2023년 노동절 연휴 동안 4개의 수학적 모델링 대회가 열릴 예정이며 다양한 대회의 수요가 압도적일 것입니다. 따라서 이 분석의 결함을 지적하는 것을 환영합니다. 모든 사람이 Huazhong Cup에 참가할 수 있도록 더 잘 돕기 위해 다음은 C 질문의 자세한 버전입니다. 문제 C의 난이도로 인해 문제를 선택하는 사람의 수가 셀 수 없을 정도로 많을 것으로 예상되므로 각 문제를 해결하는 것이 더 이상 가장 중요한 단계가 아닙니다. 혁신하는 방법은 점수를 높이는 것입니다.다음 생각의 열차에서는 내가 생각하는 혁신 포인트에 대해서도 설명하겠습니다.
완성된 논문의 작성은 1일 14시 이전에 마칠 수 있을 것으로 추정된다.
질문 C 대기 질 예측 및 조기 경보
메인 모델: 예측
데이터 전처리 + 인덱스 선택
대기 오염의 배경에 대해 질문을 설정하십시오. 조기경보 수준은 4단계로 구분되며, 비상대응 지속시간은 24의 배수 즉 일 단위로 계산되어 계산의 어려움이 크게 줄어듭니다. 다음으로 먼저 데이터 전처리 단계를 수행합니다.
제목에 주어진 데이터의 경우 첫 번째 단계는 데이터 전처리를 수행하는 것입니다. 데이터 전처리는 데이터 정리에 지나지 않습니다(주로 누락된 값, 노이즈 데이터, 이상값, 불일치 등. 일반적으로 사용되는 방법에는 삭제, 채우기, 평활화, 수정 등이 있습니다.) 데이터가 주어지면 분명히 많은 누락된 값이 있습니다. 이 사람의 문제에서 누락된 값의 처리는 시계열이 연속적이기 때문에 직접 제거하는 것은 좋지 않다고 생각합니다. 따라서 채우기를 위해 보간을 선택하거나 다른 처리 방법을 사용할 수 있습니다.
질문 1은 Annex 1 및 Annex 2에 따라 데이터를 분석 및 처리하고 PM2.5 농도 변화와 관련된 요인을 선별하고 선별된 요인이 PM2.5 농도에 미치는 영향 정도를 설명합니다.
문제 1의 경우 데이터 전처리 + 인덱스 선택이 필요합니다. 지표 선정은 PM2.5 농도 변화와 관련된 요인을 선정할 필요가 있다. 이 질문에 대해 상관관계 분석을 할 수 있는데, 주요 방법은 다음과 같다.
PM2.5 농도에 대한 요인의 영향 정도는 상관 계수에 따라 분류할 수 있습니다.
상관 분석을 위해 여전히 사람 상관 계수를 권장합니다.
질문 1에 대한 참고 사항: 질문 1의 경우 대부분의 사람들이 상관 분석을 직접 수행해야 하므로 질문 1의 점수는 데이터 전처리 품질과 상관 분석의 텍스트 설명입니다. 많은 논문 중. 또는 다른 상관 관계 분석 방법이 있으며 합리적이고 고유하다면 적극 권장됩니다.
질문 2: 훈련 세트와 테스트 세트를 스스로 나누어 부록 1과 부록 2에 따라 질문 1을 기반으로 PM2.5 농도에 대한 다단계 예측 모델을 구축하십시오. 표 1 형식의 본문에 제공되며 테스트 세트와 예측 결과가 시각화됩니다. 동시에 이 모델을 사용하여 Annex 3의 주어진 시간에 PM2.5 농도를 예측하고 그 결과를 표 2 형식의 텍스트로 제공해야 합니다.
질문 2는 예측 모델의 선택과 관련이 있으며 아래 그림을 참조할 수 있습니다.
또한 나중에 더 적합한 예측 모델을 제공할 것입니다. 두 번째 질문에서 언급한 RMSE(Root Mean Square Error)는 아래와 같이 예측값과 실제값의 차이를 측정하기 위해 사용되는 통계량으로 보통 회귀모델의 예측능력을 평가하기 위해 사용된다. 일반적으로 예측 모델의 경우 예측 단계 크기가 증가함에 따라 RMSE가 점점 더 커집니다. 즉, 예측 단계 수가 많을수록 정확도가 낮아집니다. 따라서 결과 추세가 잘못되면 데이터나 모델이 잘못되었을 가능성이 높습니다.
그것은 아마도 하나의 그러한 결과 경향일 것이고, 그 결과는 틀렸으며, 보여주기 위해 4개의 구조가 무작위로 조작되었습니다.
질문 2에 대한 참고 사항 : 질문 2의 가장 큰 차이점은 예측 모델의 선택일 것입니다.대부분의 사람들은 모델을 직접 선택합니다. 여기에 가중 평균 예측을 사용할 수 있다는 좋은 제안이 있습니다. 즉, 여러 모델을 사용하여 예측합니다. 최종 결과는 가중이며, 가중 가중치 솔루션의 경우 이를 해결하기 위한 최적화 모델을 설정할 수 있습니다.
질문 3 : AQI의 다단계 예측 모델을 구성하고 RMSE(Root Mean Square Error)를 사용하여 모델링 효과를 평가하고 테스트 세트 및 예측 결과를 시각화합니다. 동시에 이 모델을 이용하여 Annex 3에서 주어진 시간의 AQI를 예측하고, 공기질 조기경보 수준을 매일매일 알려주고, 그 결과는 본문에 표 3과 표 4의 형식을 이용하여 주시기 바랍니다. .
질문 3: AQI 다단계 예측 모델, 직접 다단계 예측, 재귀 다단계 예측, 직접 재귀 하이브리드 예측, 다중 출력 예측 등을 구성합니다. 특히, 질문 3의 예측 주제는 더 이상 질문 2의 주제가 아니라는 점에 유의해야 합니다. 따라서 질문 3에 대한 예측 모델의 선택. 여전히 질문 2의 모델을 사용하도록 선택할 수 있습니다. 그러나 AQI와 관련된 지표를 선택하기 위해서는 예측 지표를 재검토해야 합니다. 기억해 기억해! 질문 2의 지표를 직접 사용하지 마십시오. 1번 질문의 주제를 AQI로 대체한 후 풀 수 있어야 한다.
질문 3에 대한 참고 사항: 가장 간단한 점은 경고 수준을 할당하는 것입니다. 많은 사람들이 경고 수준을 수동으로 직접 할당할 수 있습니다. 여기서 우리는 데이터 처리 모델인 모델을 구축하는 것이 좋습니다. 즉, 서로 다른 AQI에서 해당 시간을 경고 수준으로 나누는 것입니다. 이렇게 하면 세 번째 질문이 특히 완성된 것처럼 보일 것입니다.
예측 결과가 시각화됩니다. 이것은 결과의 대체 표시로 간주될 수 있으며 도면 또는 도표로 표시할 수 있습니다.