一、问题的描述

问题及要求

1、搜集各个级别世界女子举重比赛的实际数据。分别建立女子举重比赛总成绩的线性模型、幂函数模型、幂函数改进模型，并最终建立总冠军评选模型。

应用以上模型对最近举行的一届奥运会女子举重比赛总成绩进行排名，并对模型及结果进行必要的分析。

2、请对以上模型作进一步的改进，或提出更好的模型，并应用模型进行排名。

3、同样对最近举行的一届奥运会所有男女举重冠军行进评选，选出1名最优秀的举重运动员，给出你的定量评选方法并合理论述。

4、由以上研究过程及结果结论的启发，你认为这个模型可以推广应用到生活或学习中的哪些情况下，或者应该对生活或学习中哪些事物现有的处理方式需要做出改进，请给出你的分析。

说明：完成一篇建模论文。（具体资料及提交要求见说明文件）

二、搜集资料和数据

1.级别的划分

以下括号内容均为网上的查阅资料

（男子举重原有8个级别是：56、62、69、77、85、94、105公斤级和105公斤以上级，于2018年由国际举联调整新的10个级别是55（非奥）、61、67、73、81、89（非奥）、96、102（非奥）、109公斤级和109公斤以上级共10个级别。女子举重原来7个级别是：48、53、58、63、69、75公斤级和75公斤级以上级，新的10个级别也调整为：45（非奥）、49、55、59、64、71（非奥）、76、81（非奥）、87公斤级和87公斤以上级。男女6个非奥级别只在奥运会以外的赛事举行。）

在本题目中，我们按照奥运会的规定来进行求解，规定为8个级别

男运动员：61、67、73、81、96、109、109以上

女运动员：49、55、59、64、76、87、87以上

2.搜集数据

数据来源：

女子举重世界纪录_国家体育总局 (sport.gov.cn)（旧纪录不可用，这是一个注意点，一定要注意，要用2018以后的数据，新标准之下的记录）

图1.旧标准的记录

可用数据网站（需要科学上网）：https://zh.wikipedia.org/zh-hans/%E8%88%89%E9%87%8D%E4%B8%96%E7%95%8C%E7%B4%80%E9%8C%84%E5%88%97%E8%A1%A8#%E5%A5%B3%E5%AD%90

在这个网站里面，我们需要选取，当前记录这一栏目，千万千万千万记住，不要用旧纪录这一栏，因为在2018年之后男子和女子的分类的级别已经改变。

图2.男子新记录

图3.女子新纪录

三、第一问

1.分别绘制抓举、挺举、总和下的散点图如下：

图4.体重和举重重量的散点趋势图

分析图形可能为线性关系、非线性关系（指数、对数等）。

散点图代码如下（python）：

#引入相应的库
import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
import seaborn as sns

#读取数据
data=pd.read_excel("data.xlsx",sheet_name="女子")
#选取抓举、挺举、总和
data_1=data[data["class"]=="抓举"].sort_values("weight")
data_2=data[data["class"]=="挺举"].sort_values("weight")
data_3=data[data["class"]=="总和"].sort_values("weight")
#筛选出自变量和因变量
x1=data_1["weight"].values
y1=data_1["record"].values
x2=data_2["weight"].values
y2=data_2["record"].values
x3=data_3["weight"].values
y3=data_3["record"].values

#解决中文乱码和符号显示的问题
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['font.sans-serif']=['Microsoft YaHei']
#绘制散点图
plt.figure(figsize=(10,8),dpi=300)
plt.title("体重和举重重量散点趋势图",fontsize="16")
plt.xlabel("体重/kg",fontsize="14")
plt.ylabel("举重重量/kg",fontsize="14")
plt.scatter(x1,y1,color="red",label="抓举")
plt.scatter(x2,y2,color="blue",label="挺举")
plt.scatter(x3,y3,color="green",label="总和")
plt.grid(True)
plt.legend()
plt.savefig("1.png")

2.线性拟合（多项式拟合）

拟合图如下图5