数学建模2023国赛_优秀论文C228建模思路

数据预处理：

• 数据整合：使用Python编程实现表格间自然连接（NJ）。
• 变量处理：时间序列处理、One-hot编码等。
• 数据聚合：按日、周、月、年对数据进行聚合。
• 异常数据处理：使用3σ法则和修正处理法。
• 无关数据处理：剔除无关或无效的数据。

时间序列分析与建模：

• 自相关函数（ACF）分析：用于识别时间序列的周期性和趋势。
• 时间序列分解：用于分离时间序列中的趋势、周期和随机成分。

相关性分析：

• 偏相关性分析：用于去除外界因素影响，探究变量之间的内在相关性。
• FP-Growth算法：用于挖掘单品之间的关联规则。

需求模型：

• 双对数需求模型（Double-log模型）：用于估计价格弹性，分析销售量与定价的关系。

预测模型：

• LSTM（长短时记忆网络）：用于对未来七天的成本和销量进行时间序列预测。

优化模型：

• 粒子群优化（PSO）算法：用于求解收益最大化的连续型优化问题。
• 多目标遗传算法（NSGA-II）：用于求解混合多目标非线性规划问题。

评价与决策方法：

• VIKOR评价方法：用于确定单品的需求值和优先级。

鲁棒性检验：

• 对LSTM模型进行鲁棒性测试，确保模型在面对干扰时的稳定性。