2022五一杯数学建模 B题完整代码

问题1：附件1从2022-01-13到2022-01-22提供生产研讨会的生产和处理数据。请使用附件1中的数据来建立数学模型，并提供使用系统温度预测产品质量的方法。在给定的原始矿石参数为2022-01-23（请参阅附件1）和系统设置温度（请参见表1，假设系统温度与温度调节命令设置的温度相同），则产品质量预测给出了结果。注意：在给定的数据中，由于其他不确定因素的影响，在相同（或相似）系统温度下产生的产品质量可能完全不同。在这种情况下，请预测最可能的产品索引并填写表1。

B题解题思路与具体步骤

我们准备按照B题、C题、A题的顺序，逐题进行更新，会附带代码和详细讲解视频，大家保持关注，稍后进行更新。

代码与代码运行教程、结果数据、详细解题视频可以点击⬇获取

click the link below
https://mianbaoduo.com/o/bread/YpqUkp5x

2.1 第一问求解

step1:读取附件1的sheet1数据温度(temperature)，读取sheet2数据产品质量(quality )，读取sheet3数据原矿参数( parameter)

step2:将temperature数据的时间 (Time)进行格式化为年月日，命名为date

step3：根据parameter的时间 (Time)与temperature 的date进行关联，得到合并数据集合AAA

 

step4：将quality的时间 (Time)格式化后，减去2个小时，命名为dt

step5：根据quality的时间 (Time)与AAA 的时间 (Time)进行关联（左关联），得到合并数据集合BBB，这也是最终处理好的数据

 

 在右方获取 https://mianbaoduo.com/o/bread/YpqUkp5x

step6：设置X：'系统I温度 (Temperature of system I)',

'系统II温度 (Temperature of system II)',

'原矿参数1 (Mineral parameter 1)', '原矿参数2 (Mineral parameter 2)',

'原矿参数3 (Mineral parameter 3)', '原矿参数4 (Mineral parameter 4)'

设置ya,yb,yc,yd:'指标A (index A)', '指标B (index B)', '指标C (index C)','指标D (index D)'

step7:构建仿真回归模型并进行评价，这里我构建了线性回归、随机森林、决策树、GBDT、xgboost，结果都是xgboost最优