美赛试卷在哪看

大家好，我是数学建模老哥团队的王老师，那么今天由我给大家带来二六年美赛 a 题的答案解析。答案解析好，我们来看看问题需求 好，问题一需要我们建立一个连续时间方程，来表征一个和电状态模型，然后需要考虑很多 额外影响因素，那么我们的需求就是建立起一个模型，能够体现出这个电量从百分之一百 到这个电量耗尽的整个过程，然后看看需要花多少时间把电量耗尽，就是模拟出整个耗电放电的过程，模拟出耗电放电的过程。好，那么这里呢是我们问题一的代码，之前给大家已经提供过了，我们再来详细的看看 我们的问题一的输出结果。好，那么这一个 sim output 点 csv 里就是我们整个问题一的答案的整个模拟过程。我们可以看到第一列 t s 就是 每一个时刻系统的各个状态，我们以每一秒 为不长完成了整个放电过程的模拟， 一直到一万六千三百零八秒，我们的电池耗尽了。好，那么第二列是 soc， 就是 整个的电池的状况，就是 state of charge， 那 么我们用一来表示满电，然后用零来表示耗尽，然后可以看到这里是在慢慢地减的，而且从图像来看，它们的速率也会有所变化，速率也会有所变化。 好，那么再后面的一些参数也给大家介绍一下，这个 t 杠 c 呢，是一个 电池和设备的等效温度，是通过我们代码里面的热模型积分得到的，考虑了各种温度因素，系统本身带来的以及环境带来的温度，所以可以看到它这里有温度的变化，有温度的变化好，那么这个 t m b c 是 一个环境温度，是一个环境温度 好，然后后面的 o c v v 是 开路电压，开路电压以及 t term v 是 端电压，然后 i a 是 电流电池放电电流，电池放电电流，然后这个 p s y s 是 系统总功耗，系统总功耗包含有各个的系统部件，包含各个系统部件它们的协调作用下 所计算得到的功耗，然后后面依次是屏幕功耗，还有计算子系统功耗，包括 cpu， gpu 等等部件， 然后 radio 就是 无线版块功耗，以此类推。 b 局是一个后台的保持的维持的一个功耗，还有 gps 功耗， 还有这个蓝牙扫描功耗，蓝牙扫描功耗，这是我们的每一个部件都介绍的很详细，都给了非常详细的参数。 然后呢这个是一个屏幕渲染的一个额外功耗，屏幕渲染累合上 cpu， gpu 的 一个额外的功耗，这是考虑他们之间的协调作用，那么这个就是信号和后台的一个协调作用， 还有这个信号弱的一个额外的作用。然后后面是一些其他的参数啊，其他的参数包括有这个信号质量，然后还有这个详细的一些因子参数， 包括 cpu 功耗， gpu 功耗， i s p npu 功耗等等，还有内存的 好不好，好，然后下面这个 u 的是使用率，像这个就是 cpu 的 有效利用率， gpu 的 有效利用率 等等等等。然后这个 p scale soc 是 指这个我们的 soc 制成和能效带来的这个功耗的缩放系数啊，就是越小就是表示这个芯片越优秀，它们在同样的状况下会越省电 啊，他，然后他会动态的把它呈到这个 cpu、 gpu 啊， i s、 p、 npu 这些动态的功号上啊，动态的功号上。那么这是我们第一问的结果，那么同样的 我们也会输出一个 j s o n 表示出再次总结出这一次输出的整个功耗配置。整个参数配置啊，具体是由这些参数推导出来的啊？由这些参数推导出来的，我们也配备了可算的图像，那这一整个曲线 就是我们的电压、电流以及整个放电过程的曲线，整个放电过程的曲线，那么这个还是比较贴合现实的，比较贴合现实的。我们在这个问题一的情景当中，呃为用户配置了一些，呃使用情景，配置了一些使用情景， 呃，用户在这个零到二十分钟是刷短视频和 wifi 的， 所以可以看到在前期的，呃短视频和社交流览阶段，它相对来说啊没那么耗能，和我们的直观感受也是一样的啊，所以看这个曲线比较平缓。然后我们开始打三 d 游戏了，开始打三 d 游戏了， 所以说这个时候涉及到特别大量的计算，就 gpu 和 cpu 在 高效运转以及温度容易升高，那么散热的功耗也要也会升高，所以我们可以看到这些曲线在慢慢的变陡，慢慢的变陡， 你看这里初步的变走了一些，然后后面系统已经适应了整个过程，开始稍微放缓一点点，但是整体的趋势还是很下降的，也符，很符合我们的直觉，很符合直觉。然后到后面就做一些，呃，录像了，这个录像这一段 是吧？就更平缓一些，然后后面导航是更弱的啊，导是更弱的，所以说最后这些是更加平缓一些，然后最后一直到电电池耗尽，电池耗尽， 所以说我们这这一个整个的图像是比较符合我们的感觉的，比较符合感受的。然后这个是整个系统整个手机在本次使用中 的一个温度情况，温度变化看，它就是从二十二度，这是我们设定的环境时温开始变化， 你看就是随着它的不断使用，特别到打三 d 游戏时候，温度达到顶峰，而且这个温度呢，也是比较符合我们日常自己打打游戏时候的感受啊，符合打游戏的感受的。 然后后面随着这个任务的难度，任务的这个对于系统的调用的复杂度慢慢的降低，然后它的温度也会慢慢的回归平稳，回归平稳，慢慢的降低，但是因为手机在运行，运行呢，它还是会发热，对不对？所以说也不至于回到室温啊，不至于回到室温，所以说还是比较贴合现实 好。那么这个图呢，展示了各个阶段的各个部件的工号有多大，然后它大概发挥了怎样的占比啊？发挥了怎样的占比，对吧？这也比较贴现实，你看现在刷短视频的时候， 确实就没有社交流浏览那么高，然后上最高的还是我们的这个三 d 游戏，三 d 游戏，然后在三 d 游戏里可以很明显的看到我们的这个 compute 这个部分就是计算的部分， cpu、 gpu 的 部分占的非常高，也贴合我们对于游戏的理解啊，游戏就是这种计算耗能非常高的这这一个类型的任务， 然后面依次是相机呀，导航呀，然后到待机状态，待机状态对吧？是符合现实过程的，符合现实过程的，那么这个是我们第一问的解析。 好，当然我们还有第二问的答案呢，看第二问需要我们做什么呢？需要我们在不同的情景下去预测呃，去计算出这个耗尽电池耗尽的时间。然后呢还要呃和一些现实现象去做一些对比，看看能不能量化不确定性。 然后呢还要展示模型在不同场景下的差异，然后找出这个快速耗电的具体因素啊，这是我们的需求，我们可以看看我们的答案，可以看看我们的答案。 那对于调用来说，我们就分情景去做一些测试，只需要在代码里面设置具体的情景，那么这里同样的给出具体的情景设置，然后呢会有具体的参数啊，这个参数可以在我们的问题二代码里面去设置啊，可以在问题二代码里面去设置这些场景参数， 这里有耗电的时间以及各种具体的参数啊，你看像这个就是最高的温度啦，然后平均的系统功耗啦，然后这里就是对各个因素去做一些识别， top 一 的这个因素是什么？ top 一 的功耗是什么？以此类推啊，以此类推。那么这个就是我们呃 在不同场景下，这个手机的好点表现啊，好点表现。所以这里我们也做了格式化图像，给给了一个大概的排序，我看什么能够呃 续航最久呢？我看这个任务是后台下载，但是是锁屏的，对不对？所以说这个也符合我们的直观感受啊，对吧？我就下载一些东西，下载一些东西屏幕也没亮什么，其他的也没涉及到。计算，主要是一个网络的任务，网络任务，所以说你看相对来说，它的这个情景下 预计耗尽时间是最长的，那什么最短呢？哎，可以看到这些联机游戏，对，联机游戏，他既既打游戏又有联机的需求啊，他又涉及到翻高的计算，要调动调用网络部件，那比这个重度游戏要更短一些，更短一些，也是符合我们的这个 现实中的感受的，对吧？符合现实中的感受的，而他室内室内浏览就比这个 待机推送又要差不多第一半，对吧？那也是符合我们的感受，有时候手机放一天和刷一天，手机大概就是一半，这样的对照大概就是一半这样的对照啊，符合直觉，符合直觉。 好，那么这里有在不同场景下，它各个的工号占比，对吧？工号占比这个也是很贴合着实际的，你看像这个待机推送的，基本上就是等待推送，是吧？对不对？接受推送，它就只有些网络活动，所以你看它的无线的部分占的很大头啊，占大头，同样的像游戏就是计算部分占大头。 好，你看像浏览，那基本上就是浏览一个就是屏幕嘛，然后一个就是我们的网络部分，所以说你看它的屏幕部分和它的无线部分占比会比较高啊，占比会比较比较高，是贴合实际感受的，贴合实际感受的 好。那么第二个任务呢？就是去做这个灵敏度分析啊，我们代码里面同样也有，那么就给了不同的因素做，给他们做的不同程度的一些改变，然后呢把它分为了内部因素、外部因素，然后同样的得到一些灵敏度分析的结果 啊，你看像这些就说明了，稍微增加一些电池容量就能够比较好的增加续航，然后稍微调大一点点，这个支撑节点就会比较大的去影响我们的续航，影响我们的续航， 而且外部因素也是比较符合直觉的，你看像这个屏幕亮度稍微调重一点点对不对？也符合我们的这个直观感受，亮度更亮了一些，那整个续航就会大打折扣，大打折扣，这个耗电就会快很多啊，耗电就会快很多啊，这是我们的第二个 好。第三问呢，其实也是在不同情景下去做一个灵敏度分析啊，灵敏度分析，但是呢，这个灵敏度分析的关键点在于这个建模假设参数取值以及使用模式发生变动的时候，呃，因此， 呃，我们可以去先选中一个呃 baseline， 选中一个基础场景，去算出它的这个基础的部分，然后再去做一些假设啊，什么假设呢 啊？做这些假设，第一个是正常的我们一个模型，然后这里有个 no interaction， 其实 no interaction 呢，就是不考虑任何的交互变化，就像题目说的，把这个 题目说不我们不能做的，把他们的各个部件当做一个啊，心心相加，或者是用一个黑箱算出来，就是他不考虑他们相互作用的这样一个呃模型，把它叫做 intaction， 然后你看还有一些更激进的热策略，还有一些更长的无限，这个 无线电的这个待机状态，待机状态你看你看像后面这两个的话只有一些细微的差异，那么这个都体现在于不同手机品牌厂家对于手机性能的调教上。但是你看像这个影响最大的这个 no interaction 很 明显没有考虑到很多的啊，相互效应，他们相互效应会对这个耗电有叠加作用，所以说 这个结果也是符合我们的预期的，对吧？因为他没考虑到会上映，所以说他比考虑了的的这个续航更长一些啊，续航更长一些啊，也是符合我们的感受的啊。那么对于其他灵敏度分析，那也是同样的， 有这些内部和外部的分为局部的 e j 灵敏度分析啊， once at a time， 对 吧？局部的灵敏度分析得到的结果也是符合观感啊，符合性生活感受， 对吧？你看像这个全局敏感敏感性分析，都说结论也是这样，然后刷新率，对吧？我们稍微提升一点点刷新率，我们我们从六十赫兹提升到九十赫兹，提升到一百二十赫兹，然后这个耗能就是巨大的，这是巨大的， 也是符合这个感感觉的感受的。同样的提升信号质量，那这个整个的这个信号的板块就会节约电量很多，同样的你这个电池的健康度也是会增加续航的，增加续航，对吧？电池越老化，这个电越不耐用，电不耐用，符合感受。 然后下面这是一些具体的参数啊，然后这些参数的格式化图像都都有给画出来，都有给画出来。 好，这是第三问，那么第四问其实就是对之前的我们前三问的分析结果做一些总结，做一些总结，那么我们就可以呃，总结出，呃，给出一些用户，给出这些。

然后现在的话，美赛的 a 题到 f 题的所有的题目的中文翻译版已经出来了，先大致看一下，然后等下我给大家更新每一题的一个选题思路分析， 以及怎么解配套的代码使用情况啊。现在先看到美赛的一个 a t， 它是一个智能手机电池的放电建模，和以往的 a t 一 样，还是偏数学肌底类的。 这类题目的话一般难度的话是比较大的，大家选择 a t 的 时候要注意 连续时间模型，然后自己要去收集数据集 这个 pdf 要注意啊，这个总数的话是不超过二十五页的，这个都是翻译后的，大家可以看原来的那个英文版， 然后看一下这个 b t， 今年的 b t 是 一个利用太空电梯系统建立月球执迷的。这题目的话都还是比较新啊，和今年的那个股票里面那个不是很火的吗？那个商业航天啊，都紧密挂钩啊。 嗯， mcm 机构， 你的任务是利用数学模型来确定是从二零五零年开始建造，容纳十万人的需要的材料运输成本和相关的时间表。 然后将现在在那个太空电力系统的三个年港口，然后从选定火箭基地发射的传统火箭进行比较。这是对你建立模型的一个要求 啊，仅使用太空电力系统的三个港口啊，这些，这些是运输系统没有完美的运行状态时考虑的一些情况啊，系绳摇晃，火箭故障对你损坏， 然后再写一封营业 执照，你里面有 ai 的 话，也最后要附上一份使用报告。 而今天的 ct 也是一样的，紧扣商业航天里面的这些内容与核心相关的数据。 嗯，这这类题的话在常规的话以往来看就是数据量比较大，它这个 ct 单独是给了你一个数据表格的。 啊，这个它翻译有点问题，这个其实是明星，明星的这些题目 看这是统计，这个题的话是对你那个处理数据的能力要求较高，你看它 ct 的 这些数据都是公开在这里的，自己要去整理一下 与星共舞是英国的那个节目舞动奇迹里面吧。 啊，第一题是如何管理体育运动，体育商业里面的内容， 一题是被动式太阳能遮阴。 啊，这题目介绍的话就介绍这里，这中文翻译版的话我也全部都给大家整理好了，后续思路一并发给大家。大家直接在视频下方那个企鹅群里进去领取就行，包括我前面发的赛提助攻资料。那这个 fg 是 否要发展全人类人工智能 这一个收集讨论？ 嗯，好，等会再给大家更新思路。大家题目的话先看着这里。

好的，大家好，欢迎关注这个数学建模老歌团队，我是李老师，我将继续为大家带来这个二零二六年美赛地体的一个完整的建模以及代码的实现。这里主要先提供前两问的这个视频讲解内容。 首先啊，我们这来看到关于这个问题一啊对于整体思路不是很清晰，同学还请啊去看一下我的前一个视频讲到整体上的一个思路。那么我们问题一的话，是一个混合的一个规划问题，要求这个动态收益最大化。 这里的话，我们注意到我们的收益主要来自于两方面，一个是赢球带来的收益，另外一个啊则是这个市场给我们带来的收益，而市场上带来的收益的话，有可能是这个球员他在场外的商业价值所带来的内容。而我们这里的这个决策变量的话，主要是 x i 是 否签约第二名球员，如果签约他，他在我球员的效力的话等于一，否则等于零。 同时我们这里给出一个辅助函数，那么这个函数的话用来刻画我们的胜率模型，什么时候我的球队，我作为一个老板，我会有更多的收入呢？那是不是我的这个 啊，球迷粉丝更愿意去买我的球票或者买我的机票更好，对吧？那么这里主要是跟我的表现 performances 有 关，这里的表现的话，我们需要去刻画这是我们的胜率，我们这里建模成一个 logistic 函数，然后啊以这样的形式给出它，跟什么有关呢？跟我第二名球员，他是否签约他，以及这名球员的个人能力有关，对吧？那么 个人能力的话，我们之前用这个 s i 代表他的 skill， 他 整体的这个竞技水平，然后我们把它加起来，如果我球队有 n 个人的话，把它加起来就是我整体球队的一个表现，然后我的胜率呢？建模成这样的一个 s 形曲线这样一个函数， 这里这个 k 代表敏感性系数，而这个 s o p p 呢，代表这个联盟平均对手的实力。分母上这个指数的这一部分 e 的 负 k 乘上这个 t p f m s 减去这个 s o p p 就 代表了我 整体球队的表现，相较于联盟怎么样？这里我们通过这个方式可以获得一个 s 型的一个曲线， 然后接下来我们可以建模这样一个收入模型，也就是我提到的球队的总额收入，由竞技驱动收入和球星驱动收入构成。竞技驱动的收入的话就是这部分 由我们这里讲到的你的球队胜利决定，也就说你球队获胜了，你的胜率越高，你的收入越高。另外一个也是球星驱动，这里的 m cap 代表这个市场天花板，类似于一个调整系数的作用， 也就是说哪怕你的胜率特别高，你也不可能获得的收入超过你整个市场下滑版，对吧？比如说在冰冰球项目，可以说这个在美国四大联赛中应该是比较低的， 会，至少对比 mlb 或者 nba 来说，它的知名度相对更低一些，那么这里它的市场规模就不会特别大，因此你球队获得的总额度是不会高于市场的总规模的。此外 除了市场，也就是你打球本身带来效应以外，你球员是不是还会卖球衣？然后你是不是还会卖这个球队的周边等等，那这部分的话很大程度上是球星驱动的， 那这里球星的话一般来自于这个他的粉丝数，他的曝光度以及他的个人能力，对吧？而这里我们把它综合考量成一个符号，叫做 f i， 代表他的 这个商业号召力，叫 fan appeals， 那 这里同样的，我们乘上 x i 代表这个球员在我的队里他才会有这样一个吸引力，他不在我的球队里面就没有这种吸引力了啊。比较好理解的就比如说 这个勒布朗詹姆斯这个转会到其他球队了啊，他被交易走了之后，那过去他的所在的球队，可能这个球星驱动的效果就会下降很多。 ok， 那 我们的目标函数的话，大家看是不是你的总额在的球队，可能这个球星驱动的效果就会下降很多。 ok， 那 我们的目标函数的话，大家可以 可以先看一下这里支出的话，大头是来自于球员的薪资，我们这里先不考虑后面这个比较复杂的问题，也就说你需要加入啊，这个球馆的租金， 或者你媒体的这个，嗯，转播所产生的这个成本，我们这里仅仅先考虑这个球员你给他的工资，或者说你给他的这个股权所带来的这样一个成本，那你需要优化的函数，就是这样一个 目标函数，然后我们接下来的话，你要去做这样一个函数是很麻烦的。有同学会问到，老师你怎么实现这个问题呢？就是这里对于这样一个复杂的非现金的函数，我们一般的策略是把它定性化， 那要现线化这个函数的话，我们要引入这样一个编辑收益来操作，它在目标胜率以及 p target 这个位置，我们可以去做这样一个事情， 这里我们对于这个 m r s， 它就等于这个 m cap， 然后乘上这样一个导数项，这个导数项 p 在 这个啊目标胜率处的这个导数值， 我们转就可以把里面这个位置，就我鼠标所选中的这个位置转化成这样一个这个东西， 也就里面这个部分可以转化成这样的一个导数关系来进行向量，这个方式的话叫做切向法去近视化非向量数，这个具体的实验系这个数学细节我在这不展开讲， ok。 然后约束条件的话，我们前面讲到有些硬性的约束，第一个是你薪资的工资帽，对吧？一个球员每个球员它总体加起来不应该超过你整个球队的工资帽。然后第二个是阵容的完整性，也就是你加起来 x i， 它要小于 n max， 大 于 n minus， 那这里的话为了求解简单，我这里直接让它等于 m x， 大家到时候去改我代码的时候，只需要在这里进行一个调整去改一下就可以了。还有就是关键球，这关键球的话同理 我们之前在前面问这个，前一个视频讲到过你的关键球水平能力如何去刻画，以及你的位置平衡，位置平衡的话就是你在第二个位置上，哎，有的这个球员个数不应该小于这个 最小的平均个数，就比如说你在门将这个手位置上，你至少要有一个人，就它的个数要大于一，对吧？ ok， 那 么这里的话啊，我是用这个蒙特卡罗法去生成的数据，然后引入了这个市场真实的一些情况，然后来刻画数据。比如说我这个地方找的就是冰球就 arty 它的数据，然后来刻画的结果， 然后最后得到这的代码给大家， 那么这里的时候大家到时候去复刻或只需要直接运行就 ok 了。然后里面很多参数呢，你可以自己去调整，比如整体市场的规模和工资帽水平等等。这个地方的话就三百 million 啊，是以每刀为单位，就这个地方大概啊 三亿美元的样子，就整个啊球市的水平，当然你可以把它改的更大一点。此外后面这个位置 去生成球员的时候，大家可以把这里啊这个数字改的更大，我是为了格式化方便好看，然后才这样去做的。然后位置这里我是把它分成了三个位置，你也可以自己去分，把它分成更多的位置，嗯，按照你所选定的这个线对象或者你想仿真的数据来做， 然后核心的代码在这里就是你的 optimization 的 优化代码，我们在这个地方 优化完成之后呢，做了这样一个 visualization， 也就是绘图的操作，你可以在运行之后呢，可以看到跟我一样的图像，可以去看到这个真实的你的 s 型曲线，以及你的胜率， 还有你的这个策略上如何去选择你的所要的球员。这部分球员的话，一般来说就是这个能力强，但是收入这个并不贵的，他的工资并不贵的球员，对吧？我们可以看到他确实符合这样一个正比正向的这个 正相关，那你需要选择大概就是这个曲线左上部分，这部分球员就是红色标记的，然后这种美观图像的话，就代码大家直接运行就能看到了，这里也是一样啊，我就不过多的赘述了。接下来我们来看这个问题二的思路， 这个整体的建模流程。然后这个部分的话，由于它稍微复杂一些，我们就写的，我就写的更更详细一点的。 首先我们在这个地方去考虑伤病和疲劳带来的问题，制定最优的这个轮换策略，以最大化这个赛季的总期望收益。因为你不希望你的球员刚买过来就受伤，或者说你不希望你签 选秀签下的球员他因为受伤导致他上场比赛或者他的交易价值大大的下降，对吧？那么这里我们要去刻画受伤有很多方式，一个是我前面讲到的，你可以通过这个指数函数啊，你可以通过这个 指数分布来刻画他这样一个受伤的时间过程。那这里的话啊，我找到一个更好参考文献，在之前的过程中可以把人体的疲劳建模为工业界通用的可信理论，就 reliability theory， 然后将球员。

下面给大家带来一个二零二六年美赛一体呃 i c m 的 被动式太阳能遮阳的一个赛题讲解啊， 这个题目的话，我们这里的资料的话给大家是一个带来一个初步的讲解，这不是最终版本明天早上，明天早上的话会给大家带来 终极版本的一体，比这个质量更高更全，所以这个的话主要给大家借鉴一下思路想法什么的可以粗略的看一下哦。 我们这个题的话，它是基于多目标偶合优化模型的不同气候区建筑被动式太阳能遮阳策略研究。山药部分， 在这个研究中的话，首先是通过太阳位置计算器获取前天太阳高度角与全方位角动态数据，结合两地的气候参数啊， 然后构建这个多目标优化函数，最后的话采用遗传算法求解模型 啊，这是一些结果啊，全冷降复合降低三十八点六，血光发生率下降六十二点三，冬季的损失减少二十五点一， 好问题，投诉 是子问题，问题分析 二点三点三，模型假设，首先的话要假设内容，室内的环境初熟状态是均匀的，没有额外突发的热负荷，如大型设备持续运行啊，大规模人员聚集， 还有就是太阳辐射按当地的平均数据取取值嘛， 然后蓄热体材料，混凝土啊，石材水啊，那些物理设置不随那个室内温度的变化。意思这个假设内容的话有点多，你们自己可以任选其中的三到四点吧，就可以了， 那这是符号说明， 嗯，解结果此问题二， 直接回应问题。 问题三，没问题的话，我们这里都是构建了有模型的核心公式推导 啊，求解步骤嘛，结果分析，呃，这个是模型的优点。优点评价这里的话我们写的也是比较多的， 然后模型的缺点啊，参考文献，所以这个文章的话还有很多的地方需要优化和补充，比如像配套的代码的话，我们这里的话没是没有选完的，这些代码还要继续写。所以的话 需要后期资料的话，你们可以锁定我那个视频那个里面的企鹅群，明天早上我会第一时间在这里更新呢， 资料的话有需要的就自己加群领取啊。

这里是数学建模老哥，我是你们的阮老师。那么啊，我们是已经获取到了跟 a 题题目直接相关的大部分数据，那么是可以直接用于 a 题的直接模型验证的 啊，那么很多同学应该是比较苦恼这个数据该怎么去收集，感觉这个数据很好收集，但是，呃，想真正整理起来还是挺麻烦的，对吧？好，那么，呃，我这边是 啊，编写了一个脚本，然后把这些数据都整理了一下。好，但这个脚本大家都知道，所以这个也不能发给大家了。 呃，你们如果说有这个技术能力的话，可以自己去写一个脚本，然后去获取一下对应的数据啊，基本上就是相当于把网上的数据给它爬到一块，然后给整理起来了。好，我，所以我们这个数据量非常的大啊，大家可以看到我们比如说这个不同场景下的这个电池电量变化，我们的数据量 啊，都是万级别以上的，那这个的话，你基本上你在同类级别，应该在全网应该是找不到第二家的，对吧？好，那么其他的对应的数据，我们最少都是有几千组数据的，所以这个啊，大家去做对应的一个第一问这个模型验证，对吧？那么第一问你看啊，第一问的要求不是这样的吗？ 他要求我们去呃数据作为支持，而非替代，您可以收集或使用数据进行参数估计和验证，如果开放数据有限，您可以使用已经发布的测量或规格啊，前提是参数得到明确验证。好，那实际上就是 你第一问做的这个模型，然后你用真实的实验数据去测测得你这个是相当于，就是 啊验证一个模型是对的吗？好，那么大家来看一下，所以我们这个数据就非常之多了，对吧？比如说我随便，呃，我随便列，列一组，我就列这个不同场景下的一个，呃，电量使用。好， 那么大家来看一下。好，首先第一个是时间啊，对吧？好，然后对应的 soc 啊，然后我们的一个电池总容量，然后我们的温度，然后我们的状态啊，然后我们的状态，然后我们的电池容量，好，然后那么 这边可以看到吧？是不是啊？这个是我们的系数，好，全部都在，是不是？那么以及你到底是什么样的状态 啊？我们这个待机，然后不同的时间，所以不同的组合，各种各样的一个参数组合，我们这边全部都是有的，就是所有的组合我们全部都是给你爬到了， 你想怎么分析就怎么分析，没有任何的问题。明白了，你说我想分析一个特殊的路，加一个特殊的状态，再加一个特殊的电池容量，再加一个特殊的系数，再加一个特殊的，呃，什么？什么？呃， 这个初次容量，等等，你看初次容量，我们这个参数组有多丰富呀？这个相当之丰富，好吧，所以这个我大家完全不用缺数据了，那么 a 题，嗯，基本上这套数据就够够你们做的了，明白了吧？完全足够你们做。好，你看，那么我们浏览了一千多组， 那现在到网页，网页浏览场景了，是吧？好，那网页浏览场景那也是各种各样的参数，来回组合一遍。 好，然后我们再往下，那就视频播放场景，那么视频播放场景再往下，那么对应的其他的场景，好，完全一样的道理，是不是？好，那现在来我们来看一下啊， 从第一个开始，我带大家仔细去看，那么第一个是不同电池容量下的一个电池行为数据， 不同电池容量这地方有，以及对应的各种各样的一个行为，他们的容量到底有多少，是吧？好，第二个不同老化程度下的一个电池的行为数据啊，不同老化程度啊，大家可以看一下， 好啊， u usage 啊， scenery 啊，对吧？不同程度的老化好，然后不同使用场景。好，那这一块，其实这个相当于也是在网上呃，获取到的，然后整理在一块的，那这个是什么意思呢？大家来看一下，这个就是 题目中啊，这样一问，那如果说你找不到对应的一些数据吗？对吧？啊，那么可以用什么呢？可以用已发布的测量规格啊，或者一些参数。好，那么这边啊，我就是根据啊，网上绝大部分啊，那些所谓的科技博主测的一些参数。好，好， 这些工具单位都是好安啊，好安，这个确定一下，我这个我没在单位了。 好，最适合列宽，然后这样子，你看你不同不同的使用场景下啊，他们对应的 啊，不同的功号，比如说你是待机的时候，待机的时候你总功耗，你就一个基础功耗，对吧？你屏幕是黑的，你又不使用 app， 然后网络的话，网络话虽然用，但是你基本是处于待机状态，所以功耗几乎可以设计为零，对吧？好，你网页浏览 啊，网页浏览我们不考虑带定位带等等其他的静态网页了，那么视频播放，那么声音是不是有，对吧？那摄像头不需要，对吧？好，拍照啊，摄像头要，对吧？那 gps 不 需要， 音乐播放等等。好，这个是绝大部分场景，当然我不可能说把有些用户那种特殊的使用场景，就是他可能浏览个网页，然后又听歌，然后又拍照的，那这种网页一般也比较少，是不是？好？ 然后再回过头来，我们再来看一下不同场景下的一个电池容量，在这个地方啊，可以得到，是不是完全一模一样的啊？完全一模一样的， 而且为什么我要整理成这样呢？我是特地结合了我们这个题目的实际需求，然后呢？这些字段都是我单独去设置的，都是我单独去设置的，明白了吧？ 好，然后将他们整理起来，那么大家做题的时候也方便一点，那要不然的话，你像有些人，他整理数据整理的一堆乱七八糟的，然后你根本不知道哪些有用，哪些没用，对吧？我找的这个数据所有的都是有用的，明白了吧？就 多就是那些没用的数据，我就直接剔除掉了，我找的全部都是能够用于我们直接做题目验证的，比如说你，你画图，你很简单，你直接把这个题目一画，嗯，来，比如说这个啊，视频播放，嗯， 怎么看呢？这个参数量啊，这个你到时候可能要拎一下了，对吧？要，要塞一下啊，不同不同参数情况下，它的一个，它的一个情况是不是好把它整理出来？好，那这个主要就是我们现在的一个大致方案，好，没问题吧？ 啊？然后最后啊，不同温度下的一个电子用量变化啊，不同温度下好，大家可以看到 时间， soc 啊， power， 然后 temperature 使用场景，然后我们的电池容量啊，对吧？啊，以及我们最后我们的系数，好，所以这地方都是有的， 是不是啊？都是有的，好，所以这就是我们啊给大家准备的数据啊，所以大家也不用担心说啊，这个数据找不到了，不会做了，是吧， 所以 a 题啊，可以完全做了，放放心大胆的去做啊，没有任何问题的，明白了吧？啊，如果后面数据使用觉得，哎，什么地方出问题了啊，可以在互动区或者说直接在我们的这个群里啊跟我说 啊，然后我会及时的给大家去修正啊，因为啊，爬取的时候可能会出现一点点啊，脏数据进去都有可能啊，但是注意我这个数据是， 嗯，绝对没有缺失值，我检查过了，明白了，所以你们没有必要在上面去做太多的数据处理啊，所以这一点大家注意啊，行吧，好，那这个就是我们目前 a 题的所有的数据， 好，希望大家能够用这套数据啊，取得比较好的奖项，好，谢谢大家啊。

好的，大家好，欢迎关注这个数学建模老歌团队，我是李老师，我将继续为大家带来这个二零二六年美赛地体的一个完整的建模以及代码的实现。这里主要先提供前两问的这个视频讲解内容。 首先啊，我们这来看到关于这个问题一啊对于整体思路不是很清晰，同学还请啊去看一下我的前一个视频讲到整体上的一个思路。那么我们问题一的话，是一个混合的一个规划问题，要求这个动态收益最大化。 这里的话，我们注意到我们的收益主要来自于两方面，一个是赢球带来的收益，另外一个啊则是这个市场给我们带来的收益，而市场上带来的收益的话，有可能是这个球员他在场外的商业价值所带来的内容。而我们这里的这个决策变量的话，主要是 x i 是 否签约第二名球员，如果签约他，他在我球员的效力的话等于一，否则等于零。 同时我们这里给出一个辅助函数，那么这个函数的话用来刻画我们的胜率模型，什么时候我的球队，我作为一个老板，我会有更多的收入呢？那是不是我的这个 啊，球迷粉丝更愿意去买我的球票或者买我的机票更好，对吧？那么这里主要是跟我的表现 performances 有 关，这里的表现的话，我们需要去刻画这是我们的胜率，我们这里建模成一个 logistic 函数，然后啊以这样的形式给出它，跟什么有关呢？跟我第二名球员，他是否签约他，以及这名球员的个人能力有关，对吧？那么 个人能力的话，我们之前用这个 s i 代表他的 skill， 他 整体的这个竞技水平，然后我们把它加起来，如果我球队有 n 个人的话，把它加起来就是我整体球队的一个表现，然后我的胜率呢？建模成这样的一个 s 型曲线这样一个函数， 这里这个 k 代表敏感性系数，而这个 s o p p 呢，代表这个联盟平均对手的实力。分母上这个指数的这一部分 e 的 负 k 乘上这个 t p f m s 减去这个 s o p p 就 代表了我 整体球队的表现，相较于联盟怎么样？这里我们通过这个方式可以获得一个 s 型的一个曲线， 然后接下来我们可以建模这样一个收入模型，也就是我提到的球队的总额收入，由竞技驱动收入和球星驱动收入构成，竞技驱动的收入的话就是这一部分。 由我们这里讲到的你的球队胜利决定，也就说你球队获胜了，你的胜率越高，你的收入越高。另外一个也是球星驱动，这里的 m cap 代表这个市场天花板，类似于一个调整系数的作用， 也就是说哪怕你的胜率特别高，你也不可能获得的收入超过你整个市场天花板，对吧？比如说在冰冰球项目，可以说这个在美国四大联赛中应该是比较低的， 会至少对比 mlb 或者 nba 来说，它的知名度相对更低一些，那么这里它的市场规模就不会特别大，因此你球队获得的总额度是不会高于市场的总规模的。此外 除了市场，也就是你打球本身带来效应以外，你球员是不是还会卖球衣？然后你是不是还会卖这个球队的周边等等，那这部分的话很大程度上是球星驱动的， 那这里球星的话一般来自于这个他的粉丝数，他的曝光度以及他的个人能力，对吧？而这里我们把它综合考量成一个符号，叫做 f i， 代表他的 这个商业号召力，叫 fan appeals。 那 这里同样的，我们乘上 x i 代表这个球员在我的队里他才会有这样一个吸引力，他不在我的球队里面就没有这种吸引力了啊。比较好理解的就比如说 这个勒布朗詹姆斯转会到其他球队了啊，他被交易走了之后，那过去他的所在的球队，可能这个球星驱动的效果就会下降很多。 ok， 那 我们的目标函数的话，大家看是不就是你的总支出呢？那支出大家可以 可以先看一下，这里支出的话，大头是来自于球员的薪资，我们这里先不考虑后面这个比较复杂的问题，也就说你需要加入啊，这个球馆的租金 或者你媒体的这个，嗯，转播所产生的这个成本，我们这里仅仅先考虑这个球员你给他的工资，或者说你给他的这个股权所带来的这样一个成本。那你需要优化的函数，就是这样一个 目标函数，然后我们接下来的话，你要去做这样一个函数是很麻烦的。有同学会问到，老师你怎么实现这个问题呢？就是这里对于这样一个复杂的非现金的函数，我们一般的策略是把它现代化， 那要现线化这个函数的话，我们要引入这样一个编辑收益来操作，它在目标胜率以及 p target 这个位置，我们可以去做这样一个事情， 这里我们对于这个 m r s， 它就等于这个 m cap， 然后乘上这样一个导数项，这个导数项 p 在 这个啊目标胜率处的这个导数值， 我们转就可以把里面这个位置，就我鼠标所选中的这个位置转化成这样一个这个东西， 也就里面这个部分可以转化成这样的一个导数关系来进行线形化，这个方式的话叫做切向法去近视化非线形函数。这个具体的实验系这个数学细节我在这不展开讲。 ok， 然后约束条件的话，我们前面讲到有些硬性的约束，第一个是你薪资的工资帽，对吧？一个球员每个球员它总体加起来不应该超过你整个球队的工资帽。然后第二个是阵容的完整性，也就是你加起来 x i， 它要小于 mx 大 于 minim， 那这里的话为了求解简单，我这里直接让它等于 m x， 大家到时候去改我代码的时候，只需要在这里进行一个调整去改一下就可以了。还有就是关键球，这关键球的话同理 我们之前在前面问这个，前一个视频讲到过你的关键球水平能力如何去刻画，以及你的位置平衡，位置平衡的话就是你在第二个位置上，哎，有的这个球员个数不应该小于这个 最小的平均个数，就比如说你在门将这个手位置上，你至少要有一个人，就它的个数要大于一，对吧？ ok， 那 么这里的话啊，我是用这个蒙特卡罗法去生成的数据，然后引入了这个市场真实的一些情况，然后来刻画数据。比如说我这个地方找的就是冰球就 arty 它的数据，然后来刻画的结果， 然后最后得到这的代码给大家， 那么这里的时候大家到时候去复刻或只需要直接运行就 ok 了。然后里面有很多参数呢，你可以自己去调整，就整体市场的规模和工资帽水平等等。这个地方的话就三百 million 啊，是以美刀为单位，就这个地方大概三亿美元的样子，就整个 啊求式的水平，当然你可以把它改的更大一点。此外后面这个位置去生成求圆的时候，大家可以把这里啊这个数字改的更大，我是为了格式化方便好看，然后才这样去做的。然后位置这里我是把它分成了三个位置，你也可以自己去分，把它分成更多的位置。 嗯，按照你所选定的这个实验对象或者你想仿真的数据来做。然后核心的代码在这里就是你的 optimization 的 优化代码， 我们在这个地方优化完成之后呢，做了这样一个 visualization， 也就是绘图的操作，你可以在运行之后呢，可以看到跟我一样的图像，可以去看到这个真实的你的 s 型曲线以及你的胜率， 还有你的这个策略上如何去选择你的所要的球员，这部分球员的话，一般来说就是这个能力强，但是收入这个并不贵的，他的工资并不贵的球员，对吧？我们可以看到他确实符合这样一个正比正向的这个 正相关，那你需要选择大概就是这个曲线左上部分，这部分球员就是红色标记的，然后这种美观图像的话，这个代码大家直接运行就能看到了，这里也是一样啊，我就不过多的赘述了。接下来我们来看这个问题二的思路， 这个整体的建模流程。然后这个部分的话，由于它稍微复杂一些，我们就写的我就写的更更详细一点的。 首先我们在这个地方去考虑伤病和疲劳带来的问题，制定最优的这个轮换策略，以最大化这个赛季的总期望收益。因为你不希望你的球员刚买过来就受伤，或者说你不希望你签 选秀签下的球员，他因为受伤导致他上场比赛或者他的交易价值大大的下降，对吧？那么这里我们要去刻画受伤有很多方式，一个是我前面讲到的，你可以通过这个指数函数啊，你可以通过这个 指数分布来刻画它这样一个受伤的时间过程。那这里的话啊，我找到一个更好参考文献，在之前的过程中可以把人体的疲劳建模为工业界通用的可信理论，就 reliability theory， 然后将球员视为可修复的系统，它的健康状态服从这个 variable 分 布。 这里的话也很好理解，因为我人受伤了，可以通过手术或者这个呃静养等方式可以康复过来，对吧？尤其是现在医学如此发达的情况下，它并不是坏掉之后就呃永远不会好了。那么这里我们看它什么时候会受伤，一般来说它的一个核心变量， 也就伤病风险率，我们定义成这个样子，这个 h t 呢，它等于 beta 比上这个值代表它的上场时间， 这个地方就很好的刻画了，我球员因为在场上他上场时间越长，可能他的疲劳感越大，就这个地方漏的，你可以认为是种疲劳感，或者这种 呃精神或者伤病上累积的这种压力，然后他比上这个尺度，也就是说这个特征寿命，对于不同的这个赛事来说，这个 eta 值不一样。还有这个 beta 值呢，代表他的磨损指数，这个磨损指数的话， 你代表的是越打的多，你的受伤概率会一个加速性的上升，大家想象被他大于一的时候，这个部分会变成一个指数函数，他会以一个更快的速度上升。 也就是说你在长年累月的这样一个积累的病变情况下，你发病的概率，你伤病出现的概率会飞速的增加。然后文献上获得的信息大概是正常之运动员不同的赛事不一样， 大概在一点五到二点五之间，对抗性越强的赛事，这个值越高，这个对抗性越弱的赛事，比如说单人的，像网球、自行车，这个值就比较低一点。 然后接下来我们看这个状态转移，从你从受伤或者说你从这健康转向受伤是怎么做到的？这里的话大家可以看到是一个条件概率，我的条件是我在上一个阶段就 t 减一时刻是 ok 的， 这个减一你可以认为是约束，这个按照不同的 赛事它是不一样的，有些赛事的话它的赛这个赛程很紧，有些赛事它的赛程很松， 然后你这里想要的是你的第二名球员在上一个阶段他是健康的，在下一阶段突然受伤，他的概率那就应该建模成类似于我这里写到这个样子，还是一个 服从类类似指数分布的变化，只是这里他的期望也就是负得它 t 乘上这个值，这个地方应该是 number 也有它的受伤率。呃，如果概率论比较好的同学应该知道这个地方这个 h t 指的是什么。哈，那这里的话，我们把它建模成前面更复杂的这个尿路风险函数，用来刻画我状态上的转移， 然后我们再把这个受伤带入到我们前面这个多阶段随机动态规划问题当中去。我每一天对比赛日或者你对比赛周而言，如何去分配你上场的策略，以实现最大化你球员他整体的这个水平，同时减去你可能带来的这种受伤的风险。 这个 s i 我 们前面讲的就是你这个 a 球员他的一个竞技水平，然后减去 number 乘上你这个啊，受伤可能带来的影响啊，这个影响多大，由你个人去确定。那我们参数的设置和来源大概设置成以下几个值啊，这些值的话 一般是通过这个文献还有这个大量数据进行优化查找得到的核心的参考文献啊，我这个地方啊，就不提供给大家了，方便这个，防止大家到时候因为复刻我的论文出现了这个最后获奖这个 论文出现问题。这里参数上的话，第一个 beta 我 们取值二点五，它代表一个你的磨损程度。第二个这个 e 值取三十四，然后代表你这个负荷裕值，然后第三个你的 repair factor 就是 你的恢复，你恢复这个地方，也就是啊，这里我好像没有显性的写出来， 也就是把这个 h t 换成 r， 代表你从 injury 到 healthy， 也就这个地方两个交换一下位置，把这个 h t 换成 r， 就是 你的恢复率啊，这个很好理解，你对你这个球员虽然受伤了，他也有一天会好起来，对吧？ ok。 然后实现的步骤的话，我这里以这个 nba 为例，就 wnba， 然后包含八十二场常规赛，然后你有最佳阵容十五人从我们的问题一中夺取最佳阵容，就我我签的那批球员， 然后我更新全队的疲劳度，如果是比赛日检查谁受伤了，谁太累了，然后派出最好最强的可用的阵容作为首发出场，然后计算由于疲劳导致的能力衰退，然后不断更新这过程， 然后啊再去计算我的胜率，动态的去更新，然后最后去评价我当前的这个伤病，判断每一场比赛之后，然后最终这个赛季打完了，统计你的总胜场数，你的核心球员的缺席率，以及过度过度的使用导致这个崩盘的场次。 那么最后的话，我们可以看到一个几个可量化的结果，可以带大家看一下， 原来是这样一个图像，而这里红线的话代表一个你采用了一个激进的策略，就这里 你采用了一个 aggressive strategy， 你 让你的首发球员不休息一直打，那就会出现你的稳定性，你的 reliability based management， 你 的稳定性会出现明显的下降，你的可信管理会在这儿出现了一个呃，比较危险的区域， 一旦你停止了这种做法，可以看到你的稳定性会出现上升，就是你不再这样去做了。然后我们可以从这个热力图中 可以去看到在这个赛季的前半段，前三十场的时候，哎，你的球员基本上是没有什么受伤的啊，就是他的疲劳感不强。这个地方就是这个图哈，这个图 你的橙黄色，黄色区域代表你这个球员这个人体力很好，水平很高，大家可以看前三场的时候，大部分球员，我这个没有首发的，这部分球员他这个体力储备都很丰富。而黑色的区域的话就代表你受伤了，然后你受伤之后大家看他是不是会康复，康复之后可能又会受伤， 有的康复周期很长，有的康复周期很短，越到晒晒成密集的阶段越容易受伤。可以看到在晒成密集的中间阶段的时候。 啊，这，这个为什么在中间阶段比较密集呢？啊？这个是因为一旦像 nba 这样的赛事，他最后只有前八个队伍能够进入季后赛，到后面基本上就已经成为你只能去争夺附加赛名额，或者很多球队就直接开始摆烂，来争夺明年更好的选秀机会。所以到这里 作为策略考量，他会让主力退下来，让替补更多的去打，所以到后半程反而首发球员受伤变少了，中间的受伤变多了。 ok， 那 我们的问题二模拟就是这个样子。嗯，以上所有的这个可复现的结果呢，都包含在我的文件夹里面，大家运行这个代码就可以得到一模一样的图像，然后结合我的思路以及右边的这些 pdf 文件，还有 markdown 文件可以帮助你更好的理解。 然后大家在复现我的操作的时候，记得去把里面的数据替换成你真实测速到的数据。像问题一的话，我使用的是冰球的数据，问题二的话我使用的是这个篮球的数据，你可以替换成其他的， 比如说这个美职棒，或者你喜欢足球等等。换成你自己的数据的时候，记得把里面很多东西都需要更新，无论是这个市值、工资帽还是你球员的个数，对吧？你都需要去更新，比如说大名单最多限制多少个人。 ok， 那 我们现在前两个问题的思路和这个解析就讲到这里，我之后会为大家带来后两个问的解析，以及最后成套的成品论文。

距离美赛还有不到两天的时间，这些美赛数据网址记得一定要收藏，包括全球数据库、文献下载网址以及权威性数据平台，详细大家可以暂停观看。 为了帮助各位同学更好地完成竞赛， swisse pro 特别推出美赛专属算法包，直接进入 swisse pro 就 可见到常见算法，点击对应的算法即可一键输出报告，赶紧来使用吧！

大家晚上好。呃，今天早上这个美赛 a 题的这个数学建模的这个题目出来了，它就是关于一个 soc 估计的一个题目。 然后今早也是有些同学来私信我来问我这个他自己的描述以及以及一些要点是指的是什么意思？然后然后刚好我是这个状态电池状态估计研究方向，所以我今天就给大家讲一下这个大概要点，讲下这个题目大概是什么意思吧。 它这个意思就是你先搭建一个电池模型，然后要预测它的这个核电状态，就是你的剩余电量嘛， 然后然后再根据你现现在的电量去预测它你这个电池还能用多少时间。那么这个意思就是你首先你得先预预测准你的 soc， 你 只有预测准了 soc， 你 才能再进一步去预测这个使用时间。 好，那我今天就给大家主要讲的是这个 soc 估计方面是它的具体要求是什么 啊？首先它这里说的是，呃，你的数据是得用这个，用这个公开数据集，或者说就是别人已经发表的实测数据，那这种数据一般一般就是， 呃，像这种，这个数据就是一个马里兰大学的一个 c a l c e 的 一个数据，大家可以在这里找数据，找一些放充放电数据吧。啊，这这些就是不同的电池，然后大家可以按照自己的需求来选， 然后这边是它的 socov 曲线的一些，就是一个 h p p c 的 一个实验， 这个也是，然后这边是它的不同的工况，不过这些工况呢，它它是属于那种汽车行驶方面的啊。然后这边我就是给大家大概描述一下这个公开数据集大概是怎么样的，如果大家有 有具体的需求可以需要自己去找。然后这个一般的这些公开数据局一般有什么呢？一般有这个马里兰大学的，一般有那个 nasa 的， 就是那个美国有航天局的嘛，还有一个是牛津的，主要就是这三个吧，应该还有别的，大家可以网上再找一下。 然后然后还有一点就是关于这个这个模电池模型的 soc， 估计它这里有三个，三个是你必须不能玩用的，这个模型 就是仅通过离散曲线离合，时间不回归以及黑箱机器学习方法。那这三个方法是什么意思呢？离散曲线离合，呃，我理解的是在 soc 估计中，离散曲线离合指的就是开路电压法，就是根据你的测量的电压去 去估计你的 soc。 那 这个就需要你去进行一个根据一些，根据你之前的一些一一开始的数标定的实验数据去标定你这个时候的电压对应的这个时候电量是多少，然后 然后去推算它的 soc 嘛，就根据你实测的电压去推算 soc， 它这个意思就是你不可以用这种开路电压法，就是太太简单了嘛，可能是。然后时间不回归呢，就是那个安时计分法，安时计分法就是， 嗯，就是根据你的容量，根据你的电流，根据你的采样时间去呃，一点去累积的一个一个 soc 估计方法吧，它也是一个最简单的方法。 然后这个黑箱机器学习方法就很简单，就是你不可以完全的用数据驱动去计算这个 soc， 他的，他的要求是什么呢？你必须得去，嗯，你必须，你，你必须要用一个有物理意义的电池模型， 然后是不可以仅仅采用这个什么离散曲线离合，不可以用这种统计回归的方法， 你必须用一个物理模型，那这个电池模型一般有什么呢？一般有 r c 一 二阶 r c 模型，还有什么电化学模型？但是在 soc 估计中，我们大部分人 用的可能都是 r c r c 这个电路模型，因为它相对来说参数较少一点，而且然后它的计算量也相对少一点嘛，电化学模型的话，它可能更多的是，呃，更偏向于它的电化学机理方面的一些推算吧。 然后这边的主要目的是为了去探，去预测我们这个剩余时间嘛，然后大家基本上就这两个模型来选择，然后一般可能大家看论文都知道是这个 rc 模型会用的比较多一点。 嗯，然后还有一点呢，他这个是什么意思？他这个当你的建模假设参数取值，嗯，以及你的使用模式发生随机波动的时候，那你这个预测结果会怎么变化？嗯，那他这个参数取值和 和它的使用模式突然间变化是什么意思呢？啊？其实我理解的就是啊，比如说你的初使电量啊，我直接给大家演示一下吧。呃， 比如说你的初使电量是不对的，但是你如何要通过你的模型去校正这个这个真实的电量呢？ 啊？这个就是我的一个继续电池模型的一个 soc 估计方法吧，然后这边是一个真实值的一个估计，它的初使电电初使 soc 就是 百分之八十，就是零点八嘛，然后我给大家先跑一遍， 然后它就会，然后就跑出这个平均的一个误差，就大概是这样 录屏的， 然后这边是它跑出来的一个图标，那然后它这个参数变化什么意思呢？那假如说 它真实的 soc 出使值是零点八嘛？那我这个时候我可能这个电池，可能这个手机出点问题了，然后这个 soc 出使 soc 出点问题，我就改把它改成零点四，它的要求就是让你 当你这个出使值有问题的时候，但是你这个模型依然可以校正的了， 嗯，就是这样，就是一开始的时候是是错的嘛，零点四，但是它会不断的不断的去靠近这个真实的 soc， 然后最后汇聚到，然后变成一个较真到一个正常的 应该的一个 soc 中，就是这样子。 好，然后我这边有一些相关的文档， 就是关于电池模型或者 soc 估计等等，大家如果有兴趣的话可以来私信我，然后今天的视频就到此为止，感谢大家的观看。

好的，小伙伴们，大家好，接下来我们讲 c 题哈，大部分同学呢，我看了一下后台的选择题数据哈，大部分同学都会选择这个 c 题哈， c 题的话呢，怎么说呢，你选这个没问题啊，同学们，我告诉大家哈，你选 c 题没问题，但是你必须要有创新啊，因为大部分的同学都在选这个 c 题，目前 c 题比例已经达到了恐怖的百分之四十哈， a 题百分之三十， c 题百分之四十，两个题目加起来接近百分之七十了，老铁们哈，百分之七十的人都会选这个 c 题啊，都会选这个 c 题 啊，所以说呢，我建议同学们哈，要慎重啊，其实我是非常不建议选这个 c 题的，我觉得吧，你就是大家大部分同学选这个 c 题都是为了图简单啊，但是呢，我告诉你们啊，图简单，不要去图简单哈啊，不要去图简单， 为什么呢？因为 c 题你看着哈，但其实它很麻烦啊，很麻烦 啊， c 题很麻烦，所以说，我建议你们不要去盲目的去做这个 c 题啊，不要盲目做 c 题，好吧，老铁们，我建议你们避开它，因为因为这样的话，获奖是比较难的，你不要图简单，大家说实话都知道，数据都知道，怎么建， 那你说对不对？你，你说你怎么获奖呢？你的创业点怎么来搞呢？对不对？所以说，我不建议大家选 ct 啊，真的，我，我是真心的劝大家啊，要慎重哈，要慎重好吧 啊，老哥，选哪个题？我建议我建议选 a 题或者选 b 题啊，你最好就是选，要么选冷一点，冷门一点的，这样选的人少，竞争压力会小一点，对吧？你选这个 c， 那 么大家都选这个 c 了，所以当然了，我，我不说，不给你分析哈，我给你分析，但你要慎重，你想拿奖，你必须要有创新点， 你必须要有创新点，如果你做这个 c 题没有创新点，那就白搭了，而这个 c 题的创新点 百分之大部分的都是两种创新方案，第一种改进的模型就是你用改进算法去做，第二种融合模型啊，就你选择不同的模型一块来做， 你说交叉你行不行？交叉创新的话，在这个地方的话啊，也可以试一下。好吧，只能也可以试一下，因为我们创新模型的话一般就有这么几种方案吗？所以说这几种方案的话没法说，但是改进算法的话，我觉得在这个地方是最常见比较常见一点的，所以大家呢，如果想做 c 的 同学呢，你要慎重， 你要能够有创新。好吧，你要有创新啊，真的哈，啥也不会，只能选 c 你， 那你，你不至于啥也不会，老铁们，真的不至于，你有 ai 了，理论，你没有不会的题目了，好吧，你没有不会了，而且 c 题呢，也没有那么简单，还是比较复杂的，大家都做， 所以说呢，就看谁做的好了，你想做的好的话，我觉得你和高手竞争是有很大的压力的哈，要有压力的，所以建议同学们呢，要慎重一点哈，要慎重一点 哎， ok 啊，这个这个大家呢要慎重哈啊，与这个题目的话呢，我们简单阅读一段的话，就是与星共舞啊，美国为美国，美国节目舞动奇迹啊， 然后呢，这个这个我们前面呢就是专家投票吗？专家通过什么在线投票？这是他们最喜欢的情侣啊，观众的话每周可以投票一次或多次，上下为当中公布的次数，然后呢，还有就是评委也可以投票之类的，然后选出第前几名来，对不对 啊？评委投票和得分和观众投票的组合方有多种，在美国版节日前两季采用基于排名的组合方式。第二季因什么什么啊啊， 然后，然后呢，就修改了这个争议哈，第二十四季又出现争议了对不对啊？评，尽管评委得分低，仍赢得冠军，作为回应，二十八级就说白了他的他的评分吧，是由评委和 评和这个观众投票来综合决定的。有的时候呢，评委觉得不好，但是观众觉得好，那观众投票多了，那么就有可能得得得这个最终的这个成绩了。但是，但是呢，又因为不专业，比如说一二流子一些选手，那么特别会讨观众喜欢，那也有可能对不对？ 还有有有，如果，如果评委特别的占比权重比较大，观众占比比较少的话，那有可能这很多啊，迎合评委的啊，评委的角度不能代表大众的，所以有可能引发歧义啊，就来构建一个比较合理的评价的这么一个啊，评分的这么一个模型啊，这就是整个题目的核心哈， 来开发数学模型啊，估算每个选手在其参赛的每周获得观众投票数啊，就估算这个呢，就是一个基础的预测模型了啊，每个每个这个来，同学们，来，大家告诉我哈， 开发数学模型一个和多个来，你告诉我到底开发几个？首先啊，首先到底开发几个？这个是一个要点哈，到底开发几个？ 你们记住哈，那就一定要开发多个。你想做 c， 我 还那句话，你必须是勇士，你必须要有胆量， 你必须要牛逼，对吧？要不然你要说你就开发一个，你开发一个非常基础的，你做 c 题，哪讲？我就这么说，你再创新也没有希望，因为因为选 c 的 人太多了，高手太多了。老哥这里统计了百分之四十的同学会选 c 了，都是勇士啊。说实话，所以你必须要开发多个， 而且多个模型来估算明白吧，来估算明白吧，你的模型估测关注投票结果是否能得出与每周淘汰结果一致的结论啊，提供一致性的衡量标准就是你要，你要能什么？ 你要结果要准确，你不能结果不准确，对不对？确定性如何？每种确定性这个就需要有验证了，就你的结果也有验证，说白了我我告诉大家哈， 真的，这个地方就看谁的模型精度高了，但是你们记住你们的精度啊，很多情况下来大家告诉我，来来，我问一下哈， 我问一下哈，来，这个的话你说老哥，我不单纯的用美赛官方给的数据，我用别的数据来佐证一下，可不可以？老铁们，就是我用一些达人秀，或者我用一些别的投票的一些结果来做，可不可以？老铁们，别的投票的模型来做，可不可以？ 可不可以？老铁们，你们跟我说完全可以，反而会把你的模型的这个精度啊，反而会提高的比较高。来这个地方一定要注意两件事一定要注意两件事哈， 一定要注意，除非他明确的说了啊，你可以看了没，你可以自行选择纳入信息或其他数据。看了没？其他数据，但必须要记录数据来，同学们， 我这地方要注意两件事，第一个叫什么过你河，第二个叫欠你河。来，你们觉得哈，你们觉得你们最容易做预测模型的时候最容易出现的一个问题是什么啊？最容易出现的一个问题是什么？ 就是你们如果来做这个题目啊，后面会有啊，我会讲到啊，你不用担心啊，啊，你会讲到来 你们容易出现了一些问题是什么？做预测的问题，做回归问题啊，过你河，我告诉你们，你们最容易出现的就是过你河了，真的，所以说你们一定要注意一点，好吧，不要出现过你河 啊，这个很关键啊，很多同学呢，做预测经常会出现过你和还有同学这么这么来做的哈，来，还有同学这么来做的，我们来，来啊，我，我后面会讲到哈，这里有一个完整的看了没？完整的来 看一下啊，来，看到没，他有一个完整的解析思路，第一步，一定要做数据处理。第二步， 观众投票预测构建贝叶斯啊，这是基于概率的模型，以评委得分选手特征周次为自变量，以淘汰结果为约束啊，预测观众投票数，预测知信区间。来这个地方呢，很多同学这么来说的， 我看你们的方案了哈，你们说老哥我预测他的投票得数，那我这样不就行了吗？啊，我，我这样不就行了吗？ 来，我直接就是用他每前几个周的得数预测他未来每个周的得数可不可以？老铁们，原来这样来说的哈，我用他前几个周的得数来预测他后几个周的得数 来。老铁们，你们觉得这样的行不行啊？你们觉得这样行不行啊？我刚才有同学在上面是这么说的啊，在评论区留言啊，包括在那个老哥私信我这么说的，行不行？老铁们，行不行啊？ 为什么啊？包括你们告诉我为什么？我告诉你是百分之百不可能的，不行的哈， 你别乱搞哈，你记住哈，投票结果是未知的，严格保密的，你不可能说用这个是吧？哦，前一个数据来预测未来几个周的数据，你就你就，你就完整的变成时间序的预测了， 知道吧？你是不可能的啊，你，你别乱搞，你别乱整哈，你别乱整来。 但是我可以构建一个什么样的模型呢？老铁们告诉我，既然如此， 那我就不能用时间虚的预测预测了，对不对？但我可以用什么预测来，我要我现在要做的一个一个参数叫什么？观众投票数，他和很多项数据有关系，包括什么评委的得分打分，包括一些其他的。哎，这地方有哈，包括其他的 看啊，哎，在这地方包括他的年龄，包括行业啊，包括一些是吧？他的这个这个是吧？这个这个选手的一些特征，包括他日常的动态，包括一些其他的淘汰的一些结果。来 来，同学们告诉我来，我相当于我要预测一个指标，它和若干个指标有关系。那你告诉我要构建的是一个什么样的模型啊？啊？要构建的是一个什么模型啊？这是这种预测方案不叫持续预测，这叫什么预测？老铁们， 哼哼，叫什么预测呀？到现在啊，大家都提出了有用 xd 版的啊，随机森林对吧？ 这就是回归吗？对不对啊？某一个变量和若干变量有关系，不就是回归吗？ 是不是？那不就是回归吗？所以说你这个地方既然构建回归，你们就记住我刚才就要返回来，我刚才提到那个那个逻辑了，不要出现过你河，也不要出现欠你河，好吧，过你河就是你回归的模型，太美完美了。 来，你告诉我这种未知的投票数量的能过于完美吗？老铁们，所以说谁的预测的模型的精度达到百分之百，你反而应该要慎重了，你百分之九十六九九九你都要慎重， 你的精度不可能那么高的。我可以告诉你哈，因为他是未知的，而且这两组变量之间理论上没有什么必然的情况， 不能说他评委得分就高，他观众投票就高，对不对？也不可能说，但是呢，来评委投票高，有没有可能观众投票也高啊，也有关系啊，也有可能啊，那评委投票高，有没有可能观众投票低呢？ 也有这个可能，对不对？所以说哈，这里面比较麻烦，比较复杂， 你呢，一定要慎重啊，一定要一定要考虑，就是自变量和一变量之间没有很强的关联度，没有很强的关联性，这个是很关键的哈， 明白吧，做这个做回归理论者是一个大忌，就是自变量和一变量之间没有很强的关联性，我们说这属于大忌，但是呢， 不代表说他俩没有关系，往往会呈现一个啊，就是典型的比如大部分选手可能评委投票比较高，观众得分也会比较高一点，只是说有一个大概的对不对？但是你要考虑极端场景之下的一些情况 啊，因为因为前面说了吗？对不对？来前面说了，以前面已经给你讲了很多了，对不对？说有有可能会出现专家评分高。所以说呢，这个 第一小问啊，我建议你们不要你合的精度太高。好吧，不要你合的精度太高啊，太高了确实会有问题的哈。来 第二小问啊，利用你的观众投票结果估算结果和其他数据比较和对比节目使用的两种投票方法，排名反而百分之在各季产生的结果是吧？就每一季对应的两种结果，如果结果再查也其中一种方法似乎更清，更似乎偏向于观众投票， 对吧？就是比较吗？对不对？和个体产生的结果比较结果的结果，如果，如果结果存在差异，那么其中就哪一种方法可能会偏向接受投票，说白了就是看看哪一种方法和观众投票的相关度更高吗？对不对？ 然后考察这两种投票之外存在两种投票方法存在争议与观众或观众意见存在分析的特定选手的拥有情况，投票组组合方法的选择是否会导致这位每位选手的结果相同，是吧？每周什么什么的啊？ 然后呢，咱们就那个一考虑一些具体的视力，把你建立的模型，再把具体的视力，然后呢这个考虑进去，然后呢，利用包括投票观众估算结果，在你的数据开发、模型分析、专业舞者以及数据中可用的名人数据的影响 对不对？这些因素对名人在比赛中的影响有多大啊？说白了就是你前面不是估算了一个观众投票的模型吗？对不对？利用观众估算投票结果在你的数据啊， 开发模型分析专业舞者以及数据中可用的名人特征的影响啊，这些因素对名人在比赛中的表现影响有多大 啊？啊，就你那个像年龄啊，特征啊，对比赛影响到底有多大？来评来他们对评委得分和观众投票的影响是否相同，这个也是要建立一个合适的模型哈啊，也要建立合适的模型的 啊。然后第四位提出另一种每周观众投票结合系统认为系统更公平。说白了就是就是啊，提出另一种每周结合观众投票评委的问题，说白了就是你提出一个新的打分方法啊，打分方法不是传统的这两种方法了，提出新的解决方法来哈，这样的话呢，你就需要全新的设计一种投票组合方法了哈， 让我们看一看完整的一个解决方案哈，来第一个啊，第一个来美赛啊，第一，一共四个小问，第一小问预测类题目，第二小问评价加决策类，第三小问影响因素分析，第四小问优化设计类啊，因为第四小问的话，它涉及到 新的投票方案嘛，对不对？所以说需要用到用到这个优化设计类问题哈，优化设计类来每一个小问，第一个问，预测每位选手每周的观众投票数，验证一致性和确定性，说白就验证精度啊，验证投票的这个预测的精度到底怎么样？ 评价两种投票方法的优劣啊？分析争议的案例，提出决策建议，就两种方法，他有没有什么两种投票方法啊？选人的方法有没有什么对错优劣啊？这叫是吧？那第三个分析专业舞者和名人特征对比赛结果的影响啊，然后呢？这叫做影响因素的分析吗？对不对？ 然后设计新的投票方案，这叫设计新的投票组合方案。系统一般就是优化了，对不对？优化方案找到最佳方案吗？对不对？最佳的这个投票组合方案，来，我们看一下理方法哈。方法 来，第一个用预测类模型，我们说了不能用单纯的时间性的预测模型，这个地方是不适用的，而是要用回归预测的思想，比如 c g c 的 模型加广义县域回归也可以啊， b e s 模型可量化观众投票的不确定性 对不对？然后 glm 能整合评委得分啊，选手特征等预测变量适合小样本高维度的需求，所以这两个模型组合，那个这叫组合创新，类似的组合创新还有很多很多的 好吧？很多很多的组合创新，比如说，比如说你这个地方可以用模特卡罗模拟，模特卡罗模拟来来得到与观众投票的不确定性数据，因为观众投票不确定性数据可以用模特卡罗模拟来做一做， 然后再结合一些预测模型来做，更好了啊，结果更，这样的话更好了好吧。有很多种创新方案，说白了就是你这个地方你不能上来就构建一个基础的方案，比如 igbo 的 cc 零，那这样的话是不太合适的，你要考虑到很多的不确定性因素好吧，而这些不确定性因素反而成了获奖的关键， 明白吧？啊？活跃的关键啊，你这里构建的模型呢？就是小样本高维度的预测数据。因为维度数据比较高，指标特征比较多吗？所以需要构建高维度的啊，高维度不能用基础的什么灰色预测什么的，不可能好吧，不可能的就是老哥老哥我用深度学习神经网络可不可以也可以 深度学习神经网络本身也适合于高维度的预测，但是呢，你的数据量最好大一点好吧，数据量太小的话很容易陷入过你核的现象啊。 啊过你和因为神经网络还有这个这个深入学习很容易过你和。所以说你需要有大量的样本来做哈来做。 还有第二个就是评价了啊，评价两种方案的对比。你可以啊，选择量量化两种方式的多维度，比如说两种方案每一种方案的公平性是观赏性 等等，如何？然后看到系数呢？看到系数用于衡量结果的一致性，这是评论结论，这两个组合起来也可以解决这个第二问啊，就是评价类评价两种方案的一个优劣吗？评价就是是吧，先构建评价指标体系，比如说公平性，观赏性是吧，这个效率之类的效率 啊，成本啊之类的，你可以都把这些特把这些呃，样本把这些指标啊，然后呢构建一个评价指标指标，然后呢再构建这个相关的一个权重 来这个地方你们最好来，你们告诉我啊，权重怎么来确定啊？要用双权法， 双权法能有公平性观赏性能能确定吗？啊？专权法能确定吗？做 a g p， 这是最最基础的一种做法了，因为公平性观赏性这玩意 甚至有模糊综模糊综合评价法，因为里面有很多模糊因素。公平性？什么叫公平？什么叫不公平观赏性？什么叫高傲低啊？较高傲，较低，这有很多大量的模糊因素，所以说用模糊综合评价法， a g b 模糊综合加模糊综合评价法，这个地方是比较适合的。好吧，你用双减法什么的，没有数据支撑压根对不对， 只能用这种模糊综合啊来做啊，来，还有影响因素分析，可以用多元现金回归加随机森林，如果你上面用过随机森林了，在这个地方我建议你就不要再用随机森林了好不好？不要再用随机森林了，你上面如果用了这个地方就不要用了哈，你如果上面没用这个地方啊，第一位也可以用这个地方，就需要换个别的哈，好不好？ 影响因素分析啊，你可以用随随随心回归加随心随林啊，回归模型量化限性因素效果。然后呢，这个随心随林捕捉非限性和交互效率，全面分析各行的重要性。说白，用随性回归来评价每限性 量限性影响啊，限性影响哪些因素啊？是限性限性哪些限性因素他的影响影响效益是比较大的，因为这样的话，他的限性限性参数里面的那个参数值参数影响会比较大一点吗？对不对？那么非限性参数， 那么就需要用 c c 森林了，来得到哪些非限性参数啊？来，你那个因素是比较重要的啊，这两个综合来考虑。哎，这个挺好哈挺好啊，营养因素分析用这种两种方法来分别构建限性因素和非限性因素，哪一个影响分别影响是最大的啊？这个反而挺好哈挺好的 啊，还有优化方案的设计第四位你必。你如果想拿奖，整个废题，你不能单纯的就上来就是提个建议或者等等之类的，或者随便上一个方案。你需要构建一个优化模型 啊，你优化模型的话，这样的话是有说服力的啊，不要多目标优化啊，既满足什么？满足公平性又满足观赏性，这样的话两种目标对不对？ 然后建立一个优化模型来得到一个最终的一个新的模拟，新新的一个投标系统来做新的一个一个打分系统。来来来得来得到哈。这打分系统既兼顾了观赏性又兼顾了平稳公平性。好吧，这样的会更好一点更好一点啊， 来，这个题目的难度呢？在三点五分左右，我的难度系数呢？中等吧。中等啊，不算高也不算低哈啊，不算高也不算低啊。首先呢比较复杂，就是他不是一个常规的时间训练预测模型啊， c 题就是很多预测都是用时间训练预测来说，但这个题目不是啊，他比较麻烦一点 啊，需要整合很多，又里面又有评价又有预测又有影响又有优化四种题型他完全还改了，你还要做到创新是吧？你没有创新还不行 对不对？你没有创新的话，因为本身原有的方案就有就不好了对不对？你还没有创新，那你怎么能获奖呢？对不对？ 所以就是他，他就是要求你创新，他不是说不要求他要求你创新啊，他就数据量工作，数据处理工作量也比较大， 因为题目给了你大量的数据集，你需要做数据处理，你不做也不行，对不对？数据处理比较大，你万一漏了那也不行。而且 c 题百分之百数据是有问题的哈，我告诉大家每赛官方的尿性，百分之百数据是有问题的，你不做也不行哈。 啊，难点啊，刚才说了是吧，投标的间接预测，无直接数据交准是吧？说白了就是你，你需要人为人为的来判断一下一致性，没有数据作为交准，未知的投票结果，观众投票结果都是未知的哈。 两种投票方式你需要兼顾公平性、观赏性这种呢？公平性和观赏性吧，本身就属于模模糊数据级，又要把它变化成量化，所以需要构建成吗？绿水多函数， 这个函数的构建很关键，到底是限行函数还是还是一些其他的非限性函数来，你和这个量化指标，这个就很关键，你要构建一个模糊综合的话，你需要你绿水多函数，这管重要是吧？这个绿水多函数一旦做错了，那就很危险啊。 来，还有选手的特征，评委得分啊，很复杂啊，既有这个年龄行业又有得分，又有主观客观的一些内容交杂在一起就复杂的建模啊，很麻烦哈。还有新的投标系统吧，也比较麻烦，一种条件怎么来设定 对不对？目标函数怎么来制定？目标函数又要兼顾两种，两种内容，这两种内容又不是那种传统的量化那种，他整个题目真的是既有哎，预测优化，模拟。哎呦我的妈呀，我头大，我头有点大了啊。真的啊， 头有点大了是吧，还要脸？数据处理必须要做对吧？零得分啊是吧？控制啊，都需要补充是吧？预测需要明确假设条件，量化不确定性是吧？有很多的不确定性，你还需要量化他 对不对？你不像这个 b 体吧，太空电梯吧，有些不确定因素我们还能知道是吧？异常了，别结果突然变大，结果变小的，这玩意不确定性怎么来量化对不对？比较麻烦 是吧？还有评价指标的确定，指标的确定呢？还都是一些啊，一些难以量化的一些模糊指标， 对不对？也很麻烦对吧？新系统设计还要既要保证效率，还要你不能整的太过于复杂是吧？你整的太过于复杂的话，那就可推广性，可朴实性，就朴实性就比较小了。所以这个题目看着简单，实际上一包子坏水哈，一包子麻烦哈， 来啊，首先解决思路，先数据处理，然后呢啊，选举选手特征，变量，年龄，行业，然后构建观众投票，观众投票预测模型。贝叶斯这样的模型是不是 以什么评，以评委得分，选手特征周期为自变量，以淘汰结果为约束，观众预测投预测，观众投票数，计算预测执行区间 啊，这两种模型来分别构建啊，以什么为质，变量为什么为约束什么的，然后投票方法评价啊，设计指标评价体系，如争议、防范力， top 三偏重等于得分，用 h b 量化权重。然后呢，分析差异， 第四个要因素分析，构建回归和森林分析，专业舞者啊，来来和对投票的一个影响程度啊。然后呢？第五第五种设计多目标优化模型来确定啊，这整个的这个这个思路啊，还是比较比较明啊。思路倒是比较明显了啊。思路第一步，第二步，第三步，第四步该干什么？我们刚才的分析已经比较明显了啊， 要点就是创新，必须要融合多元信息的创新。好吧，这个模型的创新之管重要。这个我觉得这个题目的关键就在于创新，你到底能不能得到一个创新性的一个评价，一个预测模型，一个一个那个，呃，打分模型这个很关键啊，都是逼着你创新， 还有就是量化结果啊，量化结果是吧，给出投票的准执行区间，预测区间，这个说白了，你这你的预测值和预测区间千万不要太高，我建议不要整个百分之百，你说老哥我就等着百分之百，那你这是过你河了啊，一定是过你河了哈。 还有就是这个可制化哎，最好做一下可制化分析，模型检验也最好做一下啊，模型检验啊，然后呢？呃呃，擅长哎，这个题目就比较擅长数据处理。擅长擅长擅长。那个数值分析的题目推荐做， 计算机人工智能的也推荐做，功课的就不要不推荐了，因为里面也没有你能发挥的余地，全都是一些统一建模的东西啊。功课的不建议你做，尽管的呢，也还能做哈，也还能做哈 啊。然后呢，这个零基础的啊，我也不太推荐啊，比较麻烦。中等基础的也可以，高基础，中等基础，基础能力比较好的可以做一做，因为这个题目呢，写的人多，意味着你比较有创新点啊，看着简单，但是入手很麻烦，你看啊，一步一步的很麻烦，你千万不要觉得这个题目简单，我反正做到了，我没觉得很简单哈， 我真是觉得比 b 题都麻烦哈，真的哈，你可以你可以试试啊，你想做的同学，好吧，然后呢，我们一会呢还是会用我们整个的 ai 的 这个这个教程啊， ai 的 教程来给大家全详细的做一遍哈，来把这个是吧，尤其是注重创新，看到没， 我这里面还是会注重创新啊，这个方案二里面会注重创新，然后呢，把整个 ct 完整的从零到一的建模过程，代码调试都给大家做出来哈， 然后呢，我们把相关的代码包括我们的老师也在研发了，到时候相关的原代码都给咱放在这里面，好吧，我们导出的原代码都给大家放在这个里面哈， 好吧啊，大家到时候一定要去领取一下，千万不要忘记领取哈啊，不要忘记领取相关的原代码，相关的参考资料，相关的代码成品那边都给咱放在里面了，你到时候可以比对一下老哥团队做的和你们团队做的到底怎么样，好吧 啊，不一定，我们做的完全就百分之百对，仅供做一个参考哈，相关的源代码资料，每个题目的源代码资料，还有相关的解析文档之类的，就给大家放到我们我们的网盘链接里面去了，大家一定要去领取一下哈。 ok， 谢谢大家。

好的，亲爱的小伙伴们，大家好，我是老哥啊，今天呢，给大家整理了二零二六美赛 a， b， c， d， e， f 题的这个翻译哈，这个相关的一些工具啊，我们用我们的超级的这个 ai 提示词给大家整理出来了一个 a， b， c， d， e， f 题的，整个的一个赛题的一个 啊，相关的一个解析啊，模型的选择，以及相关的一个创新点的总结，以及相关的难度分析和选题的建议哈，大家可以看一下哈，今年的话呢，美赛的 a， b， c， d， e， f 题吧，顺序有点颠倒哈， 往年的美赛的 a 题是不可能出这种题目的啊，往往会出一些比较偏门的一些，是一些什么微方程啊，这种激励分析类的赛题，而这个， 而这个 a， t 呢，呃，智能手机电池耗电建模啊，这个确实出乎了我们的意料啊，只不过呢，很多同学啊，用这样说，老哥，既然是预测的话，我直接用时间训练预测模型就不就行了吗？对不对？你们记住哈， 每赛我觉得 a， b， c， d， e， f 他 出错的概率是非常的低的啊， a 题呢，历年往往都不可能是一个单纯的数据分析类题目的，你说这个老哥我用一个什么灰色预测，回归预测，直接预测 打那个耗电不就行了吗？啊，你直接耗，预测剩剩余时间随时间变化。函数，我直接用一个基础的回归函数，我直接用一个基础的回函数不就行了吗？你记住，这是 a 题， a 题往往就是机理建模，机理分析，所以说这个题目的核心一定是机理建模的，用一些数学物理的公式，哎，把耗电量和各种各样的参数，他内部之间是怎么关联的啊？内部之间具体的机理机理的流程 啊，只有你把这个串联起来，你才能够建好模型。所以说 a t 啊，绝对不是一个单纯的时间训练分析题目，我们后面会给大家讲到怎么拿大奖， 拿大奖的话，如果你想拿奖，我想拿一个 h 奖 m 奖，你用一个单纯的激励你，单纯的时间训练分析类，或者用普通的继续学习算法是不可能拿奖的，所以大家一定要注意啊，这个地方要慎重要慎重哈， 来啊，这是我们的 a t 的 一个翻译哈， a t 的 一个翻译 b 题的话呢，太空电梯系统建立月球直立地，你不要被这个题吓到。首先啊，这个题的话呢，你千万不要被吓到，不管是什么太空 g t 还是月球 g t 还是什么火星 g t， 本质上来说就是优化啊，本在本上来说就是涉及到多个系统的优化，对不对？就多目标或者是普通的优化类问题，他逃不出这个去的， 和本上和建一个医院啊，建一个修一个学校啊，基本上没有什么区别，所以你不要被他吓到哈，难就难在这个题目可能会涉及到数据的问题， 数据不好找而已啊，但是传统的我们常规的一些优化模型基本上就可以做出来，大家呢，也不用担心。好吧，这个题目呢，你也不用太担心，后面我会讲到一一的分析啊，就每个题目看了没，他会有一个完整的分析报告啊，到底评分依据考讲难点，解析要点，解析思路或讲要点哈，都给大家讲到的，所以你也不用担心啊， c 题，这是一个比较基础的一个记忆机，一个数据建模题目了，又有人说的记忆学习分析题目啊，这个呢，就是有点，有点不太，有点就 突突兀哈啊。今年呢，就是搞了一个节目啊，搞了一个节目叫舞动奇迹啊，说白了就是观众投票之类的，人家得到相关的数据分析，给了大量一些数据表啊。今年的话呢，我们用 ai 是 今年我敢说是每赛历年获奖难度最大的一年，也是小白获奖最好获奖的一年。为什么？因为今年的 ai 将会是 ai 在 世界剑魔领域彻底渗透的一年，也是彻底渗透的一次比赛。 尤其是个 ct， 给的数据集竟然不多啊，给的数据集竟然不多啊，这也是超乎我的预料的啊 啊，你如果给的数据不多，那 ai 就 可以直接给你处理掉了， ai 就 可以直接给你处理掉，所以这个题目的核心就是你一定要做出创新性来，如果你没有做出创新性，你就利用了一个单纯的继续学习算法来做的话，那你这个题目想获奖就不可能。我们给大家讲了四种创新， 四种创新，对于啊，在这个位置上，那么你必须要选择一到两种创新来做，因为大本同学我估计会选这个 c 题好吧，因为这个 c 题给了数据，也给了相关的一个难度系数，也不大，给了相关的一些一些。那个啊题问题呢，也不是特别的复杂，但大本同学我估计会选这个 c 题， 既然如此的话，那你必须要有创新，你没有创新的话， a r 十分一个小时就可以做完，我一会呢会给大家演示 c 题，用 a r 怎么来？系统来建模，而我们 给大家用到的这个提示词儿看了没？我，我的超级 ai 模拟题，求解。提示词儿里面啊，看了没？这就是完整的一个求解，一个系统的呃，数学建模题目，它的一个 ai， 一个提示焦点提示词儿里面有一个，看了没？ 第一，模型选择阶段啊，你看用 ai 提示词和不用 ai 提示词，结果完全是不一样的。用 ai 提示词呢，我会让他给我创新，看到没？而且有三种创新啊，你给我任意的每个小位必须要给我选择至少三种。三种创新方案是至少选一种， 第一个算法改进创新，第二个交叉领域创新，第三个算法组合创新。这个你必须要放在你的 a r t 你 的模型，模型选择或者模型建立里面，如果你没有，你仅仅选了一个基础方案的话，那你拿奖是几乎是不可能的。 纠本呢？我们有四种啊，在这个地方我，我一般建议用三种就可以了。第四种只有一种场景就是优化的，就是预测类问题啊，预测类问题啊，这三种的话，能解决百分之九十以上的数学建模题目，而且能够得到创新性的算法。哈，这呢，后面会演示啊，后面我会一一的演示啊， 大家也不用担心啊，一会会一一的演示啊，然后具体呢，这个题目的话呢，难度系数就比较大了， 但是这个题目也是我认为获奖最好获奖的一个题目，因为大本同学，只要你没听老哥的视频的，我相信你百分之百想不到 相关的一些思路啊，你最多也就按照一个普通的啊，体育赛事的一个一个研究啊，就建模去做了，比如说 a 题呢用系统动力学， b 题呢用，呃，第二位啊，这个第一位的系统动力学，第二小问的话用，用我们的卡罗模拟或者些其他的模拟情况来做，但是这个题目啊，记住 体育赛事也好，经管类问题也好，你们记住一个事情哈，就是你想获奖，你必须要用，尤其这种冷门，看了没？体育赛事管理，这属于偏冷门了，对不对？没有说没，很很少有单独的模型是研究这个的，对不对？还有什么学校的管理， 还有什么就是比如说一个部落的管理啊，这些偏冷门的问题就是研究的没有那么细致的，你们记住一定要有创新， 创新点核心就在于交叉创新。我们所说的刚才我给你们提的头里面看了没有三种创新方案，第一种算法改进，第二种交叉整域，第三种算法组合。这里面对于地体这种偏冷门的赛题的话，你们这种交叉创意是典型的。 哎呦，因为没有人会研究一个专门的冷门的问题的，对不对？比如说球队运营啊，我不是说贬低，也不是说歧视啊，我没有这个意思啊。 啊，我比如说我可以用，是吧？这个这个养殖的一些策略，或者我可以用一些种群部落的管理，生态学中的一些种种群部落管理 啊，比如说，哎，我们一些种群蚁群啊，或者是一些鸟群啊，哎，怎么去管理的？然后呢？对应的应用到我的体育赛事管理里面，这叫交叉， 懂我意思吧，或者我用一些比较偏偏的一些方向，就像我说的传染病模型吧，我传染病模型 sm 型对不对？我原来的是用在传染病疾病的扩散领域的，我现在把它用在了舆论传播，新闻传播领域，这就叫做交叉。而对于这个题目，我觉得最好的创新就是交叉。 好吧，交叉，交叉创新这个题目获奖非常关键哈，如果你没有用交叉创新的话，那你就要好好的思考思考了哈。 来，还有什么一体被动式太阳能遮阳系统这个题目的话，说实话哈，这个有点小难度啊，因为什么呢？这就是我们传说中的 a t 是吧，美赛的 a t 往往是这种类型的题目，就是一些比较冷门的设计，像什么让你设计一个对吧？浴缸啊，设计一个人机工程学的座椅啊，而现在的被动式太阳能系统让你用在了一体上面，这个题目超出出乎预测啊，因为一体的话一般是可环境和可持续之类的， 但这个的话也属于可持续哈，因为太阳能吗？对不对？这个题目的话呢，你核心就是你就要 首先的话呢，知道啊，怎么构建相关的一些微型方程是吧？那个积累分析啊，积累分析必须要有的，像什么热传导啊啊之类的要做，还有就是常规的优化类问题，什么目标优化，优化模型要构建 对不对？这两个是核心啊，你必须要学会构建啊。一会呢，我们可以讲到哈，这个题目的话难度系数不大，但是呢就是难点就在于比较马就要求解的话呢，就是要对模型啊，建模的要求比较强一点啊，就就比较典型的数学建模难题啊，数学建模题目 啊，因为 ai 吧，也很强的，在这题目也不在话下，也不在话下。 f 叫政策类题目，政策类题目我们啊政策类题目的话，我们求解的一个非常关键的模型就是系统动力学模型，你们记住哈，解决政策类题目 啊，往往用系统力学是最典型的一种算法。做 f 题的话呢，大部分同学我估计都会用这个系统动力学模型， 因为要要评估政策对未来的一个影响，这个任何的模型都模拟不了任何的模型啊，只有系统的理学这种半积累模型，我们说才能够分析这个政策对未来这个影响。所以这个题目大家很关键啊，只要用好这个这个题目就可以解决掉了啊， 来啊，整个的我们来具体具体来看一下。 a 题一共有四个小问，第一小问叫构建连续时间模型，描述电池剩余电量随时间的变化， 对不对？一定要考虑多种因素的影响，不能单纯的就用电池原来的电量和是吧？然后呢，预测未来的电量，这种是不能的，因为题目就具体分析，不是一个单纯的数据分析类题目啊，不是一个单纯的数据分析类题目，你们记住啊。 第二小问，预测不同场景下剩余续航时间，分析耗电系统，这个就是一个预测类问题了，预测不同场景下剩余续航时间吗？对不对？第三位分析假设参数使用魔镜对影响，这就是一看这个问题就是 敏感性分析吗？是不是因为参数对结果的影响？这不就典型的敏感性分析，某一个参数的改变对于我的结果有什么影响吗？对不对？这个题目我觉得不应该单纯作为一个小问， 为什么？因为单独做一个小问的话很匪夷所思哈，因为每这个是不，百分之百你必须要做的，对不对？你不是说哦，题目没问你是吧，没某个参数对结果的影响，你就不做了？ 百分之百你是必须要做的。同学们，告诉大家啊，百分之百你必须要做啊，你不做就不行，记住哈，百分之百必须要做的啊，还有就提出用户和操作系统层面的省电建议，这个就决策建议类了啊，就学一下 demo 之类的啊，学一下 demo 之类的啊，建议建议信相关的东西哈。 然后推荐算法啊，第一个激励分析类啊，推荐的算法是什么？什么扩展型，带为难等等效电路模型加温方程组 啊，这个推荐的是这个算法，这个算法的话还有点创新性的哈，来贴合锂电池电子化、电电化学基体可量化多因素对 soc 的 影响啊。这说白了就是你看融合了微方程，所以 a 体的话，你要但凡说我用时间系列预测模型，那有点小问题哈，第一问哈 来，第二本预测类，其实机机理模型的模特卡罗模拟啊，原因是什么？可处理使用场景的随机性，量化系数不确定性啊，因为使用场景是随机的，你可能上着厕所使用，也有可能听课使用， 也有可能在路上使用，也有可能看视频使用，所以你的场景非常的多，所以用模特卡罗来模拟多场景的，这可是关键。 来第三节问敏感性分析，这个就无所谓了啊，你只要做好敏感性分就行了。这个官方推这我们推荐就是这个买水刷牙碗和扫把扫把纸把，这个其实啊，都还好哈，你只要能把这个做出来就行了，你们改变参数的结果，看看 这个这个结果怎么变化，因为第一问和第二问才是获奖的核心啊，第一问，第二问，大家不管怎么样，一定一定要把握好，一定要把握好，好吧， 来后面的政策建议类啊你，你多多少少吧，你想拿奖你就别整的吧，这个，这个太 low 啊，你可以什么多标规划之类的，用多标规划算法，多个省电目标，别续航时间长，使用体验，使用体验好之类的来找到一个自由平衡。因为你不要说把 f 题，把 a 题的最后一问就当成写个建议了， 老哥，我整合前面弄一针我我的小建议行不行？今年 a t 竞争非常激烈，同学们，我建议不管怎么样，你们一定一定一定啊，说白了啊，真的一定一定，老铁们，明白我意思吧，不要上来就用什么啊，不要上来就就说白了，老哥，我那个 对吧，就就用一个，那个什么行不行就用一个啊，写个建议行不行啊？今年 a， 今年数学建模将是最难的一年，老铁们，我们不管怎么样，我们都要建立的有点创新性行不行？ 政策建议类，你也要做出点花来好吧，但是不管怎么样，你们记住啊，一定要做出花来，好吧，你不知道怎么建模怎么内容的啊，老哥这里也有哈，我们 a t， 到时候呢，相关的输入代码包里面还有 b t 的， c t 的， e d， f d 的 啊，我们都把相关的思路解析原代码都放到这个代码里面，如果你实在求解不出来了，你也可以看什么用老哥的超级 ar 提示词，我们 ar 提示词里面也有哈，在这个地方 啊，超级 ar 提示词里面也有有十七道。一会呢，我会幸好演示一下到底每一小问啊，就是到底怎么来做的啊，每一小问 a 题的话，超级 ar 提示词，他 到底是怎么一步一步的把这个题目建出来的啊？没有领取到咱们的这个思路代码的，大家一定要去领取一下，到时候我们可以把 a t 的 相关源代码点击思路啊，论文答案之类的，包括我这个文档啊，我这个文档也都会放到我这个 a t 的 这个这个相关这个资料里面。好吧，没有领取的抓紧去领取一下哈。来 啊，最后一问啊，决策建议类啊，你们必须要啊，不能说单纯的就上来就提供一个小建议就完事了啊，必须不能提供一个小建议，一定要有一个分析好吧，一定要有一个分析哈。来， 这个难度系数，整体只整体是三分好吧，难度系数不大哈，这个 a t 的 话呢，整体的难度系数并不大哈， 然后评分的依据啊，模型复杂度是中等的啊，因为就要结合一些电化学记忆多因素融合是吧，这这个其实难度系数并不大哈，因为这些内容的话，我们在一些网上公开的一些资料都可以找到 啊，然后呢？数据获取难度低啊，可以通过一些公开文件厂商数据，这个的话呢，网网上也是资料比较多的啊，老哥这里给大家提供好，到时候提供好以后，我们直接就给大家放到这个 a t 这个里面好吧？ a t 的 里面啊，给大家放到这个 a t 的 里面，好吧？啊？ a t 到时候直接给大家放到这个 a t 的 里面啊，相关的一些资料哈啊，包括数据之类的，给大家放到这里面哈， 然后就是这个，呃，创新性要求中等啊，但是我说实话哈，如果你让我来推荐大家做哪个题目，我给你们推荐哈，我百分之百会推荐你们做 a t， 为什么呢？因为这是一个非常非常典型的数学建模问题了，对吧？就是你按照流程来，按照老哥的要求来，你做出来之后去，说白了你起码来说没有那么大的坑， 对吧？像什么太空电梯啊，像什么体育赛事，说实话啊，都有点偏啊，都有点偏， 我最推荐的就是大家做 a t， 我 觉得这就是典型的数学建模题目了，难度系数并不大，说高也不高，说低也不低，每个人会的数据也不一样，所以大家得到的结果也不一样，有创新吗？哎，你的微方程那个地方，你只要弄的复杂一点， 对不对？你只要最后一位上个目标规划啊，你只要在，是吧？这样的，所以说这个创新硬有难度，系数还不大，数据也没那么难，我觉得这个题目你要让我来做哈，老哥你要是你做，你会选哪个题目？我就会选 a t， 真的，老铁们，别的题目说实话都有点坑，对吧？都多多少少吧，有点麻烦，像 b 体吧，太空电梯有点小麻烦， c 体的话与星共舞也有点小麻烦，数据量那么那么那么乱对不对？地理体育赛事吧，你说交叉创新，你能创业到什么程度？也有点麻烦， 这不是一体呢，你得有非常强大的这个，呃，这个这个，这个构建微方程啊，以及这个积累分析相关的一些能力啊，也不是很好做 f 的 呢，人工智能说很多同学都这个新动力学呢，豆芽都用这个，你很难创新，所以 a 题呢，你要创新有创新 对不对？要数据也不难，要好好深入的做，你就你就优化就行了，你就一点点的优化，比如说我参数，哎，我优化模模型可不可以再弄的复杂一点，就是你先构建一个基础模型， 基础模型就能够解决结构问题，然后你再一点点的生化，这样的话 a t 就 可以了。我们后面会给大家用全 ai， 用这个 ai 技术词哈，以完整的把 a t 的 给大家解出来， 这道生成一篇高质量的 a t 论文，你们再看一看啊，我用超级 ai 技术词来做的情况下，会做到一个什么样的效果？好吧，一会我们给大家直接来做啊，来演示，好吧，来难点啊，难点就在于什么 啊？那建模工作量也也中等哈，难点就在于什么多因素啊，就屏幕，处理器温度，每一个模块到底和耗电量是怎么耦合的，这是一个难点，只要这个解决了， 这个题目就可以解决了啊，这个题目就可以解决了，好吧。第二点，连续实践房顶的构建，贴合电池实验，避免纯数学孪合啊，这个也是一样道理 对不对？这个的话呢，你不能纯属于你和你不能用一个基础的回归就完事了，你要顾及积累分析第三个不足，使用上下参数标准验证问题，这个蒙德卡罗模拟这个有点小难度对不对？你只要能把这几个解决了，好吧，这都叫小难度哈。还有就不确定性电话啊，不确定电话 啊，兼顾模型误差，有随机场景，这叫模型检验吗？对不对？你必须要做模型检验啊，要点就是第一个啊，是坚守连续时间建模核心，避免理散化处理，因为 a t 是 连续性问题，所以你别整成理散型问题了， 你 a t 要整成理散型问题，就背离了 a t 的 要求了好吧，不要做理散化处理哈， a t 不要做理散化处理好吧， 比如说把整个的这个这个时间或者什么的场景模拟变成里散化数据不行啊，明确各耗电组建的低耗与参数取值模型，区分不同环境下使用对使用模式的一个影响，这个就说白了，改变吗？对不对？ 这个就说明大量的场景，比如说温度高的时候，热带或者是海南岛是吧？我极地的向东北东三省 温度冬天比较冷的时候，我怎么样？就你要考虑大量的场景，刷视频的时候怎么怎么耗电，对不对？拍照的时候，所以说你可以拓展的点特别多，你第一天，第二天你可以构建一个基础模型，在这个基础模型的基础上你再生化， 这样的话你们就得出的东西都特别的好哈，真的，就这样的话，我觉得你的模型会越来越深化，越来越深化，这才是 ai 的 贡献，明白吧？ ai 不是 第一天你把，你把你题目解出来了，而是第一天你，你可以用它做一个基础的框架，然后第一，然后逐渐的生化，逐渐的生化，明白吧？逐渐的生化 啊，逐渐的生化，懂我意思吧？所以说哈，真的特别有意思哈，特别有意思 啊，我，我真的觉得特别有意思啊，这个题目啊，逐渐酝化，这样的话，你每一天都用 ai 酝化，每一天都用 ai 酝化， 来，老铁们，你们告诉我，你们这样的话获奖概率是不是比较大了？所以说你们啊，获奖套路就第一天构建一个基础的，第二三天不愿酝化， 比如说不同的场景，冬天夏天刷视频高耗电量是吧？然后呢？这个拍照，然后呢？这个普通的观看文本，数据文本的一些文档是吧？以及这个暗的情况下，亮的情况下，黑天白夜啊，你都不同的场景，那你肯定这个整个模型建的质量会非常的好啊。 点击思路，一步一步的怎么建模？第一位，构建锂，基于锂离子电池电化学反应建立基础 s o v 连续实践微方程，再逐一纳木屏幕啊，处理器耗电量等耗电组建，考虑温度对电池容量的修正 啊，先建立一个锂离子基础的耗电模型，然后呢，再把这些屏幕处理处理这些东西纳到你这个微方程组里面，然后进行纠解 啊，参数估计是吧，建立好模型以后，基于相关的参数就是就是你，因为你建立好模型以后，你肯定要做参数修正啊，对不对？这个地方呢，我建议你们在这里增加一个内容啊，叫什么叫有限元法， 有限元分析啊，我建议你们在这个地方增加一个这样的模块啊，机理模型构建好了以后，最好先用有限元分析来模拟一下，然后再用真实数据来得到结果，好吧，这源于分析的话，你甚至可以做可直观演示，这就是获 o f 奖的标准了，你要拿 m f 奖 m f 奖的标准了， 做一个模拟啊，有限员模拟啊，因为我们知道你不管看网上的一些是吧，一些公开的一些耗电量，他会有一个像一些热力图一样的东西，对不对？看耗电时间，一个热力图一样的一个一个折线，对不对？那个那个就非常的漂亮哈，给你们看一下哈， 哎啊，你可以增加这样一个模块，然后，然后第二就是参数估计啊，收集到一些具体的行业数据了，然后呢？呃，把你这个就对应而成，因为你出你出来的数据特别的多，肯定， 所以说呢，参数肯定是有限的，所以你需要用最小而成来计算这些参数啊，最小而成计算这，然后再就场景预测了，是吧？利用是吧？这模特卡罗模拟，然后呢，设置不同的场景来重度使用待机啊，低温啊，高温环境啊，来计算续航时间， 然后敏感性分析，用这种算法来做敏感性分析。提建议的话呢，我建议你们啊，刚才说了，建议大家可以放一个什么多标规划模型，或者是是吧，比如说使用场景最佳，或者是耗电量最小，甚至你可以用一个单标规划，每标多标规划，老哥太难了，我做一个单标规划可不可以？也可以哈， 来模型创新，在经典积累模型基础上融合多因素偶合模型是吧。啊，这是一种创新方案啊，模型创新 量化结果给出不同，上一下续航时间及误差是吧，然后呢，关键因素的敏感性分析组是吧，不同场景之下，这也是一个一个很好的一个获奖要点分析哈，还是格式化绘制 soc 啊。不同的，这个格式化也是一个获奖要点啊，你要想拿奖的话，也可以把图做的美观一点哈， 然后模型检验啊，也计算一些各种检验，像二方 mse 啊，对不对？还有就是敏感性分析啊，灵敏度分析啊，鲁班性分析啊，都可以用，都可以，都可以拿来用一下好吧。 啊，鲁棒性分析老哥要不要做？我觉得这个地方也可以做一下，就极端的使用场景之下，别超低温，超高温，这叫极端场景之下来看看结果怎么样。所以说敏感性分析要做，鲁棒性分析我觉得也要做啊，这个地方呢，大家一定要记住啊，就是敏感性分析要做，鲁棒性分析也要做哈， 然后呢，选题建议啊，就是这个啊，这个，这个数学统一专业的推荐啊，然后呢，这个计算机专业的谨慎选择啊，因为避免过度依赖黑箱模型啊，因为这个地方呢，就数学物理专业的比较推荐功课这样的也比较推荐哈， 然后呢，这个文科专业的不怎么推荐，因为他涉及到什么机理建模了啊，涉及到什么电化学之类些东西了，所以文科专业的不推荐啊， 然后跨专业啊，工科的加计算机的可以读到零基础的不推荐啊，因为零基础的话呢，难度系数会相对大一点哈，微型方程，电池都都比较难哈，中等基础的慎重选择，能力比较强的可以选择一下啊。 ok， 这就是我们的 a 题啊，难度系数整体来说不大啊。整体来不大啊，但是呢，我觉得获大奖很容易出现的 a 题啊。所以说，同学们啊，如果你能够读懂这个题目啊，你也会用 ai？ 我 建议你们选 a 题。做 a 题的话，如果我来做了，我就会选 a 题啊，百分之，我觉得百分之四十的同学应该都会选 a 题哈，今年 ok， 来啊，我们再来看一下。再来看一下 b 题啊，太空电梯。

哈喽，大家好，下面我给大家进行去年二五年美赛一体的一个论文的一个复现，主要给大家讲怎么样我们去完成一个这样 m 奖的一个论文， 你再去告大家再往哪个方向去努力，也可以去冲击更高的奖项，给大家讲一下美赛的一些注意事项，怎么样去更好的入手 我们这针对整个 b 题，我们主要接下来讲解是针对基础一般的一些人，怎么样去更好的上手这样一个文章。好吧。首先这个 b 题，他去年这个 b 题主要在说管理可持续的旅游，这个问题背景给了这么多，主要在讲什么，他可以简略的看一下，在讲 旅游虽然带来一些可观的收入，但是他也产生了很多的问题，比如过度拥挤，从而会引起了气温升高，我也 进而引起了冰川的消失等等的一些环境的问题。那这个时候他让我们总体要做什么？制定一个可持续的旅游计划。什么意思？就是可持续呗，环保让旅游业循环可持续，而不是说我这些人今天来旅游了，来上一段时间以后，这个环境彻底被破坏了， 以后再也没有人来旅游了，那这样肯定不行，他要的就是说可持续的一个效果，那就是呗，主要大概就是保护环境。好吧，那这个题目的主要分为三个小问，针对这样的一个问题，我们怎么样去更快的入手？ 首先第一个问题，让我们建立一个这个模型，他告诉你要考虑哪些东西，他要求你明确正在优化哪些因素，哪些做的约束条件，最后要求你进行一个灵敏度的分析， 并且讨论哪些因素最重要。第一，第一个大问，其实问题小问有很多，第二个小问就是让你看一下怎么样适应其他地区，相当于一个应用呗。 第三个就是写一个总结，相当于那针对这样的一个问题，我们怎么样去入手？好吧，我以写文章的角度带着大家去写。好吧，就是说你怎么样去完成一个文章的每一个部分，这样也相当于去解析了。首先是你背景部分怎么样去写？ 首先先跟大家说一下论文的篇幅问题，我们每在要求英文式状态下二十五页，在中文状态下，根据这个经验，大家在二十页左右，十九到二十一页左右翻译出乘英文，大概是二十五页。 大家写中文的时候尽量控制一下，大家应该都是直接写，写中文，中文的时候大家尽量控制一下，这样方便你后面翻译的时候你还要筛选，会很麻烦的。 好吧，所以大家尽量控制一下。那这个就可以避免好问题。背景部分，这插了一张图，这个图可有可无，大家看自己的情况，如果你的篇幅可以撑得下，那这个部分你可以放一张问题的背景图，至于背景图从哪来，你可以直接去盎盎市的风光。好吧， 你可以直接去百度上进行一个搜索。好吧，一会呢会进入 ai 去给大家进行演示，主要用的 ai 是 这个豆包，豆包相对来说它收众比较广， jpg 的 效果肯定会更好，但这个收众没有那么广。好吧， 那大家如果有这个条件可以用 jpt， 效果肯定会更好的。好吧，好，那就背景部分我怎样去写这个部分，不要直接抄这个原文，好吧，直接抄原文不好， 当然每赛大家不用太关注查重的问题，因为你翻译成英文他重复率不用担心，英文类的比赛他重复率还好。好吧，好，针对。首先就是这个问题背景怎样去写，那这个时候还是给大家方式说，你 把问题背景问题前面的这些东西都复制过来以后，你用我们的这些提示词的第一个给大家标好了。好吧，这个提示词大家领取的方式，大家可以自己去 去看评论区。好吧，好，这样就可以直接把这个问题背景去生成这推荐。这里用的是六百字，会推荐大家中文比赛才是六百字英文比赛推荐大家四百到五百就可以了， 因为你翻译完以后，如果你六百字大概率就是要占一整篇，那如果一个问题背景占一整篇，这个效果会不太好，好吧，问题背景他要有，但是不要太多， 那样的效果会很差的。来看这个，这个篇幅其实有点长了，所以说推荐大家四五百字英文比赛就可以了。好吧，好，那这个具体的就不看这个，给大家演示一下怎么样去写这个问题背景。 好，这个部分写完以后就是这个问题的传输部分，推荐大家自己写，你读完这个问题以后，把这个问题用自己的话，用中国话描述一下就可以了， 这个东西没有必要再怎么样去这写不出什么花来，你就自己描述一下就可以了。好吧，好， 也不用太多字数了。哎，这个部分相当于是对整个文章的一个总结，这个部分推荐大家最后写，当然每个人的框架不一定一样，我这个文章是给大家介绍了我要行文的一个框架。好吧，好，这个部分这是一个总结， 推荐大家最后写，一会再大家来看。好吧，好。假设推荐大家三到四个，怎么样去写？把这三个问题复制给这个 ai， 用我们的这个提示词， 好吧，我都都给大家标好了，用哪个，好吧，他会给你四个，这个推荐也是四个。先写一个假设，下面解解释，推荐可以这样一个这样的一个方式， 当然你有其他方式也可以。好吧，没有固定的定性要求。符号，说明他自己写你用到的符号，你第一。这个没有什么技巧可言，直接写就行。数据来源是有两种，有的是题目，他会直接告诉你，像去年每赛的 ct 是 直接告诉你数据了， 那这种你就可以直接用了，你就不用写这种。他这个 b 题，他没有告诉你数据，那这个时候你要搜集的你搜集的来源是哪里？你是不是要写上了？这个是你搜集的数据，这个还是要写上的。好吧， 你复一个他相关内容，表明你从哪搜集的数据，搜集哪些内容，这样效果会比较好。上面的征主要针对的三个问题， 因为你看一下这个主要是三个问题，一个是什么建立模型，一个是应用，还有一个什么总结，那这个就是针对每一个问题，他这个行为是一致的， 每个问题怎么去做，我们是一致的，所以就只给大家演示一个问题，怎么样去做就可以了，好吧，就够了。好，那针对问题，比如说我们问题一怎么样去询问？首先我们把我们的问题 复制一下，复制给这个 ai， 我 们先写什么？先写代码？为什么先写代码？因为你要在保证它能跑通的情况下，你再去写中文啊，如果你写完中文以后，你再去让 ai 给你写代码，相信模型的代码，万一它跑不通了，那这个时候就会很费事。 所以为了防止大家反攻，那这个时候你就先写代码，你有结果了，那这个时候你再写过程，那是不是就相当于肯定不会出差错了？那这个时候你可以把这个时候又分为两种情况。第一种情况，你自己有自己的思路， 你想用什么模型，你这可以直接写上你用的模型，如果你没有，那这个时候你就可以把这个删了，你让他给你，他就会告诉你一些模型，他会给你。好，这是一种方式。好吧？ 当然你有自己的思路，有自己的想法是最好的，因为你可以让他给你打个辅助，你让他完全给你写也可以，也不是不行，好吧，当然也可以的，他会把代码给你，代码给你以后，你先跑通， 期间遇到了任何问题，你就直接在聊天框里复制给他，然后让他给你解决，直到最后跑通为止。跑通以后给大家跑通。好吧？跑通以后你可以看一下情况，最后跑通了，那这个时候就可以什么你就可以去做了， 这个时候就该写正文了，正文你怎么去写？先把你跑通的代码复制一下，复制完以后丢给他以后用的下面这个指令，你看解决问题的文字内容的指令，把这个指令附着给他。好，这个部分解决什么问题呢？解决了文字的内容好，这样总体说来，整个文章的文字部分 和代码部分就大体框架就打完了，但是他只能给你一个大体的一个框架， 你要核心内容，你自己还要有一个衡量判断。什么意思？就是说你像一些位置的排版， 怎么样去更好的描述这个问题，你自己肯定是要读题去分析的，好吧，这个是没有毋庸置疑的，你不可能说去全靠 ai， 最多 ai 可以 给你打一个辅助，让你更好地去解决。就比如说它告诉你了这个内容以后，你就可以在它的基础上进行一些优化，进行一些更改，好吧？并不是说啊， 你完全去复制，那样效果肯定没有，你自己再去总结一遍，效果好，好吧，你总结一遍，你一是减少篇幅问题，大家说了，因为比赛论文还是篇幅还是比较重要的，不要太多，好吧，这样你自己再去总结一遍，效果会更好。好，这是正文的部分，正文部分你完成以后， 你大概到这里这么做的完成，那下面就是最重要的是吧？下面就没有什么重要的，就说模型的评价，参考文献，大家自己解决，好吧，直接找你用的文献就可以有缺点，推广模型这种东西大家怎么去做？你把你写完的整个文章，你从这上传给他，上传给他以后，你用我们的这个指令， 他会给你上场，好吧，那这个就解决了，从而解决完这些以后，你就要该做这个了，这个部分怎么去写？你把你整个文章每一个部分怎么样去解决问题的，你把它写到这，尽量大家什么 找队友里面的一个总结性比较强的，文科功底比较强的，总结能力比较强的去总结一下， 写到这尽量大家自己写啊，大家自己写的东西不多，所以这个东西大家尽量自己写好吧？好，这个图一会给大家教给大家怎么去画好图，这里面的图我们先不管，一会我给大家整体的去讲，还要给他提供一种方式，就是说先用我们的这个指令去把这个生成 怎么样，就用这个指令先把文章完整的传给他，传给他以后用我们的这个摘药的指令输给他以后，他会给你生成一个摘药，然后你把你的摘药复制到这以后，你自己去完整的顺一遍，看哪些加哪些减， 你再让你的另外两个队友分别每个人都要去进行一个筛选，摘掉非常重要，筛选完以后，这个时候你就可以说算是一定要去多看，好吧，算是完完完整整的把这个文章搞完了，那这个时候还不够，他算是完成了文章， 那这个时候你要完美美菜的完美的方向。第一个很重要的就是说模型，解决问题的模型不一定要非常的华丽，非常的堆的，就是说工作量比较大那种，没必要， 他看中的你什么你这个模型的是不是很针对性的解决这个问题？什么意思？就比如我到 a d 最多有一百步就可以，你非要绕绕很多远走三百步，那没必要。怎么样更好方便解决这个问题，那就用从怎么来， 没有必要说对于什么华丽的模型没有用的。好吧，这第二个就是图形的问题，图形也很重要， 你发现那些 o 奖状的、 f 奖状的图形都会非常的好，最起码你的文章里面要有个流程，图像这种还有一些结果的图都要有，我们可以看一下整体的这个文章，一些图像肯定还是要有的好，下面给大家解决图像的问题。 图像问题给大家推荐三种方式，就是最快的方式，好吧？第一种方式给大家提供了一个框架，有六种方式，也是三四种。第一种方式就是说你去看这里给大家提供了一些框架。好吧，你也可以去找往年的欧江论文 或者 f 降落段里面的好的一些灵感，找灵感。为什么说找灵感？大家画图的时候，其实大家缺的从来不是说给你一个图，让你言疯不动的模仿下来，你不会，肯定不是这个，你是找不到我去画什么样的图匹配这个文章， 他缺的大多数都是这个，那这个你怎么去找？那肯定就是看其他的文章，我觉得，比如我看这个文章，我觉得这个图不错，我能不能复刻一下？复刻的时候你用什么工具推荐大家用 ppt 就 行了， ppt 可以 非常完美的复刻了。 好吧，那这个时候你就用 ppt 呗， ppt 很 完美了，主要大概用哪些？用这些形状都可以用，你看这些图其实都是什么，你发现都是这些图形的组合。 所以说大家用好 ppt， 你 找一些模板，大家现在还有时间，大家可以去看一些文章里面找一些灵感，把它的图复刻下来，尤其是有一些有通用型的图， 你复刻下来，下次你比赛的时候，你是不就可以用上了？这是一种方式。好，当然一二都是这种方式。第三种就是流程图，流程图你可以直接用这个， 你可以在它基础上加减，换成你的模型，什么东西都可以，你也可以在其他文章优美的流程图，也可以去 copy 一下，去复刻一下，你自己用。还有种方式就是说模型的一些图，比如说这个文章用了什么？用了 l s t m 模型， 那他的这个模型是自己画的吗？肯定不是，这个太费时了，你画这种图太费时间了，这个时候你怎么去做？推荐一种方式，你去中国之网，你去找，比如说这个 lstm 模型，这个是你就直接解锁 lstm 模型，你去搜索找什么？找硕博论文。为什么找硕博论文？硕博论文。对于一个 问题，如果他是研究 l s t m 的 应用的问题，他会把 l s t m 的 前世今生介绍的清清楚楚，里面大概率，不是大概率，是基本上都会有图形， 这个模型的图形那你就可以直接把清，当然你可以多筛选一下，找清晰度高的，那这个清晰度其实不算高，你找清晰度比较完美的图形，把它复制下来，你可以简单的自己堆积一下，当然他原本肯定不是这么画的， 这是后面组合出来的，堆砌一下出来以后就成了你自己的图了，这也是一种极素材的方式。好吧，好，给大家提供了这几种方式。还有一种说你用他原本的 ppt 也带了图标， 他也有图标，你可以用他的这种图，可以吗？可以，也挺好看的，其实他图还挺多的，你看这些图其实都挺好看的，你可以用他这些图吗？可以用他这些图，用你的数据，用他的图生成，可以。好吧， 还有一种方式呢，说你对文章有一些大串大串的公式，大对公式你可以避免一下，可以用图来表示一下，看起来更清晰，更完美。好吧， 主要就是这几种方式，你会发现这几种方式其实它是什么？你是你上手画比较完美的图的最快的几种方式。好，这大家一定要去用好。还有一种方式就是说图 结果图怎么去做？你看刚才这个代码其实生成了好几种结果图，那这个时候如果你的代码没有几张结果图，那这个时候你就可以把这个代码复制给他，让他什么，你就说给我再加一些格式化，这是针对于结果图了，好吧，因为这个代码不是生成的结果吗？ 让他给你再加一些格式化，那这样你的结果的格式化图像是不是也就多了？你看他会给你加了很多图了就，对吧。好，这是又给大家提供一个方式，所以说 图像你想画好没有那么难，你重要的要找准努力的方向，好吧，所以接下来的时间大家可以去找一些有用的优美的素材， 大家去复现一下，扭成自己的模板，好吧，这是一种方式。好，这是针对美赛的这个重要的绘图，就给大家讲到这，其他的点说，美赛翻译也是比较重要的翻译，大家写完中文以后给大家不是说了吗，写到十九到二十一页就可以了， 这个时候你就可以着手翻译了，你控制一下中文就控制在二十页左右就开始翻译，基本上你翻译完就是二十五页，你也就不用多花过多的时间去，还要筛选，太麻烦了。那这个时候你要做什么？你怎么去翻译？你用可以用软件，也可以用 ai， 但是推荐大家你翻译完以后摘药部分你自己再检查一下，三个人里面就算英语都不好，你们三个人的英语水平加起来应该也还可以。你三个人检查一下摘药的英文翻译的怎么样其实很重要，翻译很重要好吧，翻译的不好会影响你的成绩的， 翻译的好可能你的成绩就会更好一点，所以翻译是非常重要的。给大家注意的点，美赛的格式没有拘泥的格式，大家可以按照自己平时的写文章的格式来就行， 哪怕你第一次参加美赛的，那你可以找一下其他的优秀的文章，你可以去用它的格式也可以。好吧，大家的美赛的一些文章怎么行，文怎么注意， 大家一定要去看好吧，像什么一号，他这本来有对号，这是我去了的，这种细节一定不能漏了。好吧，这给大家主要讲了一些一些小 tips。 好， 其他的就没有什么，那接下来的时间努力方向就可以去什么找一些优美的素材， 可以再找一两个题目，如果是基础不怎么好，也像我这样去复现一篇文章，或者自己去解决一下题目，完整的解决一个题目， 到时候你在比赛场上时间比较紧迫的情况下，你是不是可以更好的解决？好，那今天就到这里，他想领取相关的资料，大家就看关注一下评论区就可以，好吧？

好，大家好，那这里是本次美赛 c 题目啊，第一问完整代码以及结果的讲解视频， 那本次这个代码呢，量是非常大的啊，因为这个 c 题目呢，数据库处理啊，包括后面这个实际求解啊，这个步骤是非常繁琐的啊，我收获都跟大家去讲清楚啊，包括这个数据处理之后什么样的样子啊，后面就求其结果，因为我们要得出那个投票数嘛，啊，就这个观众的投票数 啊，我都会一一的去给大家展示啊，请大家务必有耐心的把这个视频呢仔细的去看完啊，那目前第二问代码也是已经完毕了啊，等我后面把三四问全部解决完毕之后，我再给大家录一个完整代码的讲解视频吧。好吧，那么这个视频呢，就先给大家讲一下这个第一问吧。呃， 还有就是这个 a 题目啊， a 题目呢，第一问的代码呢 啊， a t m 这个完整代码我也是已经完成了。呃，一会我会再录一个视频给大家讲一下这个 a t m 的 代码，好吧，好，那么这个 a t m 和 c t m 完整原创论文以及相应代码和结果的说明呢， 大家可以看这个视频的评论区啊，我们预计会在明天，也就是一月三十一号的中午左右就会更新完毕这两道题目的完整论文啊，即刻的代码。好，那么废话不多说，我们来看一下这个梅赛 c t m 的 第一问。呃，题目背景 好，包括这个思路呢，我就不用再给大家去多说了吧，因为我前面这两个视频呢，都跟大家讲过了啊，大家可以继续看前面讲个视频，我就直接从代码开始入手了，好吧，呃，首先我们带人第一步首先要去处理这个数据，我们可以看到呢题目给出我们这个原始的数据呢， 他这个非常非常长的这样一个宽表啊，什么叫宽表？就是他很宽，就是他这个宽度呢？大概是有 这个五十三列吧，应该五十三列，然后呢他这个行数一共是这个四百二十二行，然后包括呢这个题目后面有很多的关于这个数据的一些描述啊，包括呢这个数据的一些注示啊，比如说 n a 指是什么意思，那么进零分的是什么意思啊？ 啊？再比如说一共矮有四位评委啊，然后各种周次啊，反正各种中东西啊，那么这些呢，都是我们在数据处理过程中需要考虑到的东西， 能理解吧？啊？当然我们这个数据处理呢，在第一步的时候，我们最重要的是要把这个数据呢这个官表呢处理为一个适合我们建模的这样一个长表的格式啊。然后在这个处理为长表的这个格式的过程中呢，我们再去把每一个变量 啊，每一个数值啊，包括什么空值啊，零啊， n a 啊这些呢，都做统一的处理，能理解吧？好，我们来看一下这个具体的数据与处理的过程。 呃，还那句话啊，这道题目呢，还是比较复杂的。呃，目前呢，也可以看到网上各种满天飞的什么完整的每一问的代码呀，思路什么的都出来了，我只能说大家 见仁见智吧。啊，就是你这么快的速度，要是把每一问的代码和结果全部都得出的话，那这个质量你可想而知吧啊，总之呢，呃，我只做好我自己的这个代码和结果啊，呃， 好，大家自己去看一下我这个代码就知道了。好，我们来看一下第一步，呃，我们把这个数据呢先上传到这里啊，这是题目原始的这个数据 啊，这原始的数据，我们首先呢第一步先去读取数据，那么这对于原始数据数据中呢？啊，还有这个 n a 的 这个字符串的我们进行处理，然后呢清理列名，去除掉可能会有的空格，然后呢统一进行小写啊，这是为了方便我们后去读取列名， 接下来我们要去解析他们的淘汰周数，那么关于这个思路的方面呢，我们前面就免费思路的原因给大家讲过了，就是我第一问都用的这个模型呢，是这个 mcmc 啊，这个模型这个方案。那么在后面我不是给大家讲了一个这个 每一问的这个关键信息和一些雷区和注意点吗？啊，包括这个阶段一怎么处理百分比置，然后阶段三这个混合之家评为拯救， 然后在数据惊喜中的一些雷区我也给他讲过了。呃，这个呢，大家自己去看我之前的那个数字讲解视频就可以了，我在这里就不多做赘述了。好吧，就顺着代码去跟大家讲吧。总之第一问我们的目标不就是通过题目之后给我们的啊，这个他是否淘汰以及评委的 啊，这个评分啊，包括一些其他的各种数据来去推断出来，他最初时的就是反建构出他最初时的这个粉丝投票数嘛，对不对啊？这是题目要求我们的第一问要去做的这个事情，看一下题目第一问估算的粉丝投票数，好吧， 好，来看一下数据处理。呃，然后呢，接下来下一步呢，我们是要去解析他们的淘汰周数了，我们需要去知道每一个选手到底是在第几周被淘汰的，或者说他是进入了决赛，那么假如说他是没有结果的话呢，那么他就是说啊，坚持到了最后 啊，这是第一个处理，那我们把决赛的处理呢啊，决赛的这个选手呢？进行一个处理啊，就是说假如说 是这样的，那么他们说明他们参加了所有周四啊，我们可以给他们很大的一个数字，一直去表示他们直到这一季的最后一周他都在，那么这个最大数字呢？我就设置为九十九了啊，大家也可以设置为其他数字都行了的啊，都行的， 这个呢，我，我无所谓的，就是你随便设置一个比较大的数字啊，一一百多也行，总之代表就是说他们一直是重活到了决赛，能理解吧？ 好，然后接下来是应用这几级函数，然后我们构建这个长格式数据，去构建这个长格式数据表，我们获取一下它的最大周数，然后提取它所有可能出现的周数， 提取完之后我们去构建这一周这个评委翻数的列名和列表。那么我们这里是假设最多有四个评委，为什么要这样假设呢？因为题目呢，原初始的这个 数据说明里面我们跟我们说过了啊，就是这个 n a 值，通常用于一个，就是说第四位评委的分数啊，假如说这周没有第四位评委，就是一般有三位啊，就是意思就是说最大就是四位嘛，这么个意思。好， 显然在这里我们假设是最多有四个评委，然后提取这一周的分数，然后把这个 n a 值啊和控值呢全部处理 过滤完了之后呢，我们只在这一周有有效分数时候才记录该条数据啊，这周呢，我们就把那些被淘汰之后的周次，我们就自动过滤掉了，因为这个被淘汰之后的周次呢，他的得分都是零嘛，对不对？好，那么接下来就是个长表，他都包含一些什么样的这个 变量啊？一个是他的赛季，一个是他的这个周数啊，然后包括有这个原始列吧，他可以查啊，评委的总分，评委的数量，他是三个还是四个，有的时候可能是三个，有的时候可能是四个，然后呢？这个是本周 啊，由于结果被淘汰的，然后这个全居记录何人该时淘汰，然后呢？这是一个最终名次，这是一个预处理之后的数据啊，这是最终整理出来这个场表 啊，一共就这么几个变量，对，淘秒呢，一共就是两千七百多。行了。好，然后我们去提取它的技术信息表啊，用于这个我们的第三问，这个建模啊，我们一行这个处理就可以了， 处理完了之后呢，我们做一个比较简单的一个结果检查，然后保存这个结果就可以了，我这个结果呢，是保存为了一个域处理后数据啊，那么大家大家可以继续改这个表名啊，这我就不用读，跟大家读说了吧。啊，好， 呃，我们检测的最大周数呢，是一到十一周这个范围，假如呢，我们数据处理之后呢，一共是两千七百七十七行，然后一共是九列包含的总赛季数量呢，一共三十四个赛季嘛，根据这个题目来说， 然后我们检查两个具体的例子吧。啊，好吧，我们来看一下题目给我们的这几个例子， 这个结婚呢，是给我们了一个第一季第四周啊，这几个参赛者，他们最终的这个排名情况啊，排名情况和他们预估的这个粉丝投票数啊，我们就根据这个例子来做一下，来看下代码， 我们可以先看一下这个 s 一 啊，被淘汰的这个人啊，那么他呢是在第四周就被淘汰了，对不对？好，我们来看下代码， 所以呢，他就应该就是说运行完之后呢，他应该被标记为在第四周是淘汰的。其实大家可以看到呢，这个 week 四啊，就是第一赛季的第四周，那么这个人呢，就被标记为淘汰了，后面是个处，对吧？那么另外一个例子就是 s 一 的这个冠军 啊，就是这个评委评判排名的啊，这个第一哦。啊，他就是呢，一直没有被标记过淘汰啊，一直没有被标记过淘汰。好， 那么整个这个数据处理步骤就完成了，然后呢我们检测了一下这两个视力啊，也是正常的合理的啊，但是你们大家也可以去踩，就是说啊，使用一些其他的例子去验证也可以啊，也可以。 ok， 那 么在数据处理全部完成之后呢，我们就要去做这个 啊，实际的我们估算他每一个周四中产生的这个粉丝图飙数 啊，那么这部分的思路呢，我前面也给大家讲过了啊，就是我这题采用的这个模型呢啊，我最终采用的这个方案的是这个避风啊，也是个 mcmc 啊，就是求粉丝投票的这个概率分布情况。 好，我们做一下模拟，那么这部分的核心代码呢？我就不给他展示了，这个核心代码呢，也比较长，呃，也很难，那么这个呢？呃，大家都能拿到我这个论文和代码的人，自己去看就可以了。好吧，呃，我这我就不多赘述了，因为我要保证这个限量，我就给大家展示一下最终这个结果啊，那么最终这个结果呢，我们模拟完之后 也可以得到这样的一个结果，那么这个结果呢啊，我们可以做一些结果分析啊，这个非常非常合理的。然后这里呢，我们求出来其实就是他这个占比，就是投票的占比，大家能理解吗？啊，这是一个投票的占比， 因为我们这个种票数呢，他是不定的啊。这个是还那句话，这个题目在求解决过程中有许多我们需要去注意的点，大家千万不要去忽略啊，去瞎写，哎，记住， 可以看到就像网上各种满天飞的各种思路啊，什么代码视频啊啥的，可能有的很多人都没有讲到这个问题，这是个总票数呢，他是不定的，这是未知的，所以呢，他只是选择一个假设值去产生最终的正确排名，而且呢，这个总票数呢，是我们永远无法得知的，大家能理解吗？ 因为我们这个总收视率的是不定的啊，你，你这个总票数可能是，呃，一百万，有可能是一千万，这个没有人能知道，没有人能知道，我们在书学方面成层面的 最多最多就只能纠解出来他们的投票占比，能理解吗？啊？所以在纠解完这个之后呢，我们得到了他最终的这个结果啊，保存为这个，我们打开给大家看一下这个结果这个结果表格，那这就是他们最终得到这个结果表格啊。我们反推出来这个粉丝投票数， 那么当然了，这也就是我们得出来的这个反推出来的是粉丝投票的占比。投票的占比，那有人要问了， 可是人家题目要求的是让我们给出他们的粉丝投票数呀，对不对啊？人家第一位让让我们给出他具体的粉丝投票数呀，我们估算粉丝投票数呀，包括我们第二问，第三问也都是要用这个粉丝投票估算值和其余数据来计算呀。那，那那以现值投票占比怎么办呢？啊？没关系的，没关系的，这这个呢很好处理， 首先代码里面呢，我们再加入这么一段，把这个估算的份额呢去转换为具体的票数就可以了。那么怎么转换啊？其实就是根据它们的舒适率假设一下，假设一下能理解吧， 那它这个，呃，一般来说啊，这个电视节目呢，都是早期赛季是比较火爆的，那么后期是略有下降的，是我们可以设定为啊，早期的这个 s 一 到 s 十是一千五百万票，那么 s 十一到 s 二十是一千万票，那么后面的这些数是六百万票，那么当然在这个数值大家可以自己去先假设， 而且呢这个数值怎么假设呢？跟我们后面两三位的二三位的求解呢？是没有关系的，能理解吧？就后面二三位呢？有人可能要问了，那这个你假设为这么个票数，那么前面赛季是一千五百万票，后面是六百万票，会不会导致我们第二三问求解的时候，出现这个求解不一致的这个情况呀？ 对不对？这个是完全不会的，因为我们求解一个人淘汰呀，什么排名啊？这情况呢，都是在单个赛季内去完成的， 不存在说是你这一个第一个赛季跟第三十四个赛季进行对比，这个我情况的是不存在的，那样理解吧。啊，所以我们都是在这个单个这个赛季里面循行求进， 所以呢，当然你们也可以设置为 s， 一 到 s 三四都是稳定的，都是一千万票也行，都行，这个呢，我们只是想把这个投票占比呢去转化为他们的 绝对票数而已，这个呢，其实意义也没有多大，包括这个 a 多少万票，你们给黑市进行修改啊，拿到代码的到时候也可以自己去进行修改啊，我这里设置一千五百万票，你刚刚可以把它设置为你一百五十万票啊，这个这个你多减个零也行嘛。啊，这个这个影响都不大的， 因为我们题目上面给出这个意思呢，哎，他也这个票数呢，也是一个估算的，这个估算的好，我们转化完之后我们就可以得到这样一个结果，我们把这个结果打开给大家看一下啊，那这里就是转化之后的啊，这个总的票数我们拖到最后，我们也给大家看一下 啊，那这里就是最后的这个这一点啊，就是他们的这个投票总数了啊，啊，投票数，这这一点就是他们的投票数。好， 那接下来啊火美这个代码呢，就是做这个一致性的检验和确定性的检验了吗？对不对？这也是题目明确要求我们的，其实我们要去看一下啊，他这个一致性的度量啊，是否是一致性的，然后呢再一个就是呢，这个投票总数呢，是有多大的确定性？ 这个一致性度量呢？其实就是说我们这个求解第一问这个模型呢，是精准还是不精准啊？你要就一致性的很低的话，那证明你完全是错的嘛，你投票总数就关键是求解错了的， 就你根据这个投票总数我现在去计算啊，他还跟咱们的淘汰这个结果是完全一致的，比如说我们第一问的这个模型呢，是完全正确且合理的啊，这就是一致性度量的意思。另外一个就是说这个投票的总数呢，有多大的确定性 啊？就这个训练型呢，对于每一个参赛者，每一周或者是总是相同的，是否是总是相同的啊？提供我们一个训练型的度量，这个呢就是我们这个思路得兼独厚的一种优势，因为我们采用这个 mcsm 模型呢， 我们的确定性读量呢，就直接通过我们后延风格的这个标准差和执行区间呢，就会完全能够就直接回答其波中说提出的这个确定性的问题了。哎，所以这也是我为什么最终舍弃掉了其他两个方案。其实我们这个呢，在回答确定性上面呢，是一个非常非常好的一个顶级方案。好，我们来看一下代码， 那么这部不带马的实际确定性度量和一致性检验的这个核心结构，我就给大家展示了，我来开案就用这个结果吧。好吧，那么我在这里呢，我是哎 啊，就是查看了两个人啊，一个是第一个赛季的这个和第一个赛季这个做了一个一次性检验和确定性的毒粮，然后做了一个二十七第二十七个赛季的这个一次性检验和毒粮，那么我为什么会采用二十七赛季呢？啊？这也是根据提议 啊去确定的，就在这个提议里面呢，他是从二十八赛季不是开始变这个规则了吗？啊？二十八赛季开始变规则了，这是因为呢，我们前面中期的这个到二十七赛季发现这个可能啊，这个规则可能不太好或者怎么样的翻开，二十八开赛季不是变了吗？而而且这个二十七赛季呢，不是冲见出现了一个争议吗？就这个人 啊，可能就是因为它出现争议啊，所以最终导致二十八赛季这个规则改变了，所以我们呢最好呢是把二十七赛季呢啊去做一个展示啊，当然你们采用其他赛季也行啊，也行，那我这里给大家展示一下这个第一个赛季的吧。啊，二十七赛季我就给大家展示了，那我这里就会生成一个第一赛季的这样一个趋势图 啊，这就是一个不确定性范围的这样的一个呃呃，图啊，然后这里是他们的不确定性的热力图啊，这是他们的不确定性的热力图， 颜色越红，那就是表示他越不确定啊，那么颜色越淡呢，就是表示他越确定啊。大家这就是完美回答了这个节目中所提出的这个问题啊，一方面我们的一致性呢，全部检验完毕了，再一个呢，我们也就确定性 啊，我们给出了注量啊，也计算出来了啊，然后呢，对于每一个参赛者或者每一周出是否总是相同的，那当然不相同了吗？对不对？那代码这里面热力图都已经给出了吗？每一个这个人啊，每一周他的这个确定性的注量都不一样，我们热力图也获取出来了， 那就完事了啊，二十七赛季的我就不给他多展示了。好，那么第一问完整的这个代码和节目呢，大致就是这个样子啊，我们把第一问的所有决定目标全部都学完毕了，对不对？再来回顾一下啊，这个我们也纠结完毕了，这个也纠结完毕了，这个也纠结完毕了，全部完成了。好吧，呃， 那再给大家说一下，到时候大家拿到我的这个代码和论文的人呢，这个所有代码图片的颜色也都可以进行修改啊，那么关于这个代颜色怎么修改，我到时候在代码里面也都会有注置， 大家到时候拿到我代码和这个代码操作视频的人呢，自己去看就可以了。好吧，那关于问这个完整成品论文和代码的书们，大家可以看这个视频的评论区。 呃，我预计会在明天中午，也是一月三十一号中午左右就更新完毕。呃，美赛 c 题目啊，完整的原创论文签代码和结果，那么到时候呢，也会有一个完整代码和论文的详细视频，那么这个视频呢，只是给大家讲一下第一问， 希望能够帮助到大家，特别是关于这个数据处理部分。呃，希望能够帮助到大家吧，好吧，那么就说到这里吧，呃，谢谢大家。

大黄派老师很高兴在这里给大家讲解美国大学数学建模竞赛的必题的结果解析。 ok， 接下来我们一起来看一下这一题的一个结果解析部分。那这个是我们的呃一个求解的代码， 具体来说呢？呃，我们首先在代码里面定义了多个模型类，那首先这个其实咱们之前已经说过了，所以我们就简单过一下。首先第一个模型类 是我们的这个，第一个是关于我们的参数的具体定义，而这个 static logistic model， 这个主要是我们在处理三种情景下的一个分析所搭建的一个模型。而第二个模型类 dynamic， 呃， 这个类， 这个类呢，它主要是呃去考虑一些可靠性的因素，比如说像我们的太空电梯的可用性，还有我们火箭发射的成功率，然后基于模拟仿真算法进行模拟。而在往后我们的 water s， 呃， systemability 这个类，这个类，这一部分的这个类，它主要是评估我们环境影响的一个这样子的综合的模型。那在 定义了，在进行了基础的定义之后，最后呢我们对模型进行了动标优化，动标优化呢，我们用 s g r 模型求解， 求解它的 petal 前沿。最终我们在后面这个 visualize， visualize 这个函数啊，这个类里面我们进行了可识化， 而我们输出的结果呢，它包括很多部分，所以接下来我们来先来输出一下，然后说一下我们的结果的答案以及对应的含义。 好，我们可以看一下。 首先这个 space space eleventh only， 这个是指我们的， 呃，这里，这里的意思是表示我们需要二百一十九年，然后成本是二点零五万亿，二氧化碳的排放量是二点零五亿吨，好，而这个 rocket 呢是二零四零 点八零，然后成本是八十点八二，而阿尔法的排放是二二四九， 就是二十四点四九亿吨，然后 hebride 的 就是它们混合是需要一百九十七年，然后对应的我们的成本是九点八八万亿，然后阿尔法的排放是四九三 四点，其实四六三点二，这其实意思就是四点六三二一吨，然后我们的太空电梯的容量的计算是 三个港口吗？我设定三个港口，每年是一七九，呃，一百七十九万吨，然后总容量是五三七，我们是假设它的可用性吗？是百分之八十五，然后进行 纳入我们的成本和环境进行计算，而我们火箭我们所有的是这个结果呢，它是基于我们所有的发射场总发射次数，它是等于各发射场发射次数之合，然后我们设置它每一次的一个有效载荷 和成功率，我们就得到他的运送质量，然后基于这个运送质量，在这个基础上我们是由我们的一个保险因子，保险因子呢，我们设置为一点一，然后我们需要发送的次数和我们的总成本就 随之可以计算得到，而我们的环境因子它其实是基于我们的发送次数求出来的。然后 最后这个混合最优是计算太空和太空电梯和火箭的容量，然后我们找到一个运送的比例，使得两者去同时完成， 在这个过程中通过这个去做，然后那在这里我们得到了这个之后，那我们第一问就求出来了，而我们针对 part two， part two 的 话是这样子的， 首先我们这里的求解结果，它的含义是我们太空电梯的可用性呢？是零点八幺八，然后加减零点零零，这个是显示的意思，就是我们 我们就是输出结果是零点八幺八，然后标准差是零点，是零，然后在这个过程中我们的一个 火箭成功率是这个火箭的成功率是零点六零八幺，然后要加减零点零九四四， 然后第三是项目的持续时间是三百二十七点四年，他是会比我们静态的一百九十七点八年要长，我们刚求那个时间要长吗？又这里考虑到了我们这个项目的 可用性和失败性，呃，可用和失败可能存在这么一个问题，然后最终的总成本是二十一点零二万亿，然后加减五万亿的这么一个标准差。 然后这里我们主要是基于仿真算法模拟了我们的风速啊、维护啊、摇摆和火箭随机发发发送的这种失败率这样子的一个因素。接下来就是关于我们的一个水质量，呃，水可持续就是拉入水因素，我们主要算了， 呃一百万，呃，就是应该是十万人的一个知名度的五十点水资源需求， 然后具体来说，我们算出来他们每年的需水量就是一零九五公吨，然后 五十联的蓄水量是五四七五厘公吨，然后五十联输送的一个进线值 n p v， 呃，这个值呢？它是等于零点零二亿元，最终我们优先选择这个太空电梯，然后 接下来在第四种，呃，针对第四个，呃 part， 我 们在这个过程中计算了三种情境下的环境影响指数。 具体来说我的太空电梯左耳环的排放量是二百五十，二百五，然后环境指数是零点三五，然后火箭的话是二四四九，环境是零，指数是零点七，混合最优时排放四百六十三，环境指数是零点零六八， 然后这个环境指数我们之前说了他是综合二化的排放，臭氧消耗还有基础足迹，呃，以及能源使用得到的这个值是越低越好的，因为我们在这里这个太空电梯的环境指数最低，你看火箭是最高的，对吧？ 然后最终我们进行动标规划的时候，我们是通过改变而法，也就是这个太空电梯的分配比例，从零到一去计算了我们的 时间成本，环境排放，然后并且找出了总体的一个 petro 前沿的一个最优解，然后计算得到了三个综合得分，并且找到最小值作为起点，对吧？具体来说我们可以看到我们的这个值，当我们 推荐其实我，当我们这个阿尔法的一的时候，我们的这个里就是全部上太空电梯的时候，这个时候我们的时间成本和环境排放是可以看到是最低的， 然后但是我们这里其实只试了呃，一点点我们的阿尔法值，对吧？就是我们可还需要再调一下，然后最终我们给出的机，呃，给出的建议就是我们最终去适合使用一个混合的方法，对，然后 因为我们混合方法是综，就是我们在这个过程，在这个过程中就是在考虑所有目标的时候会发现混合方法，它这个在就是时间上最优。但是我们这里的话，大家要注意，这里还是需要对我们的这个 r 值再进一步去调整，因为在这个过程中我们是需要去进行一个权衡综合的，好吧， 就我们这个 r 法值，现在它这个值还是太小，然后同时我们调的这个参数组合还是太少了， 然后同时我们还会制了我们的一些图片，然后这个这个图片呢它是这样子的，首先就是我们的一个 environment read， 就是 环境综合指数的一个评估，那我们结果就放在这一张图上了， 而针对我们在这个过程中 post 前沿的一个求解，但我们有它的一个时间求解，然后环境求解和啊三个目标函数综合求解。 然后第三是我们在这个过程中去做了一个，就是我因为我们用仿真算法去生成了这个影响吧，所以我们在这里去做了一个啊可信的一个评估分析，主要是生成 我们的对应的一个就是数据，我们可以看一下对应画的图， 这里有我们总共花费和对应的一个频率的一个关系好。然后除此之外我们在这个过程中我们呃还在这里了，我们还求出了我们的一个 呃结果，就是我们我们的仿真，这也是我们关于我们仿真模拟算法呃最终求出的一个结果，就是针对不同的参数求出结果的一个分析，而这个是水资源纳入水资源考虑未来五十年，就是 考虑未来五十年，我们呃仅使用我们的一个太空电梯，还有仅使用我们的 rocket 就是 火箭它对应的一个水质源的一个每一年的一个一个花费消耗可以看到， 然后我们也画出了一个图，所以大家就是我们每一部分的图，其实既有数值性的结果，然后头部也给大家绘制了呃，关于我们的一个呃格式化图的显示，从这格式化图显示上面 我可以明显的看到就是我们这些，比如说像如果我们只使用太空的电梯，那它在呃，它在就是这个二氧化碳的排放上它的。

hello， 大家好，下面我给大家讲解，完全用我们这个 ai 这个豆包完成美赛的一个完整的一个论文拿下 m 奖。这个论文是去年完全用这个 ai 生成的， 这是翻译以后的这个文章，我们可以看一下最后拿的是 m 奖，好吧，我们可以看一下这个完全就是这个文章翻译的。 好。下面我给大家详细的演示如何用这个 ai 拿下我们这个 m 奖。好，下面是我们详细的演示，已经有美赛了吗？演示一下怎么样去用我们这个就是目前受众可能说最广的这个豆包和这个 deepsea 去完成一个美赛题目的一个解析。我以这个二零二五年这个 ct 为例，给大家演示一下怎么样我用这两个软件去完成我题目的一个解析，这篇这篇文章是用这个 ai 完成的，我这个文章在去年把它翻译成这个英文，它是拿了这个 m 奖，完全用 ai 去生成的，大家可以看一下这个 感觉 ai 上证的。好吧，教一下大家怎么样我能够拿到一个美赛的题目，把这个题目怎么样一步一步的拆解，把这个题目去解决出来，还能拿到一个不错的奖项。当然我还是建议大家在这个 ai 辅助的技术上， 自己也能够去进行一定的修正，画一些好看的图加进去美化一下，那我相信大家拿一个 h 奖以上应该也是非常容易的。好吧， 好，我们现在说怎么样给大家去演示一下，主要用的就是我这个给大家总结好的这个 提示词，我教大家怎么样去一步一步的去拆解这个题目，怎么去把这个题目写出来？这个提示词还有相关的资料，大家可以看这个置顶评论看获取，都是免费获取的。好吧，好，我们来看一下这个题目怎么去拆解。 首先拿到这么一个题目，首先我们可以拿到是英文，这个翻译成中文，你可以关注一些公众号，公众号上一般都会发，或者你等不及自己翻译，就把这个直接丢给英文，丢给 ai， 你 翻译出来这个还不是难事，你可以适当的进行一下的语句的修正，这都是可以的。 好吧，下面说这个，我们当然还是翻译过来以后再去做题。好吧，其实第一步大家是先翻译，翻译完以后相当于我现在这个题目一样。好，那我们怎么样去做题？第一步 先就是什么问题背景，我们就是以这个文章的行文为例，当然摘要是我们最后写好目录，肯定是最后生成的。好，第一步问题背景怎么整？生成这个直接我们看一下这个多少字，大概是七百六十五字，这个还是有点多的，为什么？因为我们最后要把它翻译成英文拼符，在二十五页 以内，我记得是你中文，相对于如果是二十四页可能会比较多，最后这个也是进行了一定的筛选好，所以说大家肯定要是先把这个什么刚开始要少一点，为大家推荐的就是六百字。好，我们来试一下这些内容其实可以直接用，是用这个 豆包去做就可以，我们可以把这个，你看我们可以把这个东西复制过来啊，你，你就可以把这些下面是说的数据了，这些东西就可以不用，也可以复制过来，这个影响不大。好吧， 我也可以把这个题目，就把哪一块内容，把数据，不是把这个问题上面的这些部分全部 像这些东西，关于数据的就可以不复制，关于问题的前面这些东西都可以复制过来，复制过来以后呢？你可以用我们这个指令，问题背景的指令，好吧，好，直接输给他，其实整体底下这个过程非常快的，好吧？ 我们可以看一下，当然深度思考，你如果写问题背景，你完全没有必要去开看更快一点，但是也没必要，时间还是挺长的，你也不用说那么紧张。好，这是这个问题背景，我们可以看一下，你可以完全把这个东西复制过来， 我们可以看下这个内容还是写的非常好的，复制过来以后你可以放到这个文章里面，再放到这一块，这块就完成了。其实数据这个东西建议大家你可以这个东西你可以 直接丢给，也可以数据，这我没有。这个主要就是说你首先第一步你把这个数据有哪些，你可以丢给他，让他去写数据有哪些，还有表仪的这些东西， 下面还有这些，你看这个是直接复制的，你会发现了，你看数据文件，这个是直接复制的，一模一样，所以说这个东西就可以你自己写，也可以直接去复制一下，也没影响，因为最后还是要翻译成英文的，所以这个查重基本上没问题，美在不用担心这个问题。 好吧？第二个说第二步是写什么？解决问题的时候直接丢给 ai 写就行了，不用麻烦了，这怎么写呢？就会把这个这几个问题全部直接丢给他， 用我们的这个指令，这是三个问题，那就直接把这个改一下，好吧，这个你自己改一下呗，就是很快的，整个过程你会发现非常的行云流水，最后你再去精修，还整个过程非常的流畅，你会发现这个 行文是不是有点多了？可以，这个时候你就可以什么简化一下，你写美菜的论文的时候，你前期写中文的时候，你 自己心里有意无意的去控制一下字数是最好的，因为后面你还要筛选，还是会很麻烦的。好吧，看着他比较多了，你可以让他简化一下，这个是很灵活的一个过程，你看这样其实就非常简洁了，你就可以把这个复制过来放到我们这个文章里， 这个其实是有点多，后面到处也是筛选了很多的好假设部分，你就可以你把问题给他了，所以他已经知道你的问题是什么了，所以你完全可以直接再丢给他，一般就是四个或者三个选四个比较好。好吧，这完全就是让他给你去解决这个问题，还是你自己 去看了一下这个篇幅怎么样？好吧，你有意无意的控制一下，到最后你就不用说还要花费很多的时间去减字数。看这个还是有点多，因为他一般都会给你偏多一点，所以你可以自己去看着一点去简化，现在其实就非常的完美了。把这四个你复制过来，复制到这个里面， 这个可以加粗一下都可以。好，这个符号说明就不说了，对吧？你自己的事了。好，这个当然是问题分析，当然也还写了就是一条指定的事，就是这些东西其实 你要说哪一块是有你自己的思路的思想，其实还是一会我再给你说模型建立部分，好吧，你看这个东西还可以，这个篇幅其实也还行，因为问题分析你还是字数，字数其实可以了。好吧，这个是有点多。 好，下面就是具体的问题，具体问题部分我给大家有一个思路。好，我们看一下这个具体的问题，这个题目在说什么？在说什么？开发一个模型预测，所以在说什么？预测， 所以你不管他后面多么滑，他主要在说什么预测。那这个为大家提供两个思路。第一个思路就是说你是新手小白，你不知道哪些预测模型，你不知道哪个更好， 那你就可以什么把这个问题你要再重新去，一个一个的再给 ai， 你 不要再基于前面的基础，那样会不惊喜。好，这个时候你就把整个问题再丢给他，你可以问他解决这个问题，先写代码。 好，先写代码，为什么呢？因为你先看这个代码能不能跑通，他给的代码如果能跑通，那你就可以继续用这个模型了。好，这是一个对小白的措施，说我们可以直接用这个指令就可以，这个没有什么太，因为前面已经数据没有，一般 没有什么数据。这个，好吧，这个就是说给我使用什么样的给我解决问题的完整的代码。好，这个我给大家举个例子。 好吧？这个预测，这个也是个预测模型，这个预测模型可以直接用吗？可以，当然我建议你可以，如果你有自己的想法，你可以换一下，用自己想的这个模型，让他给你写代码，或者说如果你是小白，你就可以把这个问题抛给他， 我有哪些模型可以解决这个问题？或者说我怎么样去解决这个问题？让他给你模型， 好吧？当然我建议大家去有自己的筛选，好吧，就可以直接用了。他这个携带码还是现在他也很净化，基本上给你大烟扫过去也没有什么问题， 核心框架他肯定都是搭了尾腰。对的，当时我们这个代码也是用这个 ai 跑的，你可以看一下导数据数据清洗，对吧？好，你看下这个数据，这是什么数据？这个是他的运动员的数据，这个是下载的，你可以把这个数据下载一下，好吧？到时候你就最好的是什么？你把这个数据给他， 再给大家演示一下，你一个数据你肯定是自己下载的。对，你下载数据这个工作不难的。下载数据，因为题目你看他告诉你了，说这个数据是哪些，你看他告诉你了，告诉你这些数据了， 所以你这个东西你不难的，你把这个东西下载下来以后，你把这个东西丢给他，好吧？好，你可以把这个东西复制给他，告诉他说使用我真实的数据，其实，哎呀，这不这么很灵活，你要灵活的去用它 去随机应变。好，我们这可以再新建一个。好，他终于也是写完了，写的还是非常的完善。好，我们可以把它放到我们这个代码里面，这个路径应该都是对的。好吧，那这应该正好有， 我们来运行一下，测试一下，你看他告诉你了缺少酷，他会告诉你，你就可以安装一下就可以，这个不是什么大事。哦，我们安装完成了。好，再来看一下，我们刚才不是安装完成了吗？再来继续看一下。哦，不是，这个弄成之前的代码了， 刚才是我有点卡，我来看一下。好，应该是有问题的。这个问题主要是什么？说我们刚才其实刚才用的时候发现一个问题，这里给大家说的是先把数据传给，所以说其实你如果直接去把这个名字给他，而没有把数据传给他，他是很难去说把它 去做对的。所以我们尽量什么还是去把这个 ai 去，我们去把这个东西传给他，好吧？把这个数据尽量还要都给他，他了解这个数据的情况下，这个时候我们才什么才能 去更精准的把这个代码他可以编辑出来，否则其实他很难说去了解这个真实的情况，那可能就会出一些偏差。 我们先用这两个，因为你看一下他这个问题，其实他并不是说每一个题他都要用到全部的，你看他这个是还有这个，其实所以说每一个你要自己进行一定的筛选，看一下他会用到哪些数据， 好吧，我们这个就先以这两个为例，好吧，你我们再用这个，好，这个时候就对了，所以刚才流程其实还是有一点问题的，说你先要什么，这个这个多了其实影响也不大， 你可以先筛检一下，或者到时候你可以自己去删一下。那这个东西其实量有点大，但是他其实你只用前面的一部分也可以了，比如说我们之前没写一个代码，你看他只用了其中两个，还是比较少的，也可以把这个问题解决。 所以说另外一个你如果再遇到这个梅赛的题目，他可能有两种，第一种是说没有给你数据， 这个时候你要自己搜集数据了。另外一种就是说给他的数据，但是数据量非常大，这个时候你其实可以适当的去，如果不好处理的话，这个数据可以适当的进行一部分的筛检，或者你只提取某一部分去进行做。因为 其实美赛他对这个结果的看重并没有那么特别大，他可能更看重你，你解析的这个思路 是不是？所以说这大家一个思路说他数据量可能会非常大，那这个时候你就自己进行一部分的筛选，或者说有一定的代码基础的同学，可以什么自己去使用其中的某一部分提取出来去做，当然你也可以自己去什么编辑的这个代码量更大， 但是因为这个豆包它是对这个文件是有限制的，所以这个部分就要求大家可以只用一部分，或者说你可以自己去写提取数据的代码，后续让这个 ai 辅助一下，但你也可以用 jpt， 是 jpt 是 可以的，我记得，好吧？ 好，这给大家提供思路。好，我们可以试一下这个。好，我们来试一下这个路径的问题，路径， 注意这个路径，因为我们就直接在这个目录下面的，所以说这个路径的问题你要改一下，这是成功读取了，当然也是有报错，但是成功读取了这个数据， 但是它里面有一部分是没有找到的，你们可以再把这个去你如果遇到的问题可以直接丢给 ai 去调试，如果你是小白，但是这个其实你 如果你有一定的技术，也可以自己去改一下。好吧，刚给大家演示的就是说你是纯小白，你怎么样去一步一步的去解决它，这过程可能会比较慢，但是 你其实也还好，教程完了。好，我们来复制一下过去，当然有他写代码过程遇到各种问题是非常正常的，路径一般是你需要自己去改的。好吧， 可以检查一下，因为 ai 它其实多包，其实还没有那么特别值得，所以大家遇到这些问题，你完全可以说 boss 复制给他，让他帮你解决一下。 好吧，这就是小白，你去这么去做，就给大家演示的时候，站在我一个纯零基础的一个小白身上，怎么样去解决这个问题？路径你改成你自己的路径，一般你就直接在这个文件下面放便会很方便，你就直接用它这个路径就可以了。 好，我们来看一下。本该应该是有错误来继续就说你这个过程就是你不断的发给 ai， 然后 a 改错就可以了， 这个过程其实就是一个不断的反复的一个过程。好，我们来看一下这次的情况，这个过程你不要嫌烦啊你，你要用 ai 给你写，肯定是这样的一个效果。 ok， 试一下，还是有列名错误，他是说哪个文件，我们可以看一下这个文件。好，我们这个时候就可以什么也可以把文件丢给他， 还要一直保存，你可以把文件再丢给他，让他看一看。这个文件是刚才说我们不用的，这样，我们改一下，好吧？ 因为刚才我们说了不用那个文件，这个文件因为刚才我们说了他有点大就可以受限了，那我们可以这里，比如说我们只用这个两个，好吧？ 就好。这就是刚才我给你说的，如果你有两种方法解决，一种是你自己有一定基础，你可以自己去编写，或者说你可以把这个大量的文件去给它进行一个删减，丢给这个呀，或者你用 gpt， 好吧，因为他这个是有他的能力是有限制的好吧？作为他演示给免费的这两个软件，他免费，他在能力方面肯定是有限制的，因为 gbt 用起来还是有低的门槛，好吧。当然这个用的这个流程是不变的， 所以你能用了 gbt， 那 也更好，你可以去用 gbt。 总而言之，这个流程其实都是不变的。首先就是这个论文的行文， 从这个背景到数据，到解决问题，到假设不好，你自己写就可以分析到模型的建立部分。整个流程你不管用哪个 ai， 基本上都是这个流程。 我让他给先写代码，代码跑通以后，把这个代码丢给任何一个 ai， 让他给你写这个内容，好吧？一个过程，因为那个文件它是太大，你没有一定基础是很难处理的，或者说你可以直接去 b 站上搜一下相应的一部分的教程也可以， 好吧，你毕竟想做的更完美，肯定是要多考虑一点。好，我们这一次来试一下，这次应该就可我来停止一下再重新运行，好吧，刚才这个问题是说这个图像没有中文保存的，这个问题 好，差不多前面这个报错可以无管他。好，现在差不多就运行出来了。好，这就整个的流程，这是这个图像也可以改一下上场了。好，所以总的来说这个过程就是这样， 你肯定会遇到错误。我给大家演示的也是说我在事先没有一定的排练的情况下，面对一个题目怎样去解决？这是错误，肯定是会经常出现的， 你其他的那种就是一下给你生成出来。那我想可能是前面已经进行了一个一定的预演，你面对一个实际的之前没有解决过的问题，那肯定是有可能会遇到各种问题。那刚才解决的方案我给大家提供了，把这个报错去给 ai， 让他帮你解决，一步一步的调试，到最后成功这样一个过程。好吧，代码跑通了以后该写论文了。好，这个时候干什么呢？那基于这个内容给你写，你看 把 ai 给你的代码重新丢给他，根据这个代码，这不用丢给他，因为刚才刚用的代码这个问题，这个步骤他给写，这个时候就该写什么啊？正文，正文部分 ai 都可以完成的。好吧。这些图可以自己去画一下，也可以去织网上， 比如这个 l s t m 模型。那可以去什么去知网上找，直接解锁 l s t m 模型，从它论文里面抠一些图，接下来放进去，或者你自己再复现一下这个图，好吧，非常完美的方式。 前面全部都是搬运工，这个过程也可以写的，其实也还行，你可以自己去找一些文献一下，加一些公式， 好吧，都是可以的。你像这些东西其实都是从文献里边 copy 的， 你可以直接解锁一下 l i c r 模型相关的文献，把里面的一部分内容可以 copy 过来，那就可以更完美了。 好的，这个文章主体部分内容的编解方法，你可以让 ai 结合你的代码去生成这个东西，也可以你去知网解锁相关的模型的文献， copy 一 些过程。好吧，你能自己手动结合一下题目那是更好。你不能那也可以了。 结果这些东西吧，你看这个结果不就是这个结果吗？一个图像结果没那么重要，你看这去年这个图这么样，最后也可以得奖。 结果生成出来以后，就比如说把你生成的结果给他根据这个内容给我写一段话的分析，是吧？你看这个分析一定要有上面结果，下面配分析，这个一定要有参与一个这样流程就可以。你可以把你图像放这， 再截个头像，让他给写分析，他用的指令是一样的，还是说根据这个内容给我写一段话的分析指令是一样的，好吧？好。看，这个写的篇幅也挺好的。 好，写完这些东西以后问题二、问题三是一样的，就不给大家具体演示了，这个流程都是一样的。好吧？好。最后到了一个知识点怎么写？把整个文章抛给他， 你再把这个指令附过去就可以了。最后写完以后再把整个文章给他，再用最后这个指令就可以了，我来给大家演示一下，好吧，完全 ok 的， 整个文章就 ok 了，当然这个数量你可以自己改一下。好吧，都可以， 我是给他写了一个四个的，当然他也可以用。这个就先不用了，其实这个流程是一样的。好，要登录我就不给他演示了。好，你看非常天赋也挺好的。好吧。 好，最后这个东西可以删减。好吧，可以自己根据篇幅删减改进推广，大家都可以写了，这样微信自己找就可以。好吧，这个路径你按照他的格式从翅膀上自己添加就可以。好，最后这个摘药也是一样的，就按照我这个指令也可以。最后摘药一定要什么 自己再精修一遍，你和你的队友每个人去修改，精修再精修是最重要的。好，自己的文章就到这。好吧。好，谢谢大家。

hello， 大家好，我是数学建模老哥团队的大黄派老师，很高兴在这里给大家讲解今年美赛的议题。 ok， 我 们首先先来回顾一下我们之前建模的思路，那针对议题它主要的问题其实是要去 呃构造一个太阳能的这样系统，然后这个这样系统呢呃分别可以去满足炎热气候的一个 散热需求，还有也冷寒寒冷气候的一个保温需求。所以我们在这个过程中我们的建模主要是包括三个层面，首先第一个就是针对呃炎热气候的这个大学，那我们在这个过程中，呃我们主要是 建立了一个模型，然后去优化这个这样的几个参数。具体而言就是首先呢先去定义我们的太阳的时量， 然后再对我们的一个呃动态引力进行一个定义，最后去呃推出我们的这个进热流，然后 而针对我们的第二部分，第二大部分其实是对我们的寒冷气候呃的一个保温的呃保温， 保温，设设呃保温的一个设计。在这过程中我们首先是呃先去把我们的整个空间理算成室外，然后热质量节点以及室内空节点三部分，然后基于这个霍夫定，继而霍夫定律我们定义了我们的热质量的 节点方程，而针对我们的室内空间空气节点方程呢，我们也进行定义，最终我们从这个 我们从两方面进行对我们的问，也是定义了我们的性能指标，对吧？然后针对我们的模型三呢，我们是考虑到这个 气候的一个气气候数据的一个变形，在这个过程中呢，我们基于我们的当前时刻的数据，然后用平滑方程去定义了我们未来 t 时刻的这个温度数据，然后同时呢还对这个辐射去做了伸缩变换，然后从而 定义出就是最终呢我们构造了我们的一个决策变量，然后和我们的目标函数，然后对我们的模型经用 s g r 模型对模型进行解，然后我们来看一下在这个过程中，我们在建模的时候是这样子的， 我们在求解的时候呢是首先我们会我们先来看一下我们模型整体架构，首先这个 climate today， 首先我们的一个 solution 的 代码里面，我们的第一个类，也就是这个 climate data， 这个主要是我们的一个气候数据类，它主要是就是去模拟一些时，就是根据我们的现实数据的情况，然后去生成我们对应情境下的这个数据， 那在这个过程中我们这个模型，因为，呃它的这两所学校其实都是虚构的嘛，对吧？所以我们只能说基于现实的情境的这个数据去看啊，我们可以看一下在这个过程中，我们 首先这个阴历台数就是初识化我们的气候数据，那我们猜数主要包括经经，呃，主要包括我们的一个纬度，然后还有我们的气候类型，这里针对这个题目的情景，所以我们分成两种，一个是旺，一个是 cold， 就是 一个是炎热情景，然后一个是寒冷情景。好，然后我们继续看， 在这个过程中我们首先定义我们一年的天数，然后对于一天的时刻进行定义，然后定义我我们的建筑参数包括长度、宽度、高度。呃，这个 主要是基于我们现实生活中的这个建筑，就是去进行一个出水参数的定义，因为我必须要 在这必须要对我们的建筑进行定义，如果你不定义的话，你一个出入参数就没有，对吧？然后接下来第二部分就是我们如何去计算我们太阳的位置，那我们是使用使用天文公式计算的，在这个过程中我们会先算它的太阳的赤纬角，也就是德塔，然后再算它的实角， 然后再推出我们太阳的高度角。呃，那这样子的话，呃我们最终就可以得到我们太阳的方位角，然后我们再去调整这个角度的一个符号，然后这一块呢，他就对于我们刚才说的就是， 呃关于炎热气候的那个，呃，第一个量化的公式，然后接下来就是我们的温度泡面的一个定义，在这过程中我们是基于正弦曲线去模拟季节和日的变化，那针对我们的温暖气候的这个数据呢？我们他的这个 base 的 一个温度是二十五。那好，然后我们在这个过程中，呃，我们通过这个函数去模拟了夏季的热浪，然后对于我们的寒冷气候呢，呃，它等于我们的联军温度 减去我们的一个可调参数。在这个过程中，呃，我们同样也去模拟了寒潮数据。好在这个过程中，呃，那这样子的话，我们就可以模拟得到 热带和呃寒冷气候下午的一个参数，对吧？接下来在这个过程中，下面这个函数呢，我们是主要用于生成我们的太阳辐射数据和我们大气透明度， 那我们先呃定义了我们的大气透明系数，太阳场数以及日地距离修正因子，然后从而可以带入公式，我们就可以推出我们的一个呃大地的一个 大气的一个质量，然后有这个大气质量之后呢？在这个过程中，呃我们还有他的一个散射辐射，好，基于这两块我们考虑日出和日落情境， 然后呃在这个过程中我们设置了纳入条件因子，也就是我们在温乱气候的时候辐射更强，这个是符合现实生活中的情境的，对吧？然后我们还能气候下辐射较弱，然后添加了一个随机的一个整幅波动， 然后最终就是得到了我们的直接辐射和我们的间接辐射两块，然后下一个函数。在这个过程中主要是生成 我们全年的每小时的气候数据。首先在这个过程中呢，我们主要是先要计算太阳的位置，然后再去求出它的温度，再 推出我们的太阳辐射。在推出太阳辐射之后呢，呃我们就有了他每天的这个数据，有了这个数据之后，接下来我们就进入到我们的模型一，也就是太阳遮笼模型方程。在这个过程中主要是优化我们遮阳板设计，我们参数主要是两个， 一个是我们的一个呃气候数据对象，第二个是我们的建筑朝向。好，那在这个过程中我们的遮阳板参数也进行设置，设置好之后，接下来 下面这部分是我们的窗户参数，这个是我们之前就说好的，然后还有我们的呃历史记录数据，把它带进来，然后带进来之后呢，我们先对这个参数进行定义，之后接下来就是计算这个这样系数的函数，我们是记几何同理算的吗？然后就是把我们呃的， 我们先提取得到遮阳板的参数，包括它的深度，高度和窗户的一个间距，基于这个数据呢，呃，我们纳入太阳和窗户反向的一个水平夹角，计算得到太阳太阳的投影角，然后在此之后呢，我会计算这个太阳的一个 计算这个阴影的长度，然后我们水平遮阳板的阴影长度了，我们带入我们的呃遮阳餐遮阳板参数，然后就可以进行计算，然后那考虑如果说它是一个垂直的遮阳板中情景，我们也同样进行了删除计算， 然后在这个过程中，呃，我们对每种情境就行都计算，最终我们得到的这个这样系数，它是一，其实是一个就是综合的这样系数，就是它既有垂直这样，然后也有就是一般情况下的这种这样，我们是进行了个综合计算。好，那在这个过程中，在此之后 下一个函数这里呢，我们是计算的太阳得热，我们主要输入这样系数，也就是我们刚才计算出的这个这样系数， 还有我们的一个呃直接辐射，然后以及就是我们定义的直接辐射的公式，以及我们的室内温度，还有室外温度，我们就会返回这个太阳的传道得热。好，我们可以看一下，我们在这个过程中， 我们在，我们在这个过程中是这样子，我们的一个传导的这个总得热，正值它代表得热，然后负值表示湿热，所以呃我们在这个过程中我们就是得到了这个得热之后呢，接下来我们就可以定义我们的一个目标函数， 我们的目标函数是什么？就是最小化我们的一个这个智能能耗，同时要满足我们的采光性能要求的参数。首先第一个就是优化参数，包括遮阳板的深度，然后遮阳板的高度，还有 我们的一个和窗户之间的一个距离，然后在这个过程中我们呃要求解的是什么目标函数的值，那我们在这个过程中如何进行求解呢？我们求解的这个思路是这样子的， 首先呢我们在这个过程中，呃，我们会先计算这个这样系数，计算这样系数之后呢，我们会计算得到这个得热，然后再求出累计的得热 啊，累积得热之后呢，我们就可以得出这个采光最终的目标就是我们要最小化得热，最大化采光，然后我们进行求减。那我们怎么去优化呢？优化这个时候你要我们是要传入我们的一个呃 气候数据，还有初步参数，以及我们的一个参数边界。好，然后我们要返回优化后的一个参数， 在我们纳入我们六到八月的这个数据集，然后每天可以选出三个关键节点进优化，优化之后我们就可以得到这个值。好， 那我们的约束主要包括哪些？第一个就是我们遮阳板，它我们在这里定的是我们遮阳板呢，它不会完全的去遮挡窗户，对吧？就还是会留一点， 然后用我们的方呃优化算法进行求解，求解之后就得到这个结果，那以上只是我们的问题一的同样针对我们的问题二的模型，在这个过程中，首先我们定义的是热阻，热熔的网络和模型，那首先先定义关于我们的一个热质量模型方程， 好这个热质量模型方程在这个过程中首先先出使花我们的， 呃，就是我们先定义我们切后数据参数，还有我们的热质量类型，然后带入我们的热熔公式进行求解， 然后定义我们主要定义我们的热建筑的热参数，包括它的空气热熔啊，维护结构的热阻，还有对流热阻，还有我们的 hvac 的 参数啊，还有设定的温度这些带入这个呢，我们基于我们的热网络的微分方程，引入状态变量时间，室内温度，还有我们的太阳 得热，以及你是否使用下面材料这几个变量，然后我们最终返回的是状态变量的一个导数， 所以下面就是在讲我们怎么样去把我们的参数带进去，然后进行求解，最终就是输出我们的一个方程，这里主要用了状态转移方程，然后接下来就是会模拟热响应，同样其实我们还是需要把这个天气数据传进去， 还有就是初识的一个条件，然后以及我们的一个模拟天数，这些需要去把它传进去，传进去之后呢 我们输就是就会返回输出的这个数据，然后我们在这个过程中， 呃，我们拿到了模拟期间的数据之后，我们有时间节点再存储结果，再进行一个逐步求减，就会得到最终的这个最优解， 然后我们就能算出基于我们的热质量的这个结果，有热质量和无热质量的目的结果，我们就可能可以算出我们这个设备它的节能百分比， 所以在这个过程中，而下面这个呃是模型三，就是 climate adaptive design 这个类，它主要是对于我们的气候的适应度进行设计的模型，我们可以看一下。 那在这个过程中我们是如何进行设计的呢？我们在这个过程中可以看一下。 首先我们先要促使化我们的气候适应性的这个设计模型，在这个过程中我们的参数主要包括当前气候数据和未来情境的数据。好，我们先进行设计之后呢会变形这个气候条件去模拟我们的未来 变形，我们这个气候数据去模拟我们未来条件。我们的参数主要包括气基础的气候数据，还有未来的年数，最终我们会返回就是对气候数据进行扰动之后的这个数据。在这过程中我们先对温度进行一个呃， 基于我们的一个平移变换，呃去求出我们我们未来的这个温度，对吧？然后同样我们也会增加热浪频率和强度，进行太阳的辐射变换。然后这个 ebay design 是 设计我们的一个评估方案， 只要我们输入当前设计的方案，就是遮阳板的深度啊，窗户面积及热胀面积，玻璃类型，哦，还有我们的气候数据输出当前的冷好强度和不适应的不舒适的小时数。我们在这个过程中我们的目标就是要求我们的当前的一个 能耗强度要最小，同时我们的不舒适的小时数这个值要最小，所以我们是蓝目标嘛，那我们这个蓝目标，我们的基于 n s g r 模型进行求解，求解之后，呃我们就可以得到这个 帕里托前沿的这个立扣的就是他的一个气垫，然后当拿到这个气垫之后呢，我们最终就可以对这个纸进行一个最终的求解，然后求解之后我们就绘制了一些图标，在这个过程中我们可以来看一下我们的一个呃图标的一个求解的一个结果。好，那首先 所以接下来我们来讲一下这个我们生成的这个结果。在这个结果中呢，我们所有的方案在这里呃都有我们最终的 final 的 呃最终的方案，我们在这里求出来这个值，在这过程中它都是有对应的一个结果的哦，我给大家运行一下吧。 然后同时在这过程中我们有画一些图，大家可以看一下。呃，这些这些结果图主要是什么意思呢？主要是这样子，就是我们的这些结果图呢，它主要是主要表达的含义是这样子，首先我们在这个过程中， 哦，我们第一个图是关于呃我们的那个热带气候调节下，我们的呃每天的这个时间和他的这个轮号的一个曲线可以看到哈， 然后在这个过程这是第一部分，然后第二部分，呃第二张图，也就是我们这个第二张图，在这个过程中 它是就是我们设计的这个方案，可以看到吗？在这里我们设计的呃炎热气候和呃寒冷气候下的一个就是经纬度的这个地球，然后随的一个方案， 它的纵坐标也是。呃，一天的这个太阳就是一天的时刻，这个 color bar 是 指一天的时刻。好，接下来就是我们的遮阳的这个系统算出来的这个，呃 绘制的一个示意图，可以看到吗？这就是我们画出来这个图，然后这个是我们的优化结果。 optimize result， 这个是我们优化的结果，我可以看到在这里这样优化的结果，然后上面 和下面就是分别是我们优化的结果，然后下面这个，呃是是我们响应的一个曲线，可以看到，然后在这个过程中这个是我们响应曲线，然后最终这个 mass comparison， 这个是它们的一个损失评估。我们可以看一下这个结果， 可以看一下这个结果。这个值放大，大家都是可以看到相应的一个值的哈。只是然后而 figure 七它是我们的一个敏感性的分析，就是改变参数，然后看一下我们模型灵敏度会发生什么改变。而 figure 八呢，是我们拍照前的那个立扣的，可以看一下 我们就那在求拍照前的时候这个图，然后在这个过程中大家可以看到，因为我的这个，嗯， 基于 ncr 模型，进球节的时候我的 generations 设置的是二十，但是在这个时候这个二十呢，可能会稍有点大，就它需要跑很长时间，但是现在这个图我是基于二十去生成的，所以在这个过程中我会把这个 generation 的 参数调小一点，我先给大家去输出一下这个结果。 好，我就先调成三啊，先输出一下这个结果，这个这个 generations 它确实是，如果说它这个值适量大一些，它这个效果会更好。 然后接下来我们先生成一下结果，然后再教大家怎么去呃，调整变化我们的一个参数。好，大家可以看到就是我们的这个优化的一个过程， 可以看到这个优化的过程 好现，相当于说在这个过程中，其实我们第一个热带气候下的那个设计方案它已经算出来了。 然后接下来就是关于我们寒冷气候下，然后它基于 n s 第二模型进行动标优化。啊，我们也可以等待看一下它的一个求解结果， 那在这个过程中我们可以看一下，可以看一下对应的一个结果。 好，它这里其实我只迭代了三代，就是我的这个参数迭代次数只迭代三代。然后大家后面可以把这个参数稍微调调整一下，耐心等待一下，这样的话我们的那个曲线其实会更好看， 我们的 petal 就是 petal 前的那个立扣的那个曲线会更好看。 好，这个时候它就优化完成了，可以看一下 最终他的一个结果，就是我们在这个过程中就可以看到最终他的一个设计的方案是这样子的，对不对？这就是设计方案，然后以及不舒适小时，然后我们就生成对应的结果。 那我们在这个过程中，如果说大家想让我们的这个结果看起来更加的好看，那我们在这个过程中我们可以怎么去做呢？啊？那实际情况中我们的思路是这样子的，在这个过程中呢，我们可以首先 先把我们的一个，我们可以先调整第一类参数，就是关于我们的一个 ncr 这个优化算法的参数，对不对？那在这个过程中我们可以去调节一下我们的一个，呃，首先就是这个 大家可以先调那个差分计划算法啊，这个差分计划算法有个 max actor， 这个 max actor 是 它的最大迭代次数，当我们提升这个参数的时候，那这个参数它的一个预测精度就会提升。然后 还有第二这个值大家可以调大一点。然后还有就是关于我们的一个 pop size， 就是 我们的种群数目，这个适当增加这个参数可以呃避免它局部，对哦，比如说我在这给大家稍微调一下， 十五二十五。好，那我们这样子去看一下这个参数的一个结果。 好，我们稍微等一下它等，等待一下这个模型的一个输出， 我们可以看一下， 我可以看到就是这个时候它其实当我把这个参数量调大之后，它这个值变小了，它已经变到二四五五，那之前我们这个值就是它在迭代过程中，它这个参数就是可能就是没有那么好的一个性能。 这是我们第一个就是可以你可以调这两个参数，它适当增加，其实呃是可以让我们更容易得到一个全曲纠结的，我们可以看一下， 我们可以看一下。 好，这个时候等到这个 s c r 模型求出来之后呢，我们就可以看一下我们绘制的图有没有一些什么其他的相应的一个改变，这样的话主要就是为了看我们这个模型它是不是鲁棒的， 就是我们这个结果它是否会稍微呃更加精准一点？我们可以看一下在这个过程中的这个值。 好，那在这里的话，我们当我们的优化完成之后，我们就会来绘制我们的一个图。 好，这个时候当他优化完成之后，我们这个图呢就会进进一步，就是画 好这个时候可以看到我们的优化结果也同步，就是求解得到。然后这个时候呢，其实当你的这个参数调了之后，像 我们的这个曲线，大家会发现这明显就发生改变了，就这个曲线它的结果会随着我们参数调整发生改变的，大家可以看到就是，对吧？还有包括我们一些优化结果， 然后除了这个参数，这是第一个嘛，就是差分，差分的，呃，求解算法里面这个参数，然后除这个之外呢？我们在这个过程中， 我们在这个过程中，呃这个图是正常的，只不过是我们要先打开一下我们的文件夹里面保存这个图片，它才能够正常展示，因为它的图片更新了。 好，除了这个图片之外，除了这个参数条这一类参数之外，还有我们的 s、 c、 r 模型，这里主要涉及到参数是哪一个呢？第一个就是我们的 generations， 就是我们的进化的袋鼠，主要是在大家可以看到，主要是在这里，然后我刚说了就是二十的话，因为我们设三的话，它可能就稍微还需要跑个两分钟，那设到二十的话，它时间肯定是 十倍增长的，对吧？然后呢第二个就是我们的 pop size， 这个参数适当增大了，它也是会避免我们 局部最有解的这种情况。第三类大家可以调参数是什么呢？就是关于我们气候相关的参数，大家会发现我在这里对一些，比如说我的呃围栏的护组结构，稍等一下哈，好，我们可以看到这个参数， 那像这个我们对这个对流热组这些，大家可以基于现实情况，然后对这些参数进行调整。就总来说这些参数我们可调参数是非常非常多的，我们可以真基于实际情况。对，我们可能，呃 我们认为的这个，我们呃查询到，根据我们查询到资料，然后对我们的参数进行一个适当调整。那像一些优化算法呢？我们可以适当把它迭代次数以及它的初十种群去进行一个相应调大，调大之后呢 我们我们得到的一个目标函数的值也会更精准，然后同时我们也可以避免局部纠解的这种情况。 ok， 那 以上就是我们关于议题的讲解，谢谢大家。

好，大家好，那么这个视频呢，跟大家讲一下本次美赛啊，我的选题建议以及各题目的这个思路啊，那么我这里已经准备好了一个十一页的啊，这个思路文档，呃，包括 a t 幕和 c t 幕，我个人精准校对之后的啊，这个翻译， 呃啊，我都跟大家去讲，那么在这个思路的讲解过程中呢，我也会把啊大家可能会忽略到的一些关键的信息和雷区注意点，我全部都会跟大家一一讲清楚啊，请大家务必有耐心的把这个视频呢仔细的去看完啊，防止大家在做起过程中呢挖到什么坑。好，那我们首先来看一下这个选择题建议， 那么我们这次选择助攻呢，是 a 题目啊，以及这个 c 题目，那么后续呢，都会完成这两道题目完整原创论文以及相应的代码和结果啊，这个呢，跟我往期的这个比赛都是一样的啊，大家可以继续看我往期的这个视频啊，我现在发布的是这个选题建议和思路视频，那么后面呢 啊，我们预计会在明天，也就是一月三十一号的中午左右就会更新完毕。呃，这两道题目完整的原创论文以及相应代码和结果的这个 教学，那关于这个后续完整成品的说明呢，大家可以看这个视频的评论区啊，这好的不多说啊，我们来看一下这个选择题方面，那么这次这道的六道题目呢， 呃，这个 a 题目啊，是比较硬糙的，加一个智能手机电池的耗电建模，这个呢，题目也明确告诉我们了啊，就要建立一个连续实践数学模型，这个其实就是微分方程模型，这是非常非常经典的啊，大家如果说，呃，你们有受过学校的建模比赛的话，这就是其中非常经典的这种微分方程类的问题。 再一个非常经典的这个题目就是 c 题目了啊，也是往年大家每次都选择最多的这个题目啊，就是纯数据分析类的题目。这次的 c 题目呢，呃，也比较复杂一些，因为它里面有很多规则，包括这个数据说明 啊，这个数据本身呢，也比较复杂一些啊，就是我们或许要去读取和这个处理比较复杂一些，所以呢，在我稍后的讲解过程中呢，我也会把我们在所有的数据读取中啊，可能会出错的地方，我们需要去关注的一些啊，关键的信息和雷区注意点我都为大家讲清楚，好吧， 好，那其余一个题目呢，我不推荐大家去进行选择啊，因为呢，呃一方面获奖率并不高。呃，再就是呢，可能有的题目比较水一点，比如这个 b 题目呢，这个利用太空电机系统建立月球直径。 呃，这道题目呢，估计很多人可能会用 ai 去做这个，呃，就稍微水一点，然后这次的 i、 c、 m 这三道题目啊， d、 f 这三道题目。呃， d 题目的主要难点呢在于我们要去收集一些相应的数据。呃，这个是比较困难的，那再去这道题目呢， 就我们能够采用的模型也比较有限啊，就你想要做的出产的也比较困难啊，比较有限。然后这个 e 题目，被动式遮阳和这个 f 题目啊，这个 e 题目呢， 呃，难度其实并不算高，而且主要是建立这个非稳态的热平衡方程，这个呢，在以往的建模型材里面呢，也比较多一些，但这次这个 e 题目呢，如果我们从横切去从这个获奖角度而言的话啊，眼目图眼大剧进行选择啊，包括这个 f 题目也是一样，这个 f 题目呢，呃， 一方面我们要去收集一些这个相应数据啊，这个稍微能困难一点，再个用这个 i 题目呢，也比较能做得出彩啊。总归呢， 这是为什么推荐大家去选择 d 题目和这个 c 题目呢？因为这两个题目呢，呃，都是大家这次比赛呢，比较容易做得出彩的啊。这个类型的题目， a 题目比较容易做得出彩的地方在于呢， a 题目比较硬核一点啊，我们只要建立合理的违反方程，那么后续呢，我也会跟大家去讲这个啊， a 题目详细完整的建模思路。 好啊，包括一些相应的数据呢，我已经完成了初步的这个收集啊，其这道题目的数据呢，只需需要去收集一些新的参数就可以了。好， 这个呢，做好的话呢，咱们大家这道题目的获奖概率呢，还是很高的好吧，呃，然后就是 ct 目啊，这个数据分析类的题目，呃，我们只要去啊，把各种我们能考虑到的啊，这个数据的参数呢 和注意点我们都落实到位。再一看美国，我们建立合理的注出页模型啊，把题目每一问都解达到位，那么这道题目的扩展率呢，也是比较高的。好，那么选题建议呢，就讲到这里，那么本次的 a 题目和 c 题目呢，我们或许都会完成这个完整的原初论文集现在代码和结果。那关于这个完整的整理的说明呢？大家可以看这个视频的评论区，我们有机会在明天就是一月三十号的中午左右就会更新完毕。 呃，这两个题目完整的原初论文集，现在代码。好，那么废话不多说，我们现在来看一下这个 c 题目的思路。 好，那么这个视频先给大家讲一下这个 c 题目的思路，那么稍后我会再发布的视频去讲解 a 题目的详细思路啊，大家敬请期待。好，我们来先看一下 c 题目。 c 题目呢啊，这也是我人工教对之后的一个精准的翻译版本 啊。呃，因为这样节目的翻译是比较困难的啊，大家容易很多地方出错，如果用 g 翻的话，简直得有一个完整的啊，这样的一个翻译版本。那关于这个， 好，我现在讲解的这个思路，文档呀，包括 a 题目啊， c 题目啊等等的这些人工教对的翻译啊，文档啊，包括这个完整的说明呢，大家都可以看这个视频的评论区。好吧，我来看下 c 题目，那么几乎被讲的我就不多说了。好吧， 他第一位呢，向我们开发一个数学模型。呃，然后呢，为每位参赛者在他们参赛的周四中生成估算的粉丝投票数，那么这个粉丝投票数呢，他是未知的，且被严格保密保守的秘密。就题目给我们的这个数据呢，它里面是只有这个评委的投票数啊，评委的投票数是给出的，但这个粉丝投票数呢，他是完全没有给出的。 然后大家这里面有分了几个子问题啊，一方面是问我们这个模型是否去正确估算了，导致与每周谁被淘汰的结果相一致的粉丝投票啊，提供一个一致性的度量。再一个呢，我们生成的这个粉丝投票数呢，有多大的确定性？那么这种确定性呢，我们要去进行度量。好，我们来看一下这个 ct 目第一问的这个思路， 那么其实呢，整个这个 ct 目呢，它的核心难点就在于我们的粉丝投票数据呢，它是一个未知的引变量啊，我们是只知道粉就是评委的打分和它的输出，输出呢就是谁被淘汰了嘛，对不对？ 我们需要根据这两个呢去反向推导出我们粉丝投票的分布，这是我们的这个问题的核心难点所在啊，也是我们必须要去完成的一步，就是我们第一步呢，先把这个完成，之后呢，我们后面呢才有的做，能理解吗？所以我们基于这个推导出的数据呢，才能够进行后续的政策分析和模型优化。 好，我来看一下啊，针对于问题一，问题一呢，这个估算粉丝投票模型呢，这就是一个参数估计和引变量推断的问题啊，那么这里的模式给大家讲这种三种方案，这三种方案呢，首先第一种方案啊， 就是这个用限行规划或者约束满足模型，那么我们这个呢，就是说把每一周的比赛看做一个方程组，那么假如说每位选手某位选手被淘汰了，而另一个选手就晋级了，那我们当时呢，是必然满足当时的规则约束的啊，比如说他的这个得分啊，是比令格高的，我们把这个粉丝投票占比呢作为决策变量来满足啊，所有淘汰约束为条件 去建立一个优化模型啊，我们建这样优化模型啊，我们的目标函数呢，就是去最大化粉丝投票分布的方差啊，或者最大化商议，就是说在没有信息的时候是最随机的，然后我们去做一次性检验就可以了， 就是计算模型生成的这个排名呢和实际排名的这个系数啊。那么这种思路他的优点呢，就是在数据推导上是比较严谨的，而且我们呢能够生成出一个可行解。那么缺点呢，就是在于他对于排名真的涉及到这个主规划问题就求解呢，是比较困难的，而且可能会存在多克几。 那么在针对于这个本次竞赛而言呢，呃，这个竞赛的潜力还是比较高的啊，就是得分潜力，呃， 就针对于以往这种剑魔比赛而言呢，这是一个比较标准的这样一个运球学剑魔的方式呃，结果是比较稳健的。那么另外一种也是我这次推荐大家去选择的这样一个做法呢啊，就创新性比较强的呃，也比较能够呃帮助大家去进行获奖的这样一个， 我这样去打讲吧。那么第一种方法呢，可能竞赛的获奖潜力就是 h 奖啊。那么第二种就是美赛评委比较喜欢的这种创新性比较强的做法，那我们的这个思路呢，其实就是贝耶斯马尔可夫列蒙特卡罗方法， 我们这个时候就是说不由不要求去求一个单一的追优解，而求这个粉丝投票的概率分布啊，我们假设粉丝投票呢是服从某种鲜艳分布的，然后我们根据每一周的淘汰结果呢，作为观测数据去更新我们的后焰分布啊，正是它的这个相应数量形式。 然后我们过去呢，可以去啊，去研究他这个确定性度量，那我们这个确定度呢，度量呢，就可以直接通过后验分布的标准查或者这些区间去回应题目中关于这个确定性度量的问题，因为这个题目呢是明确要求我们啊，要去看一下我们这个粉丝图标总数呢，有多大确定性的 好。那么这种方法呢啊，它的优点呢，就是我们可以去完美的回答关于确定性的提问啊，而且在理论的这个思维程度上是比较深的，这个难点就在于它的计算量比较大一点，然后代码编写复杂，但这个呢，大家不用去管啊，我这个代码呢，我会呃去完成这个十一的编写，然后大家到时候直接运行我给出的这个 python 代码就可以了 啊，还是跟以往的时候比赛一样，我都会给出这个代码和结果的。好吧，那么这个在竞赛获奖前提方面呢，基本上是能够拿到 m 的 o 奖的。就这个思路方面， 这种模型呢，在求解这种不确定性的繁衍问题上面，基本上可以说天花板了啊，就顶级方案啊，当然还有一种思路呢，就是采用奇葩式模拟或者说遗传算法。呃，这个呢，结果是疑心比较大一点啊，这个我们作为一个备选方案啊，就是说假如我们前面两种方法呢，真的要做不出来的话，就根据实际数据学求解啊，很难跑或者跑不出来的话 啊，那么可以作为一个备选方案。好吧，这个就不跟大家多讲了，来看一下他的第二问。待会他就问呢，让我们根据这个粉丝投票估算值和其余数据啊，就说现在我们这个数据已经得出了，对不对 啊？那包括其他数据，然后根据这些数据呢？我们先汇总完了之后往下看一下，开始让我们去比较和对比节目使用了两种结合屏幕和粉丝的方法啊，解决出排名和百分比在各级产生的结果，然后如果能在结果上出现差异的话，那么是否有一种方法似乎比另一种更偏向于粉丝投票啊？当然再就是我们去检查应用于特定领域的投票方法， 那么然后说世界名人身上呢，都存在争议，也就是存在这个分歧，大家问我们的结合评委方法和 vs 投票的方法呢？是否会导致这个结果相同？再一个就是加入评委，选择淘汰倒数两对中哪一对的额外方法会产生影响结果。这个答案看不懂啊。这个后后面关于数据的注示啊，以及投票方案的制定里面， 呃，人家都有跟大家详细讲，当然大家如果这个呢看起来比较复杂一些，大家可能会听不懂，没关系啊，我在后面呢，我有一个汇总了整个这个关键信息，以及每一问里面我们可能要去注意的一些关键的鉴摩点和注意点，我一会跟大家去讲吧。好吧，呃，我们先来讲下这个思路啊。好， 第二问，我们就是做这样的一个交叉验证模拟，呃，其实我们问题一呢，现在已经得出了对不对？我们就是只是根据问题得到这个推断数据呢，去进行反式式的推理就可以了啊。行，我们第一步呢，我们该先做这个交叉验证的模拟，我们建立一个仿真器，然后我们的实验组啊，第一 就说针对于这个，我原来是百分制笔制的这个数据呢，我们去应用排名制，然后针对于原排名制的数据呢，去应用百分笔制啊这样的一个规则。 ok， 这个我们可以解答呢，是否有一种方法似乎比另一种呢更偏向于粉丝投票问题？好，那么关于第二个看一下 啊，就这个针对于特定案例的分析啊。好，那么前面一个呢，我应该跟大家讲清楚了啊，就是要去后面去做一个偏差度量嘛，就定义一个评委友好度的指标，然后去比较一下这两种机制下这种指标的差异啊， 来看一下是否是会存在啊，这个粉丝一边倒去覆盖评分的这种情况。那么另外一个，接下来针对于这个针对特定案例的一个分析，我们先去提取出来这些人的这个数据，然后我们集中在于以下他们在另一种规则之下的这个新生存概率 啊，嗯，针对于这个加入评委选择抛开倒数两对中啊，哪一对的额外方法呢？会如何去影响结果这样一个问题呢？哎，这里呢就是说关于这个评委拯救环节啊，这就这个条件概率问题就是假如说某个人在某个模型中啊，落入倒数两瓶里面， 并且他的评委分呢是高于对手的，那么假设他被救回来，回去分析一下这是否改变了最终的结果就可以了。那么这个问题二的鉴物术呢，是比较确定的，就说只要问题的数据生成好了啊，那么问题二呢，主要是进行统计和进行逻辑判断啊，思路是比较确定的，来看一下问题三， 问题三就是说使用我们的粉丝投票估算值数据呢，去开发一个模型，来分析各种职业舞者以及数据中可用的名人特征，比如年龄啊，行业啊等等这些影响，然后去分析一下这些因素呢，在多大程度上去影响了名人在比赛中的表现，以及他们以相同的方式影响，是否是以相同的方式影响了评委的评分和粉丝投票。好， 这个呢就是一个典型的回归分析和归音分析的问题，那么这里呢有两种方案，一个呢就是这种混合效应分析 好，我们可以把职业五指呢设定为随机效应，然后把明星特征呢设置为一个固定效应啊，然后呢给出具体的模型，我去分析一下啊，来看这两个方程的，这个评委和粉丝两个方程里面呢，系数悲叹的显著性和大小啊， 来看一下这个系统呢，在这两个模型中呢啊，它们的是否显著的这个问题啊，那么这个呢是我比较推荐大家去进行选择的啊，这种混合效应模型呢，是比较能够去啊，比较好的去处理面板数据的，比普通那种心灵回归模型呢是要好一点了。那么另外一种方案呢，就是这个随机森林或者是啊叉子 boss 啊，其实就是基于树的那些模型啊，比如角色树啊，随机森林啊，就是基于呃树啊，对这种模型 积极学习模型。那么这个呢，就比较无脑一点啊，应该大家大家做过数据分析的题目应该都懂啊，就是你直接把它导入进去，然后跑一遍，就可以得出每一个侧重对于结果的贡献度了 啊，这个呢，优点呢，就是我们能够很好去捕捉非现金的这种关系啊，就直接周谷会跑出来一个重要性的排行啊，这个大家做过数据分析类和积极学习的人都懂， 那么这个呢，就是缺点就是它的解释性能差一点啊，就是我们不能从内部的机理和因果关系呢去很好的解释啊，我们只是跑出来这么一个结果，就传用数据进行驱动啊，这个呢，我后续这样的方案我都去做一下吧啊，看一下哪个效果更好啊，当然目前我推荐的是这个，大家去选第一方案是核像也模型好， 那么最后呢，就是要去提出这个新赛制的嘛，对不对啊？提出抑郁症，每周使用粉丝投票和评委评分的这样的一个系统 啊，让这个系统更公平，或者是在某些方面更好，比如说让这个节目更刺激啊之类的啊，我们自己去选择一个目标，然后呢，哎，去提出一个新的系统就可以了。好， 这样呢，大家就比较自由了啊，有很多种方法，比如说啊，你可以采用加卷法啊，这个理由呢，就是说，呃，好处呢，就是我们可以兼顾名次和表现的差距啊，我们保证每一跳都有这个价值， 要么呢，我们就基于等级分的这样一个动态权重系统，哎，我们随着赛季的进行呢，评委评分的权重呢逐渐降低，然后粉丝权重呢逐渐升高，这样的话，只是大家越看越刺激了，越看越刺激，呃，我们的目标就是追求刺激，对不对？那么再就是啊， 我们可以结合这个评委拯救啊，比如说啊，我们的评委分如果说排名前三的话，那么本周啊，那么无论粉丝投多少票都不会淘汰，我们可以保证那些技术最好的选手呢进入决赛，并且呢同时呢剩余的名额呢交给那些粉丝去进行，我们这个投票就是兼顾了这个公正与这个观赏性 啊，这个呢，大家比较自由了啊，这个关于这个新赛季的提议，大家可以再去提出一些其他的方案，我这里呢也只是给出三种啊这个建议啊，那么在整体的建议上面呢啊，呃，我们大家必须要拿下分，是问题一和问题二，我们要去构建一个稳健的将这个蒙特卡洛模拟框架，去解决这个数据缺失的问题。 好，再一个就是我们后面会拉开差距的分啊，就是会让大家拉开差距的分，一个是问题一的不确定分，不确定性分析是比较重要的，然后呢，问题三的这个混合效应模型，这两个呢，我们在过程中必须要去展示非常漂亮的啊，这样一个自信区间图和系数显著性的这样的一个表格图啊。好， 接下来我给大家讲一下这个题目，我们的一些关键信息和雷区以及注意点，你们大家可以看到呢，这个题目呢，呃，这个数据的注视啊，描述，关于数据的这个描述注视啊，然后包括呢各种投票方案的势力，以及一些规则啊，规则，比如说呢他 啊，这个 a 值是什么意思啊？零分是什么意思等等这些东西，这个是非常非常复杂的，所以呢，我把题目中一些比较关键的信息和连续注意点呢给大家提取了出来啊，那么在视频的后面呢，我来相信大家去进行一个补充啊，防止大家容易踩坑的点。好， 首先是呢魔剑魔里面最容易出错的地方就是这个关于规则变迁的时间线，我们的代码呢，必须要能够根据我们这个赛季呢则自断的去自动切换它的计算逻辑阶段一就是这个排名制，它这个使用赛季呢，是第一赛季和第二赛季啊，这个逻辑呢是这样的 啊，排名制他们的淘汰规则呢？是这样的啊，我就不给大家多注注了吧，好吧，据说数值越大的排名呢越靠后，然后呢他数值越大的就会被淘汰，就这个投票排名制的同排名的制，这个题目里面的这个我后面也给大家讲了啊，后面也跟他讲了， 就说排名越大越靠后。好，那么这里呢我们要去注意一个问题，那如果说我们的总排名是平局怎么办呢？这个题目是没有说的啊，我们需要去进行一个合理的假设，这也是大家需要注意的个点，就是如果说排名出现了平局怎么办这样的一个问题。 好，那么另外一个就是基站案也就这个百分比值，这个呢是在第三赛季到第二十七赛季里面去啊，然后这里是他的这个排名的逻辑 啊，就是各自有各自在帮占比的这个百分比。那么啊，评委分是这样的，某选手的评委分，我们这个百分比的设定呢，就是说这个百分比的设定呢，就是说意思就是说啊，评委分的百分比，就是说某选手的评委分除以当中所有选手的评委总分， 当然了另外一个就是这个粉丝的这个百分比呢，就是说啊，这个选手的粉丝票数除以当中总粉丝的票数。好，我们它的规则呢，就是说 数值最小者被淘汰。接待三呢，就是说啊，从这个第二十八赛季到第三十四赛季，这题目是假设从第二十八赛季开始啊，就是具体的是从哪一个赛季开始的，是并没有说的啊，题目里面说的是假设哦， 那么这个呢，是重新回到了排名至区区三，咱们综合排名这里呢，关键差异呢，就是跟我们最开始的这个排名的这关键差异呢啊，就是有一个综合排名倒数两轮，这个选手呢会进入生死 pk， 那 么最终会淘汰谁呢？是由评委现场投票决定的，而不再是由综合排名决定的，能理解吗？ 虽然在在我们建模里面会有产生一个影响，比如说在第二十八赛季到第三十四赛季的这个逆向推导过程中呢，如果说某一个人排名综合排名呢，是倒数第二，但他没有被淘汰，这是非常合理的，因为评委把他救了，他能理解吗？ 好，那么另外一个问题呢，就是在我们数据清洗和处理方面会存在一些雷区。首先是关于零分的这个含义啊，比如数据中呢是零的，就代表这个选手已经被淘汰了， 然后呢评委人数的变化，有的时候呢可能是三个评委，有的时候呢可能是四个评委，在这个处理方面呢，我们就不能直接用总分了啊，我们必须得去归一化啊。再有个关于这个小数的处理问题， 包括这个 na 值， na 值呢代表的是缺席啊，这个评委或者说休赛周，这个呢，我们在主取出局中呢啊的时候呢，要进行剔除啊，最后呢就是多余一人淘汰，或者说无人淘汰啊，这只是我们相应的处理。 好，那接下来给大家讲一下每一问啊，我们前面的思路已经跟大家讲过了，我们接下来要讲一下每一问的这个注意的点，那么在问题意义里面呢， 前面的思路我们给大家讲过了啊，这点重点就在于我们如何去回答这个确定性的问题，那么有些中呢，这个评委的分叉是很大的啊，粉丝投多少票都破去改变它的结果，那么这种情况下呢，它的确定性是比较低，大家能理解吗？ 那么另外一种呢，就是说评委分是比较接近的，所以呢粉丝投票的微小变化就会导致他们的排名会出现很大的变化，那么这种数据呢，就会意思就是说它的吸引力呢是比较高的 啊，这个答案应该能理解什么意思吧啊，就是假如说分差很大，因为咱们是通过这个评委分和排名去逆退他的粉丝投票嘛，假如他分差很大的话，那如果说你这个粉丝投票呢，多少都不改变结果的话， 你偷懒出来这个趋利性可能是比较低的呀，因为你任何值都可以嘛啊？你偷懒出来任何值都行嘛，你高或者低都无所谓的，那你的趋利性当然很低了，就说它的可信比较差啊。另外一种呢，就是说你这个评委分比较低的情况下 啊，他为啥变化就导致他排名逆转，那么这个时候我们再通过排名和评委分综合起来去逆推他的粉丝投票的话呢？哎，这个就是我们趋利性非常高了，大家能理解吗？啊？ 所以这个这部分我们的衡量指标就是我们的可行结空间的这个奇迹，或者说我们的卡罗样品的方差啊，去看一下它方差大还是小好。然后针对于问题二里面呢，我们的核心 写就用我们去我预测出来这个票数呢，去套用不同的规则，然后呢去针对于具体的案例进行分析啊，比如针对于这个人，他在百分比之下呢，是赢了的啊，我们要去计算一下，假如说他采用了这个评委拯救规则，他会不会在半路就被评委给淘汰掉， 哎，那么再比如说这个第二个赛季的这个人，他在排名之下是亚军，那么假如说换成百分之十的话，他的这样低的分数呢？会不会被这个粉丝投票给拉回来？大家能理解吧？好， 对着问题三里面的这个影响因素分析里面啊，我们前面给大家讲过了，我们要去做这个回归啊，和这个相关性分析， 这里我有这么几个关键变量啊，首先是这个职业舞者啊，这是非常关键的，因为有些职业舞者呢，他的粉丝是非常多的啊，他们能够去带飞队友去演演投票， 我们需要去把职业舞者呢作为一个分类变量啊，进行编码来，或者说作为一个学习效应啊，一直说三四，最后加一个，在数据表里面加一个判定啊，就是看看他是否是职业舞者这样的个灵异判断啊，可以作为一个变量去导入进去， 或者说把它作为一种学习效应进行考虑。哎，那么另外一个就是他的职业归类，比如他的职业呢，如果说是什么球员呐，什么真人秀明星呐，什么老牌演员呐，哎，这个呢，我们也要把它作为一个变量考虑进去， 能理解吧？就在我们这个分析影响因素的时候，我们哪些变量都需要去进行考虑，我先给大家讲一下啊，关于这个职业问题，我们也得考虑进去。 那么再一个呢，就是这个年龄问题了啊，啊，比如某的老某些老人呢，他可能会有些情怀分啊，他的粉丝票呢，可能会比较高一点啊，那么比如说年轻人呢，可能会呃，票都好，那么就偏位分比较高。哎，这个呢，我们只是最开始的这个初识判断啊，只说具体有没有关系，我们就是看后面的那个回归和相关性分析了吗？ 对不对？在我们最开始的这判断的时候呢，我们也先研究一下，大概哪些因素呢，可能都会产生影响，能理解吧， 而且我们在这里呢，不仅要去分析这些影响因素呢，对于结果的影响，还要去分析对于评委分和粉丝票的影响啊，因为这个题目呢也没辙，问了他们对于评委和粉丝的影响方式呢，是否是一样的？ 好，那么大致的这个 ct 幕完整的思路呢？和一些啊，这个在我们纠结过程中啊，要去注意的一些关键的信息和雷区啊，以及一些注意点呢。我这个视频呢，应该都跟大家讲清楚了， 那么这个 c 级目呢，完整人生的问题，现在代码和结果呢，预计会在明天就是一月三十一号的中午左右就会更新完毕，那关于这个完整成为的说明，大家可以看这个视频的评论区。好， 稍后呢，我会再跟大家去讲一下这个 a 级目完整的这个思路啊。呃，我们这次呢会选择 a 级目和 c 级目呢，两到几目啊会同时进行，那么 a 级目思路呢，我一会会再出一个视频，那么这个视频呢啊，大家也可以转发到你的队友群里面，和你的队友呢继续商讨一下选题。 呃，以及呢，假如你们队伍选择 c 一 梦的话呢啊呃，给你们队伍呢啊，转到你们队伍群里面啊，可以去一起看一下，你们在休闲课中呢，可能容易踩了一些坑个点， 呃，包括这个题目的赛前思路，大家都可以去看一下。呃，希望能够帮助到大家啊，呃呃，希望大家呢都能够获得满意的奖项啊，谢谢大家。

好的，亲爱的小伙伴们，大家好，我是老哥啊，今天呢，给大家整理了二零二六美赛 a， b， c， d， e， f 体的这个翻译哈，这个相关的一些工具啊，我们用我们的超级的这个 提着头给大家整理出来了一个 a， b， c， d， e， f 题的，整个的一个赛题的一个啊，相关的一个解析啊，模型的选择，以及相关的一个创新点的总结，以及相关的难度分析和选举的建议哈，大家可以看一下哈，今年的话呢，美赛的 a， b， c， d， e， f 题吧，顺序有点颠倒哈， 往年的美赛的 a 题是不可能出这种题目的啊，往往会出一些比较偏门的一些，是一些什么微方程啊这种激励分析类的赛题，而这个 而这个 a， t 呢，呃，智能手机电池耗电建模啊，这个确实出乎了我们的意料啊，只不过呢，很多同学啊，用这样说，老哥，既然是预测的话，我直接用时间系列预测模型就不就行了吗？对不对？你们记住哈， 每赛我觉得 a， b， c， d， e， f 他 出错的概率是非常的低的啊， a 题呢，历年往往都不可能是一个单纯的数据分析类题目的，你说这个，老哥我用一个什么灰色预测，回归预测，直接预测 打那个耗电不就行了吗？啊，你直接耗预测和剩剩余时间随时间变化。函数，我直接用一个基础的回归函数，我直接用一个基础的回函数不就行了吗？你记住，这是 a 题， a 题往往就是机理建模，机理分析，所以说这个题目的核心一定是机理建模的，用一些数学物理的公式，哎，把耗电量和各种各样的参数，他内部之间是怎么关联的 啊？内部之间具体的机理机理的流程啊，只有你把这个串联起来，你才能够建好模型。 所以说 a 题啊，绝对不是一个单纯的时间训练分析题目，我们后面会给大家讲到怎么拿大奖，拿大奖的话，如果你想拿奖，我想拿一个 h 奖 m 奖，你用一个单纯的经历，一单纯的时间训练分析类，或者用普通的继续学习算法，是不可能拿奖的，所以大家一定要注意啊，这个地方要慎重，要慎重哈， 来啊，这是我们的 a t 的 一个翻译哈， a t 的 一个翻译。 b 题的话呢，太空电梯系统建立，求直微的，你不要被这个题吓到。首先啊，这个题的话呢，你千万不要被吓到，不管是什么太空 g t 还是月球 g t 还是什么火星 g t， 本质上来说就是优化 啊，本在本上来说就是涉及到多个系统的问题，他逃不出这个去的， 和本上和建一个医院啊，建一个修一个学校啊，基本上没有什么区别，所以你不要被他吓到哈，难就难在这个题目可能会涉及到数据的问题， 数据不好找而已啊，但是传统的我们常规的一些优化模型基本就可以做出来，大家呢，也不用担心好吧，这个题目呢，你也不用太担心，后面我会讲到一一的分析啊，就每个题目看了没，他会有一个完整的分析报告啊，到底评分依据或讲难点，解析要点，解析思路或讲要点哈，都给大家讲到的，所以你也不用担心啊， c 题，这是一个比较基础的一个机理机，一个数据建模题目了又，我说说的记忆学习分析题目啊，这个呢，就是有点，有点不太，有点就 突突兀哈啊，今年呢，就是搞了一个节目啊，搞了一个节目叫舞动奇迹啊，说白了就是观众投票之类的，人家得到相关的数据分析，给了大量一些数据表啊，今年的话呢，我们用 ai 是 今年我敢说是每赛历年获奖难度最大的一年，也是小白获奖最好获奖的一年。为什么？因为今年的 ai 将会是 ai 在 世界剑魔领域彻底渗透的一年，也是彻底渗透的一次比赛， 尤其是个 ct， 给的数据集竟然不多啊，给的数据集竟然不多啊，这也是超乎我的预料的啊 啊，你如果给的数据不多，那 ai 就 可以直接给你处理掉了， ai 就 可以直接给你处理掉，所以这个题目的核心就是你一定要做出创新性来，如果你没有做出创新性，你就利用了一个单纯的继续学习算法来做的话，那你这个题目想获奖就不可能。我们给大家讲了四种创新， 四种创新，对于啊，在这个位置上，那么你必须要选择一到两种创新来做，因为大本同学我估计会选这个 c 题好吧，因为这个 c 题给了数据，也给了相关的一个难度系数，也不大，给了相关的一些一些。那个啊，题问题呢，也不是特别的复杂，但大本同学我估计会选这个 c 题， 既然如此的话，那你必须要有创新，你没有创新的话， ar 十分一个小时就可以做完，我一会呢，会给大家演示 c 题，用 ar 怎么来系统来建模，而我们 给大家用到的这个提示词儿看了没？我，我的超级 ai 模拟题，求解题词儿里面啊，看了没？这就是完整的一个求解，一个系统的呃，数学建模题目，它的一个 ai， 一个提示交警提示词儿里面有一个，看了没？ 第一，模型选择阶段啊，你看用 ai 提升的词和不用 ai 提升的词呢，结果完全是不一样的。用 ai 提升词呢，我会让他给我创新，看到没，而且有三种创新啊，你给我任意的每个小位必须要给我选择至少三种。三种创新方案是至少选一种， 第一个算法改进创新，第二个交叉领域创新，第三个算法组合创新。这个你必须要放在你的 a r t 你 的模型选择或者模型建立里面，如果你没有，你仅仅选了一个基础方案的话，那你拿奖是几乎是不可能的。 纠本呢，我们有四种啊，在这个地方我，我一般建议用三种就可以了。第四种只有一种场景，就是优化了，就是预测类问题啊，预测类问题啊，这三种的话，能解决百分之九十以上的数学建模题目，而且能够得到创新型的算法哈，这呢，后面会演示啊，后面我会一一的演示啊， 大家也不用担心啊，一会会一一的演示啊，然后具体呢，这个题目的话呢，难度系数就比较大了， 但是这个题目也是我认为获奖最好获奖的一个题目，因为大本同学，只要你没听老哥的视频的， 我相信你百分之百想不到相关的一些思路啊，你最多也就按照一个普通的啊，体育赛事的一个一个研究啊，就建模去做了，比如说 a 题呢用系统动力学， b 题呢用，呃，第二位啊，这个第一位的系统动力学，第二小位的话用，用我们的卡罗模拟或者一些其他的模拟情况来做。 但是这个题目啊，记住体育赛事也好，经管类问题也好，你们记住一个事情哈，就是你想获奖，你必须要用，尤其这种冷门，看了没？体育赛事管理，这属于偏冷门了，对不对？ 没有说没，很很少有单独的模型是研究这个的，对不对？还有什么学校的管理，还有什么就是比如说一个部落的管理 啊，这些偏冷门的问题就是研究的没有那么细致的，你们记住一定要有创新，创新点核心就在于交叉创新。我们所说的刚才我给你们提的头里面看了没有？三种创新方案， 第一种算法改进，第二种交叉领域，第三种算法组合。这里面对于地体这种偏冷门的赛题的话，你们记住交叉创新是典型的，哎呦，因为没有人会研究一个专门的冷门的问题的，对不对？比如说球队运营， 我可以用养殖策略啊，我不是说贬低，也不是说歧视啊，我没有这个意思啊。啊，我比如说我可以用，是吧？这个这个养殖的一些策略，或者我可以用一些种群部落的管理，生态学中的一些种种群部落管理 啊，比如说，哎，我们一些种群哎，蚁群啊，或者是一些鸟群啊，哎，怎么去管理的？然后呢？对应的应用到我的体育赛事管里面，这叫交叉， 懂我意思吧？或者我用一些比较偏偏的一些方向，就像我说的传染病模型吧，我传染病模型 sm 型对不对？我原来的是用在传染病疾病的扩散领域的，我现在把它用在了舆论传播，新闻传播领域，这就叫做交叉。而对于这个题目，我觉得最好的创新就是交叉。 好吧，交叉交叉创新这个题目获奖非常关键哈，如果你没有用交叉创新的话，那你就要好好的思考思考了哈。 来，还有什么一体被动式太阳能遮阳系统这个题目的话，说实话哈，这个有点小难度啊，因为什么呢？这就是我们传说中的 a t 是吧，美赛的 a t 往往是这种类型的题目，就是一些比较冷门的设计，像什么让你设计一个对吧，浴缸啊，设计一个人机工程学的座椅啊，而现在的被动式太阳能系统让你用在了一体上面，这个题目超出出乎预测啊，因为一体的话一般是可环境和可持续之类的， 但这个的话也属于可持续哈，因为太阳能嘛，对不对？这个题目的话呢，你核心就是你就要 首先的话呢，知道啊，怎么构建相关的一些微型方程是吧？那个积累分析啊，积累分析必须要有的，像什么热传导啊啊之类的要做，还有就是常规的优化类问题，什么目标优化，优化模型要构建 对不对？这两个是核心啊，你必须要学会构建啊，一会呢，我们可以讲到，好的这个题目的话难度系数不大，但是呢就是难点就在于比较马就要求解的话呢，就是要对模型啊，建模的要求比较强一点啊，就就比较典型的数学建模难题，数学建模题目 啊，因为 ai 吧，也很强的，在这题目也不在话下，也不在话下。 f 叫政策类题目，政策类题目我们啊政策类题目的话，我们求解的一个非常关键的模型就是系统动力学模型，你们记住哈，解决政策类题目 啊，往往用系统力学是最典型的一种算法。做 f 题的话呢，大部分同学我估计都会用这个系统动力学模型， 因为要要评估政策对未来的一个影响，这个任何的模型都模拟不了任何的模型啊，只有系统的理学这种半积累模型，我们说才能够分析这个政策对未来这个影响。所以这个题目大家很关键啊，只要用好这个，这个题目就可以解决掉了啊， 来啊，整个的我们来具具体来看一下， a 题一共有四个小问，第一小问叫构建连续时间模型，描述电池剩余电量随时间的变化， 对不对？一定要考虑多种因素的影响，不能单纯的就用电池原来的电量和是吧。然后呢，预测未来的电量，这种是不能的，因为题目已经明确告诉你了多因素的影响啊。那第一小问呢，就具体分析，不是一个单纯的数据分析类题目，你们记住啊。 第二小问，预测不同场景下剩余续航时间，分析耗电系统，这个就是一个预测类问题了，预测不同场景下剩余续航时间吗？对不对？第三问，分析假设参数使用魔镜对影响，这就是一看这个问题就是 敏感性分析吗？是不是因为参数对结果的影响？这不就典型的敏感性分析，某一个参数的改变对于我的结果有什么影响吗？对不对？这个题目我觉得不应该单独作为一个小问， 为什么？因为单独做一个小问的话很匪夷所思哈，因为每这个是不，百分之百你必须要做的，对不对？你不是说哦，题目没问你是吧，没某个参数对结果的影响，你就不做了？ 百分之百你是必须要做的。同学们告诉大家啊，百分之百你必须要做啊，你不做就不行，记住哈，百分之百必须要做的啊。还有就提出用户和操作系统层面的省电建议，这个就决策建议类了啊，就学一下 demo 之类的啊，学一下 demo 之类的啊，建议建议信相关的东西哈。 然后推荐算法啊，第一个激励分析类啊，推荐的算法是什么？什么扩展型，带为难等等效电路模型加温方程组 啊，这个推荐的是这个算法，这个算法的话还有点创新性的哈，来贴合锂电池电子化、电电化学基体可量化多因素对 soc 的 影响啊。这说白了就是你看融合了微方程，所以 a 体的话，你要但凡说我用时间系列预测模型，那有点小问题哈，第一问哈 来，第二本预测类，其实机机理模型的模特卡罗模拟啊，原因是什么？可处理使用场景的随机性，量化系数不确定性啊，因为使用场景是随机的，你可能上人厕所使用，也有可能听课使用， 也有可能在路上使用，也有可能看视频使用，所以你的场景非常的多，所以用模特卡罗来模拟多场景的，这可是关键。 来第三节问敏感性分析，这个就无所谓了啊，你只要做好敏感性分析就行了，这个官方推这我们推荐就是这个买水刷牙把和手把手把纸把。这个其实啊，都还好哈，你只要能把这个做出来就行了，你们改变参数的结果，看看 这个这个结果怎么变化，因为第一问和第二问才是获奖的核心啊，第一问第二问，大家不管怎么样，一定一定要把握好，一定要把握好，好吧， 来后面的政策建议类啊你，你多多少少吧，你想拿奖你就别整的吧，这个，这个太 low 啊，你可以什么多标规划之类的，用多标规划算法，多个省电目标，别续航时间长，使用体验，使用体验好之类的来找到一个自由平衡。因为你不要说把 f 题，把 a 题的最后一问就当成写个建议了， 老哥，我整合前面弄一针我我的小建议行不行？今年 a t 竞争非常激烈，同学们，我建议不管怎么样，你们一定一定一定啊，说白了啊，真的一定一定，老铁们，明白我意思吧，不要上来就用什么啊，不要上来就就说白了，老哥我那个 对吧，就就用一个，那个什么行不行就用一个啊，写个建议行不行啊？今年 a， 今年数学建模将是最难的一年，老铁们，我们不管怎么样，我们都要建立的有点创新性行不行？ 政策建议类，你也要做出点花来好吧，但是不管怎么样，你们记住啊，一定要做出花来，好吧，你不知道怎么建模怎么内容的啊，老哥这里也有哈，我们 a t 到时候呢，相关的 solo 代码包里面还有 b t 的， c t 的， e d， f d 的 啊，我们都把相关的思路解析原代码都放到这个代码里面，如果你实在求解不出来了，你也可以看什么用老哥的超级 ar 提示词，我们 ar 提示词里面也有哈，在这个地方 啊，超级 ar 提示词里面也有有十七道。一会呢，我会幸好演示一下到底每一小问啊，就是到底怎么来做的啊，每一小问 a 题的话，超级 ar 提示词，他到底是怎么一步一步的把这个题目建出来的 啊？没有领取到咱们的这个思路代码的，大家一定要去领取一下，到时候我们会把 a t 的 相关原代码点击思路啊，论文答案之类的，包括我这个文档啊，我这个文档也都会放到我这个 a t 的 这个这个相关这个资料里面。好吧，没有领取到，抓紧去领取一下哈。来 啊，最后一问啊，决策建议类啊，你们必须要啊，不能说单纯的就上来就提供一个小建议就完事了啊，必须不能提供一个分析，好吧，一定要有一个分析哈，来， 这个难度系数，整体只整体是三分好吧，难度系数不大哈，这个 a t 的 话呢，整体的难度系数并不大哈， 然后评分的依据啊，模型复杂度是中等的啊，因为就要结合一些电化学记忆多因素融合是吧，这这个其实难度系数并不大哈，因为这些内容的话，我们在一些网上公开的一些资料都可以找到 啊，然后呢，数据获取难度低啊，可以通过一些公开文件厂商数据，这个的话呢，网网上也是资料比较多的啊，老哥这里给大家提供好，到时候提供好以后，我们直接就给大家放到这个 a t 这个里面好吧？ a t 的 里面啊，给大家放到这个 a t 的 里面好吧？啊？ a t 到时候直接给大家放到这个 a t 的 里面啊，相关的一些资料哈，啊，包括数据之类的给大家放到这里面哈， 然后就是这个，呃，创新性要求中等啊，但是我说实话哈，如果你让我来推荐大家做哪个题目，我给你们推荐哈，我百分之百会推荐你们做 a t， 为什么呢？因为这是一个非常非常典型的数学建模问题了，对吧？就是你按照流程来，按照老哥的要求来，你做出来之后去，说白了你起码来说没有那么大的坑， 对吧？像什么太空电梯啊，像什么体育赛事，说实话啊，都有点偏啊，都有点偏， 我最推荐的就是大家做 a t， 我 觉得这就是典型的数学建模题目了，难度系数并不大，说高也不高，说低也不低，每个人会的数据也不一样，所以大家得到的结果也不一样，有创新吗？哎，你的微方程那个地方，你只要弄的复杂一点 对不对？你只要最后一位上个目标规划啊，你只要在，是吧这样的，所以说这个创新硬有难度系数还不大，数据也没那么难，我觉得这个题目你要让我来做哈，老哥你要是你做，你会选哪个题目？我就会选 a t， 真的，老铁们，别的题目说实话都有点坑，对吧？都多多少少吧，有点麻烦，像 b 级吧，太空电梯有点小麻烦， c 题的话，与星共舞也有点小麻烦，数据量那么那么那么乱对不对？地理体育赛事吧，你说交叉创新，你能创业到什么程度？也有点麻烦， 这不是一体呢，你得有非常强大的这个，呃，这个这个，这个构建微方程啊，以及这个激励分析相关的一些能力啊，也不是很好做 f 的 呢。人工智能说很多同学都这个新动力学呢，豆芽都用这个，你很难创新，所以 a 体呢？你要创新有创新 对不对？要数据也不难，要好好深入的做，你就你就优化就行了，你就一点点的优化，比如说我参数，哎，我优化模模型可不可以再弄的复杂一点，就是你先构建一个基础模型， 基础模型就能够解决全额问题，然后你再一点点的生化，这样的话 a t 就 可以了。我们后面会给大家用全 ai， 用这个 ai 技术词哈，以完整的把 a t 的 给大家解出来， 直到生成一篇高质量的 a t 论文，你们再看一看啊，我用超级 ai 技术词来做的情况下，会做到一个什么样的效果？好吧，一会我们给大家直接来做哈，来演示，好吧，来，难点啊，难点就在于什么 啊？那建模工作量也也中等哈，难点就在于什么？多因素啊，就屏幕，处理器温度，每一个模块到底和耗电量是怎么耦合的，这是一个难点，只要这个解决了， 这个题目就可以解决了啊，这个题目就可以解决了，好吧。第二点，连续实现方正的构建，贴合电池实现，避免纯数学逆核啊，这个也是一样道理 对不对？这个的话呢，你不能纯属于你和你不能用一个基础的回归就完事了，你要顾及具体分析第三个不足，使用上下参数标准验证问题，这个蒙德卡罗模拟这个有点小难度对不对？你只要能把这几个解决了，好吧，这都叫小难度哈。还有就不确定性电话啊，不确定电话 啊，兼顾模型误差，有 c 超，这叫模型检验吗？对不对？你必须要做模型检验啊，要点就是第一个啊，是坚守连续时间见模合金，避免理散化处理。因为 a t 是 连续性问题，所以你别整成理散型问题了， 你 a t 要整成理散型问题，就背离了 a t 的 要求了，好吧，不要做理散化处理哈， a t 不要做理散化处理好吧， 比如说把整个的这个这个时间或者什么的场景模拟变成里散化数据不行啊，明确各耗电组建的低耗与参数取值模型，区分不同环境下使用对使用模式的一个影响，这个就说白了，改变吗？对不对？ 这个就说明大量的场景，比如说温度高的时候，热带或者是海南岛是吧？我极地的向东北东三省 温度，冬天比较冷的时候，我怎么样？就你要考虑大量的场景，刷视频的时候怎么怎么耗电，对不对？拍照的时候，所以说你可以拓展的点特别多，你第一天，第二天你可以构建一个基础模型，在这个基础模型的基础上你再生化， 这样的话你们就得出来东西都特别的好哈，真的，就这样的话，我觉得你的模型会越来越深，越来越深，这才是 ai 的 贡献，明白吧？ ai 不是 第一天你把你把你题目解出来了，而是第一天你，你可以用它做一个基础的框架，然后第一点后逐渐的生化，逐渐的生化，明白吧？逐渐的生化 啊，逐渐的生化，懂我意思吧？所以说哈，真的特别有意思哈，特别有意思 啊，我，我真的觉得特别有意思啊，这个题目啊，逐渐酝化，这样的话，你每一天都用 ar 酝化，每一天都用 ar 酝化， 来，老铁们，你们告诉我，你们这样的话获奖概率是不是比较大了？所以说你们啊，获奖套路就第一天构建一个基础的，第二三天不愿酝化， 比如说不同的场景，冬天夏天刷视频高耗电量是吧？然后呢？这个拍照，然后呢？这个普通的观看文本，数据文本的一些文档是吧？以及这个暗的情况下，亮的情况下，黑天白夜啊，你都不同的场景，那你肯定这个整个模型建的质量会非常的好啊。 点击思路，一步一步的怎么建模？第一问，构建锂，基于锂离子电池电化学反应建立基础 s o a 连续实践微方程，再逐一纳木屏幕啊，处理器耗电量等耗电组建，考虑温度对电池容量的修正 啊，先建立一个锂离子基础的耗电模型，然后呢，再把这些屏幕处理处理这些东西纳入到你这个微方程组里面，然后进行纠解 啊，参数估计是吧，建立好模型以后，基于相关的参数就是就是你，因为你建立好模型以后，你肯定要做参数修正啊，对不对？这个地方呢，我建议你们在这里增加一个内容啊，叫什么叫有限元法， 有限元分析啊，我建议你们在这个地方增加一个这样的模块啊，机理模型构建好了以后，最好先用有限元分析来模拟一下，然后再用真实数据来得到结果。好吧，这源于分析的话，你甚至可以做可直观演示，这就是获 o f 奖的标准了，你要拿 m f 奖 m f 奖的标准了。 做一个模拟啊，有限员模拟啊，因为我们知道你不管看网上的一些是吧，一些公开的一些耗电量，他会有一个像一些热力图一样的东西，对不对？看耗电时间，一个热力图一样的一个一个折线对不对？那个那个就非常的漂亮哈，给你们看一下哈。 哎啊，你可以增加这样一个模块，然后然后第二就是参数估计啊，收集到一些具体的行业数据了，然后呢？呃，把你这个据而成，因为你出你出来的数据特别的多，肯定， 所以说呢，参数肯定是有限的，所以你需要用最小而成来计算这些参数啊，最小而成计算这，然后这个就场景预测了是吧？利用是吧，这模特卡罗模拟，然后呢，设置不同的场景，说重度使用待机啊，低温啊，高温环境啊，来计算续航时间， 然后敏感性分析，用这种算法来做敏感性分析。提建议的话呢，我建议你们啊，刚才说了，建议大家可以放一个什么多标规划模型，或者是是吧，比如说使用场景最佳，或者是耗电量最小，甚至你可以用一个单标规划，没别多标规划，老哥太难了，我做一个单标规划可不可以？也可以哈， 来模型创新，在经典积累模型基础上融合多因素偶合模型是吧。啊，这是一种创新方案啊，模型创新 是吧，量化结果给出不同上一下续航时间及误差是吧，然后呢？呃，关键因素的敏感性分析组是吧，不同场景之下，这也是一个一个很好的一个获奖要点分析哈，还是格式化绘制 soc 啊，不同的，这个格式化也是一个获奖要点啊，你要想拿奖的话也可以把图做的美观一点哈， 然后模型检验啊，也计算一些各种检验，像二方 mse 啊，对不对？还有就是敏感性分析啊，灵敏度分析啊，鲁班性分析啊，都可以用，都可以，都可以拿来用一下好吧。 啊，鲁棒性分析老哥要不要做？我觉得这个地方也可以做一下，就极端的使用场景之下，别超低温，超高温，这叫极端场景之下来看看结果怎么样。所以说敏感性分析要做，鲁棒性分析我觉得也要做啊，这个地方呢，大家一定要记住啊，就敏感性分析要做，鲁棒性分析也要做哈， 然后呢，选题建议啊，就是这个啊，这个这个数学统一专业的推荐啊，然后呢，这个计算机专业的谨慎选择啊，因为避免过度依赖黑箱模型啊，因为这个地方呢，就数学物理专业的比较推荐功课这样的也比较推荐哈， 然后呢，这个文科专业的不怎么推荐，因为他涉及到什么机理建模了啊，涉及到什么电化学之类的东西了，所以文科专业的不推荐啊， 然后跨专业啊，工科的加计算机的可以读到零基础的不推荐啊，因为零基础的话呢，难度系数会相对大一点哈，微型方程，电池都都比较难哈，中等基础的慎重选择能力比较强的可以选择一下啊。 ok， 这就是我们的 a 题啊，难度系数整体来说不大啊。整体来不大啊，但是呢，我觉得获大奖很容易出现的 a 题啊。所以说，同学们啊，如果你能够读懂这个题目啊，你也会用 ai？ 我 建议你们选 a 题。做 a 题的话，如果我来做了，我就会选 a 题啊，百分之。我觉得百分之四十的同学应该都会选 a 题哈，今年 ok， 来啊，我们再来看一下。再来看一下 b 题啊，太空电梯。