析结果的灵敏度分析。若符合要求，可以将数学模型进行一般化和体系化，按此解决问题；若不符合要求，则进一步探讨，需要返回模型求解的步骤重新求解，直到数学上符合要求为止。
（六）模型检验
把数学模型的解概括到原型的领域，也就是把模型分析的结果翻译回到原型问题，并用原型问题的实际的现象、实际发生的数据与之比较，检验模型的合理性和适用性。如果经过检验，模型的推演结果和原型的真实结果一致，那么这个数学模型就构成这个原型领域的一个成果，不仅解决了建模开始时提出的原型的问题，而且作为经过验证的数学模型可以在以后运用——如果是创新的数学模型，还同时是数学的成果。如果经过检验模型推演的结果与原型的真实结果不一致，则需要返回到模型假设那一步，重新进行假设，并以新的假设，重复以上各个步骤，直到得到需要的结果。
（七）模型应用
原来现成的模型的应用就是用数学模型达到建模的目的——解决原来提出的原型的问题；此次新创建的数学模型则可以作为新的数学工具得到存储和编目，以备以后的建模运用。同时无论对哪种模型，还需要在应用中不断优化，即对假设和数学模型不断加以修改，得到几个不同的模型，对它们要进行比较，直到找到最优模型。