2022亚太杯数学建模竞赛A\C题思路及相关代码

深度学习，机器学习等方法可以点击博主主页，之前已经发过相关的代码，将自己的数据替换后即可使用。

详细版本已更新，包含A，C题详细代码！

A题主要分为三个问题，这三个问题层层相扣，经过简化可以将问题归结为：

1.图像分割与信息提取

2.相邻图像的动态监测

3.温度和结晶过程随时间的关系

首先是第一问，图像分割与信息提取，指的是自动提取每幅图像上的温度数据并进行精确的文字识别即可数字图像处理常用的图像分割算法有：1基于阀值的分割方法。2基于边缘的分割方法。3基于区域的分割方法。4基于聚类分析的图像分割方法。5基于小波变换的分割方法。6基于数学形态学方法。7基于人工神经网络的方法。8基于遗传算法的方法。

针对第二问，图像分割后的文字识别，可以使用场景文字识别（STR），STR主要包括三个模块Image Rectifier、Image To Feature Sequence、Seq2seq。

变化检测技术流程一般包括三步：数据准备（含数据选择与预处理）选择、变化检测方法选择与信息提取、后处理分析。变化检测方法按照基本单元、先验知识、是否考虑时相、变化检测策略等不同划分依据，可以进行多种分类。比如按照基本单元，可以划分为基于像素的变化检测、面向对象的变化检测；按照数据时相，可以分类单时相分类比较法、双时相比较法、时序分析法等；按照是否利用先验知识，可以分为监督分类、非监督分类等；按照变化检测策略，可以分为算术运算法、分类比较法、图像视觉分析法等，其中视觉分析法包含机器学习、深度学习等不同算法类型。具体实现方法见后面。

针对第三问，要求建立温度与时间变化的函数关系以及模具通量的熔融结晶过程，通过问题一已经得到了温度和时间的数据，问题二已经得到相邻图像的变化特征；因此主要是建立相关的回归模型即可，回归模型可选择的类型比较多，如Linear Regression线性回归、LogisticRegression逻辑回归、Stepwise Regression逐步回归、Ridge Regression岭回归、Lasso Regression套索回归等等

C题共分为两个部分的建模解答，首先是建立温度预测模型，然后是建立温度与其他变量的关系模型

首先是温度预测模型，在这里很多同学都很熟悉温度变化的相关模型，如时间序列分析，回归预测等等，但由于选择C题的人数特别多，因此贸然选择这类基础模型很容易没有创新度导致被淘汰，因此这里建议选择较有一定创新性的模型，通过观察历史数据可知，全球年平均气温的时间序列为既含有确定性的动态趋势又含有随机性波动的非平稳时间序列。对于平稳随机序列，自回归滑移平均ARMA是最成熟的统计学分析方法之一。而灰色系统理论GMP则是一种动态趋势预测理论，将这两者结合用于全球年平均气温预测将会是一种非常有益的探索。因此可首先应用灰色系统理论建立了全球年平均气温趋势项且含有残差修正的预测模型，然后对剔除趋势项后的数据进行时间序列分析建立ARMA模型。最后结合以上两种模型构成了CM-ARMAP组合模型来对未来全球年平均气温进行预测。

更多思路与相关参考代码请点击：

A,B,C思路：正在为您运送作品详情

A题详细：正在为您运送作品详情​​​​​​​

C题详细：正在为您运送作品详情