2023年美赛数学建模题目分析，备战2024美赛数学建模（历年美赛论文获取）

目录

2023年题目分析2024年美赛数学建模思路模型：开赛后第一时间更新，获取见文末名片赛题：MCM A（环境类）题目：遭受旱灾的植物群落

赛题：MCM B（环境类、政策类）题目：重新想象马赛马拉

赛题：MCM C（数图，图论优化类知识）题目：预测单词结果

赛题：ICM D题目：联合国可持续发展目标的优先顺序

赛题：ICM E（环境类）题目：光污染

赛题：ICM F题目：绿色GDP

2024美赛数学建模思路获取，历年获奖论文获取

---

2023年题目分析
2024年美赛数学建模思路模型：开赛后第一时间更新，获取见文末名片
赛题：MCM A（环境类）
题目：遭受旱灾的植物群落

题目简述：需要建立预测模型，预测植物群落未来随时间的变化。干旱季节如何随时间变化，降水充裕时区如何随时间变化。单纯的时序模型无法描述植物群落，植物群落是概念，需要定量化，植物群落的数量和种类，生物性都需要考虑，不同植物类型随时间推移会发生怎样的变化。

问题类型：评价及预测类

赛题：MCM B（环境类、政策类）
题目：重新想象马赛马拉

题目简述：B题难度主要在数据不好找，预测动物和人们相互作用的模型。找数据很难的绝招，用“地图思想”，打开谷歌地球，搜索相关地区，下载地图，将房屋，保护区位置，人类生活位置，水资源保护，道路规划，产业规划等作为问题角度，以地区规划来分析。对原有地区进行规划，把政策类问题归为一个图论的规划问题。可以参考美赛无人机空投问题。

问题类型：规划类

赛题：MCM C（数图，图论优化类知识）
题目：预测单词结果

题目简述：猜字谜游戏，数独游戏。可以采用神经网络模型，利用隶属度函数进行分类，用聚类模型转换为不同的类，再用神经网络作为输出，但容易陷入过拟合现象，不建议用BP神经网络模型，建议使用复杂一点的模型，例如基于遗传算法的神经网络模型。

赛题：ICM D
题目：联合国可持续发展目标的优先顺序

题目简述：本题关键在数据层面，题目要求17项指标不是相互独立的，意味着不能用单纯的合成法。构建各个指标之间的关系网络，各个指标之间存在限制。关键在于一个指标和另一个指标之间的关系如何构建，一个指标和多个指标之间的关系如何构建。利用斜方差矩阵思路，构建17个指标间的联系，另外典型相关分析也可以分析各个项目间的关系。

赛题：ICM E（环境类）
题目：光污染

题目简述：难度系数主要还是在获取光污染的数据上。第一步构建评价的指标体系，建立评价模型，第二步对于不同地区分析，第三步，针对评价结果提出干预策略，讨论策略有效性。

题目类型：评价类问题

赛题：ICM F
题目：绿色GDP

题目简述：择某个标准来计算绿色GDP，基于水资源安全的模型来构建它对全球气候变化的影响，可以构建回归模型，用全球平均温度或海平面高度作为应变量，模型为自变量，来判断未来是否会造成气温下降。可以构建逻辑回归，线性或非线性，多指标回归模型，可以选择模型难易度，需要有预测的思想在里面。
 

2024美赛数学建模思路获取，历年获奖论文获取