下载文档原格式
数学建模2018c题一、问题的背景与分析数学建模是一项综合性强、需要多学科知识综合运用的艺术与科学。
在数学建模竞赛中，考察的是选手运用数学方法解决实际问题的能力。
而2018C题是一个关于风险评估与决策支持的问题。
二、问题描述本题围绕某地区风险评估与决策支持系统展开，主要研究地区的若干风险及其对应的影响因素，以及在不同决策方案下的决策结果。
在建模过程中，我们分别对居民因自然灾害、交通事故、公共卫生疫情等三个风险进行了量化评估，并确定了各自的影响因素。
基于该评估结果，我们提出了三个决策方案，分别为改善基础设施、加强防灾减灾措施以及提高公共卫生意识。
三、模型的建立与求解1. 风险评估模型我们使用统计数据和实地调查的结果建立了风险评估模型。
根据相关领域的研究和经验，我们对自然灾害、交通事故以及公共卫生疫情的影响因素进行了分析，建立了相应的数学模型。
并利用历史数据进行参数估计，得到了对应的风险值。
2. 决策支持模型基于风险评估的结果，我们构建了决策支持模型。
通过引入决策树、模糊综合评价等方法，综合考虑各个风险的权重、决策方案的可行性等因素，得出了在不同决策方案下的综合评价值。
四、结果的分析与讨论在分析决策结果时，我们对不同决策方案下的风险值、综合评价值等指标进行了对比。
通过对结果的分析和讨论，我们得出以下结论：1. 改善基础设施方案能够显著降低自然灾害和交通事故的风险值，但对公共卫生疫情的风险影响较小。
2. 加强防灾减灾措施方案能够有效降低自然灾害的风险，但对交通事故和公共卫生疫情影响较小。
3. 提高公共卫生意识方案对公共卫生疫情的风险影响最大，但对自然灾害和交通事故的风险影响较小。
综上所述，我们认为在解决该地区的风险问题时，应采取综合考虑的方式，结合改善基础设施、加强防灾减灾措施和提高公共卫生意识等方案，制定相应的综合决策方案。
五、模型的优缺点及改进方向1. 优点：本模型能够对地区的风险进行定量评估，并根据评估结果给出相应的决策建议。
2018年数学建模题目数学建模是应用数学方法和计算机技术解决各种实际问题的重要手段。
2018年的数学建模题目涉及多个领域，包括优化问题、数据分析、机器学习、图像处理、统计推断、经济与金融建模以及工程问题建模。
1. 优化问题题目：共享单车调度优化描述：共享单车已成为城市交通的重要组成部分。
然而，单车乱停乱放、过度投放等问题也给城市管理带来困扰。
请你们建立一个数学模型，以优化共享单车的调度和投放，从而使得市民能够更加方便地使用共享单车，并减少乱停乱放现象。
要求：* 建立数学模型，以描述共享单车调度和投放的优化问题。
* 结合实际数据，对模型进行验证和优化。
* 提出可行的方案和建议，以解决共享单车管理中的实际问题。
2. 数据分析题目：股市预测与投资策略优化描述：在股市投资中，数据分析对于预测股票走势和优化投资策略至关重要。
请你们针对某支股票的历史交易数据，建立一个数据分析模型，以预测未来一段时间内的股票价格，并在此基础上制定投资策略。
要求：* 收集某支股票的历史交易数据，并清洗和预处理数据。
* 建立一个数据分析模型，以预测未来一段时间内的股票价格。
* 根据预测结果，制定投资策略，并评估策略的有效性。
* 提出可行的投资建议和建议。
3. 机器学习题目：疾病预测与分类描述：在医疗领域，通过对患者的历史数据进行分析，可以预测患者未来可能出现的疾病。
请你们建立一个机器学习模型，以分析患者的历史健康数据，预测其未来可能出现的疾病，并将疾病进行分类。
要求：* 收集患者的历史健康数据，并清洗和预处理数据。
* 建立一个机器学习模型，以分析患者的历史数据，预测其未来可能出现的疾病。
* 将预测结果进行分类，并评估模型的准确性和可靠性。
* 提出可行的医疗建议和治疗方案。
4. 图像处理题目：人脸识别与安全控制描述：人脸识别技术在安全控制领域具有广泛应用价值。
请你们建立一个图像处理模型，以实现人脸识别和安全控制的功能。
要求模型能够准确识别出特定人物的脸部特征，并判断其是否符合安全控制条件。
附件1：智能加工系统的组成与作业流程1．系统的场景及实物图说明在附图1中，中间设备是自带清洗槽和机械手的轨道式自动引导车RGV，清洗槽每次只能清洗1个物料，机械手臂前端有2个手爪，通过旋转可以先后各抓取1个物料，完成上下料作业。
两边排列的是CNC，每台CNC前方各安装有一段物料传送带。
右侧为上料传送带，负责为CNC输送生料（未加工的物料）；左边为下料传送带，负责将成料（加工并清洗完成的物料）送出系统。
其他为保证系统正常运行的辅助设备。
附图1：RGV—CNC车间布局图附图2：带机械手臂和清洗槽的RGV实物图附图2是RGV的实物图，包括车体、机械臂、机械手爪和物料清洗槽等。
附图3：RGV机械手臂前端的2个手爪实物图在附图3左图中，机械臂前端上方手爪抓有1个生料A，CNC加工台上有1个熟料B。
RGV机械臂移动到CNC加工台上方，机械臂下方空置的手爪准备抓取熟料B，在抓取了熟料B后即完成下料作业。
在附图3右图中，RGV机械臂下方手爪已抓取了CNC加工台上的熟料B抬高手臂，并旋转手爪，将生料A对准加工位置，安放到CNC加工台上，即完成上料作业。
2．系统的构成及说明智能加工系统由8台CNC、1台带机械手和清洗槽的RGV、1条RGV直线轨道、1条上料传送带和1条下料传送带等附属设备构成。
（1）CNC：在上料传送带和下料传送带的两侧各安装4台CNC，等距排列，每台CNC同一时间只能安装1种刀具加工1个物料。
如果物料的加工过程需要两道工序，则需要有不同的CNC安装不同的刀具分别加工完成，在加工过程中不能更换刀具。
第一和第二道工序需要在不同的CNC上依次加工完成，完成时间也不同，每台CNC 只能完成其中的一道工序。
（2）RGV：RGV带有智能控制功能，能够接收和发送指令信号。
根据指令能在直线轨道上移动和停止等待，可连续移动1个单位（两台相邻CNC间的距离）、2个单位（三台相邻CNC间的距离）和3个单位（四台相邻CNC间的距离）。
2018高教社杯全国大学生数学建模竞赛题目<请先阅读“全国大学生数学建模竞赛论文格式规范”）A题葡萄酒地评价确定葡萄酒质量时一般是通过聘请一批有资质地评酒员进行品评.每个评酒员在对葡萄酒进行品尝后对其分类指标打分,然后求和得到其总分,从而确定葡萄酒地质量.酿酒葡萄地好坏与所酿葡萄酒地质量有直接地关系,葡萄酒和酿酒葡萄检测地理化指标会在一定程度上反映葡萄酒和葡萄地质量.附件1给出了某一年份一些葡萄酒地评价结果,附件2和附件3分别给出了该年份这些葡萄酒地和酿酒葡萄地成分数据.请尝试建立数学模型讨论下列问题：1. 分析附件1中两组评酒员地评价结果有无显著性差异,哪一组结果更可信？2. 根据酿酒葡萄地理化指标和葡萄酒地质量对这些酿酒葡萄进行分级.3. 分析酿酒葡萄与葡萄酒地理化指标之间地联系.4．分析酿酒葡萄和葡萄酒地理化指标对葡萄酒质量地影响,并论证能否用葡萄和葡萄酒地理化指标来评价葡萄酒地质量？附件1：葡萄酒品尝评分表<含4个表格）附件2：葡萄和葡萄酒地理化指标<含2个表格）附件3：葡萄和葡萄酒地芳香物质<含4个表格）2018高教社杯全国大学生数学建模竞赛题目<请先阅读“全国大学生数学建模竞赛论文格式规范”）B题太阳能小屋地设计在设计太阳能小屋时,需在建筑物外表面<屋顶及外墙）铺设光伏电池,光伏电池组件所产生地直流电需要经过逆变器转换成220V交流电才能供家庭使用,并将剩余电量输入电网.不同种类地光伏电池每峰瓦地价格差别很大,且每峰瓦地实际发电效率或发电量还受诸多因素地影响,如太阳辐射强度、光线入射角、环境、建筑物所处地地理纬度、地区地气候与气象条件、安装部位及方式<贴附或架空）等.因此,在太阳能小屋地设计中,研究光伏电池在小屋外表面地优化铺设是很重要地问题.附件1-7提供了相关信息.请参考附件提供地数据,对下列三个问题,分别给出小屋外表面光伏电池地铺设方案,使小屋地全年太阳能光伏发电总量尽可能大,而单位发电量地费用尽可能小,并计算出小屋光伏电池35年寿命期内地发电总量、经济效益<当前民用电价按0.5元/kWh计算）及投资地回收年限.在求解每个问题时,都要求配有图示,给出小屋各外表面电池组件铺设分组阵列图形及组件连接方式<串、并联）示意图,也要给出电池组件分组阵列容量及选配逆变器规格列表.在同一表面采用两种或两种以上类型地光伏电池组件时,同一型号地电池板可串联,而不同型号地电池板不可串联.在不同表面上,即使是相同型号地电池也不能进行串、并联连接.应注意分组连接方式及逆变器地选配.问题1：请根据山西省大同市地气象数据,仅考虑贴附安装方式,选定光伏电池组件,对小屋<见附件2）地部分外表面进行铺设,并根据电池组件分组数量和容量,选配相应地逆变器地容量和数量.问题2：电池板地朝向与倾角均会影响到光伏电池地工作效率,请选择架空方式安装光伏电池,重新考虑问题1.问题3：根据附件7给出地小屋建筑要求,请为大同市重新设计一个小屋,要求画出小屋地外形图,并对所设计小屋地外表面优化铺设光伏电池,给出铺设及分组连接方式,选配逆变器,计算相应结果.附件1：光伏电池组件地分组及逆变器选择地要求附件2：给定小屋地外观尺寸图附件3：三种类型地光伏电池<A单晶硅、B多晶硅、C非晶硅薄膜）组件设计参数和市场价格附件4：大同典型气象年气象数据.特别注意：数据库中标注地时间为实际时间减1小时,即数据库中地11:00即为实际时间地12:00附件5：逆变器地参数及价格附件6：可参考地相关概念附件7：小屋地建筑要求2018高教社杯全国大学生数学建模竞赛题目<请先阅读“全国大学生数学建模竞赛论文格式规范”）C题脑卒中发病环境因素分析及干预脑卒中<俗称脑中风）是目前威胁人类生命地严重疾病之一,它地发生是一个漫长地过程,一旦得病就很难逆转.这种疾病地诱发已经被证实与环境因素,包括气温和湿度之间存在密切地关系.对脑卒中地发病环境因素进行分析,其目地是为了进行疾病地风险评估,对脑卒中高危人群能够及时采取干预措施,也让尚未得病地健康人,或者亚健康人了解自己得脑卒中风险程度,进行自我保护.同时,通过数据模型地建立,掌握疾病发病率地规律,对于卫生行政部门和医疗机构合理调配医务力量、改善就诊治疗环境、配置床位和医疗药物等都具有实际地指导意义.数据<见Appendix-C1）来源于中国某城市各家医院2007年1月至2018年12月地脑卒中发病病例信息以及相应期间当地地逐日气象资料<Appendix-C2）.请你们根据题目提供地数据,回答以下问题：1．根据病人基本信息,对发病人群进行统计描述.2．建立数学模型研究脑卒中发病率与气温、气压、相对湿度间地关系.3．查阅和搜集文献中有关脑卒中高危人群地重要特征和关键指标,结合1、2中所得结论,对高危人群提出预警和干预地建议方案.2018高教社杯全国大学生数学建模竞赛题目<请先阅读“全国大学生数学建模竞赛论文格式规范”）D题机器人避障问题图1是一个800×800地平面场景图,在原点O(0,0>点处有一个机器人,它只能在该平面场景范围内活动.图中有12个不同形状地区域是机器人不能与之发生碰撞点与障碍物地距离至少超过10个单位）.规定机器人地行走路径由直线段和圆弧组成,其中圆弧是机器人转弯路径.机器人不能折线转弯,转弯路径由与直线路径相切地一段圆弧组成,也可以由两个或多个相切地圆弧路径组成,但每个圆弧地半径最小为10个单位.为了不与障碍物发生碰撞,同时要求机器人行走线路与障碍物间地最近距离为10个单位,否则将发生碰撞,若碰撞发生,则机器人无法完成行走.机器人直线行走地最大速度为50=v 个单位/秒.机器人转弯时,最大转弯速度为21.0100e1)(ρρ-+==v v v ,其中ρ是转弯半径.如果超过该速度,机器人将发生侧翻,无法完成行走.请建立机器人从区域中一点到达另一点地避障最短路径和最短时间路径地数学模型.对场景图中4个点O(0,0>,A(300,300>,B(100,700>,C(700,640>,具体计算：(1> 机器人从O(0,0>出发,O→A 、O→B 、O→C 和O→A→B→C→O 地最短路径.(2> 机器人从O (0,0>出发,到达A 地最短时间路径.注：要给出路径中每段直线段或圆弧地起点和终点坐标、圆弧地圆心坐标以及机器人行走地总距离和总时间.图1800×800平面场景图。
2018年高教社杯全国大学生数学建模竞赛题目
（请先阅读“全国大学生数学建模竞赛论文格式规范”）
A题高温作业专用服装设计
在高温环境下工作时，人们需要穿着专用服装以避免灼伤。
专用服装通常由三层织物材料构成，记为I、II、III层，其中I层与外界环境接触，III层与皮肤之间还存在空隙，将此空隙记为IV层。
为设计专用服装，将体内温度控制在37ºC的假人放置在实验室的高温环境中，测量假人皮肤外侧的温度。
为了降低研发成本、缩短研发周期，请你们利用数学模型来确定假人皮肤外侧的温度变化情况，并解决以下问题：
(1)专用服装材料的某些参数值由附件1给出，对环境温度为75ºC、II层厚度为6 mm、IV层厚度为5 mm、工作时间为90分钟的情形开展实验，测量得到假人皮肤外侧的温度（见附件2）。
建立数学模型，计算温度分布，并生成温度分布的Excel文件（文件名为problem1.xlsx）。
(2) 当环境温度为65ºC、IV层的厚度为5.5 mm时，确定II层的最优厚度，确保工作60分钟时，假人皮肤外侧温度不超过47ºC，且超过44ºC的时间不超过5分钟。
(3) 当环境温度为80C 时，确定II层和IV层的最优厚度，确保工作30分钟时，假人皮肤外侧温度不超过47ºC，且超过44ºC的时间不超过5分钟。
附件1. 专用服装材料的参数值
附件2. 假人皮肤外侧的测量温度。
2018a数学建模题目摘要：一、引言1.介绍数学建模竞赛2.简述2018 年数学建模竞赛的总体情况二、竞赛题目1.题目概述2.题目一：网络舆情分析a.题目背景b.问题描述c.分析与建模d.模型求解与结果分析e.结论3.题目二：航空物流网络设计a.题目背景b.问题描述c.分析与建模d.模型求解与结果分析e.结论4.题目三：城市空气污染分析与治理a.题目背景b.问题描述c.分析与建模d.模型求解与结果分析e.结论三、竞赛过程与要求1.竞赛时间安排2.竞赛要求3.评分标准四、竞赛成果与影响1.获奖情况2.成果应用与推广3.对我国数学建模发展的意义五、总结1.2018 年数学建模竞赛的亮点与不足2.对未来数学建模竞赛的展望正文：一、引言数学建模竞赛是检验学生应用数学知识解决实际问题的能力的一项重要赛事，每年都吸引着大量的高校学生参与。
2018 年的数学建模竞赛在众多队伍的积极参与下圆满落幕。
本文将详细介绍2018 年数学建模竞赛的总体情况，并重点分析其中的三个竞赛题目。
二、竞赛题目2018 年数学建模竞赛共设有三个题目，分别是网络舆情分析、航空物流网络设计和城市空气污染分析与治理。
1.题目概述题目一：网络舆情分析随着互联网的普及，网络舆情对人们的生活、工作和决策产生越来越大的影响。
本题要求参赛者针对给定的网络数据，建立合适的数学模型，分析网络舆情的发展趋势和影响力。
题目二：航空物流网络设计航空物流是现代物流体系的重要组成部分，如何优化航空物流网络以提高运输效率和降低成本是亟待解决的问题。
本题要求参赛者构建航空物流网络模型，以满足运输需求的同时，实现物流成本最小化。
题目三：城市空气污染分析与治理城市空气污染已成为我国面临的重要环境问题之一。
本题要求参赛者分析城市空气污染的成因，建立空气污染治理模型，为政府部门提供合理的治理措施。
2.题目详解（1）题目一：网络舆情分析a.题目背景：网络舆情是反映社会公众对某一事件、观点或现象的态度和看法的集合。
RGV动态调度模型摘要：RGV是智能加工系统的中间环节，控制RGV的动态调度也就是控制了智能加工系统的工作流程。
需要在四种不同的情况下对RGV进行调度分析:单工序、单工序有故障、双工序、双工序无故障。
单工序的情况下建立了三个模型：数学规划模型、单工序分层预测模型、单工序局部最优模型。
数学规划模型将第i件物料的上料时间、下料时间、CNC编号等设为自变量，以RGV的15个初始状态、一台CNC上相邻处理的两件物料的上料时间关系等因素作为约束条件，以最后一件物料的上料时间最小为目标函数。
但因为求解这种模型的程序时间复杂度较高，准确度较低，又建立了单工序分层预测模型和单工序局部最优模型，用算法模拟该智能加工系统的工作流程。
单工序分层预测模型中，RGV每次判断执行请求的次序时，都会预先模拟系统向下选择两次，找到效率最高的一种方案。
单工序局部最优模型是以发出请求的CNC与RGV之间的距离为衡量指标，优先选择距离最近的请求，如果距离一样，优先选择CNC编号为奇数的请求。
三种模型的运行结果表明：系统工作效率由高到低依次是数学规划模型、单工序分层预测模型、单工序局部最优模型。
但是数学规划模型只能算出前88件物料所用时间，8个小时内可以加工的总物料数目只能推测出来，准确度有待验证。
因此判定单工序分层预测模型是三个模型中最优的模型，该模型下得到的第1组、第2组、第3组在8小时内分别可以完成的物料数目为357件、364件、344件。
单工序有故障的情况下，我们在单工序分层预测模型的基础上进行修改。
将1%的故障率转化为每秒钟CNC发生故障的概率，然后产生一个[10,20]间的随机数作为CNC的维修时间，其他算法步骤与无故障的相同。
得到的第1组、第2组、第3组在8小时内分别可以完成的物料数目为307件、336件、319件。
双工序的情况下，我们依然采用局部最优模型。
与单工序不同的是，双工序模型中，当一个物料加工完第一道工序时，发出的请求不是下料而是加工第二道工序。
RGV动态调度模型摘要：RGV是智能加工系统的中间环节，控制RGV的动态调度也就是控制了智能加工系统的工作流程。
需要在四种不同的情况下对RGV进行调度分析:单工序、单工序有故障、双工序、双工序无故障。
单工序的情况下建立了三个模型：数学规划模型、单工序分层预测模型、单工序局部最优模型。
数学规划模型将第i件物料的上料时间、下料时间、CNC编号等设为自变量，以RGV的15个初始状态、一台CNC上相邻处理的两件物料的上料时间关系等因素作为约束条件，以最后一件物料的上料时间最小为目标函数。
但因为求解这种模型的程序时间复杂度较高，准确度较低，又建立了单工序分层预测模型和单工序局部最优模型，用算法模拟该智能加工系统的工作流程。
单工序分层预测模型中，RGV每次判断执行请求的次序时，都会预先模拟系统向下选择两次，找到效率最高的一种方案。
单工序局部最优模型是以发出请求的CNC与RGV之间的距离为衡量指标，优先选择距离最近的请求，如果距离一样，优先选择CNC编号为奇数的请求。
三种模型的运行结果表明：系统工作效率由高到低依次是数学规划模型、单工序分层预测模型、单工序局部最优模型。
但是数学规划模型只能算出前88件物料所用时间，8个小时内可以加工的总物料数目只能推测出来，准确度有待验证。
因此判定单工序分层预测模型是三个模型中最优的模型，该模型下得到的第1组、第2组、第3组在8小时内分别可以完成的物料数目为357件、364件、344件。
单工序有故障的情况下，我们在单工序分层预测模型的基础上进行修改。
将1%的故障率转化为每秒钟CNC发生故障的概率，然后产生一个[10,20]间的随机数作为CNC的维修时间，其他算法步骤与无故障的相同。
得到的第1组、第2组、第3组在8小时内分别可以完成的物料数目为307件、336件、319件。
双工序的情况下，我们依然采用局部最优模型。
与单工序不同的是，双工序模型中，当一个物料加工完第一道工序时，发出的请求不是下料而是加工第二道工序。
数学建模2018年c题2018年数学建模C题题目如下：题目：太阳光照射下物体影子的长度随时间发生变化，根据影子的长度变化规律推算日晷计时的原理，并设计一个日晷模型。
要求：1. 解释日晷计时的基本原理，并给出推算过程。
2. 设计一个符合要求的日晷模型，并说明其特点。
3. 描述如何使用该日晷模型进行计时。
这道题目主要考察了物理知识、数学建模和计算机编程等方面的能力，需要结合物理学中的光学原理和数学建模技术，设计出一个符合要求的日晷模型。
首先，我们需要了解影子的形成原理和影子的长度变化规律。
当太阳光照射到物体上时，由于太阳的高度角和方位角的变化，物体的影子会随着时间而发生变化。
影子的长度变化规律与太阳的高度角和方位角有关，因此可以通过测量影子的长度来推算出太阳的位置。
其次，我们需要设计一个符合要求的日晷模型。
日晷模型的设计需要考虑以下几个方面：1. 确定模型的材料和尺寸，使得模型能够准确地反映太阳的位置变化；2. 确定模型的放置角度和方向，使得模型能够准确地反映太阳的高度角和方位角的变化；3. 确定模型的刻度，使得模型能够准确地反映时间的变化。
最后，我们需要描述如何使用该日晷模型进行计时。
使用该日晷模型进行计时需要遵循以下步骤：1. 将日晷模型放置在室外空旷的地方，确保模型能够接收到太阳光；2. 在日出时，将一根细线放在日晷模型上，使其与太阳光垂直；3. 随着时间的推移，观察细线在日晷模型上的移动情况，记录下每个时刻细线所对应的时间；4. 根据记录的时间数据，绘制出时间与太阳位置的关系曲线，从而得到日晷计时的结果。
总之，这道题目需要结合物理学、数学建模和计算机编程等方面的知识，设计出一个符合要求的日晷模型，并描述如何使用该模型进行计时。
