大家好呀，2024年辽宁省大学数学建模竞赛开始了，来说一下初步的选题建议吧：
首先定下主基调，
本次辽宁省赛推荐大家选择B或C题目。A题目只建议有相关专业背景的人选择。
BC都是比较经典的数据分析+优化类题目，主要做相关性分析、回归预测和机器学习预测这些，求解思路很确定，整体也可以做不少可视化，获奖概率会高很多，大家到时候直接运行我给的python代码即可，不需要你配环境，我会录制怎么运行的视频，无脑运行，很简单。
精力有限，以下只是简略的图文版初步思路，更详细的视频版完整讲解请移步：
2024辽宁省数学建模竞赛选题建议及ABC题详细思路！_哔哩哔哩_bilibili
OK，接下来讲一下ABC题的思路。
A题 风切变影响及处置
题目分析与建模思路
问题 (1): 在低空顺风风切变时，考虑飞机的飞行速度、飞行的高度、飞机的姿态等因素，建立数学模型，分析民用客机起飞和降落时的影响
B题：钢铁产品质量优化
1.确定哪些参数对于带钢的机械性能具有重要影响：
o 思路：
i. 数据预处理：读取并清洗数据，包括处理缺失值、异常值等。
ii. 特征选择：使用统计分析方法（如相关性分析、方差分析）或机器学习方法（如递归特征消除、Lasso回归）来确定对带钢机械性能（硬度）有显著影响的工艺参数。
iii. 可视化分析：通过散点图、热力图等手段进行数据可视化，辅助理解参数之间的关系。
2.建立带钢产品质量在线检测模型，并分析模型的性能：
o 思路：
iv. 数据分割：将数据集分为训练集和测试集。
v. 模型选择：选择合适的回归模型，如线性回归、决策树回归、随机森林回归或神经网络等。
vi. 模型训练与调参：使用训练集训练模型，并通过交叉验证进行参数调优。
vii. 模型评估：在测试集上评估模型性能，计算均方误差（MSE）、决定系数（R²）等指标。
viii. 模型解释：分析模型的特征重要性，解释模型如何根据工艺参数预测带钢的硬度。
3.建立带钢工艺参数优化的解决方案：
o 思路：
ix. 优化目标：设定优化目标，如最大化带钢硬度、最小化硬度波动等。
x. 约束条件：考虑工艺参数的物理和实际约束，如温度范围、速度限制等。
xi. 优化方法：使用优化算法（如遗传算法、粒子群优化、模拟退火）在满足约束条件的前提下找到最优工艺参数组合。
xii. 仿真验证：通过仿真或实际生产数据验证优化方案的有效性。
数据分析与建模详细步骤
数据预处理
o 导入数据，检查数据的完整性和质量，处理缺失值和异常值。
o 对数据进行归一化或标准化处理，以消除量纲影响。
特征选择
o 计算各工艺参数与带钢硬度之间的相关系数，绘制热力图进行可视化。
o 使用Lasso回归进行特征选择，确定最重要的工艺参数。
质量检测模型建立
o 选择合适的回归模型（如线性回归、随机森林回归等），分割训练集和测试集。
o 训练模型并进行交叉验证，调节模型参数以获得最优模型。
o 评估模型性能，分析模型的特征重要性。
工艺参数优化
o 设定优化目标和约束条件，使用遗传算法或粒子群优化等优化算法进行求解。
o 验证优化结果，通过仿真或实际生产数据验证优化方案的有效性。
C 题 改性生物碳对水中洛克沙胂和砷离子的吸附
问题1：反应温度、溶液pH、吸附剂用量对As(V)和ROX去除率的影响
建模思路：
1. 实验数据整理与预处理： 收集并整理附件1提供的实验数据，确保数据完整性和一致性。
2. 变量定义：
o 自变量：反应温度、溶液pH、吸附剂用量
o 因变量：As(V)和ROX的去除率
3. 初步分析： 通过绘制散点图或箱线图等方式，初步观察各自变量与因变量之间的关系。
4. 回归分析： 选择适当的回归模型（如多元线性回归、非线性回归）来量化各自变量对因变量的影响。回归模型的选择可以基于数据的分布情况和预期的关系形式。
5. 模型评估与验证： 使用统计指标（如R²、F检验等）和交叉验证方法对回归模型进行评估和验证，确保模型的可靠性和泛化能力。
6. 结论： 分析回归模型的系数和统计结果，得出反应温度、溶液pH、吸附剂用量对As(V)和ROX去除率的具体影响。
问题2：如何选择反应温度、溶液pH、吸附剂用量让As(V)和ROX的总吸附量尽可能大
建模思路：
1. 目标函数定义： 定义总吸附量（As(V)和ROX吸附量的总和）作为目标函数。
2. 约束条件： 根据实验条件和实际操作限制，设定反应温度、溶液pH、吸附剂用量的约束范围。
3. 优化方法选择： 选择适当的优化算法（如线性规划、非线性规划、遗传算法等）来求解目标函数在给定约束条件下的最优解。
4. 算法实现与求解： 编写代码实现优化算法，并利用实验数据进行求解，得到使总吸附量最大的反应温度、溶液pH和吸附剂用量的组合。
5. 结果分析与验证： 分析优化结果，并通过实验数据或仿真实验进行验证，确保结果的可行性和有效性。
问题3：增加5次实验的设计方案
建模思路：
1. 实验设计原则： 基于已有实验数据和模型结果，确定增加实验的设计原则，如覆盖未充分探索的变量区域、验证模型预测的关键点等。
2. 实验点选择：
o 利用实验设计方法（如中心复合设计、Box-Behnken设计）合理选择5个新的实验点。
o 确保新实验点在变量空间内均匀分布，并且能够最大程度地提升模型的准确性和稳健性。
3. 具体设计方案： 给出具体的反应温度、溶液pH和吸附剂用量的组合，并解释选择这些组合的理由。
4. 预期结果与分析： 预测增加实验后的预期结果，并分析其对模型改进和结果验证的贡献。
OK，上述思路的文档领取、视频讲解以及后续的完整成品论文预定请点击我的下方个人卡片查看↓：
