2021數學建模B題詳細思路
針對問題 1：改題目基本上為入門，容易上手，基本上就是乙醇轉化率（A1）、C4 烯烴的選擇性(A2)與溫度(B)的關系，這里模型基本上比較限定，比較好的有對應分析模型、相關性分析、Copula 核函式，其內容核心就是尋找 A 與 B 的關系，構建比較簡單，但是為了突出參賽的特色，可以重點分析催化劑組合所產生的影響，通常對應分析結果比較好看，基本上 SPSS 可以運算，難度并不大，此外為了對附件 2 的時間結果進行分析，以對應分析為例，可以通過對應分析圖中，兩點之間的距離進行分析，（這里結合參考文獻學習，理解更加快速）
針對問題 2：這里依然推薦使用對應分析的變形，從邏輯上來講，其實是第
一問的延伸與深入探討，這里可以把資料進行歸納總結，例如：把同一溫度，不同催化劑組合、不同裝料方式，構成多個新的矩陣，代入對應分析模型進行分析，、但是對于對應分析的模型的結果以及合理性需要結合對應分析圖中的點的距離進行分析，此外，該文通過加強論文可視化，提高評委的采納率，此外，可以嘗試運用于問題 1 不同的模型進行分析，這里推薦的有：灰色關聯度分析（相關關聯度、絕對關聯度、綜合關聯度）、模糊關聯分析等演算法，同樣的，通過設定不同矩陣進行分析，得到關聯度大小進行量化關系，
針對問題 3：這里是文章中提出一個較為新穎的提問，也是文章的第二個板
塊，基于選擇性最大的模型構建，舉個簡單案例：在工程中混凝土強度受到很多影響，例如：水灰比、石灰質量、石頭占比、沙子占比，其實本文也是類似的，處理該問題版本主要是兩種，一種是機器學習、一種是常規模型（可以參考一些混凝土強度的試驗方案制定），通過構建神經網路，以不同溫度、不同催化劑作為輸入層，以 C4 烯烴選擇性大小、乙醇轉化率作為輸出層，代入訓練，構建合適的神經網路后，代入不同催化劑組合及溫度資料，通過分析輸出的最大值從而進行分析，另外一種，構建乘積模型，通過擬合各種溫度、催化劑在不同條件下的 C4 烯烴選擇性大小、乙醇轉化率的函式，以二者所占系數大小為影響程度進行分析，也可以得到類似結果，但是很難排除掉一些特殊情況或擬合效果不好的情況，這里重點需要考慮溫度受限制（小于 350℃）與溫度不受限制的情況，也就是輸入層的值域問題，
針對問題 4：作為本文的創新點，也是展現不同隊伍的想象力，同樣也是對
問題 3 合理性的驗證板塊，這里重點考慮第三問 C4 烯烴收率盡可能高作為著手點，并在此基礎上設計額外實驗，驗證問題 3 給出實驗設計的正確性與合理性，可以從裝料方式、鄰近配比、不同催化劑、臨近溫度入手，為了確保設計的合理性，這里很明顯需要資料說明，通過把設計資料代入問題 3 模型中，進行對比，從而確保模型的可行性與合理性
2021國賽數學建模B題3種思路詳析
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/299228.html
標籤：其他