2021五一数学建模B题思路

本文探讨了如何运用数学建模解决消防救援中的实际问题,包括人员调度、出警次数预测、事件发生规律分析、空间相关性研究、人口密度与事件密度关系以及消防站选址优化。通过灰色预测、时间序列分析、相关性分析等方法,为消防救援提供科学决策支持,以提高应急响应效率和安全性。
摘要由CSDN通过智能技术生成

2021五一数学建模B题 消防救援问题
B题 消防救援问题
随着我国经济的高速发展,城市空间环境复杂性急剧上升,各种事故灾害频发,安全风险不断增大,消防救援队承担的任务也呈现多样化、复杂化的趋势。对于每一起出警事件,消防救援队都会对其进行详细的记录。
某地有15个区域,分别用A、B、C…表示,各区域位置关系及距离如图1所示,各区域的人口及面积见附件1,该地消防救援队出警数据见附件2。
请依据该地的消防出警数据,建立数学模型,完成以下问题:
问题1:将每天分为三个时间段(0:00-8:00为时段Ⅰ,8:00-16:00为时段Ⅱ,16:00-24:00为时段Ⅲ),每个时间段安排不少于5人值班。假设消防队每天有30人可安排值班,请根据附件数据,建立数学模型确定消防队在每年2月、5月、8月、11月中第一天的三个时间段各应安排多少人值班。
问题2:以该地2016年1月1日至2019年12月31日的数据为基础,以月份为单位,建立消防救援出警次数的预测模型;以2020年1月1日至2020年12月31日的数据作为模型的验证数据集,评价模型的准确性和稳定性,并对2021年各月份的消防救援出警次数进行预测,完成表1。
问题3:依据7种类别事件的发生时间,建立各类事件发生次数与月份关系的多种数学模型,以拟合度最优为评价标准,确定每类事件发生次数的最优模型。
问题4:根据图1,请建立数学模型,分析该地区2016-2020年各类事件密度在空间上的相关性,并且给出不同区域相关性最强的事件类别(事件密度指每周每平方公里内的事件发生次数)。
问题5:依据附件2,请建立数学模型,分析该地各类事件密度与人口密度之间的关系(人口密度指每平方公里内的人口数量)。
问题6:目前该地有两个消防站,分别位于区域J和区域N,请依据附件1和附件2,综合考虑各种因素,建立数学模型,确定如果新建1个消防站,应该建在哪个区域?如果在2021-2029年每隔3年新建1个消防站,则应依次建在哪些区域?
问题1:每天至少5人,最多可安排30人,根据附件可以统计出每年2、5、8、11月1日的三个时间段的救援次数。最简单的思路就是依据每天的三个时间段救援次数,建立线性比例,直接分配。想要追求一下的话,用非线性函数。网上也有人提出用时间序列或者灰色预测,个人认为没必要。
问题2:先统计每年的数据,可用灰色预测和时间序列预测,时间序列预测应该更好一点。具体的方法,B站视频自学一下,1个小时就行了
问题3:用Matlab拟合工具拟合
问题4:如果你把EXCEL用的非常熟练,可以直接用EXCEL作相关性分析。如果不会的话,那就编程解决。(注意相关性的判断,选不选1 ,应该怎么界定)
问题5:直接相关性分析就行,数据可以从附件获得。
问题6:使成本最低,即出警距离最小!最短路径法(Floyd算法)

2021五一数模A思路+参考资料+a代码疫苗生产优化问 1:本需要对于每箱疫苗在所有工位上的生产时间进行描述性统计分析,由于先前对于 不同类型的疫苗进行模拟实验,根据已经掌握的实验数据直接进行描述性分析即可。可以通过 EXCEL、SPSS、R 语言等数据处理软件直接进行分析,建议分析完成之后分别对于均值、方差、 最值、概率分布等不同的指标解释其数理意义以及描述不同工位生产疫苗的能力水平,方便为下一 步的研究打基础。难点在于数据的处理。 问 2:根据附件中所给出的数据,先对其所有的数据求出平均值。将平均值作为参考指标。 目中原先说明必须按照 CJ1-CJ2-CJ3-CJ4 的顺序完成 4 个工位都进行了加工才算加工完成。当一 种疫苗进入生产步骤之后,必须完成该步骤的生产才可以安排下一种疫苗进入。由于目标函数是实 现生产时间最短,本提供两种可选方案,原理相通。一、可以选择使用 LINGO 软件安排最优线 路,设定每一个步骤所需要实现的时间长短以及该疫苗所需要完成加工的总时间,尽可能实现每一 个加工步骤都有不同类型的疫苗在进行加工,如果每一个加工步骤都能保证中间加工的空挡不断层, 即可实现加工效率的最优化。二、最优化算法中可以使用 TSP 算法安排最优的线路,通过该算法 也可以获得最优的加工顺序。要点在于本选用生产的平均值作为参考指标,大大降低了计算步骤 的难度。难点在于计算好每一类型的疫苗加工生产过程中所需要的总时间和不同加工步骤之间相距 的时间差的,其中的变量在于不同的疫苗进入加工步骤的顺序。加工步骤不可以变动顺序。 问 3:本与问 2 最明显的区别就是每个工位生产疫苗的时间不再使用平均值来进行代替 了。问 1 种研究了不同的指标来反映不同工位生产疫苗的能力水平,可以在其中进行选取即可完 成时间变量的选择。要求交货总时间比问 2 的总时间缩短 5%,即在原先问的基础之上进 行优化目标。根据优化算法来进行生产顺序调度安排,本建议使用禁忌搜索算法来寻求最优解, 该算法可以避免陷入局部最优。求解过程与问 2 相近,不再赘述。确定完成生产顺序之后,由于 生产的每一个过程中的时间并不是一个确定值,而是分布于一个相近的区间内,所以可以通过区间 估计来确定概率数值。本也可以使用遗传算法进行求解,确定完成遗传算法的变异率,通过代码 的计算可以完成。 问 4:本再次引入新的限制条件,限制生产条件和生产时间。每一天时间长度为 16 小时, 且要求必须完成某一种疫苗的全部生产过程才可以开始生产别的种类的疫苗。生产时间长度可以使 用问一中给出的相关指标变量从而确定单一产品的时间。当确定完成时间之后,分别对于所有的 产品生产的时间进行计算即可得出所需要的生产时间。时间指标可以是一个变动的过程,由于生产 的时间必须为天数的整数单位(达不到一天按一天计算,若一天内能完成两项任务,可以一天安排 两种疫苗的生产),生产任务不可以拆分,所以需要读者有耐心选择正确的计算方法计算出不同疫 苗产品的生产时间以及规划不同疫苗的生产周期。由于已经限定了可靠性为 90%,生产时间最短 即可。使用不同疫苗产品的生产总时间作为目标变量,通过调动不同的疫苗产品作为自变量的生产 过程,确定约束条件即可计算出预期时间。 问 5:安排生产计划是一项运筹规划类型目。根据附件给出的不同疫苗产品的报价、生产 疫苗所需要的时间、不同产品疫苗的最大任务数量进行线性规划,难点在于线性规划的约束条件是 函数关系,根据生产单一疫苗所需要的时间进行确定相关参数。销售额=疫苗的出厂价格×出厂数 量,则控制不同的疫苗的产量可以通过神经网络模型等深度学习算法进行自动求解。规划模型的条 件和生产的顺序可以通过模型计算过程自动求得最优解。由于神经网络模型自身容易陷入局部收敛 的死循环中,可以加入优化算法对该模型进行优化。切记全文所使用的优化算法一定不能重复。可 以参考:遗传算法、蚁群算法、粒子群算法等。 备注:由于生产过程的不确定性,所以生产单一疫苗的时间确定需要根据实际模拟的数据进行 确定。目中问 2 要求使用平均值进行确定,别的目仍然可以使用,但是有能力的话建议使用 别的指标进行确定。
评论 1
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

打赏作者

想成为风筝

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
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