详细思路以及发布视频版，大家可以去观看，这里是对应的文字版，内容相差不多。

C题：“双碳”目标下低碳建筑研究

C题的问题设置其实是本次比赛最简单的一道，就是简单的综合评价+预测模型。真正提升C题难度的其实是C题的数据，C题需要我们自行收集数据。我认为主要也是C题的数据太宽泛，组委会想给我们发挥的空间。但这样无疑大大提升了赛题难度。对于数据收集，如果真的一步一步按着想收集的数据，进行搜集。那我只能告诉你，你一定收集不到。我们可以通读C题，C题的数据需求很大。而且还有不少冷门的数据，我手里目前收集到了一部分碳相关的数据，稍后会分享给大家。对于其他数据我也会继续收集，但是冷门的数据基本上很难收集到，大家要有心理准备。收集不到的数据，大家可可以使用数据平替，或者等比放缩都是可以的。千万不要被数据吓到。其实，在我看来，数据问题对于数模来讲从来就不能叫做问题。

下面，给大家带来详细的C题解题思路

问题一、

给出了我们一系列的数据，让尽量使用本题所给条件计算碳排放。其本质就是一个简单的代入公式进行计算。但是，公式的选取确是最大的问题。这里我用new bing粗略的给大家问了一下，大家也可以问问gpt或者自行查阅文献都是可以的。

问题二、在居住建筑的整个生命周期 (建造、运行、拆除)中，影响碳排放的因素有很多，如建筑设计标准、气候、建材生产运输、地区差异、建造拆除能耗、装修风格、使用能耗、建筑类型等。请查找、分析资料，建立数学模型，找出与上述因素相关度大且易于量化的指标，基于这些指标对居住建筑整个生命周期的碳排放进行综合评价。

对于问题二，本质就是综合评价模型，我们简化问题，就是一句话，选取指标 建立模型 进行综合评价，这就是问题二，这就涉及到了综合评价模型，对于综合评价模型的选取，我认为主成分、理想解法、秩和比都是可以的。我们选取的指标越多，主成分就越合适。问题二的最大问题在于数据的收集工作，这一问题是我们无法避免的，

对于数据收集问题，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。

最后就是数据的小细节。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。

问题三、在问题2的基础上，分别考虑建筑生命周期三个阶段的碳排放问题，查找相关资料，建立数学模型，对2021年江苏省13个地级市的居住建筑碳排放进行综合评价（），并对所建评价模型的有效性进行验证。

问题三、其本质依旧使建立模型，进行评价，不同于问题二，问题三的评价样本变为了江苏省13个地级市，换汤不换药，我们依旧可以选择与问题二相同的评价模型，也可以选择与问题二不同的。例如，问题二用了主成分，问题三就可以使用理想解法等。

问题四、准确的碳排放预测能够为制定减排政策、优化低碳建筑设计提供重要的参考依据。建立碳排放预测模型，基于江苏省建筑全过程碳排放的历史数据，对2023年江苏省建筑全过程的碳排放量进行预测。

对于问题四，显而易见是一个预测模型。需要我们对江苏省建筑全过程的碳排放量进行预测。我们收集的数据很难能收集到建筑全过程的碳排放量，但是我们可以收集到江苏省碳排放量，因此我们可以使用数据平替，将江苏省碳排放量等比放缩20倍或者多少倍，进行描述（这一步是偷偷暗地进行的，不能在论文里说，论文里直接说我们收集到了建筑全过程的碳排放数据即可），利用相应的数据选择预测模型即可。对应的模型有很多，都可以。对应的代码包、参考文献，稍后分享。

问题5：请结合前面的讨论给出江苏省建筑碳减排的政策建议。

非技术性文章，大家注意细节，各自发挥即可。

最后预祝，大家比赛顺利，假期愉快！！！！！