数学建模入门.pptxVIP

数学建模入门

-CONTENTS目录建模过程中用的工具1可能用到的模型种类与具体目录2人工智能工具在建模中的应用3时间安排，团队合作4报告撰写5

建模过程中用的工具PART1

建模过程中用的工具010402050306(4)数据可视化：Excel、Python(Matplotlib,Seaborn)(1)数据处理：Excel、SPSS、MATLAB、Python(5)编程语言：Python、R、Lingo(2)数据挖掘：R、Python、SPSS(6)流程图绘制：迅捷、Visio、Xmind(3)机器学习：Python(TensorFlow，PyTorch，Scikit-learn)、R

可能用到的模型种类与具体目录PART2

可能用到的模型种类与具体目录评价模型用于对某一对象或方案进行综合评价或比较，根据不同的指标或标准进行打分或排序。评价方法有主管赋权法和客观赋权法，具体来看(1)主管赋权法：相对比较法、连环比率法、模糊综合评价法、专家咨询法、层次分析法(2)客观赋权法：Critic赋权法、熵权法、灰色关联分析法、PCA(贡献率)、BWM

可能用到的模型种类与具体目录预测模型用于根据已有的数据或信息，对未来的发展趋势或结果进行估计或预测常用的预测模型有插值与拟合、时间序列预测(简单平均、移动平均、指数平滑、ARIMA、LSTM、VAR、深度学习模型)、灰色预测、微分方程预测、机器学习预测(线性回归、灰色预测、BP神经网络、随机森林、决策树、梯度提升、SVM)

可能用到的模型种类与具体目录优化模型用于在满足一定的约束条件下，寻找目标函数的最大值或最小值常用的优化模型有线性规划、非线性规划、整数规划、多目标规划、动态规划、图论问题、组合优化问题等

可能用到的模型种类与具体目录分类模型分类模型：用于将数据或对象分成不同的类别，根据不同的特征或相似度进行划分。常用的分类模型有判别分析、聚类分析、神经网络分类、K-means聚类、SVM、决策树等

人工智能工具在建模中的应用PART3

人工智能工具在建模中的应用11123(1)数据分析和预处理：AI工具，特别是机器学习算法，能够高效地处理大规模数据集，提取有用的信息，为数学建模提供数据基础。例如，使用深度学习技术进行图像识别和语音识别，可以快速准确地处理这些复杂的非结构化数据(2)模型选择和优化：AI工具可以帮助我们从多个可能的模型中选择最适合的模型。通过使用进化算法、遗传算法等智能优化技术，我们可以自动调整模型参数，提高模型的预测精度(3)模型验证：AI工具可以辅助我们验证模型的正确性。例如，使用AI进行模拟实验，对比模拟结果和实际数据，以评估模型的预测能力

人工智能工具在建模中的应用(5)文案修改、优化(translate,modify,improve)；数据查找；代码辅助(AI生成的代码不一定正确，主要还是靠人)

时间安排，团队合作PART4

时间安排，团队合作在数学建模比赛中，通常需要组成一支三人团队进行合作。三人团队在比赛中需要完成数学建模问题的解答和模型的构建

团队成员的分工通常根据各人的专长来安排。一般来说，团队中的成员可以分为以下几个角色

1.题目理解和问题分析：负责对赛题进行全面和深入的理解，提出问题的重点和难点，确定解题思路和方法

2.数据处理和统计分析：负责对给定的数据进行处理和分析，提取其中的关键信息，进行统计分析，为问题的解答提供数据支持

3.模型建立和求解：负责建立数学模型，包括确定变量、建立约束条件和目标函数，并进行模型求解和优化

4.结果分析和报告撰写：负责对结果进行分析和解释，评估模型的有效性和可行性，并撰写报告团队角色

时间安排，团队合作每个团队成员根据自己的兴趣和专长，可以在以上角色中选择一个或多个进行参与分工可以根据团队成员的不同能力和兴趣进行灵活调整，以便充分发挥团队的协作效能

时间安排，团队合作具体时间安排一、第一天上午

1.各自对立思考1个小时，主要分析题目的问题背景，已知条件，建模目的等问题。至少每人必须提出10到15个问题，并回答自己的问题

2.重点用语言的形式表述清楚问题的结构，即用语言描述自己的初步模型。(要自己提出的模型，可能就会产生一些假设。)

3.再和队友讨论。讨论1个小时。形成自己团队的初步模型，同样是以语言形式描述的

4.接下来查找一些文献，讨论修改团队的模型，形成一个最终较完整的模型。并根据讨论最后形成对问题的统一认识，形成问题重述部分的内容

注：1)如果问题有好几问，可以重点讨论第一个问题，但是也要考虑其他问题与第一问的关系！(一般建模中的几问都是有一定联系得)；也可以同时考虑，同时建模

时间安排，团队合作2)注意参考文献的处理，参考别人的方法一定要在文中注明！这也是要求一直留意查找文献的