|
$ @2 ?4 P q; c% G2 z 占个位置吧，比赛期间将会免费给大家提供赛题的思路分析，大家记得点赞关注我们！！！实时更新
% s- N8 v: s. u A题：序列图像特征提取及模具熔融结晶建模分析 ; ^8 ~* S, r0 ~, T1 K- _, X
A题是一个模具结晶的建模分析问题，我们首先对给出的图像进行特征提取，来构建我们的温度时间曲线图；先对图像进行一个边缘检测，再进行轮廓跟踪和图搜索，并基于变换直方图选取阈值，最后考虑通过聚类分析来得到我们的表格数据，构建温度时间曲线图；代尔文我们还要对量化的不同特性进行时间序列建模，需要用到ARIMA来进行相应的预测，构建时间序列模型；第三问中要构建温度、熔化速率和结晶速率的关系，通过Avrima方程来构建一个结晶动力学模型，A题需要用到一定的专业知识，建议有一定建模基础的同学选择该题目。
$ [8 q. o2 _! W
: B8 S+ @! c3 |4 N3 _ B题：高速列车的优化设计
& l; H* x8 v$ w7 N, R8 O1 m9 \- D B题稍微看了一下，有一定的难度，需要用到大量的物理公式，首先需要构建一个空气阻力学模型，根据能量守恒定理，我们的控制方程可以写为： 5 Q+ Q" l* m4 I% t$ L: Q0 B
% g; R4 e/ P v
再引入气体的状态方程：p=ρRT（R为气体常熟，ρ为气体温度） & H/ V) |: G, \! O. K- e
有点难度，后面更新一下！
+ A3 y! t; N+ e" l. a; w: t) z
5 h* y7 x X: Q7 Y* H T C题：是否全球变暖 C题是一个比较常见的题型，很多比赛中都出过，首先是温度预测，气候模型的求解以及分析的机器学习算法主要有：RNN神经网络；LSTM神经网络；时间序列；线性回归等等。上述模型及算法在不同程度上可量化分析全球气候时空数据及其趋势，预测未来全球气候变化，反映全球气候变化态势。然后构建一个温度与时间和位置的关系曲线，可以用到线性回归分析模型构建相应的关系曲线 3 C$ m" V, {) s
本文用到的数据会比较多，大家进行数据分析的时候要先进行数据的预处理，总体来说难度较低，适合新手进行选择，后面我们会进行比较详细的思路分析，大家关注我，持续更新
- q/ k& @; w9 T& E" g5 R* {9 U X7 C 7 [& D6 H$ ?5 Q; r7 f6 L
我们也会为大家提供模型和代码参考参考，尽最大的努力帮助大家！ ! r5 V8 L: o" O5 m$ {* _. U3 ?
( b# v7 c( ~% a R
6 S) d. q( I- l. T- Q N! D, ?. B1 b2 e
! O# F9 H: W) C$ f
| 
