2019 2020 两届华为杯研究生数学建模大赛分享，其中2019年全球变暖赛题获得国一

2019 2020 两届华为杯研究生数学建模大赛分享，其中2019年全球变暖赛题获得国一

2019年只展示一下，时间过于比较久远

针对问题一：首先对获取的原始数据的异常值和缺失值等进行预处理；然后利用处理后的数据建立了加拿大5个省份地区在1970-2009的40年期间温度随季节变化的可视化模型，并运用小波分析和mann-kendall突变检测对加拿大5个省份地区的温度周期性变化和突变现象进行了阐述；接着，使用k-means聚类算法对全球海洋不同区域温度进行聚类，得到全球海洋表面平均温度的集群数目为6，并结合数据集方差得出了全球海洋表面平均温度的变化趋势和波动情况，最后对建立的模型进行了评价。
针对问题二：我们首先综合考虑了全球其他温室气体排放量（HFC、PFCS、SF6）、全球二氧化碳浓度、全球海洋热量变化、全球冰雪覆盖面积等10项影响全球气候变化的数据因素；然后，构建了灰度预测和SVR算法模型，同时，利用pearson相关矩阵和Lasso回归分析了数据相关性以及提取数据变化预测的关键特征，得出了未来25年全球平均温度变化的走势图；最后，我们对比了过去五十年的预测温度和真实温度，对建立的模型进行了评价，得出该模型可用于预测全球气候变化。
针对问题三：首先我们根据气象专业制定的“寒冷程度等级表”，确定了-40℃以下的气温为极寒天气的标准；然后获取了1995-2018年间的全球平均气温值，并以加拿大地区在该年间检测到极寒天气的站点数作为极寒天气现象出现的频次；接着，建立图表相关2性分析、协方差和相关系数分析以及互信息熵算法模型，分析了全球平均气温和检测极寒天气的站点数据之间的相关性，得到二者之间的相关系数达到0.8586，互信息量达到0.8112；最后，得出了极寒天气现象与全球气候变化有着密切关系，并认为全球变暖和局地出现极寒天气现象二者之间并不存在矛盾关系，甚至在某种程度上可认为是全球变暖导致了局地出现极寒天气现象。
针对问题四：首先我们简单解释了“全球变暖，某地今年的冬天特别冷”之间的关系；我们选取全球平均温度变化和Albetra省的冬季平均温度变化作为观察研究对象，我们提出了一个衡量某地气候复杂度的指标。然后建立了BP神经网络模型，该模型深度为3层，每层20个隐层神经单元，以年份为该模型模型输入值，输出数据为输入年份所对应的复杂值，训练100轮。来预测往后年份的气候复杂情况。预测结果显示随着年份增加，局部区域气候复杂度也随之上升，可以理解为其温度在短时间波动非常大。。