2024美赛数学建模F题思路分析 - 减少非法野生动物贸易

本文主要是介绍2024美赛数学建模F题思路分析 - 减少非法野生动物贸易,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1 赛题

问题F:减少非法野生动物贸易
在这里插入图片描述
非法的野生动物贸易会对我们的环境产生负面影响,并威胁到全球的生物多样性。据估计,它每年涉及高达265亿美元,被认为是全球第四大非法交易。[1]你将开发一个由数据驱动的5年项目,旨在显著减少非法野生动物贸易。你的目标是说服一个客户去执行你的项目。要做到这一点,必须为该客户端选择客户端和适当的项目。

您的工作应探讨以下子问题:
●您的客户是谁?那个客户到底能做些什么呢?(换句话说,你的客户应该拥有实施你提出的项目所需的权力、资源和兴趣。)
●解释为什么您开发的项目适合这个客户。从已发表的文献和你自己的分析中,有哪些研究支持你所提议的项目的选择?使用数据驱动的分析,你将如何说服你的客户,这是一个他们应该承担的项目?
●您的客户执行该项目还需要哪些额外的权力和资源?(记住要使用假设,但也要尽可能地把你的工作建立在现实中。)
●如果这个项目得以实施,将会发生什么?换句话说,对非法野生动物贸易的可衡量的影响将是什么?你做了什么分析来确定这个问题?
●该项目达到预期目标的可能性有多大?此外,基于上下文化的敏感性分析,是否存在一些条件或事件可能会不成比例地帮助或损害项目达到其目标的能力?

虽然你可以限制你对非法野生动物贸易的做法,但你也可以将非法野生动物贸易视为一个更大的复杂系统的一部分。具体来说,你可以考虑在其他领域的其他全球努力,例如,减少其他形式的贩运或减少气候变化的努力,以及减少非法野生动物贸易的努力,可能是一个复杂系统的一部分。这可能会为该领域的意外行动者创造出协同作用的机会。

如果您选择利用解决方案中的复杂性框架,请确保通过讨论此建模决策的优点和缺点来证明您的选择。

此外,你的团队必须为你的客户提交一份1页的备忘录,其中包括你的重点,强调你的5年项目提案,以及为什么这个项目适合他们作为客户(例如,获取资源,他们的部分任务,与他们的使命声明一致,等等)。

评委们将特别地在客户的选择和在整个分析过程中使用的适当建模过程的选择和理由中寻找创造力。他们还将寻求证明(1)在客户和拟议项目之间建立强有力的联系,(2)在数据分析和拟议项目的设计之间建立明确和直接的联系。

2 解题思路

🥇 最新思路更新(看最新发布的文章即可):
https://blog.csdn.net/dc_sinor?type=blog

3 选题分析

A题是自由度比较大的场景限定下的模型构建,相对比较容易,核心是找到现有的成熟的数学模型,然后找到合适的数据进行证明得到结论,估计大部分是目标优化问题。(不限制专业)

B题属于较为经典的物理建模(对海洋专业的学生具有优势)

C题今年非常难,不同往年的数据分析,不过核心还是特征提取和主成分分析(本质是在数据中找到或者构建影响比赛的有效向量),并且需要在其他数据上证明推广(这点就比较恶心了) (不限制专业)

D 本质上是资源分配和调度问题,其中保持最佳水位需要一个控制算法(估计要融合PID或者模糊PID),其中也会涉及到目标优化模型(毕竟多方需要争抢湖泊的水位),需要做灵敏度分析。难度不小!

E 核心是做相关性分析,并涉及到评价模型,就是数据会比较难找!

F 本次建模最简单的一道题,给定一个范围甚至目标都需要自己定,并且动物保护相关数据比较好找,最后结合语文建模就能搞定!

难度排名(由易到难):F < A < E < D < B < C

F题思路更新

第一次更新:初步思路框架!

大家注意一下,F题本质上也是数据挖掘,并且相关最好获取,想保底拿奖的同学可以选择F题。

F题基本框架思路更新(会持续更新),这道题本质上也属于数据挖掘类的题目,问题解决得框架很重要!

A君从目标设定、模型构建、项目策略和决策支持、监测和评估、衡量结果 为主要结构描述问题的基本架构和解决方法!

我们后面的模型构建都会围绕这个框架来进行!(框架非常重要!)

在这里插入图片描述
上面是根据A君长期建模经验为大家对框架进行的细化,更加详细的数学模型构建过程,其中包括数据处理、特征工程、模型选择和训练、评估验证、策略制定和持续优化等环节。

第一问注意事项:

重要的事情说三遍:不要先选客户!不要先选客户!不要先选客户!

实际上第一步是构建目标,第一问实际上比较具有迷惑性,看似先让你去客户再去解决问题,如果这样做就本末倒置了。本题是自由度比较高的题目,A君建议大家应该先去找到相关模型(一般一些论文),然后根据模型和资料看看别人能得到什么结论,你在根据这个模型的结论套用到所谓的客户上!

更新:一份非动数据分析报告,非常好的参考报告,甚至说是答案都不为过了!

在这里插入图片描述在这里插入图片描述

5 最新思路更新

🥇 最新思路更新(看最新发布的文章即可):
https://blog.csdn.net/dc_sinor?type=blog

这篇关于2024美赛数学建模F题思路分析 - 减少非法野生动物贸易的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/670279

相关文章

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3

python使用Akshare与Streamlit实现股票估值分析教程(图文代码)

《python使用Akshare与Streamlit实现股票估值分析教程(图文代码)》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类

Olingo分析和实践之OData框架核心组件初始化(关键步骤)

《Olingo分析和实践之OData框架核心组件初始化(关键步骤)》ODataSpringBootService通过初始化OData实例和服务元数据,构建框架核心能力与数据模型结构,实现序列化、URI... 目录概述第一步:OData实例创建1.1 OData.newInstance() 详细分析1.1.1