2023年美赛春季赛 赛题浅析

news2025/1/17 14:00:17

由于今年各种各样的原因,导致美赛头一次,据说也将是最后一次,临时调整,加设春季赛。这对于急需建模奖项的大家来说是一个很好的机会。无论怎样的原因,今年美赛我们可能有所遗憾。但,春季赛也许就是弥补遗憾的一次机会。首先给大家带来春季赛两个赛题的简要解析,以方便大家更好的选题。以及提前预知不同的赛题将会遇到的难点,提前避雷。

今年春季赛给我的感觉就是似曾相识,Y题我可以直接想到2021第二届华数杯二手车的评估问题,大家可以提前看一下,稍后也会分享一些相关资料。Z题,则让我想到了2010年国赛B题,奥运会问题。因此,对于春季赛的两个赛题,我们都是有迹可循的,下面为大家进行简要的解析,详细思路稍后更新。

预计上午十点之前完成两个赛题详细思路的编写,下午两点之前完成首次资料的收集工作。

Y题详细版思路,九页word

链接:https://pan.baidu.com/s/1aeTNm_PhThfFhdFLZpTsDA

提取码:sxjm

Z题详细思路 八页word

链接:https://pan.baidu.com/s/1blv8pZK6X3d6s3L0ETd1Ow

提取码:sxjm

2023 MCM 问题Y:了解二手帆船的价格

问题Y,是一个以二手帆船为背景的二手价格评估问题。对于这一问题,我们可以回归本质,就是二手车的价格评估。单独查找二手帆船的价格显而易见是很冷门的,因此我们可以进行借鉴。稍后也将为大家收集相关的价格评估资料,其中尤其需要注意的就是大家可以参考这两年刚刚出过的一次二手车辆价格评估数模题,即2021年华数杯第二届的赛题,可以看一下,找一下思路。

问题一,要求我们对每个帆船的价格的估计精度。对于这一问题,最为简单的思路就是回归分析,根据题目提出的各种附加特性,以及给出数据的各种指标。进行指标的选择,建立多元回归分析,直接进行价格的预测。这个最简单的一种,可能大家感觉有些简单,其实很多国赛的主模型也是一个简单的多元回归分析,所以没有模型的对错,只有适合与否。大家也可以选择一些高级的价格预测,对应的一些其他预测模型,或者二手车价格评估的专用模型,这就属于进阶模型了,尽力而为即可。

问题二,根据我们建立的模型来解释地区对上市价格的影响。问题二的题设要求我们在问题一的指标选取时,还需要尽可能地考虑地区数据,因此,就需要我们通读题目再去进行问题一指标的选取工作。这里当我们问题一地回归预测模型的话,问题二就可

以看作对应的回归分析模型,对单个某一自变量与因变量地关系可以进行讨论。对于进阶模型,我认为关系的分析讨论也是模型必备的,稍后也将为大家收集一些这方面的相关资料。

问题三,相当于将我们的模型,代入香港这一实际例子进行分析。

问题四,数模题的常见性质,我们通常叫做非技术性文章,这就需要大家各显神通。

2023 ICM 问题Z:奥运会的未来

问题Z的题目设置,直接让我梦回2010年国赛B题,当时的题目设置为上海世博会的定量评估。背景设置,题目问法简直不言而喻。因此,我稍后为大家收集我手头的2010年国赛资料进行分享。下面,进行简要的赛题浅析。

Z题以奥运会的举办为背景设置了题目,题目提出了两种思路,一选取一个永久的地点,二将项目分为四组,降低举办活动的负担。无论是这个题目还是当初的2010B题,大家都要明白这是数学建模,我们要进行的是定量分析,因此无论怎样的分析,都需要基于一定的数据出发,才能分析。这里稍后也将为大家收集一下数据。

问题的设置不同于以往的问题一二三四,问题Z应该就只有两个大问题,一、判断我们计划的可行性,以及具体计划的实施时间,潜在策略对指标的影响;二、非技术性文章,写一个备忘录。

问题二,还是需要大家各显神通即可。问题一,则需要我们仔细地分析题目中提及的几个关键词。ICM建议从不同的角度建立举办奥运会的影响指标:经济、土地使用、人类满意度 (运动 员和观众) 、旅行、未来改善的机会、主办城市/国家的声望。题目给出了考虑方向,也就相当于给了我们收集数据的大概方向。

首先,我们收集数据只需要把握大方向即可,我们首先 先收集题目给出各种大方向的 数据。根据收集的数据 完成问题一指标的选取。切记,不能先选指标后找数据,这样很容易陷入找不到数据的尴尬境地。对于光污染的数据很多数据开放的数据库可以直接获取,这里稍后也会为大家收集整理

最后就是数据的小注意点,我们可以发现对于春季赛的YZ两题,他们都是结果 相当开放的题目。我们通常对于这种结果开放式的题目是很喜欢的,原因就是对于这种题目,他的答案一定不是固定值,因此,只要合理就可以。如果保证合理呢,就需要我们大致的读一下文献,对现在这一现状有所了解,只要结果 不是离谱到家评委不能直接将我们的论文判定错误的 。所以,当我们真的真的找不到数据,或者找到的数据不好,代码编程运行出来的结果不理想时,对于这种开放式结果的题目,编造一个数据集,或者编造一个合理的结果是无可厚非的。

总结:本次春季赛的赛题难度目前来看,是比今年美赛正式赛还要简单不少的。Y题更加的具体,问题清晰,模型相对的比较简单。Z题题目设置的更加宽泛,给了我们更大的发挥空间。对于本次比赛,建模基础不好的,还是比较推荐Z题,Z题这种综合评价类的题目也是比较适合新手的。这类赛题对于数学模型的掌握程度、代码编程要求都不是太高。对于Y题,则比较考验大家模型的选取,换而言之,模型的好坏很可能直接决定论文的评审等级。因此,对于有建模经验的队伍,还是比较推荐Y题的。对于无论哪场建模比赛,Z题这种类型的题目始终是选择的热门,也是因为这种赛题门槛低,可操作性大。总之,Y偏难,但不至于太难还是有很多可行性的。Z题,比较基础,唯一的难点就是在于数据的收集。稍后我也将为大家收集一些数据,方便大家使用。对于Y题,大家也可以有选择地收集一些和题目相关,但是给出的数据集中所没有的数据,也是可以的。这一点做好的,也是我们的加分点。

最后,预祝大家比赛顺利!!!!!!!!!!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/415384.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

在不丢失数据的情况下解锁锁定的 Android 手机的 4 种方法

尽管您可以使用指纹解锁手机,但大多数智能手机都需要 PIN 码、图案或字母数字代码作为主密码。如果您有一段时间没有输入手机密码,很容易忘记。正是由于这个原因,即使您打开了指纹解锁,大多数智能手机也会让您每天至少输入一次 PI…

Linux之磁盘分区、挂载

文章目录一、Linux分区●原理介绍●硬盘说明查看所有设备挂载情况挂载的经典案例二、磁盘情况查询基本语法应用实例磁盘情况-工作实用指令一、Linux分区 ●原理介绍 Linux来说无论有几个分区,分给哪一目录使用,它归根结底就只有一个根目录,…

【软考五】数据库(做题)

该文章不适合学习数据库,适合考证,遇到实际问题的,不要在这儿浪费时间。切记切记 软考之数据库一、概念数据模型(下午题常考)二、结构数据模型关系模型1、关系模型中基本术语2、关系模型中的关系完整性约束3、关系代数…

SQL Server 数据查询

文章目录前言首先在SQL Server 2008 中新建一个数据库chaxun.在库中建三个表,结构如下表所示,并且录入数据.1.2.(1)在KC表中查询学分低于三分的课程信息,并按课程号升序排列(2)在XS_KC表中按学号分组汇总学生的平均分,并按平均分的降序排列(3)在XS_KC表中…

「文心一言」内测详细使用体验

★观前提示:以下内容仅为内测测试内容,不代表未来正式版如何,或许你认为它与chatgpt仍有不小的差距,或许你认为它目前做的已经不错了,都可以,但是咱们测试体验,只讲述体验,本篇文章不…

【数字图像处理】直方图均衡化

文章目录1. 算法原理2. 算法缺陷及改进2.1 缺陷2.2 改进3. 实现3.1 调包侠版本3.2 自由发挥版本1. 算法原理 直方图均衡化是一种常见的图像增强方法,可以增强图像的对比度。其数学原理如下: 首先,我们需要了解直方图的概念。直方图是对图像…

Bezier Curve 贝塞尔曲线 - 在Unity中实现路径编辑

文章目录简介一阶贝塞尔曲线二阶贝塞尔曲线三阶贝塞尔曲线图形理解 Bezier Curve一阶贝塞尔曲线二阶贝塞尔曲线三阶贝塞尔曲线应用Bezier CurveSimpleBezierCurvePathSimpleBezierCurvePathAlonger简介 贝塞尔曲线(Bezier Curve),又称贝兹曲…

人工智能概述

一、人工智能发展必备三要素 算法 数据 算力 CPU、GPU、TPU 计算力之CPU、GPU对比: CPU主要适合I\O密集型任务GPU主要适合计算密集型任务 什么样的程序适合在GPU上运行? 计算密集型的程序 所谓计算密集型(Compute-intensive)的程序,就是…

【K8S系列】深入解析无状态服务

目录 序言 1. 无服务介绍 1.1 优点 1.2 使用场景 1.3 资源类型 1.4 总结 2 使用介绍 2.1 Deployment 使用场景: 2.2 ReplicaSet 使用场景 2.3 pod Pod 资源定义示例 2.4 service 创建一个Deployment: 创建一个Service: 总结…

前置知识——Linux网络虚拟化

Linux网络虚拟化 信息是如何通过网络传输被另一个程序接收到的? 我们讨论的虚拟化网络是狭义的,它指容器间网络。 好了,下面我们就从 Linux 下网络通信的协议栈模型,以及程序如何干涉在协议栈中流动的信息来开始了解吧。 Linux…

基于飞桨实现的特定领域知识图谱融合方案:ERNIE-Gram文本匹配算法

文本匹配任务在自然语言处理领域中是非常重要的基础任务,一般用于研究两段文本之间的关系。文本匹配任务存在很多应用场景,如信息检索、问答系统、智能对话、文本鉴别、智能推荐、文本数据去重、文本相似度计算、自然语言推理、问答系统、信息检索等&…

【MySQL】了解MySQL的Explain,读这一篇够了( ̄∇ ̄)/

目录 ID select_type 查询类型 table 表名 type 关联类型/访问类型 possible_keys MySQL觉得可能要用到的索引 key 实际用到的索引 key_len 用到的索引的长度(比如可用于判断使用了联合索引中的哪几个) ref 表查找值所用的列(表名.字…

Transformer在计算机视觉中的应用-VIT、TNT模型

上期介绍了Transformer的结构、特点和作用等方面的知识,回头看下来这一模型并不难,依旧是传统机器翻译模型中常见的seq2seq网络,里面加入了注意力机制,QKV矩阵的运算使得计算并行。 当然,最大的重点不是矩阵运算&…

行人车辆检测与计数系统(Python+YOLOv5深度学习模型+清新界面)

摘要:行人车辆检测与计数系统用于交通路口行人及车辆检测计数,道路人流量、车流量智能监测,方便记录、显示、查看和保存检测结果。本文详细介绍行人车辆检测,在介绍算法原理的同时,给出Python的实现代码、PyQt的UI界面…

【并发编程Python】一文详解Python并发编程,协程、线程、进程

并发编程简介和一些前缀知识 并发编程是使得程序大幅度提速的。在并发编程中,程序可以同一时间执行多个任务,这有助于提高程序的吞吐量和响应时间。并发编程设计的主要概念包括线程、锁、同步、信号量、进程间通信等。 前缀知识: IO&#x…

Linux中shell内外命令讲解(上)

♥️作者:小刘在C站 ♥️个人主页:小刘主页 ♥️每天分享云计算网络运维课堂笔记,努力不一定有收获,但一定会有收获加油!一起努力,共赴美好人生! ♥️夕阳下,是最美的绽放,树高千尺,落叶归根人生不易,人间真情 前言 本章Linuxshell讲解,感谢观看,干货满满。 目录…

在windows内使用virtualbox搭建安卓x86,以及所遇到的问题解决--2.virtualbox上安卓x86的配置

目录: 简要说明: 1.配置vesa驱动: 2.启用网络连接并配置adb: 3.增强性能的方法: 简要说明: 先进行说明一点个人直接通过vbox VMware这些软件,并不能超越专业的安卓模拟器,大部分模拟器实际…

使用Pytorch实现对比学习SimCLR 进行自监督预训练

SimCLR(Simple Framework for Contrastive Learning of Representations)是一种学习图像表示的自监督技术。 与传统的监督学习方法不同,SimCLR 不依赖标记数据来学习有用的表示。 它利用对比学习框架来学习一组有用的特征,这些特征…

【创作赢红包】Java Web 实战 18 - 计算机网络之网络层协议 and 数据链路层协议

文章目录网络层协议1. IP 协议1.1 报头结构1.2 IP 协议的地址管理动态分配 IP 地址 (DHCP)IP 地址转换 (NAT)IPv61.3 IP 地址的组成2. 路由选择数据链路层1. 以太网协议2. 以太网帧格式2.1 mac 地址2.2 两个特殊的以太网数据帧DNS 域名解析系统六 . 经典面试题 : 从浏览器中输入…

微信小程序 | 基于ChatGPT实现模拟面试小程序

Pre:效果预览 ① 选择职位进行面试 ② 根据岗位职责进行回答 一、需求背景 这两年IT互联网行业进入寒冬期,降本增效、互联网毕业、暂停校招岗位的招聘,各类裁员、缩招的情况层出不穷!对于这个市场来说,在经历了互联网…