大家好呀。
mathorcup明早要开赛了，认证杯明晚开始，我应该也不用空泛地去谈什么每个题型用些什么模型这类虽然正确但毫无意义的废话了，比如什么预测问题用时间序列、灰色预测、神经网络啦，比如什么评价问题用层次分析法、模糊综合评价啦，这些对吗？对。有用吗？没用。方法谁不清楚呢？重点在于到底怎么应用。
看看去年国赛评委会发布的评奖细则：
“通用模型的拷贝”“套路化的表面文章”
说的不就是一些不知道从哪里转来的流传了不知道多少手的都包浆了的一些通用模型选择图吗？希望大家千万不要撞在评委的枪口上了。
对于mathorcup，开赛后我会第一时间带来选题建议及初步思路，之后，我会带来完整成品的讲解，手把手教大家如何去做的一个保姆级别的教程。
大家三连关注一下本文章不要迷路哈。
具体的讲解形式大家可以参考我美赛E题的讲解：
https://link.zhihu.com/?target=https%3A//www.bilibili.com/video/BV1zY411v7L9/%3Fspm_id_from%3D333.999.0.0%26vd_source%3D7276d7392888986cd708274d725a2e7d
既然比赛将近，为了帮助一些建模小白雪中送炭式地补救，或者为了一些已经有了经验的锦上添花地节省点时间，我准备了一些获奖注意事项＋论文模板＋最全代码参考包！
需要模板代码包等免费资料及后续完整论文讲解的，可以看本文最下方的卡片哈。
word版论文模板：
代码参考包：
（为美赛代码参考包，其内包含各个类型赛题的上百种模型的参考代码，仅数据处理方式就达34种之多，经验证基本皆可运行，对于mathorcup是向下兼容的，希望能给你们带来帮助）
放点代码：
clc
clear all
close all
%--------------------------------------------------------------------------
% 产生混沌序列
% dx/dt = sigma*(y-x)
% dy/dt = r*x - y - x*z
% dz/dt = -b*z + x*y
sigma = 16; % Lorenz 方程参数 a
b = 4; % b
r = 45.92; % c
y = [-1,0,1]; % 起始点 (1 x 3 的行向量)
h = 0.01; % 积分时间步长
k1 = 30000; % 前面的迭代点数
k2 = 5000; % 后面的迭代点数
Z = LorenzData(y,h,k1+k2,sigma,r,b);
X = Z(k1+1:end,1); % 时间序列
X = normalize_a(X,1); % 信号归一化到均值为0,振幅为1
%--------------------------------------------------------------------------
% 相关参数
t = 1; % 时延
d = 3; % 嵌入维数
n_tr = 1000; % 训练样本数
n_te = 1000; % 测试样本数
%--------------------------------------------------------------------------
% 相空间重构
X_TR = X(1:n_tr);
X_TE = X(n_tr+1:n_tr+n_te);
[XN_TR,DN_TR] = PhaSpaRecon(X_TR,t,d);
[XN_TE,DN_TE] = PhaSpaRecon(X_TE,t,d);
%--------------------------------------------------------------------------
% 训练与测试
P = XN_TR;
T = DN_TR;
spread = 1; % 此值越大,覆盖的函数值就大(默认为1)
net = newrbe(P,T,spread);
ERR1 = sim(net,XN_TR)-DN_TR;
err_mse1 = mean(ERR1.^2);
perr1 = err_mse1/var(X)
DN_PR = sim(net,XN_TE);
ERR2 = DN_PR-DN_TE;
err_mse2 = mean(ERR2.^2);
perr2 = err_mse2/var(X)
%--------------------------------------------------------------------------
% 结果做图
figure;
subplot(211);
plot(1:length(ERR2),DN_TE,'r+-',1:length(ERR2),DN_PR,'b-');
title('真实值(+)与预测值(.)')
subplot(212);
plot(ERR2,'k');
title('预测绝对误差')
获奖相关注意事项：
数学建模评分参考标准
摘要（很重要） 5分
数据筛选 35分
数学模型 35分
数据模拟 15分
评委总体感觉 10分
数学建模的考察目标
1、应用意识：要解决实际问题，结果、结论要符合实际；模型、方法、结果要易于理解，便于实际应用；站在应用者的立场上想问题，处理问题。
2、数学建模：用数学方法解决问题，要有数学模型；问题模型的数学抽象，方法有普适性、科学性，不局限于本具体问题的解决。
3、创新意识：建模有特点，更加合理、科学、有效、符合实际；更有普遍应用意义；不单纯为创新而创新。
论文评阅准则
假设的合理性，建模的逻辑性，模型的创造性，结果的完整性，表述的清晰性。
建模前的思考
答卷需要回答那几个问题——建模需要解决那些问题；
问题以怎样的方式回答——结果以怎样的形式表示；
每个问题要列出那些关键数据——建模需要计算那些关键数据；
每个量要列出一组还是多组数——要计算一组还是多组数。
！！如果数学方法选错，肯定失败！！
建模时的要点
建模的整个过程要清楚，自圆其说，有结果、有创新；
必须有数学模型，同一问题的不同模型要比较；
数据必须有分析和筛选；
模型要与数据结合，用数据验证过。
建模后的主要工作（重要）检查模型的正确性、合理性、创新性；
结果的正确性、合理性；
文字表述是否清晰，分析精辟，摘要精彩。
关于文章的写作
可以有目录也可以不要目录；
字体、格式统一，全文规范、简洁；
总页数在规定页数以内，一般为20到30页；
问题的结果要让评卷人好找到，在醒目位置独立成段；
摘要放最后写，要将方法、结果讲清楚；
“模型建立”“模型求解”可以合并为“模型的建立和求解”；
“模型评价”“模型推广”可以合并为“模型的评价和推广”。
标题命名很重要
需要做到一读各个小标题，就能知道整篇论文的大概脉络。多设置标题，避免大段大段的文字而不见一个标题。每小节都有一个清晰的概括性题目。每小节不要超过两段。
下面的标题结构可以借鉴：
5 模型的建立与求解
5.1 问题一建立模型（需要能反映具体内容的标题）
5.1.1 XX数据处理
5.1.2 模型XX原理
5.1.3 使用XX方法对XX进行求解
5.1.4 结果（最好写明结论）
图、表、文字
5.2 问题二建立模型
5.2.1 XX数据处理
5.2.2 ……
……
5.3 问题三……
基本就说这些吧，大家好好休息，接下来几天会很肝
我会在mathorcup及认证杯开赛后，第一时间分析并开始解答赛题，最后会有完整的原创成品，如需要相关帮助，可以点击下方我的个人卡片：