xb459149247的博客

最近在准备国赛，拿往年的数模比赛练手，做了去年国赛的e题，发现其中的问题的通用性很强，因此写下本篇文章记录一下，对于这类综合性问题进行处理的常用方法和具体的求解过程。

在问题3中，我们首先收集了各个城市的经纬度、评分为5.0的景点数据、城市间高铁车程时间及费用等信息， 我们使用Haversine公式计算城市间的地理距离，将其转换为高铁车程时间和费用。进一步地，我们以城市为单位，统计了每个城市中评分等于BS的景点数量，并对这些城市按景点数量进行了排序，得出了拥有最多BS景点的前10个城市。最后根据综合评分对352个城市进行排序，选出综合评分最高的前50个城市，作为“最令外国游客向往的50个城市”，下图中我们展示了前10大评分最高的城市。我们主要关注的字段是“景点评分”。

然后统计全国获得这个最高评分（BS）的景点数量，并找出拥有最多最高评分（BS）景点的城市，列出前10个城市的排名。每个景点的数据包含多个信息字段，例如景点名称、网址、地址、景点介绍、开放时间、图片网址、景点评分、建议游玩时长、建议游玩季节、门票信息、小贴士等。我们主要关注的字段是“景点评分”。结果包括全国最高评分BS、全国获得最高评分的景点总数量NBS​，以及前10个拥有最多BS景点的城市及其对应的景点数量。统计全国获得BS的景点数量 遍历所有景点数据，统计评分等于BS的景点数量，记为NBS。

针对问题一和问题二，通过构建两种不同类型的时间序列预测模型——ARIMA模型和LSTM模型，分别预测A1和A2两个香烟品牌的未来销量以及预测A3和A4两个香烟品牌的未来销售金额。而LSTM模型则通过其在处理长时间依赖性和非线性关系方面的优势，提供了对销量趋势的平稳且保守的预测，适合历史数据波动大且趋势不稳定的情况。通过比较两种模型的预测结果，本文不仅揭示了各模型的优势和适用场景，还提供了具体的销量预测。同样地，在预测阶段，我们将各基础模型在测试集上的预测结果与原始特征组合，作为线性回归模型的预测输入。

最大充电功率为2000kW，最大放电功率为2000kW，符合设定的储能系统功率上限.总输出功率在需求功率附近波动，储能系统在高峰时充电，低谷时放电，有效平衡了总输出功率和需求功率。最后结合波浪能预测和风电预测模型，进行短期和中期的功率预测。通过分析实测数据，建立波浪能发电量的预测模型，并基于风波同源原理，对同海域的风电进行模拟预测，提供短期（日）和中期（周或月）的功率预测方法。问题一需要模拟储能系统在多能互补系统中的作用.考虑波浪能、风能、太阳能和柴油发电的发电量，分析储能系统的充放电策略和效果。

在降落过程中，顺风切变会使飞机空速减小，导致升力不足，机头下沉，飞机可能会急剧下降，难以控制。问题一需要对低空顺风风切变的模型进行建立及其影响分析,我们考虑飞行速度、飞行高度、飞机姿态等在内的影响因素,分别构建飞机运动动力学方程、阻力方程、升力方程、高度变化方程.构建得到顺风切变发生时，飞机运行状态变化的轨迹。我们从风切变的定义入手，通过分析其对飞机飞行速度、飞行高度和飞机姿态的影响，建立数学模型，详细分析在民用客机起飞和降落时顺风切变的影响。并对比不同初始速度和推力的情况下，飞机在风切变中的表现。

针对问题一，通过数据预处理、标准化及相关性分析，我们发现碳含量、均热炉温度与带钢硬度具有显著正相关，而加热炉、快冷炉、缓冷炉和淬火炉温度与硬度呈负相关，尤其是淬火炉温度。结果显示，初始适应度值为12800，前10次迭代后迅速下降至11600，40次迭代后趋于稳定在11400，表明PSO有效地找到了接近最优的参数组合，显著改善了工艺参数的性能并减少了与目标硬度的差距。问题二的目标是建立一个数据驱动的模型来预测带钢的硬度，并对该模型的性能进行详细的分析和评估。其中， 为原始数据， 为均值， 为标准差。

问题一需要确定在不同反应条件下（吸附剂用量、温度和pH），As(V) 和 ROX 的去除率，分析这些条件对去除率的影响程度。同时基于SHAP模型对机器学习的可解释性进行详细的分析.最后得出吸附剂用量显著影响 As(V) 和 ROX 的去除率，温度对去除率的影响存在一定的非线性关系,溶液 pH 值的影响较复杂，中高温度范围（30-40℃）通常有利于提高去除率。吸附剂用量(g/L)与ROX去除率、ROX吸附量、As(V)吸附量 的正相关性较强，说明吸附剂用量的增加显著提高了ROX和As(V)的去除率和吸附量。

为位于固定阵地的雷达车设计最优的火箭烟幕弹运用策略，我们可以构建优化模型,我们需要为位于固定阵地的雷达车设计一个最优的火箭烟幕弹运用策略。烟幕弹的有效使用需要考虑其发射点、起爆时间以及烟幕云团在空中的运动特性，以及来袭导弹的飞行特性和风速对烟幕运动的影响。每种情形的模型都需要考虑不同的动态因素和战术需求，如目标的移动性、敌方武器的类型和行为，以及环境条件（如风速和风向）。这三个问题展示了从简单到复杂的防御策略，我们通过数学建模和优化解决了实际防御中的关键问题，确保了目标的安全性和防御措施的有效性。

在问题一中，我们研究了个工艺参数下的断裂强力的表现情况，那么在这一问当中，我们进一步探究7种性能受工艺参数变化以及其之间相互作用的影响下的关系。我们无法直接对这种dataframe进行直接处理，因此，我们重新读取数据，将结果按照实验组数进行排列，为了方便对结果进行可视化，我们计算了每组参数下对应的平均断裂强力，结果如图。根据沙漠科考队的具体需求，首先确定各性能指标的优先级和相应的权重，随后使用加权综合评分方法来构建模型，使用优化算法来调整工艺参数（树脂含量、固化温度、碱减量程度），目标是最大化综合评分。

结果显示，同化后的降水场在重叠区域和非重叠区域均具有较好的平滑性和一致性，显著修正了原始雷达数据中的局部误差，提高了整体降水估计的精度。同化后的降水场在空间分布上更为合理和平滑，有效修正了雷达数据中的局部误差，并利用雨量计数据进一步提高了降水估计的准确性。为了提高降水场估计的精度，通过融合多部雷达的观测数据，特别是考虑到雷达观测数据和雨量计数据的不同误差特性，采用变分同化技术进行数据融合。左右雷达同化后误差分布,左图显示了左雷达数据与同化后降水场的误差分布，右图显示了右雷达数据与同化后降水场的误差分布。