2018美赛C题论文学习笔记1

#73767  论文

一、数据处理

     1.缺失值处理：缺失过多的直接删掉，缺失少的用插值方法填补缺失值

     2.异常值处理：用箱线图发现异常值，然后用相邻值得平均值替代

     3.数据筛选和分类：将能源分为两大类，即清洁可再生能源和传统化石能源

            清洁可再生能源：氢能，风能，地热能，太阳能，乙醇

            传统化石能源：煤，石油，天然气，其他燃料

         至此筛选出11个重要变量

                  

   （此处AVACD这个似乎有误）

二、能源概况

       针对4个城市的11个变量画图分析，对两大能源分类里的不同能源数据画图分析及增长的绝对量和增长的百分比分析，通过图表得出一系列结论

三、解耦分析

    1.弹性系数：分析指标间的依赖性大小。

          研究后发现经济发展和CRE消费间的依赖性一直在增加，但是不同州的依赖程度不同

    2.在11个变量间设方程组并求出回归系数，通过系数判断影响的大小

    3.通过自己查阅数据，简单观察出地理和气候对四个州能源的影响

四、多维评价体系

      通过一个指标CUP最终决定哪个州能源概况最好

      CUP由Ep，Epf，Enp决定，而这三个指标又分别由三个决定

      通过PCA将这9个指标先归为3个指标，再归为1个指标

五、预测能源概况

      用ttdp，Sip，Cep来预测CUP，首先用BP神经网络拟合题目已给数据，得到已训练的神经网络，为了预测2025和2050年的          CUO，必须首先预测这两年的ttdp、Sip和Cep，

      根据这三个变量的曲线趋势，采取不同的预测方法，如果是直线趋势，就用直线方程预测该变量，如果波动平稳，采用ARMA预测该变量

      预测完这三个变量后，就可以用之前的BP神经网络预测CUP了

六、模型检验

     1.通过额外提供的2010到2015年的数据计算预测误差

     2.对BP神经网络中的k值进行敏感性分析

七、能源目标

     1.四个州不合作：用之前的模型给出2025和2050年要达到的CUP目标值

     2.四个州合作：将四个州视为一个整体，重新用之前的模型计算指标得到目标CUP值