0


2023美赛选题建议 美国大学生数学建模竞赛ABCDEF题

选题建议和粗略思路已更新完毕

对于没有基础的同学来说CD两题上手难度较高,大家可以根据自己的实际情况选择最适合自己的题目,团队将持续更新各题后续内容,Q群322297051

A题主要难度就是建立第一问的模型,综合来看难度不大,
但建议上手建立第一个模型时多阅读文献,考虑清楚后再上手,
因为第二问是建立在第一问的基础上
预测模型有两个思考角度,一是机器学习,二是从机理角度。
考虑到问题二,建议本题机理角度。如有不合理之处后续会进行修正。

B题主要难点在于如何对管理策略,以及保护区的人与动物受到的影响进行量化。这部分具有一定的主观性,需要仔细阅读参考文献中的条款,选择代表性强的进行编码量化。模型方面可以选择各类回归模型,寻找策略及其带来的影响之间的关系,之后再用PCA之类的方法寻找权重最大的策略,针对这些策略做更细致的研究。(列举到的模型是看到题目第一反应的想法 不限于上述方法)如有不合理之处后续会进行修正。

C题需要我们分析产生题目给出的报告的原因,也就是说,题干给出了因变量,需要我们分析自变量。自变量可以是各种因素,比如当天是否是周末,当天单词长度等。确定自变量后需合理对其今行编码,之后可用回归模型研究它们对报告结果的具体影响。另外,题目还要求我们建立单词的难度模型,具体做法是将报告中和难度有关的条目(如平均分)作为因变量单独做回归分析,并给出合适的模型。综合来看上手难度较高,读懂题意需要花费些时间

D题 今年D题和20年音乐家那题看上去,第一感觉很像。第一问创建关系网络非建模方法可以使用netdraw,gephi,pajek,ucinet等类似软件绘制可视化图+分析。但考虑到后面的问题,建议还是增加建模方法。后续的部分小问,可以网络分析中的一些指标如聚类系数、节点读分布等和经典算法。后面几问在做题时建议可以先转化为标准运筹学问题思考,如网络中节点对网络的影响。
图论和复杂网络中的常用节点重要性排序的基准方法一般为:路段介数指标、VoteRank等,一般选取改进的网络效率指标作为评价指标,用于评估节点对网络的影响。如果一个节点越重要,则删除之后其导致的网络效率下降将越严重。
建议本题有相关背景的同学选取,如果想要拿到更高的奖项,可以搜索关键节点识别等相关的论文。这里提供一个我最近看的论文的方法:图神经网络捕捉空间相关性,LSTM捕捉时间相关性,最后复合网络的输出作为输入输入至影响传播模型(该模型公式如下)。

(列举到的模型是看到题目第一反应的想法 不限于上述方法)如有不合理之处后续会进行修正。

E题要求我们对光污染水平进行评估,这里需要量化光照水平以及光污染产生的危害,并进行加权想加。
之后,我们需要量化干预策略,并建立干预策略与评估指标之间的回归模型。
题干中提到了四种不同地区,很明显它们的区别是人口数量。因此,我们需要将人口数量也列入影响光污染程度的自变量之中。

F题是典型的政策分析题目,通常这类题目不需要太复杂的模型,重要的是确定好分析的指标,可以形成“逻辑闭环”,言之有理即可。
解题建议:问题一:阅读文献,了解不同的GGDP的衡量计算标准,建议选取与气候变化密切相关但评价体系不那么复杂的(数据容易获得)
问题二:利用选择的GGDP建立模型,选择评价的指标,量化新的GDDP对气候的影响。(指标的选取要考虑数据的获取情况,尽量要比较全面,这里要有较权威的参考文献比较好,选取后对每个指标赋权,可以利用层次分析法建立评价模型)
问题三:对利用现在的GDP和新的GGDP对气候变化的影响进行预测,比较两种GDP带来的气候变化的后果。如果指标比较多,可以先用主成分分析法或者灰色关联法得到对(G)GDP最重要的指标,然后对最重要的指标来预测,可以利用神经网络、(非)线性回归等方法预测。
问题四:选择具体的国家,建议选择资源丰富,可讨论点较多的大国(例如中国或美国),可以具体搜集这个国家的资源使用情况和政策,并对这个国家的人口等进行预测,来分析新的GGDP对于这个国家的资源保护和人口增长的速度等是否匹配。
问题五:根据上面的模型和结果写一个一页的报告,建议短小精炼、言之有理即可。

标签: 人工智能 算法

本文转载自: https://blog.csdn.net/yeqianqian_/article/details/129077738
版权归原作者 千千小屋grow 所有, 如有侵权,请联系我们删除。

“2023美赛选题建议 美国大学生数学建模竞赛ABCDEF题”的评论:

还没有评论