如何评价2022五一数学建模竞赛？

johnsoncodehk

看了今年五一杯的题目，觉得今年的题目都很简单，我会持续更新详细思路
A题：血管机器人的订购与生物学习
A题是一个规划求解的问题，可以使用规划类算法，可以使用SPSSPRO的规划求解模块和LINGO进行求解：
        目标函数：运营成本和治疗效果
        其限制条件如下：
        1）血管机器人只能工作一周，之后要被取出
        2）血管机器人取出后需要操作手拆卸下来进行一周的保养
        3）操作手没有工作的时候需要一直保养
        4）新购买的容器艇需要一周的调试
        5）容器艇使用后不需要保养，可以一直使用
        6）容器艇未使用需要保养
        7）一个容器艇需要四个熟练操作手
        8）操作手学习的时候不需要容器艇
思路：
        第一问有13个容器艇和50个熟练操作手，如第一周就用11个容器艇，那需要44个操作手，留下来的可以训练60个熟练操作手。以此类推，第二周5个容器艇，那就要20个操作手，根据附件一直推算即可。
这种优化类型的题目很多，可以参考20年和21年国赛的的真题，往年真题spsspro社区都有，大家有兴趣的可以去看一下，这个题目重点就是把约束条件设置好合理，具体的规划求解算法大家可以用spsspro的算法，可以直接快速求解。


<hr/>B题 矿石加工质量控制问题

B题是五一杯经典的化工分析预测类题目，需要建立不同的模型去对问题进行分析预测，建议使用机器学习算法，可以使用到的算法模型为遗传算法、时间序列、灰色预测，不建议使用BP神经网络作为预测算法，可以考虑马尔科夫模型来对第三问进行预测。同样的，spsspro都拥有这些算法 ，也是免费的。


本题有一点需要我们注意的地方，也是可以使自己模型更亮眼的地方就是在所给数据中，由于其他不确定因素的影响，在相同（或者相近）的系统温度下生产出来的产品质量可能有比较大的差别，让我们预测最大可能的结果，题目已经如此明确的提示我们，因此当做出来预测结果后，一定要进行处理！！可以利用预测的置信区间，残差分布等等反馈结果进行修改，或者对比相同温度下质量的波动找到规律等等。
第一问求解


step1:读取附件1的sheet1数据温度(temperature)，读取sheet2数据产品质量(quality )，读取sheet3数据原矿参数( parameter)



step2:将temperature数据的时间 (Time)进行格式化为年月日，命名为date



step3：根据parameter的时间 (Time)与temperature  的date进行关联，得到合并数据集合AAA



step4：将quality的时间 (Time)格式化后，减去2个小时，命名为dt



step5：根据quality的时间 (Time)与AAA 的时间 (Time)进行关联（左关联），得到合并数据集合BBB，这也是最终处理好的数据



step6：设置X：'系统I温度 (Temperature of system I)',
       '系统II温度 (Temperature of system II)',
       '原矿参数1 (Mineral parameter 1)', '原矿参数2 (Mineral parameter 2)',
       '原矿参数3 (Mineral parameter 3)', '原矿参数4 (Mineral parameter 4)'
       设置ya,yb,yc,yd:'指标A (index A)', '指标B (index B)', '指标C (index C)','指标D (index D)'
step7:构建仿真回归模型并进行评价，这里我构建了线性回归、随机森林、决策树、GBDT、xgboost，结果都是xgboost最优
PS：线性回归效果是真的拉跨



step8：预测新数据




使用xgboost的预测结果


2.2 第二问求解


step1~5跟第一题一样，这里不多说，或者可以直接拿step5产生的data1.csv的数据来用也可以。



step6：X、Y的设置这次要改一下。



step7:构建仿真回归模型并进行评价，这里我构建了线性回归、随机森林、决策树、GBDT、xgboost，结果还是决策树和xgboost最优



step8：以XGBoost预测新数据

2.3 第三问和第四问以及完整代码有兴趣的可以看下这个文章，

<hr/>C题 火灾报警系统问题  （已更）

C题是大数据、数据分析类题目，较为常规，没有专业限制。

代码讲解大家可以看这个文章

问题1：第一小问是用附件1确定真实火灾起数，第二小问是用附件1和附件2，利用可靠性和故障率对各类型部件进行评价：利用可靠性和故障率对各类型部件进行评价，帮助政府选取更加可靠的火灾探测器类型。
第一问，评价模型中主要是对可靠性和故障率进行量化，可以自己定义一些指标（通过查阅相关论文来确定一些指标），通过评价方法对各类型部件进行评价，由于可靠性是正向指标，故障率是负向指标，可以用topsis优劣解距离法、秩和比综合评价。





问题2：选择合适参数建立区域报警部件类型智能研判模型，当某大队辖区内某类型部件发出报警信息时，能够较好判断是否属于误报，提高报警准确率，并对附件3中各大队不同部件发出的报警信号进行真实性评价，确定附件3中各报警信号是真实火灾的概率。

第二问，主要是寻找哪些指标会引起误报，这些指标应该如何改变才能使误报变得最低，可以建立一个分类模型，观察哪一指标更大程度地影响误报率，这里可以用spsspro的机器学习板块，其中（决策树、随机森林、adaboost、xgboost等模型是可以给出特征重要性的结果），这可以帮助找到影响误报率的指标。




问题3：根据问题1所获得的各辖区火灾数据以及问题2的结果，结合表1分析该市各消防大队的综合管理水平，并将综合管理水平最低的三个辖区的技术指标（如辖区火灾发生频率、部件故障率、部件可靠性等）进行量化，提出改进方案。
第三问，还是一个综合评价模型，只不过这次变量发生了变化，这依旧可以用问题1的综合评价法进行分析。

问题4：根据有关文献和问题1至问题3模型分析的结果，请有针对的提出火灾报警系统各部件管理维护的意见建议。
第四问：开放性问题，自行提出意见。


点赞 持续更新详细思路（纯分享）