作者是大一计算机小白。这篇文章为数学建模大致的小结,主要是方便作者自己学习数学建模和准备比赛。
所需能力:
资料搜索,数学建模,编程解决,论文撰写
资料搜索:
- 信息识别:根据问题的性质和要求,确定需要寻找的数据类型、数据源以及可能相关的研究论文。
- 信息获取:实际搜索信息的过程,包括访问在线数据库、浏览学术期刊、检索引文库等。不要仅限于中文资料,外文资料也要有。
- 信息整合与应用:手机的信息要能整合到模型中货解决问题的方案中。需要理解并分析这些信息,以确定如何最有效地利用它们。
外文研究资源往往拥有更广泛的研究方法和更低的重复性,但很多人容易忽略这些资源。
数据网站:
- 中国国家统计局(http://data.stats.gov.cn/):提供了丰富的宏观经济和社会数据,涵盖了人口、数据、环境等各个方面。
- 中国科学数据中心(http://www.csdb.cn):一个综合性科学数据共享平台,提供了大量科研相关的数据。
- 中国社会科学院数据库(https://cssn.cn):提供了社会科学领域的大量数据。
- 中国气象数据网(http://data.cma.cn):提供了全国各地的气象数据。
- 中国教育在线(http://www.eol.cn):发布了一些教育相关的数据,包括考试数据、学校排名等。
- 中国国家地理信息公共服务平台(http://www.tianditu.gov.cn):提供了大量的地理信息数据。
- 新浪财经(http://finance.sina.com.cn):有大量的财经数据,包括股市数据、财经数据等。
其他:知乎、GitHub、CSDN、B站、百度、学校图书馆、微博等
中国知网、万方数据库、维普数据库等
建模和编程:
- 学术数据库:知网。看别人是如何写的。
- 代码分享网站:GitHub、CSDN等。
- 社区论坛:知乎
- 在线教育平台:B站
其他:Google Scholar,搜索学术文献的的引擎;StackOverflow,一个程序员问题解答社区; Coursera和edX,提供在线课程和学位的网站等
模型题目分类:
- 评价类问题
- 运筹优化类问题
- 预测类问题
- 机理分析类问题(人口模型/物理学/微分方程等)
(国赛中,优化类问题一定出,评价类问题一定出)
高频模型:
差分法、梯度下降法、主成分分析、模糊综合评价法、线性回归、多项式回归、分类算法(逻辑回归、支持向量机SVM、随机森林、k-近邻KNN)、聚类算法(K-Means,层次聚类等,用于将数据点划分为几个组或“簇”)、时间序列分析(自回归模型、滑动平均模型等,用于处理随时间变化的数据)、微分方程模型
次高频:目标规划模型、目标优化、决策树
编程能力:
Matlab和python选一,会基本语法即可;
常用的算法、代码先准备好
论文撰写:
摘要和结论更重要。
摘要一般五个什么:在什么背景下出于什么目的使用了什么方法解决了什么问题得到了什么结论;
结论是总结用什么方法解决了什么问题得到了什么结论,比摘要更细更全面。
(可以借鉴往年的论文)
如何写:
- 背景信息:介绍问题,问什么该问题值得关注,以及这个问题的上下文。
- 模型概述:简单描述使用的数学模型或方法,解释为何使用这个模型,并简单描述模型的基本结构。
- 主要结果:简要总结主要发现或结果,指出模型为解决问题提供了什么样的见解,以及模型的预测或结果。
- 结论和其实:说明我的研究对实际问题有什么影响,并对未来可能的改进或应用进行展望。
其他:
图片: 算法可视化图片
网址:https://ww2.mathworks.cn/products/matlab/plot-gallery.html?s_tid=srchtitle gallery_1
https://matplotlib.org/
https://seaborn.pydata.org/
https://r-charts.com/
https://r-graph-gallery.com/index.html
https://plotly.com/graphing-libraries/
文案主要摘自bilibili五条数模:【[数模速成必备]零基础挑战三天拿下数学建模国奖】https://www.bilibili.com/video/BV1GV411M7c7?vd_source=60a611f082972503b562e91d71ffccd9