2024华数杯B题四小问完整思路+四问数据代码+数据可视化图表

ICM B 题：光伏发电    完整资料在文末获取

该题目出题的难度与方向都与美赛 ICM 的题型高度相似，将本次竞赛当做美赛的 练手赛，个人认为是非常合适的一种选择。同时 28 号就可以出成绩，也可以在美赛前 实现查漏补缺，提前预祝大家比赛顺利，美赛都可以取得好成绩。下面，我们开始详细 的解读一下本次竞赛的 B 题。

B 题本次的难度远低于 A 题，这势必会导致 B 题的选题认识会比 A 题多很多，但 是比赛的最终成绩是获奖率。无论都是每个赛题选择人数多少，每个赛题获奖的人数都 是 50%，因此不存在选择人少的赛题好获奖这种情况，都是比例获奖。我可以保证跟着 本人的思路，获奖是没有任何问题的，至于能获得什么奖项，主要还是看对于每一问选 择的模型复杂度的高低以及队伍可视化的能力。基本每一问都会给两三种实现方式，上 中下三种实现方式，即使最简单的方式，也是可以保证获奖的。但是很难保证获得很好 的奖项。

数据收集

在正式开始题目之前必须明白，对于美赛这种 ICM 题目，很大程度的上的难点并不在 于题目本身而是，需要我们自行收集数据，由于大家之前没有自己找过数据，所以这一关会 难倒很多很多的人群。本团队会为大家收集一套完整的数据，供大家选择。至于选择这套数 据集中的何种数据，就因队伍而已，因此一千个队伍可能有一千种选择方式。所以，从一开 始的选择数据开始，大家就会各不相同。因此，无需担心查重率过高的问题。

本文目前，已经为大家收集了问题一和问题四的数据，如下所示。稍后也将为大家专门 收集关于光伏发电相关的数据，完成对于问题三四的数据收集。

（注释：大家如果需要其他，数据集中没有的数据，欢迎大家留言，我们会尽力帮大家 收集）

问题一、中国的电力供应与许多因素相互作用。请研究它们之间的关系，并预测中国从 2024 年到 2060 年电力供应的发展趋势。

问题一本质是一个问题，两个步骤，一进行相关性分析，二进行预测。需要注意的是本 题的主体是电力供应，不是本文的主旨光伏发电。因此，我们只需要研究电力供应就可以。 首先，我们需要选择合适的指标，对于电力供应有很多相关的指标，这里每个人选择的都不 会一模一样，因此这也是大家论文不用的地方。我下面给大家一个大致的方向，首先就是历 史的电力供应数据（该数据在国家统计局收集到，在 1.5 更新中，文件名为‘水电、火电、 核电、风电生产量 ’），其次就是一些与电力供应相关的数据经济数据（GDP、人口增长等）、 工业化进程数据、 电力结构（煤炭、天然气、可再生能 源等）、经济增长率、城市化率、家庭  消费水平等（以上大部分数据都可以在 1.5 更新中，文件名为“1269 个中国宏观指标”找到） 后续也会补充一些这方面的宏观数据。

确定收集到的数据指标后，就是整理数据。建议大家可以绘制几张折线图（图一这种的） 等，完成对收集到数据的描述，对于数据预处理，包括缺失值处理、异常值处理、数据降维  等。异常值处理，首先判定数据分布方式，对于正态分布的数据利用 3 西格玛原则判定异常  值；非正态分布的数据利用箱型图判定异常值。对于判定的异常值进行剔除处理，变为缺失  值。

对缺失值，两部分既有数据收集本身所有的，还有就是异常值处理带来的异常值。这里 比较建议大家选择线性插值（平均值插值、克里斯插值等都是可以的）。对于较高维度的数 据，还可以选择就降维处理。

处理完数据后，需要对进行第一小问的回答，即判定关系。这属于关联分析模型，根据 变量的个数不用刻意直接选择不用的方式。这里，个人比较建议直接使用 person进行相关 性分析即可。

第二小问，预测模型可以根据自行收集的数据的需求进行选择，数模常见的预测模型见 下表。个人比较推荐的三种预测模型，分别为

方案一：y 与多个 x    建立多元回归模型

使用该方法的原因，是之前已经完成了多个 x 之间的分析，可以直接顺理成章的建 立多元回归模型。这种方式比较顺滑，比较容易懂，但是预测精度会比较低。

方案二：单一预测模型 例如 LSTM 、BP 、随机森林可能会比较合适

使用该模型，复杂度比方案一要好一些，精度也很好。模型整体度没有方案一好

方案三：建立加权平均预测（ arima 、lstm 、多元回归模型） ，个人最喜欢的模型，模型复 杂度很高，但是主要问题就是篇幅很长，可能 25 页的篇幅限制会超出限制。有点自卖自夸 的嫌疑，但是这个就是我们保奖模版的预测模版。该模型也是本次我论文写作的模型，下面 是其原理图，会在更新的视频里面进行说明，看不懂的，只能使用方案一、二。点击链接加入群聊【2024华数杯数学建模资料总群】：