2022华为杯研赛E题思路代码分享

您的点赞收藏是对我最大的支持

更新高质量代码+高质量思路，第四问+第六问语文建模方法讲解视频，第一问解答+数据代码等

E题已更新7种思路（其中一个为很详细的解题过程，已更新完整版） E题思路配套代码python版已更新完整版+数据处理代码。进阶思路（代码）已更新第1、2、3问。新增一种matlab版本代码（有视频讲解）grow/upqqun:146274014

问题1. 从机理分析的角度，建立不同放牧策略（放牧方式和放牧强度）对锡林郭勒草原土壤物理性质（主要是土壤湿度）和植被生物量影响的数学模型。思路解析：对于第一问主要是构建放牧策略与土壤物理性质和生物量之间的逻辑关系，在这里题目已经明确说了从机理分析的角度来思考，因此类似于黑箱算法就不能用，在这路放牧策略可以理解为分类数据或离散数据、而土壤物理性质和植被生物量均可作为连续型数据，所以这里的关键是如何构建离散数据与连续数据之间的逻辑关系，单纯的回归分析肯定是不能使用的，因为回归分析要求数据均为连续性数据。问题1. 从机理分析的角度，建立不同放牧策略（放牧方式和放牧强度）对锡林郭勒草原土壤物理性质（主要是土壤湿度）和植被生物量影响的数学模型。 思路解析：对于第一问主要是构建放牧策略与土壤物理性质和生物量之间的逻辑关系，在这里题目已经明确说了从机理分析的角度来思考，因此类似于黑箱算法就不能用，在这路放牧策略可以理解为分类数据或离散数据、而土壤物理性质和植被生物量均可作为连续型数据，所以这里的关键是如何构建离散数据与连续数据之间的逻辑关系，单纯的回归分析肯定是不能使用的，因为回归分析要求数据均为连续性数据。

问题2. 请根据附件3土壤湿度数据、附件4土壤蒸发数据以及附件8中降水等数据，建立模型对保持目前放牧策略不变情况下对2022年、2023年不同深度土壤湿度进行预测，并完成下表。

思路解析：问题二就是预测问题了，首先将土壤湿度在不同深度的数据作为预测输出值，将土壤蒸发数据以及附件8中降水等数据作为输入值，建立输入值和输出值之间的关系，但由于不同深度的土壤蒸发数据和降水数据并不知道，因此很难用常规的回归或时间序列等方案解答，在这里推荐使用神经网络模型，模型为多输入多输出类型，推荐使用基于matlab粒子群算法优化BP神经网络（多输入多输出）或模糊神经网络算法等即可构建上述逻辑关系，

grow/upqqun:146274014

 

clc,clear
load jiangshuiliang.mat
load LAI.mat
load NDVI.mat
load shidu.mat
load zhenfaliang.mat
load ndvi202007_202204
load fugailv202007_202204
n=123;
time=jiangshuiliang(1:n,1);
P=jiangshuiliang(1:n,2);%降水量
figure
subplot(511)
plot(P),ylabel('P'),title('降水量')
LAI=LAI(1:n,2:end);
subplot(512)
plot(LAI),ylabel('LAI'),title('LAI')
NDVI=NDVI(1:n,2:end);
subplot(513)
plot(NDVI),ylabel('NDVI'),title('NDVI')
shidu=shidu(1:n,2:end);%湿度
subplot(514)
plot(shidu),ylabel('湿度'),title('湿度')
E=zhenfaliang(1:n,2);%蒸发量
subplot(515)
plot(E),ylabel('蒸发量'),title('蒸发量')