2023年高教杯数学建模2023B题解析(仅从代码角度出发)

最新推荐文章于 2024-07-09 23:16:48 发布
最新推荐文章于 2024-07-09 23:16:48 发布
阅读量146 收藏 3
点赞数 2
分类专栏： 数学建模 文章标签： 数学建模 python numpy matplotlib pandas
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_73924465/article/details/140297266
版权

前言

最近博主正在和队友准备九月的数学建模,在做往年的题目，博主主要是负责数据处理，运算以及可视化，这里分享一下自己部分的工作,相关题目以及下面所涉及的代码后续我会作为资源上传

问题求解

第一题

第一题的思路主要如下：
在这里插入图片描述
在这里插入图片描述
如果我们基于代码实现的话，代码应该是这样的：

# 导入相关第三方包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

# 生成测线距离中心点处的距离
list1=[]
d=200

for i in range(-800,1000,200):
    list1.append(i)
df=pd.DataFrame(list1,columns=["测线距离中心点处的距离"])

#计算海水深度和覆盖宽度
degree1 = 1.5 
radian1 = degree1 * (math.pi / 180)
df["海水深度"]=(70-df["测线距离中心点处的距离"]*math.tan(radian1))
df["海水深度"]=df["海水深度"].round(2)
degrees2 = 120/2
radian2 = degrees2 * (math.pi / 180)
df["覆盖宽度"]=(df["海水深度"]*math.sin(radian2)/math.cos(radian2+radian1))+(df["海水深度"]*math.sin(radian2)/math.cos(radian2-radian1))
df["覆盖宽度"]=df["覆盖宽度"].round(2)

# 计算重叠率
leftlist=df["海水深度"]*math.sin(radian2)*1/math.cos(radian1+radian2)
rightlist=df["海水深度"]*math.sin(radian2)*1/math.cos(radian1-radian2)
leftlist=leftlist.round(2)
rightlist=rightlist.round(2)
leftlist=leftlist.tolist()
leftlist=leftlist[1:]
rightlist=rightlist.tolist()
rightlist=rightlist[:8]
heights = df["覆盖宽度"].tolist()
heights=heights[:8]
list2=[0]
for i in range(0,8):
    a=(1-200/((leftlist[i]+rightlist[i])*math.cos(radian1)))
    list2.append(a*100)

df["重叠率"]=list2
df.to_excel("2023B题1.xlsx",index=False)

这样我们就基本上完成了对相关数据的求解，然后我们可以实现一下对于它的可视化，代码与相关结果如下：

plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题


# Plotting sea depth
plt.figure(figsize=(10, 6))
plt.plot(df["测线距离中心点处的距离"], df["海水深度"], marker='o', linestyle='-', color='b', label='海水深度')

# Plotting coverage width
plt.plot(df["测线距离中心点处的距离"], df["覆盖宽度"], marker='o', linestyle='-', color='g', label='覆盖宽度')

# Plotting overlap rate
plt.plot(df["测线距离中心点处的距离"], df["重叠率"], marker='o', linestyle='-', color='r', label='重叠率')

# Adding labels and title
plt.xlabel('测线距离中心点处的距离')
plt.ylabel('海水深度 / 覆盖宽度 / 重叠率')
plt.title('海水深度、覆盖宽度和重叠率随距离变化的折线图')
plt.legend()

# Display plot
plt.grid(True)
plt.tight_layout()
plt.show()

在这里插入图片描述

第二题

第二题的思路主要是下面的式子：
在这里插入图片描述
博主的求解代码基本如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

# 生成相关数据
list1=[]
list2=[]
a=0
for i in range(8):
    ans=a*math.pi/180
    list1.append(ans)
    a+=45
a=0
for i in range(8):
    list2.append(a)
    a+=0.3
b=1.5
c=60
randian11=b*math.pi/180
randian12=c*math.pi/180

# 求解覆盖宽度:
list3=[]
for i in range(8):
    list4=[]
    for j in range(8):
        randian21=math.tan(randian11)*-1*math.cos(list1[i])
        randian31=math.tan(randian11)*math.sin(list1[i])
        randian22=math.atan(randian21)
        randian32=math.atan(randian31)
        Da=120-list2[j]*randian21*1852
        W=(Da*math.sin(randian12)/math.cos(randian12+randian32))+(Da*math.sin(randian12)/math.cos(randian12-randian32))
        list4.append(W)
    list3.append(list4)

最后我们的工作就是数据的可视化了,首先是我们的代码部分：

#对结果的可视化
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
df=pd.DataFrame()
df["β=0°"]=list3[0]
df["β=45°"]=list3[1]
df["β=90°"]=list3[2]
df["β=135°"]=list3[3]
df["测量船距海域中心点的距离"]=list2
plt.figure(figsize=(10, 6))
plt.plot(df["测量船距海域中心点的距离"], df["β=0°"], label="β=0°")
plt.scatter(df["测量船距海域中心点的距离"], df["β=0°"]) 
plt.plot(df["测量船距海域中心点的距离"], df["β=45°"], label="β=45°")
plt.scatter(df["测量船距海域中心点的距离"], df["β=45°"])  
plt.plot(df["测量船距海域中心点的距离"], df["β=90°"], label="β=90°")
plt.scatter(df["测量船距海域中心点的距离"], df["β=90°"]) 
plt.plot(df["测量船距海域中心点的距离"], df["β=135°"], label="β=135°")
plt.scatter(df["测量船距海域中心点的距离"], df["β=135°"]) 
plt.xlabel('测量船距海域中心点的距离')
plt.ylabel('list3 values')
plt.legend()
plt.grid(True)
plt.show()

在这里插入图片描述

第三题

前言

这题与上面的题目仅仅需要我们求解不同，这题的工作主要分为两份：

  1. 求解
  2. 灵敏度分析

求解

这题求解的主要思路如下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
(PS:浅浅吐槽一下，公式真的多,理顺花了我好一会…)
博主的求解代码如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

# 设置相关参数
a=1.5
b=60
radian1=a*math.pi/180
radian2=b* math.pi/180
D0=110
Les=4*1852 #待测海域东西宽度
D=D0+Les/2*math.tan(radian1) #此处Dmax
x=D*math.tan(radian2)
D=D-x*math.tan(radian1)
W1=0
W2=0
res_list=[x]  # 存储x
left_list=[]  # 存储左线坐标
right_list=[] # 存储右线坐标

while x+W2*math.cos(radian1)<=Les:
    W2=D*math.sin(radian2)/math.cos(radian2-radian1)
    W1=D*math.sin(radian2)/math.cos(radian2+radian1)
    d=(W1+W2)*0.9*math.cos(radian1)/(1+math.sin(radian1)*math.sin(radian2)/math.cos(radian2+radian1)*0.9)
    left_list.append(x-W1*math.cos(radian1))
    right_list.append(x+W2*math.cos(radian1))
    D=D-d*math.tan(radian1)
    x=x+d
    res_list.append(x)

W2=D*math.sin(radian2)/math.cos(radian2-radian1)
W1=D*math.sin(radian2)/math.cos(radian2+radian1)
d=(W1+W2)*0.9*math.cos(radian1)/(1+math.sin(radian1)*math.sin(radian2)/math.cos(radian2+radian1)*0.9)
left_list.append(x-W1*math.cos(radian1))
right_list.append(x+W2*math.cos(radian1))

print("总条数:%d"%(len(res_list)))  #总条数
print("最大长度:%f"%(res_list[-1]))  #最大长度
for i in range(len(res_list)):
    res_list[i]=res_list[i]/1852   
    left_list[i]=left_list[i]/1852
    right_list[i]=right_list[i]/1852

然后就是我们对相关结果的可视化:

# 可视化
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
plt.axvline(res_list[0], color='red',label='Red Line (测线)')
plt.axvline(left_list[0], color='green',label='Green Line (条线左侧)')
plt.axvline(right_list[0], color='blue',label='Blue Line (条线右侧)')

for i in range(1, len(res_list)):
    plt.axvline(res_list[i], color='red')
    plt.axvline(left_list[i], color='green')
    plt.axvline(right_list[i], color='blue')

# 设置图形属性
plt.title('问题三结果')
plt.ylabel('由南向北/海里')
plt.legend()

# 显示图形
plt.grid(True)
plt.show()

在这里插入图片描述

灵敏度分析

灵敏度的分析思路其实还是很简单，主要是我们要改变开角和坡角的大小来看一下
看一下对结果的影响：

  • 基于开角变化实现的灵敏度分析及其可视化
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

# 设置相关参数

for b in range(100,150,10):
    a=1.5
    radian1=a*math.pi/180
    radian2=b/2* math.pi/180
    D0=110
    Les=4*1852 #待测海域东西宽度
    D=D0+Les/2*math.tan(radian1) #此处Dmax
    x=D*math.tan(radian2)
    D=D-x*math.tan(radian1)
    W1=0
    W2=0
    res_list=[x]
    left_list=[]
    right_list=[]

    while x+W2*math.cos(radian1)<=Les:
        W2=D*math.sin(radian2)/math.cos(radian2-radian1)
        W1=D*math.sin(radian2)/math.cos(radian2+radian1)
        d=(W1+W2)*0.9*math.cos(radian1)/(1+math.sin(radian1)*math.sin(radian2)/math.cos(radian2+radian1)*0.9)
        left_list.append(x-W1*math.cos(radian1))
        right_list.append(x+W2*math.cos(radian1))
        D=D-d*math.tan(radian1)
        x=x+d
        res_list.append(x)

    W2=D*math.sin(radian2)/math.cos(radian2-radian1)
    W1=D*math.sin(radian2)/math.cos(radian2+radian1)
    d=(W1+W2)*0.9*math.cos(radian1)/(1+math.sin(radian1)*math.sin(radian2)/math.cos(radian2+radian1)*0.9)
    plt.plot(range(len(res_list)), res_list, linestyle='-', label=f'开角为{b}°')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
# 设置标签和标题
plt.xlabel('i')
plt.ylabel('res_list[i]')
plt.title('基于开角变化实现的灵敏度分析及其可视化')

# 添加网格线和图例（可选）
plt.grid(True)
plt.legend()

# 显示图形
plt.show()

结果如下：
在这里插入图片描述

  • 基于开角变化实现的灵敏度分析及其可视化:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

# 设置相关参数
a_list=[1.3,1.4,1.5]
for i in range(len(a_list)):
    a=a_list[i]
    b=120
    radian1=a*math.pi/180
    radian2=b/2* math.pi/180
    D0=110
    Les=4*1852 #待测海域东西宽度
    D=D0+Les/2*math.tan(radian1) #此处Dmax
    x=D*math.tan(radian2)
    D=D-x*math.tan(radian1)
    W1=0
    W2=0
    res_list=[x]
    left_list=[]
    right_list=[]

    while x+W2*math.cos(radian1)<=Les:
        W2=D*math.sin(radian2)/math.cos(radian2-radian1)
        W1=D*math.sin(radian2)/math.cos(radian2+radian1)
        d=(W1+W2)*0.9*math.cos(radian1)/(1+math.sin(radian1)*math.sin(radian2)/math.cos(radian2+radian1)*0.9)
        left_list.append(x-W1*math.cos(radian1))
        right_list.append(x+W2*math.cos(radian1))
        D=D-d*math.tan(radian1)
        x=x+d
        res_list.append(x)

    W2=D*math.sin(radian2)/math.cos(radian2-radian1)
    W1=D*math.sin(radian2)/math.cos(radian2+radian1)
    d=(W1+W2)*0.9*math.cos(radian1)/(1+math.sin(radian1)*math.sin(radian2)/math.cos(radian2+radian1)*0.9)
    plt.plot(range(len(res_list)), res_list, linestyle='-', label=f'坡角为{a}°')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
# 设置标签和标题
plt.xlabel('i')
plt.ylabel('res_list[i]')
plt.title('基于坡角变化实现的灵敏度分析及其可视化')

# 添加网格线和图例（可选）
plt.grid(True)
plt.legend()

# 显示图形
plt.show()

在这里插入图片描述

第四题

这题的主要工作就不是我做了，我主要是负责海水深度与横纵坐标数据的可视化,代码如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

# 导入相关数据
filepath="../resource/data.xlsx"
df=pd.read_excel(filepath)

# 数据预处理
df = df.iloc[1:, 2:]
list1=df.values.tolist()

list2=[]
for i in range(251):
    list3=[]
    for j in range(201):
        list3.append(list1[i][j]*-1)
    list2.append(list3)
list4 = np.arange(0,4.02,0.02) 
list3 = np.arange(0, 5.02, 0.02)

# 数据可视化

plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

x, y = np.meshgrid(list4, list3)
z = np.array(list2)

fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

surf = ax.plot_surface(x, y, z, cmap='viridis')

ax.set_xlabel('横向坐标(由西向东)/海里')
ax.set_ylabel('纵向坐标(由南向北)/海里')

ax.view_init(elev=30, azim=-45) 

fig.colorbar(surf, aspect=5) 

# 显示图形
plt.show()

三维图如下：
在这里插入图片描述

结语

以上就是我所做的所有相关工作了,从这个学期有人找我打一下这个比赛,在此之前我从来都没有写过多少python,前一段时间打数维杯才开始看，没几天就上战场了，所幸最后也水了一个一等奖(感谢我的队友们),之前我的好几个学弟也问过怎么学语言之类，我还是觉得除了我们的第一门语言外，其他的就不要找几十小时的视频看了，你看我没看不也是硬逼出来了吗,事情往往不会在你有充分准备时到来，我们更应该学会边做边学，而不是等到学完再做,种一棵树最好的时间是十年前，其次是现在，写给可能有一些纠结的大家，也写给自己,那我们下篇见！over！

落雨便归尘
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
2021年“高教社杯”全国大学生数学建模竞赛B题评阅要点
09-16
本题要求探究催化剂组合(Co负载量、Co/SiO2和HAP装料比、乙醇浓度的组合)、温度对C4烯烃的选择性和C4烯烃收率的影响，以更好地进行催化剂结构设计并提高乙醇偶合制备C4烯烃收率。本题目主要考察学生对实验数据的认识...
2021年高教社杯全国大学生数学建模B题（乙醇偶合制备C4烯烃）
10-15
2021年高教社杯全国大学生数学建模B题（乙醇偶合制备C4烯烃）
2023高教社杯数学建模国赛B题思路解析+代码+论文
ivanlj的博客
08-29 1万+
2023高教社杯数学建模国赛B题思路解析+代码+参考论文等及如何准备数学建模竞赛（7号比赛开始后逐步更新） C君将会第一时间发布选题建议、所有题目的思路解析、相关代码、参考文献、参考论文等多项资料
2023高教社杯数学建模国赛C题思路解析+代码+论文
热门推荐
ivanlj的博客
08-29 3万+
2023高教社杯数学建模国赛C题思路解析+代码+参考论文等及如何准备数学建模竞赛 C君将会第一时间发布选题建议、所有题目的思路解析、相关代码、参考文献、参考论文等多项资料
2023高教社杯全国大学生数学建模竞赛C题代码解析
ivanlj的博客
09-07 1万+
在预测模型结束后，根据背景分析，我们下一步可能要做补货决策模型和定价决策模型（这里大家可以看看之前的一道国赛题，机场出租车问题，也是需要很多个决策模型，大家可以从那个的优秀论文里找到一些思路），这里的模型需要兼顾过去的历史数据，以及一些动态变化的数据，比如预测未来的销量，品相对补货情况的影响等等。这里题目也给明了，是要对销量与时间做关联分析，从而寻找到时间对于销量的影响，这里其实也可以用拟合来做，多项式拟合等各种拟合的方式，具体后面看到题目再分析。接着呢，又写了商超销售空间的限制，所以还要对销售进行组合。
2023高教社杯数学建模国赛A题思路解析+代码+论文
ivanlj的博客
08-29 1万+
2023高教社杯数学建模国赛A题思路解析+代码+参考论文等及如何准备数学建模竞赛（7号比赛开始后逐步更新） C君将会第一时间发布选题建议、所有题目的思路解析、相关代码、参考文献、参考论文等多项资料
2023高教社杯数学建模国赛D题思路解析+代码+论文
ivanlj的博客
08-29 6278
2023高教社杯数学建模国赛D题思路解析+代码+参考论文等及如何准备数学建模竞赛（7号比赛开始后逐步更新） C君将会第一时间发布选题建议、所有题目的思路解析、相关代码、参考文献、参考论文等多项资料
2023高教社杯数学建模国赛E题思路解析+代码+论文
ivanlj的博客
08-29 7620
2023高教社杯数学建模国赛E题思路解析+代码+参考论文等及如何准备数学建模竞赛（7号比赛开始后逐步更新） C君将会第一时间发布选题建议、所有题目的思路解析、相关代码、参考文献、参考论文等多项资料
2023高教社杯全国大学生数学建模竞赛B题代码解析
ivanlj的博客
09-08 2198
2023高教社杯全国大学生数学建模竞赛B题 多波束测线问题 代码解析。
2023国赛数学建模A题B题C题D题资料思路汇总 高教社杯
UST数模社的博客
08-17 8267
2023数学建模国赛ABCD题思路模型代码
2024年电工杯数学建模竞赛B题思路解析+代码+论文​
ivanlj的博客
05-23 2297
“中国电机工程学会杯”全国大学生电工数学建模竞赛已成功举办十四届，累计参赛高校千余所，参赛学生近10万人，是目前国内最具影响力、显著提高学生创新意识和综合素质的大学生竞赛项目之一。“中国电机工程学会杯”全国大学生电工数学 C君将会第一时间发布选题建议、所有题目的思路解析、相关代码、参考文献、参考论文等多项资料，帮助大家取得好成绩。2024年电工杯将于5月24日上午8时正式开始
2023 年高教社杯全国大学生数学建模B题参考代码.zip
09-27
1.版本：matlab2014/2019a/2021a，内含运行结果，不会运行可私信 2.领域：智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，更多内容可点击博主头像 ...
2023 年高教社杯全国大学生数学建模E题参考代码.zip
09-27
1.版本：matlab2014/2019a/2021a，内含运行结果，不会运行可私信 2.领域：智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，更多内容可点击博主头像 ...
2023年全国大学生数学建模竞赛“高教杯”B题，省一我（通过解析几何与凸包等算法解决海域地形探测问题Python代码）.zip
04-15
数学建模备赛和学习资料 数学建模大赛赛题、解决方案资料，供备赛者学习参考！数学建模大赛赛题、解决方案资料，供备赛者学习参考！数学建模大赛赛题、解决方案资料，供备赛者学习参考！数学建模大赛赛题、解决...
2024 年第十四届亚太数学建模竞赛（中文赛项）浅析
axun233的博客
07-05 669
对于不熟悉量子计算和相关优化算法的学生来说，可能需要花费较多的时间来理解和解决问题，整体难度最大。相对来说，这个问题的背景知识相对较为直观，不需要处理大量复杂的数据，但需要对飞行器的物理原理有一定的理解，并能够运用合适的数学方法进行建模和优化，难度适中。该赛题主要围绕洪水灾害的数据分析与预测展开，需要分析大量的洪水数据，找出与洪水发生密切关联的指标，并建立预测模型。此外，还需要建立预警评价模型并进行灵敏度分析，对学生的综合能力要求较高，整体难度较小。总的来说，B题难度相对较小，因此，本次学长将会同时。
数学建模及国赛
最新发布
小z的博客
07-09 904
数学模型（Mathematical Model）是一种模拟，是用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象而又简洁的刻画，它或能解释某些客观现象，或能预 测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模（Mathematical Modeling）。
数学建模中常用的数据处理方法
Heait的博客
07-09 506
本文参考 B站西电数模协会的讲解视频 ，只作笔记提纲，想要详细学习具体内容请观看 up 的学习视频。一般来说国赛的C题一般数据量比较大。
数学建模美赛入门
yanqiu12138的博客
07-09 256
高等数学+线性代数有很多算法的掌握是需要高等数学和线代的相关知识如：灰色预测模型需要微积分知识；神经网络需要用到导数知识；图论和层次分析法等都需要用到矩阵计算的相关知识等；概率论与数理统计：当出现了不确定事件时，就必须引入概率来描述这一过程，这就使得在本来因为无知而产生不确定性时，我们用概率工具最优的表征和最优地解决了这一问题，然后用统计学的方法对各种数据进行分析、建模，从中挖掘出一些有利的信息，把他们的机理弄清楚，这些数据分析的工作完成后，往往是模型推广的第一步，也是关键的一步。
2023高教社杯数学建模
09-09
2023高教社杯数学建模国赛是一项数学建模竞赛活动，该比赛旨在通过解决实际问题，培养参赛者的数学建模能力和创新思维。据引用和引用所述，该竞赛包含了多道题目，选手需要根据给定的问题进行思考、分析和建模，并给出相应的解决方案。此外，引用中提到了2018年数学建模竞赛的C题原题以及附件资料，可能对想要学习数学建模或参加竞赛的人有所帮助。 参赛者可以通过参考引用和引用中提供的资料，包括思路解析、代码、参考论文等，来帮助自己准备和参加比赛。C君还承诺会及时发布选题建议以及其他相关资料，以帮助大家取得好成绩。 总而言之，2023高教社杯数学建模国赛是一项数学建模竞赛活动，参赛者需要通过解决实际问题来展示他们的数学建模能力。参赛者可以参考引用和引用提供的资料来准备比赛，并且有机会获取2018年数学建模竞赛的C题原题和附件资料。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

落雨便归尘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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