2024年北京高校数学建模校际联赛竞赛A题

A题:格陵兰入海冰川

随着全球气候的变暖,格陵兰冰盖正在以百年来最快速度融化,是海平面上升的主要原因之一。格陵兰冰盖边缘有很多条冰川的末端延伸到海水中,称为入海冰川。格陵兰冰盖大多数入海冰川的末端延伸到峡湾里,峡湾与外部海域联通。入海冰川如同快速的物质传送带,将冰从冰盖内陆输送到海洋,是格陵兰冰盖物质损失的重要途径。在北极气候变暖的环境下,格陵兰多数入海冰川正面临着末端后退和流动加速的问题。为了准确估算和预测入海冰川的物质损失,必须对其变化过程和机制有深入的了解。

冰川的变化(冰川轮廓,冰川厚度、冰川流速、冰川末端位置等的变化)是一个复杂的过程。入海冰川与大气、冰下基岩和海洋接触,在这三个界面上受到气候强迫或者地形起伏的直接或者间接影响。在冰川表面,同时存在降雪和冰雪的消融,冰雪的积累量减去消融量称之为表面物质平衡。表面冰雪融化产生的径流会沿着冰面河向冰川下游流动,或者通过冰面裂隙进入冰川的内部甚至底部,进而进入冰下水文过程,最终绝大部分径流会在冰川末端注入海洋。表面径流进入冰面裂隙,会加速冰川的崩解,但是人们对崩解机制尚不清楚。入海冰川末端与峡湾水接触,峡湾水既受到外部海水温度和盐度的影响,又受到从冰川末端底部流出的来自冰面径流的淡水的影响,峡湾内部有复杂的对流混合过程。峡湾水的温度和盐度会影响冰川末端在水下的融化。冰川末端的崩解和融化会导致物质损失,并改变冰川末端的位置。此外,在入海冰川末端所在的峡湾,从冰川脱离的碎冰和海冰堆积在狭窄的峡湾中,形成的冰水混合物在海水降温后冻结形成近似刚性的障碍物,对冰川末端起到支撑作用,阻碍冰川的前进。总而言之,冰川末端位置变化可能依赖于表面径流、表面物质平衡、海水温盐性质、冰水混合物、冰下地形、冰川流速等因素。

   本题目选取格陵兰冰盖的一条代表性入海冰川——雅各布港冰川进行分析研究。雅各布港冰川位于格陵兰岛中西部,面积约8.3万平方千米,从分冰岭到末端的最远长度约470千米,平均宽度约175千米,末端流速最快可达万米每年,是格陵兰冰盖最大的入海冰川,冰流自东向西流入末端峡湾,如图2所示。

图2:(A)格陵兰冰盖表面冰流速度(单位:米/年),黑色实线为雅各布港冰川流域,黑色虚线为该冰川末端及其周边区域;B图是A图中黑色虚线区域的放大图的表面高程(单位:千米)。红色点(CTD)表示峡湾口附近海水温盐数据的采集位置。 

不考虑由地形和冰川重力造成的冰川流动, 仅基于物质平衡原理,利用附件提供的数据,请研究以下问题:

  1. 数据分析.

(1)冰川末端位置数据变化特征;

(2)表面径流RU(大于零的径流值反映冰川表面消融量)数据变化特征;

  1. 表面物质平衡SMB(表面净积累=降雪-消融,正值表示物质增加,负值表示物质减少)数据变化特征;
  2. 海水温度和盐度数据变化特征。

2. 归因分析. 确定哪种因素对此期间冰川末端位置变化起着主导地位?

3. 冰储量估计. 估计近30年来雅各布港冰川冰储量的变化, 基于冰储量变化特征预测2021-2030年雅各布港冰川冰储量的变化。

4. 冰储量分析.建立冰储量变化的动态模型,基于第2问归因分析,考虑到极端气候情形出现的可能性,预测2021-2030年雅各布港冰川冰储量的变化。

5. 为了减缓海平面上升,基于你们的模型研究结果,为保护冰川提出合理的建议。

参考文献

[1] Joughin, I., Shean, D. E., Smith, B. E., and Floricioiu, D.: A decade of variability on Jakobshavn Isbræ: ocean temperatures pace speed through influence on mélange rigidity, The Cryosphere, 14, 211–227, 2020 https://doi.org/10.5194/tc-14-211-2020

【注】附件内容说明

附件一给出了雅各布港冰川冰下地形高程数据(数据中包括x, y坐标,变量bed表示冰下地形高程);

附件二给出了雅各布港冰川轮廓线坐标数据(x, y坐标);

附件三给出了1993-2020年末端位置数据(数据中包括观测日期,x, y坐标,末端位置相对于参考点的沿流线距离);

附件四给出了2010年雅各布港冰川流域的表面高程数据和1991年8月-2020年12月雅各布港冰川流域每月的表面高程相对于参考年(2010年)的相对变化数据;

附件五给出了1993-2020年间格陵兰冰盖表面径流RU和表面物质平衡SMB的逐月数据(文件名中的四位数字表示年份,数据中包含x, y坐标、变量RU和SMB,其中RU和SMB的单位均为mmWE/month,即毫米水当量/月);

附件六给出了1993年1月-2019年12月在峡湾口附近266米深处海水每月的温盐数据(数据中包含海水温度(单位℃)和盐度(单位g/kg))。

附件七提供了读取nc文件和提取指定区域内数据的MATLAB和Python的指令。

  • 5
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
2021北京高校数学建模校际联赛目 某出版社出版发行与初等教育相关的图书, 在运营过程中, 遇到了图书印量、图书销售量和图书库存之间如何协调的问。在印制图书的时候,除了根据印量会产生纸张费、印刷费、装订费、封面工艺费等印刷成本外,每一次印刷都有一笔数千元的上版费,因此出版社自然希望一次开机尽量多印一些,但是图书销售量通常是不确定的,如果印多了,图书库存加大,会导致与库房结算的发货费率*(见注1中定义)提升,增大发货费用;滞销图书等待报废,其印刷成本的投入会全部损失殆尽。因此,一本书印几次,每次印多少,是这个出版社希望解决的问。为此,请你们小组为该出版社出谋划策,仅考虑印刷成本和库房发货费用。针对不同类型的图书提供最优的印刷方案,以期获得尽可能大的销售收益。 该出版社出版发行的图书主要分A、B、C三类。 A类图书属于政府采购类(如经国家审批出版的教材教辅),不面向市场公开销售。这类图书定价低(销售折扣约48% 折),订单数量大且相对稳定,但图书更新快,当的滞销书成为库存,等待报废。现有问是:订单上报时间不集中,且收到订单后通常需要迅速发货,在征订后期经常有几百册的增补订单,导致印次能多达7-8次。 B类图书是直销类图书,主要用于高考复习使用,直接进校推广。这类图书定价高,销售折扣低(销售折扣约18% 折),图书更新快,当不能销售的书成为滞销库存,等待报废。现有问是:这类图书因定价高,滞销库存总体码洋*(见注1中定义)较大,对发货费率影响较大。 C类是市场零售类图书,走实体书店和网上渠道销售,没有特别集中的订量,销售不可控。这类图书销售折扣约45% 折,定位于长销,销售时间可延续若干,但通常图书上市2以后,热度就会减弱,如果处于滞销状态,就会等待报废。现有问是:该类图书的首印通常在3000-5000册,如果能够实现全部销售,则一定处于盈利状态,当某本图书库存不足500册时,会考虑重印,出版社希望能根据上一次印刷后的销售情况,并结合热度衰减因素,来规划下一次的印刷数量,使其实现盈利增加。 出版社与库房结算的发货费率每调整一次,取值范围如注1名词解释中表格所示。可以假设发货费率在近几保持不变,而当前的发货费率为2.73%。 请建立数学模型,完成下面的任务: 研究A类图书的需求和订单规律(附件1),对每本书给出2021秋或者2022春的最优印刷方案。有没有可能将总印次控制在3次以内? 对B类图书,根据往的销售情况(附件2),在降低库存的前提下,对每本书给出下一度的最优印刷方案。 对C类图书,对附件3中的9本图书,考虑未来可能的销售情况,给出每本书的重印方案(是否需要重印,如需重印,最优重印数量),并判断出版社之前的重印策略是不是最优的。 给该出版社写一个企划书,对图书的印刷方案给出你们的建议。 【注 1】 名词解释 码洋:图书的定价×数量 滞销库存码洋:图书的定价×滞销库存数量 上版费:指印刷开机前,需要将图书文件上机制版产生的费用,上版费与图书的印张有关,可利用附件4的《图书印制成本计算表》计算。 销售率:(发货数量-退货数量)/印刷数量 发货费率:用于和库房结算库租物流费用(又称库房发货费用)的一项指标, 与出版社所有图书全发货码洋和每个月的平均库存有关,也即和图书的周转情况有关。图书周转越快,库存图书码洋越少, 发货费率越低;反之,图书周转越慢,库存图书码洋越多, 发货费率越高。每的发货费率对所有图书都是一个固定的常数,部分取值如下表所示: 发货费率 3.42% 3.12% 2.91% 2.73% 2.60% 2.48% 2.40% 2.32% 2.25% 2.19% 目前该出版社所有图书的发货费率结算标准是2.73%。 库房发货费用:即库租物流费用,计算公式是: 发货费用=发货数量×定价×发货费率 (注:发货数量+滞销库存数量=印刷数量) 【注 2】 行业约定 当印刷数量低于2000册时,因印刷开机成本问,印刷企业会按照2000册印量进行计费。所以,低于1500册时,通常会采用数码印刷,数码印刷费用会较传统印刷费用上浮15%。 ———————————————— 版权声明:本文为CSDN博主「Yudi Xiong」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/qq_45934521/article/details/117290004
对于这个问,具体的代码实现会因为选用的算法和编程语言不同而有所差异。以下是一个使用Python语言和PuLP库求解线性规划模型的示例代码,供参考: ``` from pulp import * # 定义决策变量 x1 = LpVariable("x1", 0, None, LpInteger) x2 = LpVariable("x2", 0, None, LpInteger) x3 = LpVariable("x3", 0, None, LpInteger) x4 = LpVariable("x4", 0, None, LpInteger) x5 = LpVariable("x5", 0, None, LpInteger) x6 = LpVariable("x6", 0, None, LpInteger) # 定义目标函数和约束条件 prob = LpProblem("book printing", LpMinimize) prob += 2000 * x1 + 1500 * x2 + 3000 * x3 + 2500 * x4 + 1800 * x5 + 2200 * x6, "total cost" prob += x1 + x2 >= 500, "constraint 1" prob += x3 + x4 >= 800, "constraint 2" prob += x5 + x6 >= 1000, "constraint 3" prob += x1 + x3 + x5 <= 1200, "constraint 4" prob += x2 + x4 + x6 <= 1500, "constraint 5" # 求解模型 prob.solve() # 输出结果 for v in prob.variables(): print(v.name, "=", v.varValue) print("total cost =", value(prob.objective)) ``` 在这个代码中,我们首先定义了六个决策变量x1至x6,表示每个月印刷的图书数量。然后,我们定义了目标函数和五个约束条件,其中目标函数表示总成本,约束条件则分别表示库存量、印刷方式等限制。 接着,我们使用PuLP库中的LpProblem和LpVariable函数定义线性规划问,并使用LpMinimize指定求解最小化的问。然后,我们将目标函数和约束条件添加到问中,并使用solve()方法求解模型。 最后,我们使用for循环和value()函数输出每个决策变量的取值和目标函数的最小值,即总成本。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值