2024年华数杯国际赛赛题浅析

发布时间:2024年01月17日

21号完赛,28号出成绩的华数杯国际赛,作为美赛最合适的练手赛正式开赛。为了让大家更好地比赛,首先为大家带来本次竞赛两道题目的浅要解析。主要分析两道题目适合的群体,未来大家求解过程中可能遇到的问题。方便大家快速完成选题。

MCM问题A:来自日本的放射性废水

数据寻找+扩散数学模型+物理模型+优化模型+非技术型文章

ICM问题B:光伏电

2023美赛E题:光污染

数据收集+预测模型+评价模型+优化模型+非技术型文章

难度 B<A

选题 A:B=3:7

下面进行赛题浅析

MCM问题A:来自日本的放射性废水

MCM的题目主要偏向于机理分析,物理模型,本次竞赛的A题也是非常符合MCM的出题标准,难度较大。适合于数模老手,专业背景合适的人群进行尝试。对编程能力有一定要求,下面进行简要的分析。该题目涉及多个领域的专业知识,包括核物理、海洋学、环境科学、统计学和数学建模。

建立扩散数学模型: 模拟放射性废水在海洋中的扩散,需要构建一个基于物理的数学模型。这通常包括流体动力学方程(如纳维-斯托克斯方程)和扩散方程。考虑到海流、温度、盐度、风力和地形等因素的影响,可以使用现有的海洋流体动力学模型,如ROMS(区域海洋模型系统)或MITgcm(麻省理工学院一般环流模型),并将放射性物质的扩散作为一个被动标记物进行模拟。

预测放射性废水污染范围: 这一部分的数据需要自行收集(1095吨放射性废水,2023年8月27日至9月27日无进一步排放)进行模拟分析。请注意,这种模拟的准确性依赖于输入参数的精确度和模型的复杂性。

分析三次倾倒后的扩散路径: 同样,需要基于具体倾倒时间、位置和量来进行模拟。考虑到海流、季节性变化等因素,模拟将提供对于放射性物质扩散路径的估计。

调查数据分析: 表1展示了关于居民海鲜消费态度的调查数据。通过统计分析,可以了解公众对放射性废水排放事件的反应,以及这可能如何影响长期的渔业经济。

ICM问题B:光伏电

B题是美赛ICM出题的主要方向,生态环境类题目。很大的难度在于数据的收集。目前已经为大家收集了一部分主要用于问题一和问题四的解题,问题二三的解题数据还在收集中。对于该题目题目本身的难度并不大,这也是美赛出题的特点。数据收集难,这一块我们也稍后会帮大家进行收集。下面带来每个题目的简要思路

问题一、电力供应预测模型

中国的电力供应与许多因素相互作用。请研究它们之间的关系,并预测2024-2060 年中国电力供应的发展趋势。

方法

问题一: 关联关系+预测模型

相关性分析(perason)、ARIMA、灰色预测、机器学习(LSTM、BP)

方案一:y与多个x 建立多元回归模型

方案二:找数据 处理数据 建立加权平均预测(arima、lstm、多元回归模型)

数据需求

历史电力供应数据、经济指标(GDP、人口增长等)、能源政策变化等。

问题二、光伏电站选址模型

在建设光伏电站时,需要考虑很多因素。这需要考虑成本和效益,以及地理位置和照明条件。请选择一个区域,并讨论在那里建设光伏电站的可行性。

方法

问题二:评价模型

方案一:主成分分析

方案二:理想解法

数据需求

候选区域的地理位置、光照条件、土地成本、电网接入条件等。

问题三、光伏发电潜力评估模型

如果你想在中国建设多个光伏电站,结合中国的地理资源和投资能力,成本和收入因素,中国光伏发电的最大潜力是什么。换句话说,最大的光伏发电量是多少?

方法

问题三:优化模型

决策变量 开关变量

目标函数 max 光伏发电量

约束条件 转换效率可达到25%以上

数据需求

各地区的太阳能资源数据、土地可用性、投资成本、电价等。

问题四、可持续发展战略规划

要实现中国政府到2060年实现碳峰值和碳中和的战略目标,用清洁能源取代燃煤发电是一个好主意。这个想法能被实现吗?请研究我国光伏发电可持续发展的战略规划,并回答这个备受期待的问题。

方法

情景分析、系统动力学模型

数据需求

碳排放数据、清洁能源政策、技术进步率等。

问题五、给中国政府的信

根据您的研究结果,请给中国政府写一封一页纸的信。

这封信应基于前四个问题的研究结果,简要概述主要发现和建议。信件应突出以下几点:

· 当前电力供应和清洁能源发展现状。

· 光伏发电的潜力和挑战。

· 实现碳峰值和碳中和目标的战略建议。

· 对政府政策和投资的建议。

这封信应以清晰、简洁的语言写成,以便政府决策者能够快速理解并考虑所提的建议。

?

文章来源:https://blog.csdn.net/qq_33690821/article/details/135640295
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。