php网站建设与管理,信息发布网站有哪些,自学网站开发多少时间,福田区住房和建设局地址官方网站1.数学建模经验首先简要的介绍一下我的情况。数学建模我也是在大一暑假开始接触的#xff0c;之前对其没有任何的了解。我本身对数学也有相对较厚的兴趣#xff0c;同时我也是计算机专业的学生#xff0c;因此#xff0c;我觉得我可参加数学建模的这个比赛。大一的暑假参加…1.数学建模经验首先简要的介绍一下我的情况。数学建模我也是在大一暑假开始接触的之前对其没有任何的了解。我本身对数学也有相对较厚的兴趣同时我也是计算机专业的学生因此我觉得我可参加数学建模的这个比赛。大一的暑假参加了国赛获得了国一大二的寒假参加了美赛成绩还未知。接下来说说我在比赛前后的感受。比赛前对数学建模缺少足够的了解只知道数学建模分为3个部分建模编程论文。同时我也参加了为期一个月的培训。由于本人当时乏自信害怕前面几个步骤卡壳最终还是选择了论文这一部分。我也和大部分的同学一样认为论文是最不重要的只要模型好编程算法好就行。但是最终我们辅导老师告诉我我们这一组是以论文取胜的。模型与算法都只是基本的并没有什么出彩的地方。因此总的来说在比赛之前需要相对系统性的比赛培训特别是对算法的掌握。算法是解决问题的很重要的一部分。我推荐可以自己或者要求老师给你们讲一下姜启源老师的《模型与算法》这一本书这本书是数学建模的经典书本。培训对于三个参加比赛的同学可以不同侧重去掌握但是每个人至少是一门精通一门掌握一门了解。在培训后会对数学建模这个比赛有一定的了解在此了解之上可以开始正式做题目写论文了。若是参加国赛则可以挑选前几年国赛的题目因为这些题目是有优秀论文的可以参考这些优秀论文学习优秀论文的写作手法学习优秀论文他们写的模型和程序。这些题目最适合入门级的同学做的。我们组在比赛前总共做了7题国赛题目且都基本完成论文2.实战参考2021年中国研究生数学建模竞赛B题空气质量预报二次建模数据挖掘机器学习[七]---2021研究生数学建模B题空气质量预报二次建模求解过程基于Stacking机器学习混合模型的空气质量预测含码源pdf文章https://blog.csdn.net/sinat_39620217/article/details/124353644大气污染系指由于人类活动或自然过程引起某些物质进入大气中呈现足够的浓度达到了足够的时间并因此危害了人体的舒适、健康和福利或危害了生态环境[1]。污染防治实践表明建立空气质量预报模型提前获知可能发生的大气污染过程并采取相应控制措施是减少大气污染对人体健康和环境等造成的危害提高环境空气质量的有效方法之一。目前常用WRF-CMAQ模拟体系以下简称WRF-CMAQ模型对空气质量进行预报。WRF-CMAQ模型主要包括WRF和CMAQ两部分WRF是一种中尺度数值天气预报系统用于为CMAQ提供所需的气象场数据CMAQ是一种三维欧拉大气化学与传输模拟系统其根据来自WRF的气象信息及场域内的污染排放清单基于物理和化学反应原理模拟污染物等的变化过程继而得到具体时间点或时间段的预报结果。WRF和CMAQ的结构如图 1、图 2所示详细介绍可以在附录提供的官网中进行查询 但受制于模拟的气象场以及排放清单的不确定性以及对包括臭氧在内的污染物生成机理的不完全明晰WRF-CMAQ预报模型的结果并不理想。故题目提出二次建模概念即指在WRF-CMAQ等一次预报模型模拟结果的基础上结合更多的数据源进行再建模以提高预报的准确性。其中由于实际气象条件对空气质量影响很大例如湿度降低有利于臭氧的生成且污染物浓度实测数据的变化情况对空气质量预报具有一定参考价值故目前会参考空气质量监测点获得的气象与污染物数据进行二次建模以优化预报模型。二次模型与WRF-CMAQ模型关系如图 3所示。为便于理解下文将WRF-CMAQ模型运行产生的数据简称为“一次预报数据”将空气质量监测站点实际监测得到的数据简称为“实测数据”。一般来说一次预报数据与实测数据相关性不高但预报过程中常会使用实测数据对一次预报数据进行修正以达到更好的效果。问题1. 使用附件1中的数据按照附录中的方法计算监测点A从2020年8月25日到8月28日每天实测的AQI和首要污染物将结果按照附录“AQI计算结果表”的格式放在正文中。问题2. 在污染物排放情况不变的条件下某一地区的气象条件有利于污染物扩散或沉降时该地区的AQI会下降反之会上升。使用附件1中的数据根据对污染物浓度的影响程度对气象条件进行合理分类并阐述各类气象条件的特征。问题3. 使用附件1、2中的数据建立一个同时适用于A、B、C三个监测点监测点两两间直线距离100km忽略相互影响的二次预报数学模型用来预测未来三天6种常规污染物单日浓度值要求二次预报模型预测结果中AQI预报值的最大相对误差应尽量小且首要污染物预测准确度尽量高。并使用该模型预测监测点A、B、C在2021年7月13日至7月15日6种常规污染物的单日浓度值计算相应的AQI和首要污染物将结果依照附录“污染物浓度及AQI预测结果表”的格式放在论文中。问题4. 相邻区域的污染物浓度往往具有一定的相关性区域协同预报可能会提升空气质量预报的准确度。如图 4监测点A的临近区域内存在监测点A1、A2、A3使用附件1、3中的数据建立包含A、A1、A2、A3四个监测点的协同预报模型【联合】要求二次模型预测结果中AQI预报值的最大相对误差应尽量小且首要污染物预测准确度尽量高。使用该模型预测监测点A、A1、A2、A3在2021年7月13日至7月15日6种常规污染物的单日浓度值计算相应的AQI和首要污染物将结果依照附录“污染物浓度及AQI预测结果表”的格式放在论文中。并讨论与问题3的模型相比协同预报模型能否提升针对监测点A的污染物浓度预报准确度说明原因。---------要提升才行具体word题目链接见2021年B题空气质量预报二次建模.zip-机器学习文档类资源-CSDN下载1.基于Stacking机器学习混合模型的空气质量预测摘 要 大气污染系指由于人类活动或自然过程引起某些物质进入大气中空气污染严重时会对人体健康产生较大危害空气质量指数(AQI)用来衡量空气质量状况建立空气质量预报模型预测可能发生的大气污染并采取相应控制措施有利于减少大气污染对人体和环境等造成危害。针对问题一、需要对原始数据进行简单的计算原始数据来自于附件1中的监测点A从2020年8月25日到8月28日污染物浓度实测数据这几天产生空气污染的首要污染物均为臭氧。 针对问题二、首先通过数据探索性分析对数据进行预处理发现污染物分布符合无界约翰逊Johnson SU分布并做长尾截断处理之后对数据进行归一化其次通过相关性分析、顺序特征选择法SFS以及L1、L2正则化和弹性网络ElaticNet进行WRF-CMAQ预测气象特征进行筛选。随后对AQI进行动态分析根据季节月份天数进行动态追踪分析并采用聚类算法对气象分类进行验证得到气象分类特征。 针对问题三、首先以A测试站点进行建模根据筛选出来的气象特征和污染物变量特征通过LGBM、Xgboots以及ElaticNet优化后的RNN和LSTM算法进行初次模型预测同时采用贪心策略和贝叶斯网络对算法参数优化衡量指标得到明显改善其中分别以平平均绝对误差、均方根误差、MAPE 和R2作为模型评价指标其次鉴于简单模型较难准确泛化各影响因素与空气质量之间的内在关系文中进行Stacking方式将性能优秀的模型和WRF-CMAQ进行融合并采用5折交叉验证的方法验证模型的预测能力。结果表明模型预测值和真实值一致性较强且预测准确度很高同时模型泛化能力很好适用于B、C检测站点。 针对问题四、考虑到A1、A2、A3、A4协同预报模型在问题三构建的模型上着重考虑风速和风向特征因素带来的影响以及考虑不同站点因为距离不同对A站点预测结果产生影响程度不同进行权重配比构建基于Stacking融合的预测模型结果表明风力因素对模型预测以及多站点协同预报对QAI以及污染物等预报更准确。城市空气质量进行短期预测分析最终实现对AQI指数具体值以及主要污染物成分的有效短期预测克服当前监测系统后效性的缺陷提供有效预警竭力为我市居民打造一个健康、可持续的居住环境具有更强的推广性。关键词 空气质量预测StackingElastic Net-LSTMLGBMXgboost2.问题重述2.1 问题背景大气污染系指由于人类活动或自然过程引起某些物质进入大气中呈现足够的浓度达到了足够的时间并因此危害了人体的舒适、健康和福利或危害了生态环境。污染防治实践表明建立空气质量预报模型提前获知可能发生的大气污染过程并采取相应控制措施是减少大气污染对人体健康和环境等造成的危害提高环境空气质量的有效方法之一。目前常用WRF-CMAQ模拟体系以下简称WRF-CMAQ模型对空气质量进行预报。WRF-CMAQ模型主要包括WRF和CMAQ两部分WRF是一种中尺度数值天气预报系统用于为CMAQ提供所需的气象场数据CMAQ是一种三维欧拉大气化学与传输模拟系统其根据来自WRF的气象信息及场域内的污染排放清单基于物理和化学反应原理模拟污染物等的变化过程继而得到具体时间点或时间段的预报结果。WRF和CMAQ的结构如错误!未找到引用源。-1、错误!未找到引用源。所示详细介绍可以在附录提供的官网中进行查询。 图1- 1中尺度数值天气预报系统WRF结构但受制于模拟的气象场以及排放清单的不确定性以及对包括臭氧在内的污染物生成机理的不完全明晰WRF-CMAQ预报模型的结果并不理想。故题目提出二次建模概念即指在WRF-CMAQ等一次预报模型模拟结果的基础上结合更多的数据源进行再建模以提高预报的准确性。其中由于实际气象条件对空气质量影响很大例如湿度降低有利于臭氧的生成且污染物浓度实测数据的变化情况对空气质量预报具有一定参考价值故目前会参考空气质量监测点获得的气象与污染物数据进行二次建模以优化预报模型。 图1- 2空气质量预测与评估系统CMAQ结构二次模型与WRF-CMAQ模型关系如错误!未找到引用源。所示。为便于理解下文将WRF-CMAQ模型运行产生的数据简称为“一次预报数据”将空气质量监测站点实际监测得到的数据简称为“实测数据”。一般来说一次预报数据与实测数据相关性不高但预报过程中常会使用实测数据对一次预报数据进行修正以达到更好的效果。 图1- 3 二次模型优化的WRF-CMAQ空气质量预报过程根据《环境空气质量标准》GB3095-2012用于衡量空气质量的常规大气污染物共有六种分别为二氧化硫SO2、二氧化氮NO2、粒径小于10μm的颗粒物PM10、粒径小于2.5μm的颗粒物PM2.5、臭氧O3、一氧化碳CO。其中臭氧污染在全国多地区频发对臭氧污染的预警与防治是环保部门的工作重点。臭氧浓度预报也是六项污染物预报中较难的一项其原因在于作为六项污染物中唯一的二次污染物臭氧并非来自污染源的直接排放而是在大气中经过一系列化学及光化学反应生成的可参考附录 一种近地面臭氧污染形成机制 部分这导致用WRF-CMAQ模型精确预测臭氧浓度变化的难度很高同时国内外已有的研究工作尚未得出臭氧生成机理的一般结论。2.2 问题描述需要通过建立数学模型解决以下几个问题问题一 计算AQI和首要污染物根据附录中提供的计算方法再利用附件1中的监测点A从2020年8月25日到8月28日每日实测数据来计算每日的实测AQI和首要污染物并将计算得出的数据填入附录所给的“AQI计算结果表”中再放到正文里。问题二 对气象条件进行合理分类使用附件1中的数据包括一次预报数据和实测数据再根据对污染物浓度的影响程度对气象条件进行合理分类并阐述各类气象条件的特征问题三 建立二次预报数学模型使用附件1、2中的数据建立一个同时适用于A、B、C三个监测点的二次预报数学模型用来预测未来三天6种常规污染物单日浓度值要求二次预报模型预测结果中AQI预报值的最大相对误差应尽量小且首要污染物预测准确度尽量高。并使用该模型预测监测点A、B、C在2021年7月13日至7月15日6种常规污染物的单日浓度值计算相应的AQI和首要污染物将结果依照附录“污染物浓度及AQI预测结果表”的格式放在论文中。问题四 建立区域协同预报模型使用附件1、3中的数据建立包含A、A1、A2、A3四个监测点的协同预报模型要求二次模型预测结果中AQI预报值的最大相对误差应尽量小且首要污染物预测准确度尽量高。使用该模型预测监测点A、A1、A2、A3在2021年7月13日至7月15日6种常规污染物的单日浓度值计算相应的AQI和首要污染物将结果依照附录“污染物浓度及AQI预测结果表”的格式放在论文中。并与问题3的模型相对比监测点A的污染物浓度预报准确度。2.3模型假设问题假设在问题求解过程中考虑实际情况与简化计算的需求提出了以下相关的假设(1) 由于样本中数据缺失较多假设在数据填充时不会影响模型性能。(2) 在变量筛选时其他变量对模型预测性能无影响。(3) 在有效信息提取和无用信息摒弃过程中对模型性能无影响。(4) 所有样本数据都为实际场景的真实数据。3、问题一模型的建立与求解3.1 解题思路概述问题1需要对原始数据进行简单的计算原始数据来自于附件1中的监测点A从2020年8月25日到8月28日污染物浓度实测数据由于原始数据只有四天的数据量且没有数据缺失或异常所以无需进行数据预处理。首先计算监测点A从2020年8月25日到8月28日的六项污染物的空气质量分指数IAQI取六个IAQI中的最大值得到空气质量指数AQI若AQI大于50则IAQI最大的污染物为首要污染物。确定问题一的总体思路如图3-1所示。3.全国大学生数学建模竞赛论文格式规范l 本科组参赛队从A、B题中任选一题专科组参赛队从C、D题中任选一题。全国评奖时每个组别一、二等奖的总名额按每道题参赛队数的比例分配但全国一等奖名额的一半将平均分配给本组别的每道题另一半按每题论文数的比例分配。l 论文用白色A4纸打印上下左右各留出至少2.5厘米的页边距从左侧装订。l 论文第一页为承诺书具体内容和格式见本规范第二页。l 论文第二页为编号专用页用于赛区和全国评阅前后对论文进行编号具体内容和格式见本规范第三页。l 论文题目、摘要和关键词写在论文第三页上无需译成英文并从此页开始编写页码页码必须位于每页页脚中部用阿拉伯数字从“1”开始连续编号。注意摘要应该是一份简明扼要的详细摘要请认真书写但篇幅不能超过一页。l 从第四页开始是论文正文不要目录。论文不能有页眉或任何可能显示答题人身份和所在学校等的信息。l 论文应该思路清晰表达简洁正文尽量控制在20页以内附录页数不限。l 引用别人的成果或其他公开的资料(包括网上查到的资料) 必须按照规定的参考文献的表述方式在正文引用处和参考文献中均明确列出。正文引用处用方括号标示参考文献的编号如[1][3]等引用书籍还必须指出页码。参考文献按正文中的引用次序列出其中书籍的表述方式为[编号] 作者书名出版地出版社出版年。参考文献中期刊杂志论文的表述方式为[编号] 作者论文名杂志名卷期号起止页码出版年。参考文献中网上资源的表述方式为[编号] 作者资源标题网址访问时间年月日。l 在论文纸质版附录中应给出参赛者实际使用的软件名称、命令和编写的全部计算机源程序若有的话。同时所有源程序文件必须放入论文电子版中备查。论文及源程序电子版压缩在一个文件中一般不要超过20MB且应与纸质版同时提交。如果发现程序不能运行或者运行结果与论文中报告的不一致该论文可能会被认定为弄虚作假而被取消评奖资格。l 本规范中未作规定的如排版格式字号、字体、行距、颜色等不做统一要求可由赛区自行决定。l 在不违反本规范的前提下各赛区可以对论文增加其他要求如在本规范要求的第一页前增加其他页和其他信息或在论文的最后增加空白页等。l 不符合本格式规范的论文将被视为违反竞赛规则无条件取消评奖资格。l 本规范的解释权属于全国大学生数学建模竞赛组委会。[注] 赛区评阅前将论文第一页取下保存同时在第一页和第二页建立“赛区评阅编号”由各赛区规定编号方式“赛区评阅纪录”表格可供赛区评阅时使用各赛区自行决定是否在评阅时使用该表格。评阅后赛区对送全国评阅的论文在第二页建立“全国统一编号”编号方式由全国组委会规定与去年格式相同然后送全国评阅。论文第二页编号页由全国组委会评阅前取下保存同时在第二页建立“全国评阅编号”。4.推荐学习资料 相关文章特征工程详解及实战项目【参考】数据挖掘---汽车车交易价格预测[一](测评指标EDA)数据挖掘机器学习---汽车交易价格预测详细版本[二]EDA-数据探索性分析数据挖掘机器学习---汽车交易价格预测详细版本[三]特征工程、交叉检验、绘制学习率曲线与验证曲线数据挖掘机器学习---汽车交易价格预测详细版本[四]嵌入式特征选择XGBoots,LightGBM模型调参贪心、网格、贝叶斯调参数据挖掘机器学习---汽车交易价格预测详细版本[五]模型融合(Stacking、Blending、Bagging和Boosting)数据挖掘机器学习[六]---项目实战金融风控之贷款违约预测数据挖掘机器学习[七]---2021研究生数学建模B题空气质量预报二次建模求解过程 码源建模文章下载2021年B题空气质量预报二次建模.zip-机器学习文档类资源-CSDN下载2021研究生数学建模B题空气质量预报二次建模求解过程基于Stacking机器学习混合模型的空气质量预测含码源pdf文章-机器学习文档类资源-CSDN下载2021研究生数学建模B题空气质量预报二次建模求解过程基于Stacking机器学习混合模型的空气质量预测含码源pdf文章-机器学习文档类资源-CSDN下载
