2022数维杯B看法

注意：思路实时更新，我也是个人在做，所以写到多少更新多少，可以间断性的关注看一下。

问题一：这个问题其实已经被各大高校纳入进了数模建模的分析必修课，同时例如智库等一系列已经有预测模型，但是其要求数据量十分详细，并且具有较高的数据计算量，所以据此，我们优化此模型。建议使用方法：蒙特卡罗模拟与粒子追踪。因为疫情的预测实际上就是对可能发生的情况与现有情况的实际预测。由于预测情况不确定，具有随机性，且随机过程中包含有瞬时或时变的行为，这样就导致需要多次模拟，从而得到最终的准确结论。这样也使得模型的灵敏性分析变得相当费时间。所以，这里的蒙特卡罗行为就表现为随机行为，它是基于诸如抛硬的随机化处理的办法。但通常使用了计算机的伪随机数发生器，由于包含有随即元素，每次重复将产生不同的结果。所以我们再引入例子追踪对模型做出结论，从而应对疫情中不断更改的参数系数，将扩散问题中单个粒子（阳性病例）提供了有足够说服力模型。

【【【蒙特卡洛使用问题介绍（可以放在论文里，但要改动，自己的话介绍）蒙特卡罗法要解决的问题是，假设概率分布的定义已知，通过抽样获得概率分布的随机样本，并通过得到的随机样本对概率分布的特征进行分析。

比如，我们已知概率分布是正态分布，但是不知道它的参数，我们可以使用蒙特卡罗法，从样本得到经验分布，从而估计总体分布；或者从样本计算出样本均值，从而估计总体期望。

因此，无论是要估计什么分布或者参数，都需要对概率分布进行随机抽样，而随机抽样也就是蒙特卡罗法的核心思想。

随机抽样中又分为直接抽样，接受-拒绝抽样，重要性抽