大家好呀。高教社杯全国大学生数学建模竞赛（下称国赛）9.7日下午6点就正式开始了：
在这里给大家带来一个五天的速成计划啦！大家可以收藏本文章或者转发到你们队友群哈，此外我还会发放很多资料给大家，注意，只有干货资料，没有任何垃圾充数。如果只是想看都有什么资料，可以直接往下翻到后面啦。
注意，本文章只是比较粗略的图文讲解，更加详细的视频版讲解请移步：
【急救】2023数学建模国赛七天速成计划来了！【内含大量资料】_哔哩哔哩_bilibili
国赛期间我也会全程陪跑，完成成品论文哈。
好了，废话不多说，开始：
首先我们需要明确我们最终到底要完成什么任务，在三天三夜之内，我们要完成的是一篇30页左右的论文，包含：
1、摘要
2、问题的叙述，问题的分析，背景的分析等
3、模型的假设，符号说明
4、模型的建立（问题分析，公式推导，基本模型，最终或简化模型 等
5、模型的求解
6、模型检验:结果表示、分析与检验，误差分析，……
7、模型评价:特点，优缺点，改进方法，推广…….
8、参考文献
9、 附录：计算框图、详细图表……
大致都有什么模型呢？
有些小白队伍一看这么多模型就懵了，这怎么速成得过来？别急，继续：
在国赛近两年的题目中，我们可以看到：
首先是优化类题目经久不衰，每年必有，此外，数据处理与分析类题目占比也越来越高，大胆预测今年依然会有数据题目。
在组队分工方面，
建模：确定做题思路，推导数学模型
编程：最起码熟练掌握一种编程语言，进行模型具体求解
论文写作：写作及排版能力强，完成论文并尽量美观
建议一定一定要建议确定一个队长！一定要提前沟通，提前调配好时间！
对于建模队员来说：
负责模型建立的整体脉络，知道问题该用什么数学模型来解诀;
队员必须要掌握的模型:
评价类：层次分析法、模糊综合评价、TOPSIS等
预测类：回归预测、时间序列预测、马尔科夫预测、机器学习预测等
优化类：线性和非线性优化、整数规划、0-1规划、多目标和智能优化
数据处理：异常值处理、插值拟合、归一化、主成分分析
聚类分析：k-means聚类、 SVM聚类分析、随机森林和决策树等
相关性分析：灰色关联分析、皮尔逊相关性分析等
图与网络：最短路径、旅行商(TSP问题) 、最小生成树、网络最大流
其他算法：微分方程、元胞自动机、蒙特卡洛算法
有人说这么多模型怎么办？没关系，我这里有建模资料大礼包！：
内含上百种模型的讲解、案例以及实际求解步骤！随便打开一个例如排队论：
接下来是编程队员：
队员2：负责为建立的数学模型编程，常用的编程软件有Matlab、Lingo和SPSS等 。
队员2最好是计算机专业相关学生，因为编程语言都是相通的，计算机专业学生能很快接受一种新的编程语言。编程人员必须能够熟练掌握一种编程语言(建议是Matlab或Python)。
编程人员必须能够熟练掌握各种常用建模算法的编程实现，并事先将其分门别类的储存好，对于常见的选择、循环等语句结构和微积分方程组的求解都能熟练掌握,对数据可视化绘图等也能熟练掌握。
有人说，那我现在还没有分门别类储存好怎么办，没关系，编程资料大礼包也来啦：
内含上百种模型！均为可直接运行代码。其中的几百个模型代码大全：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：
给大家看一下其中一个代码：
clc
clear
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 (总样本数)
Z = LorenzData(y,h,k1+k2,sigma,r,b);
X = Z(k1+1:end,1);
X = normalize_1(X); % 归一化到均值为0，方差1
%--------------------------------------------------------------------------
% 相关参数
t = 5; % 时延
d = 4; % 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 = X(1:n_tr+n_te);
[XN_TR,DN_TR] = PhaSpaRecon(X(1:n_tr),t,d);
[XN_TE,DN_TE] = PhaSpaRecon(X(n_tr+1:n_tr+n_te),t,d);
%--------------------------------------------------------------------------
% 训练
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(XN_TR,DN_TR);
ERR1 = sim(net,XN_TR)-DN_TR;
err_mse1 = sqrt(sum(ERR1.^2)/length(ERR1))
%--------------------------------------------------------------------------
% 多步预测
n_pr = 300;
X_ST = X(n_tr-(d-1)*t:n_tr);
DN_PR = zeros(n_pr,1);
for i=1:n_pr
XN_ST = PhaSpaRecon(X_ST,t,d);
DN_PR(i) = sim(net,XN_ST);
X_ST = [X_ST(2:end);DN_PR(i)];
end
DN_TE = X(n_tr+1:n_tr+n_pr);
%--------------------------------------------------------------------------
% 作图
figure;
subplot(211)
plot(n_tr+1:n_tr+n_pr,DN_TE,'r+-',...
n_tr+1:n_tr+n_pr,DN_PR,'b-');
title('真实值(+)与预测值(.)')
subplot(212)
plot(n_tr+1:n_tr+n_pr,DN_TE-DN_PR,'k'); grid;
title('预测绝对误差')
最后是写作队员：
主要负责撰写论文正文，能够用学术型语言写出建模论文，能够清晰表达出模型的建立过程，同时还需要学术论文写作的功底。要有良好的排版、绘图能力。
一定要研读国赛往年优秀论文！特别是摘要！
所以我整理好了所有写作资料大礼包：
有历年国赛优秀论文和数学建模论文模板！模板非常详细：
此外还有一些其他资料：
包括常用软件所有的安装包以及我自己用过的一些非常实用的小工具，可以达到事半功倍的效果。
国赛期间我也会全程陪跑，完成成品论文哈。以上所有免费资料领取以及成品论文预定请点击下方我的个人卡片哈↓：