2021美赛(4)美赛E题数据、思路、方法

EF题总体来看,本人认为两题较相似,比较考验偏文科的能力。问题的关键在于确定指标,然后是数据驱动。最后对其进行数据处理即可。

E题题目的味道更像是多条件的规划问题 F更像是获得数据进行数据分析(回归/时间序列/...)

 

E题的关键点有下:

1.粮食系统:整个粮食系统是怎么样的,从生产、消耗、进口、利润等等,明白运作方式才能总结模型。

必须要先建立量化指标!是整个研究的第一步

我们采用比赛题目上提供的三个网站的数据

 

行动轨道

  峰会的行动轨道为多种背景的利益攸关方提供了一个分享和学习的空间,以期促进新的行动和伙伴关系,并扩大现有的举措。行动轨道与峰会的五项目标保持一致。重要的是,行动轨道不是分开的,也不是相互孤立的。每个行动轨道都旨在解决与其他轨道之间可能存在的权衡取舍问题,并确定能够带来广泛益处的解决方案。

  行动轨道将借鉴来自世界各地粮食系统行为者的专业知识。他们将共同探讨可以如何调动治理、金融、数据、文化、创新以及增强妇女和青年权能等贯穿各领域的关键变革杠杆,以实现峰会的目标。

行动轨道1

确保所有人都能获得安全而有营养的食品

  行动轨道1将致力于消除饥饿和各种形式的营养不良,减少非传染性疾病的发病率,使所有人都能获得营养和健康。这一目标要求让所有人在任何时候都能获得足够数量且负担得起的安全食品。实现这一目标意味着增加有营养食品的供应,使食品更容易负担得起,并减少获得食品权利方面的不公平。

行动轨道2

转向可持续消费模式

行动轨道2将致力于培养消费者对以可持续方式生产的食品的需求,加强当地价值链,改善营养,并促进粮食资源的再利用和再循环,特别是在最脆弱的人群中。该行动轨道认识到,我们需要消除浪费的食品消费模式;同时还认识到,我们需要促进饮食习惯向更有营养而生产和运输所需资源更少的食品转变。

行动轨道3

促进对自然有积极影响的生产

行动轨道3将致力于优化环境资源在粮食生产、加工和运销中的使用,从而减少生物多样性损失、污染、用水、土壤退化和温室气体排放。在追求这一目标的过程中,该行动轨道将致力于加深对粮食价值链上小农和小型企业面临的限制和机遇的认识。它还将努力支持粮食系统治理,重新调整激励措施,以减少粮食损失和其他负面环境影响。

行动轨道4

促进公平生计

行动轨道4将致力于促进粮食价值链上所有行为者的充分生产性就业和体面工作,降低世界上最贫穷者的风险,促进创业,并解决获取资源的权利和价值分配不公平的问题,从而为消除贫困作出贡献。行动轨道4将通过社会保障提高韧性,并力求确保粮食系统不让任何人掉队

行动轨道5

培养抵抗脆弱性、冲击和压力的韧性

  行动轨道5将致力于确保可持续粮食系统在容易发生冲突或自然灾害的地区持续发挥作用。该行动轨道还将促进保护粮食供应免受大流行病影响的全球行动。行动轨道5背后的远大目标是确保粮食系统内的所有人都有能力为不稳定情况做好准备,经受住其考验,并从中恢复。行动轨道5还旨在帮助世界各地的人们参与粮食系统,让粮食系统在尽管有冲击和压力的情况下,仍然能为所有人提供粮食安全、营养和公平的生计。

从上面我们提炼出自己的思路。

 

2.解决问题:优化效率/可持续性/公平问题。这一步拿出你上一步的指标,进行模型建立,找出目标函数(不必须),或者利用决策模型(层次模型,决策树…),这一步没有固定答案,颇为开放,关键是如何完善你的模型,在各个国家都适用,并且具有健壮性。

 

关于数据方面,我们使用这些就可以。

关键还是建立模型。

关注微信公众号 Wallen 回复 2021美赛E题数据  可以领取上面部分E题数据

  • 9
    点赞
  • 71
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
2024美赛E是一个数学建模目,具体的目内容我不清楚,但是我可以给你一些一般性的思路方法来解决这类问。 一般来说,解决数学建模问需要以下几个步骤: 1. 理解问:仔细阅读目,理解问的背景和要求。确定问的目标和限制条件。 2. 建立模型:根据问的特点和要求,选择合适的数学模型来描述问。可以使用数学方程、统计模型、优化模型等。 3. 数据处理:收集和整理相关数据,对数据进行预处理和清洗,确保数据的准确性和可用性。 4. 模型求解:根据建立的数学模型,使用合适的算法和工具进行求解。可以使用数值计算方法、优化算法、统计分析等。 5. 模型评估:对求解结果进行评估和分析,检查模型的有效性和可靠性。可以进行敏感性分析、误差分析等。 6. 结果展示:将求解结果进行整理和展示,可以使用图表、报告等形式呈现。 具体到2024美赛E,你可以根据目的要求和背景进行以下思考: 1. 确定问的目标和限制条件:明确目要求解决的问是什么,有哪些限制条件需要考虑。 2. 建立数学模型:根据目的特点,选择合适的数学模型来描述问。可能涉及到概率统计、优化、图论等方面的知识。 3. 数据处理:收集和整理相关数据,对数据进行预处理和清洗,确保数据的准确性和可用性。 4. 模型求解:根据建立的数学模型,使用合适的算法和工具进行求解。可以使用数值计算方法、优化算法、统计分析等。 5. 模型评估:对求解结果进行评估和分析,检查模型的有效性和可靠性。可以进行敏感性分析、误差分析等。 6. 结果展示:将求解结果进行整理和展示,可以使用图表、报告等形式呈现。 希望以上思路对你有所帮助!如果你有更具体的问或者需要进一步的指导,请告诉我。
评论 6
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

地学万事屋

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