2025数维杯C题第二问保姆级至尊级思路

第二问

问题二：请根据气象学或物候学的知识，建立杏花、油菜花、杜鹃花、樱花、牡丹中2-3种代表性花卉在2026年的开放时间、花期等预报模型，预判春花何时开，为赏花加一道“科技保险”。

问题注意：

摘要第三段有提到从南到北的花期开放时间并不是统一的，评委老师并不会要求我们对每个城市做预测因为难度很大，问题三、问题四都提到给城市做攻略和做报告，也就是说问题二、三、四是一个连锁题，我们需要在问题二就要决定我们要预测分析的城市，之后才接连分析后面的问题，故我们随机选择“西安”（可以自己选择别的城市）作为我们的预测城市。

问题解答：

第二问问的是预判春花何时开，为赏花加一道“科技保险”。这道题的重点是建立数学模型去预测花期，也就是说“预测”“合理”是这道题的关键点，而选择两种花去预测在时间和效率上是比较有性价比，模型可以选择线性模型多元线性回归和逐步回归去预测两种花期，花期的变量可以参考小编下方所列或者自己选择就好，之后验证模型性能，最后计算真实值与预测值误差就好。

1. 选择模型：

选择花卉：咱选杏花和油菜花当代表花卉。它们在清明时节比较常见。收集花期资料：去学术论文数据库里搜，像知网、万方这些，找杏花和油菜花的花期观测资料。也可以看看权威的农业、气象网站，说不定也有相关信息。要是有条件。气象数据：还是从美国国家海洋和大气管理局（NOAA）和天气网这俩地方，收集花卉所在地区的气温、光照、降水、日照时长这些气象数据。这些数据对花期影响可大。

注意：花期收集需要花费大量的时间，各个地方的花期不同搜集难度较大，推荐去搜集当地的政府发出的信息或者文献资料。

1. 数据预处理：

①处理缺失值：和第一问一样，用均值、中位数或者 K 近邻算法来补缺失的花期或者气象数据。比如花期记录里有缺失，就用其他年份同一地区的花期平均值补上。处理异常值：用Z-score方法或者孤立森林算法找出异常的数据点。要是某一年的花期特别早或者特别晚，和其他年份差太多，就看看是不是数据记录错了，是的话就修正或者删掉。数据标准化：把气象数据标准化，让不同的气象要素在一个可比的范围内。用公式

，x 是原始数据，μ是均值，σ是标准差。

1. 建立花期预报模型

①杏花花期模型：考虑到杏花花期和前期气温关系大，我们选择基于气温累积效应的线性回归模型。确定变量：设杏花始花期是 Y，前期 n 天的平均气温是 X1，气温日较差是 X2 等。模型公式：Y=β0+β1X1+β2X2+ϵ。这里 β0是截距项，β1、β2 是回归系数，ϵ是误差项。参数估计：用最小二乘法来估计参数。目标是让观测值和模型预测值的误差平方和最小。公式:

m是样本数量，yi是第 ii个样本的观测花期，xi1、xi2 是对应的自变量值。

②油菜花花期模型：油菜花花期受多种气象因子影响，用多元线性回归结合逐步回归法。确定变量：设油菜花花期是 Y，不同的气象因子像气温、光照、降水等是 X1、X2等。逐步回归公式：

从一个空模型开始，每次加一个变量或者删一个变量，直到找到最优的变量组合。比如先只放一个最相关的气象因子，看看模型效果，再慢慢加其他因子，不合适的就删掉。

1. 模型训练与验证

①划分数据集：把收集好的数据按 7:3 分成训练集和测试集。70% 的数据用来训练模型，让模型学习规律；30%的数据用来测试，看看模型学得咋样。模型训练：用训练集的数据来估计模型的参数。对于杏花花期模型，用最小二乘法算出 β0、β1、β2这些系数；对于油菜花花期模型，用逐步回归法确定最优的变量组合和系数。模型验证：用测试集的数据来验证模型的性能。常用的评估指标有均方根误差（RMSE）和平均绝对误差（MAE）。均方根误差：

②平均绝对误差：MAE如果误差大，说明模型不好，得调整模型结构或者增加数据量。

杏花花期模型

油菜花花期模型

1. 代码(部分)