2022年亚太地区数学建模C题思路新鲜出炉~

要求

1.你同意有关全球气温的说法吗？使用2022_APMCM_C_Data。附件中的csv和其他 您的团队收集的数据集，以分析全球温度变化。

a)你同意2022年3月全球气温的上升导致了比过去10年期间更大的上升吗？为什么 或为什么不呢？

b)根据历史数据，请建立两个或两个以上的数学模型来描述过去，并预测未来的 全球温度水平。

c)使用1个(b)中的每个模型来分别预测2050年和2100年的全球气温。你们的模型 是否同意2050年或2100年全球观测点的平均温度将达到20.00°C的预测？如果 不是在2050年或2100年，那么您的预测模型中的观测点的平均温度何时会达到 20.00°C？

d)你认为1(b)的模型最准确？为什么

2.影响温度变化的原因是什么？

a)使用问题1的结果和附件2022_ APMCM_C_ Data中的数据。csv和您的团队收集的 其他数据集，建立一个数学模型来分析全球温度、时间和位置之间的关系（如果有的 话），并解释这种关系或证明它们之间没有关系。

b)请收集相关数据，分析自然灾害的因素（如火山爆发、森林火灾、COVID-19等 ）。这对全球温度有什么影响吗？

c)你认为影响全球温度变化的主要原因是什么？

d)你认为有什么措施来遏制或减缓全球变暖吗？

 赛题分析

        今年的赛题总体难度上来说，B>A>C,C题的难度最小，选择C题的人数应该会比较多，要想获奖就必须在模型性能上超过别人。

---

         言归正传，分析一下C题，本题就是一个预测类的赛题。预测类赛题的解题思路可以参考我的微信公众号-matlab学习之家里面的一篇文章-《数学建模常见四大赛题》。题目要求我们使用2022_APMCM_C_Data作为数据集，当然也给了一些数据网站，觉得2022_APMCM_C_Data不够用的可以去官网提供的网站下载一些数据作为补充。拿到数据集以后，我们需要对数据集进行分析，看是否有缺失值、异常值等，这些都是预测类赛题里面比较常规的操作。分析表格可知：

A、数据分析与处理
1、存在缺失值

 2、有不同国家城市的温度数据

 3、是否存在异常值，这里需要小伙伴们自己去画图分析了。举个例子，比如某地的最低平均温度为9摄氏度，结果所给数据中出现了-30摄氏度，那么这个就是异常值了，应该把这个异常值剔除，然后进行补全。

4、异常值和缺失值补齐以后，需要对数据进行归一化处理。

思路分析 

第一题

        模型上可以使用支持向量机、LSTM、随机森林等模型，可以采用优化算法对模型的参数进行寻优以提高模型的精度。此外对于数据的预处理方法，可以参考2020年华为杯B题B题-降低汽油精制过程中的辛烷值损失模型的优秀论文，看看大佬们是如何对缺失值进行补齐的~对于全球气温的预测，我建议大家要根据各个城市的数据分别进行预测，然后求平均值来作为最终的预测结果，这是因为地域不同、海拔高度、经纬度的原因会造成温度的不同。这一点是非常重要的。

第二题

        影响温度变化的原因是什么？需要分析出建立一个数学模型来分析全球温度、时间和位置之间的关系，并解释这种关系或证明它们之间没有关系。考虑使用多元回归模型，或者相关性分析，然后结果可以用相关性热力图进行表示。此题的第二小问，需要收集数据分析自然灾害的因素（如火山爆发、森林火灾、COVID-19等 ）对全球温度的影响，同样也可以使用相关性分析等方法。

相关代码参考

        这里给大家准备了一些可以参考的代码

1、基于LSTM-CNN-attention的负荷预测(matlab)

2、基于网格搜索优化支持向量机的负荷预测方法

3、数学建模之小波神经网络预测实战（附源码）、

4、粒子群优化算法优化ELM的预测实战

5、数学建模预测类问题-PSO优化BP的电池荷电状态预测

代码地址

 关注我后续分享更多数模思路~