当前位置: 首页 > article >正文

数学建模比赛(国赛)水奖攻略

       之前很多同学私聊问我,学校要求参加数模比赛,但是不擅长建模编程,但又不想浪费这个时间该怎么办呢,今天就来给大家讲一下大家都非常感兴趣的内容——数学建模水奖攻略。分享一下博主直接参加比赛时候的经验。

 一、选题技巧

       有一句话说选择大于努力。所以选择什么题型对于我们来说是非常重要的,首先来给大家讲一下我之前选择题目的一些标准。

1、热爱擅长大于一切

        博主之前参赛的时候通常会选择自己常见或者说最擅长做的题型,不要一味的为了追求奖项而刻意选择不适合自己的。就比如,我一般会直接选择是数理统计类的题目,因为数理统计类的题目是我经常做的,也是最了解的。
        数理统计分析可能比较常用到arima,灰色预测,或者神经网络,随机森林支持向量机这一些的模型,因为这些题型平时学习到的也比较多,演练的也会比较多。所以我通常会选择这一类的题型去做。所以在国赛当中开题之后,建议大家进行选题的时候可以找自己比较喜欢,比较擅长的方向。

2、 没有热爱就随大流

       什么叫没有热爱就随大流呢,给大家解释一下,如果各类题型大家都不是特别的擅长,没有哪一项突出的话,那么这个时候你就可以去网上进行搜索比赛所给出的每个题型,看看哪方面的题型的文献的数量多,如果有很多相关性比较高的题目的话,也可以选择这个题目。这样也可以降低后期的工作难度。

二、论文内容

1、数据处理方法

       在选择好题目之后,就可以进行相关的数据预处理了,可能有些刚接触建模比赛的小伙伴不太了解如何去进行数据的预处理,这个时候大家就可以去看一些硕士或者是博士的论文,找一些跟题目相关性比较高的文章去阅读一下这些文章的方法,然后再和自己的题目进行一个融合,实在是不能够融合的话,那就借鉴。语文叫借鉴,地理叫迁移😂😂

 2、论文排版

       第二重要的就是我们比赛当中的一个论文排版和格式问题,这个之前博主的主页里也介绍到过,论文格式其实在竞赛当中是非常重要,它就相当于是一个队伍的门面,一个好的门面就有可能会影响评阅老师对于这个队伍的看法,所以大家可以上网去找一些已经做好的论文格式,或者说阅读一下之前一些国奖的论文,看一下他们是怎么排版的。具体的论文模板博主之前也安利过,指路一下大家可以去看看。

2024国赛论文模板(word、latex)icon-default.png?t=N7T8https://blog.csdn.net/kstt20230206/article/details/141192275

3、图片美化

       图片和表格是最直观能反映出数据的形式,有时候一些图做的非常好看,评阅老师也会非常喜欢,这样也是有拿奖的可能的。在这里给大家推荐几个作图的软件——亿图图示,还有常用的visio,这两个是做流程图的软件。

       因为我个人是很喜欢在文章里面加一些流程图啊,这些图片进去,其实他能够很好的反映出我们建模时候的一个思路。还有一些做其他饼状图或者是其他分析图的软件,那些介绍学姐之前也谈到过,大家可以翻一翻之前的文章。

【备赛必备】数学建模常用26个软件推荐-CSDN博客

4、细节决定成败

       以上做到了,保证论文的完整度之后呢,就需要对自己论文模型和代码的查缺补漏,把细节做好,小小国奖不久轻松拿下了。


http://www.kler.cn/a/280024.html

相关文章:

  • ant-design-vue的table组件的首列复选框设置问题,包括设置默认选中,设置禁选条件
  • 【Flask 数据库 操作】数据库迁移
  • 基于大数据的水资源管理与调度优化研究【Web可视化、灰色预测、大屏设计】
  • TLB的刷新方式--linux 2.4
  • 五、OpenTK图形渲染基础
  • Navicat连接SqlServer
  • 一篇文章带你入门Golang
  • Mamba 2的发布是否可以撼动Transformer模型的AI大一统的江湖地位
  • 代码随想录算法训练营第五十八天 | 拓扑排序精讲、dijkstra(朴素版)精讲
  • 深度洞察:用PyTorch的torch.profiler解锁性能之谜
  • STM32学习记录-05 -1-TIM定时中断
  • IOS 17 基于UITabBarController实现首页TabBar
  • 电脑ip地址为什么会自己变更?电脑ip怎么改
  • 【精选】计算机毕业设计之:基于springboot超市进销存系统
  • streamlit+wordcloud使用pyinstaller打包遇到的一些坑
  • 使用Python+winreg修改/重命名Windows注册表的键
  • 安卓App开发 Ex篇:命令行工具
  • 学习日志28
  • Gauge使用体验
  • 小琳 AI 课堂:机器学习