wordpress企业站被黑,百度服务商,自己做的网站怎么推广,深圳做网站建设比较好的公司如下为C君的2023高教社杯全国大学生数学建模竞赛#xff08;国赛#xff09;选题建议#xff0c;
提示#xff1a;DS C君认为的难度#xff1a;CBA#xff0c;开放度#xff1a;BAC 。
D、E题推荐选E题#xff0c;后续会直接更新E论文和思路#xf…如下为C君的2023高教社杯全国大学生数学建模竞赛国赛选题建议
提示DS C君认为的难度CBA开放度BAC 。
D、E题推荐选E题后续会直接更新E论文和思路不在这里进行选题分析以下为A、B、C题选题建议及初步分析
A题定日镜场的优化设计
A题是数模类赛事很常见的物理类赛题需要学习不少相关知识。一些数值计算的部分应该还需要用到运筹学的多目标规划。
这里简单提一下第一问的思路问题一要求计算定日镜场的年平均光学效率、年平均输出热功率和单位镜面积年平均输出热功率。针对这个问题我们可以采用以下步骤和算法解题
1确定定日镜位置根据给定的定日镜中心位置在圆形定日镜场中确定每个定日镜的坐标。
2计算太阳高度角和方位角根据地理位置和日期时间使用公式计算太阳的高度角和方位角以获取入射光线的方向。
3计算法向直接辐射辐照度利用所得到的太阳高度角和方位角结合地球上垂直于太阳光线的平面单位面积上接收到的太阳辐射能量的公式计算法向直接辐射辐照度。
4计算定日镜的光学效率利用光学效率公式分别计算阴影遮挡效率、余弦效率、大气透射率和集热器截断效率并将它们相乘得到定日镜的光学效率。
5计算定日镜场的输出热功率根据法向直接辐射辐照度和定日镜的光学效率计算每个定日镜的输出热功率并将它们相加得到定日镜场的输出热功率。
6计算单位镜面积年平均输出热功率将定日镜场的输出热功率除以定日镜总面积得到单位镜面积年平均输出热功率。
在解题过程中可能需要使用数值计算和优化算法来处理复杂的计算和问题求解。例如可以使用数值积分方法来估计法向直接辐射辐照度使用迭代或优化算法来确定定日镜的最佳位置和尺寸等。
这道题专业性较高后续账号会在出本题具体思路分析时再进行具体分析与建模。开放程度低难度适中。但这类赛题通常门槛较高小白/非相关专业同学谨慎选择。C君建议在最后对对答案答案的正确与否会对最终成绩产生较大影响。建议物理、电气、自动化等相关专业选择。 B题多波束测线问题
今年的国赛题目很奇怪可能是因为chatgpt等一系列AI工具的普及B题与A题一样均为物理类题目这两道题目的类型很相似。往年一般会有一个趣味性一点的题目。但B题可以明显看出是对数学、统计学相关专业较为友好。B题需要用到不少模拟仿真相关算法推荐利用lingo进行求解。
这里就不再进行更细致的分析了我们会在晚上发布相关具体思路可以关注下。
这道题存在最优解开放程度低难度适中。大家选择此题最好在做完后线上线下对对答案。推荐统计学、数学、物理等专业同学选择。 C题蔬菜类商品的自动定价与补货决策
这道题就是很多同学在训练的时候经常做的题目类型了属于大数据、数据分析类题目同时也是团队擅长的题目。需要一定的建模能力和其他赛事赛题类型类似建议大家各个专业均可进行选择。
题目需要建立数学模型大家可以使用评价类算法比如灰色综合评价法、模糊综合评价法对各个指标建立联系。
第一问前大家需要对数据进行分析和数值化处理也就是EDA探索性数据分析。对于数值型数据大家用归一化、去除异常值等方式就可以进行数据预处理。而对于非数值型数据进行量化大家可以使用以下方法
1标签编码
标签编码是将一组可能的取值转换成整数从而对非数值型数据进行量化的一种方法。例如在机器学习领域中对于一个具有多个类别的变量我们可以给每个类别赋予一个唯一的整数值这样就可以将其转换为数值型数据。
2独热编码onehot
独热编码是将多个可能的取值转换成二进制数组的一种方法。在独热编码中每个可能取值对应一个长度为总共可能取值个数的二进制数组其中只有一个元素为1其余元素均为0。例如对于一个性别变量可以采用独热编码将“男”和“女”分别转换为[1, 0]和[0, 1]。
3分类计数
分类计数是将非数值型数据转换为数值型数据的一种简单方法。在分类计数中我们根据某些特定属性比如学历、职业等来对数据进行分类然后统计每个类别的数量或频率。例如在调查问卷中我们可以对某个问题的回答按照“是”、“否”和“不确定”三个类别进行分类并计算每个类别的数量或频率。
4主成分分析
主成分分析是将多维数据转换为低维度表示的一种方法。在主成分分析中我们通过找到最能解释数据变异的主成分来对原始数据进行降维处理。这样就可以将非数值型数据转换为数值型数据。
而第一问建议大家使用一些可视化方法可以使用常见的EDA可视化方法
l 直方图和密度图展示数值变量的分布情况。
l 散点图展示两个连续变量之间的关系。
l 箱线图展示数值变量的分布情况和异常值。
l 条形图和饼图展示分类变量的分布情况。
l 折线图展示随时间或顺序变化的趋势。
l 热力图展示不同变量之间的相关性。
l 散点矩阵图展示多个变量之间的散点图矩阵。
l 地理图展示地理位置数据和空间分布信息。
而第一问可以给小白先提示下后续我们还会更新具体的每问思路。第一问是需要我们做相关性分析看那几个指标之间的相关系数是否高如果高则代表影响较大低代表影响较小。这里可以用热力图进行绘制从而可视化影响程度。另外对于分布规律我的建议是简单一点做就用统计描述计算每个蔬菜品类及单品的销售总量、平均销售量、最大销售量和最小销售量等统计指标以了解它们的整体情况。
如果可以的话也可以用聚类算法根据蔬菜品类或单品的销售特征可以使用聚类分析方法如K-means聚类将其划分为不同的群组进一步了解不同群组之间的销售量分布规律。 由于这篇是选题建议详细思路可以看我的后续文章/视频。就不赘述了。数据集怎么分析可视化代码什么的后续会更新。这道题目开放度较高难度较易是本次比赛本科组获奖的首选题目。推荐所有专业同学选择门槛较低且开放度也相对较高。
有关思路、相关代码、讲解视频、参考文献等相关内容可以点击下方群名片哦
