2024年辽宁省数学建模竞赛赛题浅析——助攻快速选题-一张图读懂ABC题

一图流：

题目	涉及模型	涉及相关专业	模型复杂度	综合难度	国赛对应赛题难度比对	国赛对应赛题题量比对
A题 风切变影响及处置	物理模型、微分方程、仿真模型	航空工程、气象学、物理学	高	高	0.7	0.5
B题 钢铁产品质量优化	统计模型、机器学习模型	材料科学、机械工程、统计学	中	中等	0.5	0.6
C题 改性生物碳对水中洛克沙胂和砷离子的吸附	响应面模型、回归模型	环境科学、化学工程、数学	中	中等	0.5	0.6

选题 A:B:C=2:1:1.3

难度 A:B:C=1:2:2

A题：风切变影响及处置

问题分析

1. 建立模型，分析低空顺风风切变对起飞和降落的影响

    因素分析：飞行速度、飞行高度、飞机姿态等。

    模型选择：可以选择动力学模型来模拟飞机的受力情况。具体可以考虑利用牛顿力学或流体力学来描述风切变对飞机速度和姿态的影响。

    仿真工具：MATLAB/Simulink、Python等。

2. 建立数学模型，给出飞行员正确处置方式

    处置策略：可以基于（1）中的模型，通过优化算法或仿真模拟来找出最佳的操作策略，例如调整飞行速度或改变飞行姿态。

    仿真验证：通过计算机模拟验证所提处置方法的可操作性和合理性。

3. 分析影响因素

    灵敏度分析：通过灵敏度分析确定哪些因素对飞行安全影响最大，可以通过改变模型参数，观察输出结果变化。

    数据分析：通过实际数据分析确定关键影响因素。

解题思路

- 数据收集：收集风切变情况下的实际飞行数据或模拟数据。

- 模型建立：建立飞行器动力学模型，考虑风切变对飞行器的影响。

- 仿真分析：利用仿真工具对不同风切变情况进行模拟，分析影响因素。

- 优化处置策略：基于仿真结果，设计飞行员处置风切变的最佳操作方法，并通过仿真验证。

B题：钢铁产品质量优化

问题分析

1. 确定参数对带钢机械性能的影响

    数据分析：使用统计分析方法（如相关分析、回归分析）找出哪些工艺参数对带钢机械性能影响显著。

    特征选择：利用机器学习中的特征选择方法（如LASSO、决策树）确定重要参数。

2. 建立数据驱动的带钢产品质量在线检测模型

    模型选择：可以选择回归模型（线性回归、岭回归）或机器学习模型（支持向量机、神经网络）来建立质量检测模型。

    模型评估：通过交叉验证、RMSE等指标评估模型性能。

3. 带钢工艺参数优化的解决方案

    优化算法：可以使用优化算法（如遗传算法、粒子群算法）来优化工艺参数。

    仿真验证：通过仿真工具验证优化后的工艺参数对带钢性能的提升效果。

解题思路

- 数据预处理：对原始数据进行清洗、归一化等预处理。

- 特征工程：选择对机械性能影响显著的工艺参数作为模型输入。

- 模型训练：选择合适的回归模型或机器学习模型进行训练。

- 模型优化：利用优化算法调整工艺参数，提升带钢机械性能。

- 模型验证：通过实际生产数据验证优化方案的有效性。

C题：改性生物碳对水中洛克沙胂和砷离子的吸附

问题分析

1. 探讨各因素对去除率的影响

    单因素分析：固定其他条件，分别改变反应温度、溶液pH、吸附剂用量，观察其对去除率的影响。

    多因素分析：利用多因素实验设计（如正交实验）分析多因素共同作用对去除率的影响。

2. 选择最优反应条件

    优化目标：总吸附量最大化。

    优化方法：利用响应面法或遗传算法等优化方法，找到最优反应条件组合。

3. 设计5次实验

    实验设计：基于前两步的分析结果，设计新的实验组合，进一步验证和优化模型。

解题思路

- 数据分析：对提供的实验数据进行单因素和多因素分析，找出关键因素及其最佳水平。

- 优化模型：建立吸附量与各因素的数学模型，利用优化算法寻找最优反应条件。

- 实验验证：设计新的实验方案，验证优化结果的可靠性和有效性。