2023年亚太数学建模C题数据分享+详细思路

在报名截止的前一天，我尝试进行了报名。到那时，已有11,000个队伍注册参赛。在我的了解中，在数模比赛中除了国赛美赛外，几乎没有其他竞赛的参赛队伍数量能与此相媲美。即便不考虑赛题的难度和认可度，亚太地区的这场竞赛在热度和参赛队伍数量上已经位列第三。在本文中，我将以这次竞赛的C题进行详细的思路介绍，分享我目前收集到的相关数据集，以助力参赛者。

C题本质就是找新能源汽车数据，并根据数据进行相关分析的问题。这样的找数据分析数据的命题方式就是美赛DEF题的常态。这个题目的所需要的数据其实与今年五月份长三角B题高度相仿。因此，已经将当时的数据拿了过来进行了整理汇总，现在的数据如系所示，

大家可以在以下的链接中自行下载使用亚太数据集分享链接：https://pan.baidu.com/s/193xrFgMzem369Hhzcpt2yA 提取码：sxjm

该问题以探索中国新能源电动汽车（EV）的发展及其对社会、环境和全球汽车产业的影响为背景，需要我们解决以下问题。

问题1：分析影响中国新能源电动汽车发展的主要因素，建立数学模型，描述这些因素对中国新能源电动汽车发展的影响。

问题一，本质可以看做构建指标评价体系。简单来讲就是需要确定后续的问题应该找什么样数据，提前将这个评价体系指标确定。对于指标的选择，一定要遵循三个词十二个字不重不漏 科学客观 可辨可测。大体意思就是找的指标需要能够涵盖这个问题的各方各面，同时指标之间还不能有重叠，要客观的选取指标，同时找到的指标要能够数据化，可以进行后续分析才可以。

注：这里就是装装样子，真正的指标就是我们找到了什么，就构建什么样的指标评价体系。这并不是取决于我们需要什么样的指标，而是我们找到了什么样的数据。用数据去说话。

问题2：收集中国新能源电动汽车的行业发展数据，建立一个数学模型，以描述和预测未来10年中国新能源电动汽车的发展情况。

问题二，本质就是预测模型，需要建立预测模型对未来10年中国新能源电动汽车发展情况。预测模型，对于这里选择什么样的预测模型都是可以的。模型的选择没有对错而言，只要选择的是预测模型就是可以的。

注：简单的可以直接进行回归预测。复杂的可以根据收集的数据使用机器学习进行月都是可以的。前者更加注重问题模型的整体性，后者模型更加高级。想要融合两者，可以使用加权平均预测。

问题3：收集数据，建立数学模型，分析新能源电动汽车对全球传统能源汽车产业的影响。

问题三，本质分析新能源电动汽车对全球传统能源汽车产业的影响，简单来做就可以考虑全球汽车销量数据（传统与新能源）、市场占有率、价格趋势等。对新能源电动汽车对全球传统能源汽车二者的相关性进行分析，根据分布方式选择合适的指标进行分析即可，例如对于正态分布数列，使用person相关系数，对非正态分布spearman可以使用spearman相关系数。进阶做法，可以尝试博弈论模型，来分析两者间的竞争和影响。

问题4：一些国家制定了一系列针对中国抵制新能源电动汽车发展的政策。建立数学模型，分析这些政策对我国新能源电动汽车发展的影响。

问题四，本质为评价模型，可以利用给出数据汇中，一些政策相关的数据，与问题三相同，进行相关性分析，分析政策对于新能源汽车的影响。也可以将政策之前的数据进行预测，比较有了政策和没有政策对于数据的影响。

问题5：分析城市新能源电动汽车（包括电动公交车）电气化对生态环境的影响。假设城市人口为100万，则提供该模型的计算结果。

问题五，正中下怀。我们收集的数据都是来自长三角数模竞赛的数据，当时的赛题有部分需要计算长三角地区的情况，现在我们就可以利用给出的数据以二氧化碳相关指标为环境因素，与其他指标构建评价模型即可。

问题6：根据问题5的结论，给公民写一封公开信，宣传世界各地对新能源电动汽车的好处和电动汽车行业的贡献。

非技术型文章，各位八仙过海，各显神通吧！！1