关注SPSSAU
数据分析 简单一点
论文问卷 快人一步
数学建模
SPSSAU出品 · 必属精品 · 建议收藏
↓↓↓↓↓↓↓↓
数学建模竞赛是一项需要不断实践和经验积累的过程。参加数学建模比赛，既能锻炼学生的综合素质，也能促进对相关知识的深入理解和应用。对于第一次参加数学建模比赛的同学来说，面临的挑战可能会更大。本文将分享一些数学建模竞赛的经验，帮助初次参与数学建模比赛的同学更好地应对挑战，并迅速进入状态。
![]()
在进行数学建模比赛前，通常需要进行以下几个准备工作：
①找队友进行组队，通常三人一组。
②选择要参加的数学建模竞赛，竞赛全年都有，通常选择自己感兴趣或者认可度高的参加。
③学习相关书籍和软件。
④在比赛前，选择经典的赛题进行全真模拟。
选队友很重要！很重要！很重要！队友靠谱，可以说比赛事半功倍。那么如何选择队友，总结大家的经验来讲，按重要度考虑，可以从以下3方面进行选择：如果你和你的队友有共同利益驱使，那就能保证队友靠谱。比如说，你打算通过这次建模比赛加保研分，而你的队友却只是想感受一下比赛的氛围，参加这玩玩，那这次比赛你一定很心累，因为你队友知道你指着这次比赛争取保研资格，但对他来讲这次比赛无关紧要，所以他可以随便躺平等你带飞。但是如果找有共同利益的队友，就可以做的利益最大化，大家共赢。不要通过专业排名、综测排名去判断一个人的技术水平。数学建模大家通识公认的队员配置是建模+编程+论文，建模同学需要熟悉常用的数学建模算法以及实际问题的解决方式；编程同学要熟练使用常用的软件，比较常用的比如MATLAB、python；，而负责论文的同学需要熟练使用office软件进行论文排版。这些能力和技术不是通过专业排名就能看出来的，毕竟大学期末考试有多水大家都懂，老师把考试范围都给你了，背就完了，所以成绩不能代表技术水平。考虑完以上因素外，如果组队能够找到自己比较熟悉的人，特别是想多次参见比赛的长期搭档，那么在整个比赛过程中就会相对的轻松。沟通起来也比较方便、默契度相对较高。每一年的数学建模竞赛是非常多的，每个都参加是不现实的。- 本科生：推荐参加高教杯全国大学生数学建模竞赛，就是大家通常说的国赛，每年九月份比赛，时间通常为3天。与国赛相对的还有美国大学生数学建模竞赛，每年2月份比赛。研究生：推荐参加华为杯中国研究生数学建模竞赛，每年十月份左右。
这类比赛是数学建模竞赛中知名度和认可度排名top的，如果想要在大赛中拿奖，可以在这几类比赛前先参加其他规模相对较小的比赛，来熟悉一下比赛流程。可以参考下方2023全年数学建模竞赛时间表，每年的比赛时间改动不大，选择自己感兴趣或者学校认可度比较高的酌情参加。![]()
《高等数学》《线性代数》《概率论与数理统计》这些课程，大部分专业都会学习。以上这四本都是在各个领域内相对出门的教材，大家可以结合个人兴趣进行选择。除了理论知识的储备，软件使用也熟悉，数学建模常用的软件有以下：- MATLAB：数学建模最常用，主要用于算法开发、数据可视化、数据分析以及数值计算的高级基数计算语言和交互式环境。
- SPSSAU：在线数据分析软件，相比于SPSS更加方便智能，小白参见数学建模必备软件，输出的结果标准三线表可以直接复制，最后写论文很方便。
其他：LaTeX、Python、STATA、SAS、R、Office、PS等
经过前面的准备后，在组完队到正式比赛开始之间还有一段时间，这段时间队伍可以在一起从以往经典例题中选择一到两个进行模拟练习。有些学校也会组织赛前模拟，有老师指导自然会更好一些。可以选择近年国赛题目进行练习，在这个过程中不仅可以加深对整个数学建模竞赛的认识、提高带动思维活跃，还可以及时发现队伍之间的问题及时调整，同时提高彼此之间的默契度。这样到正式比赛时，就会更加的得心应手。
在参见数学建模竞赛过程中，通常需要注意以下3个点：以全国大学生数学建模竞赛为例：国赛分为A、B、C、D、E题，其中本科生从ABC题中选一题，专科生从DE题中选一题。数学建模题目的背景千差万别，从天文到历史各种背景都可能涉及到。但是原理是可以分为评价模型、预测模型、优化模型以及机理建模类。评价类模型用于评估或比较不同方案、决策或策略的优劣、效果或成果。这些模型帮助决策者根据给定的评价指标进行量化评估，从而做出最佳决策或选择。这类题目与预测类的都是选择人数相对最多的，模型容易上手，相对简单，但同时想要做的出彩冲刺奖项也相对困难一点。比如2021年C题——生产企业原材料的订购与运输问题1
在数学建模中，预测类模型用于分析和预测数据的趋势、模式和未来发展。这些模型通过历史数据和特征的分析，建立数学关系和模型，从而预测未知或未来的数据值。![]()
优化模型是一种用于寻找最优解或最优方案的数学模型。它涉及定义目标函数和约束条件，以最大化或最小化目标函数，并找到满足约束条件的最优变量取值。优化模型广泛应用于诸如生产规划、资源分配、调度排程、组合优化等各种决策问题中。比如2021年C题——生产企业原材料的订购与运输题2等。
![]()
通常国赛的A题都是比较偏向于机理建模类，这类题目与专业知识结合最密切，相对来讲难度最高，通常选的人也是最少的，如果平时有准备的同学也可以考虑。比如2022年国赛A题——波浪能最大输出功率设计，这类题目与专业知识结合非常密切，如果不是专业对口的队伍，不建议选择，因为读懂题目，就会耗费大量时间与精力。
![]()
题目选定后，队伍开始着手分析，从数据预处理、问题分析到各类型问题对应分析方法，都需要考虑到。每类问题的解决办法不可能只有一种，需要考虑哪一种最合适、最可能出彩。接下来分类介绍一些数学建模常用方法。
数学建模不是单一方法的使用，可能涉及各类方法的综合运用，比如数据预处理、基本描述、关系分析、分类模型、评价模型、预测模型、降维模型、用户分析等等。由于篇幅原因，本周文章仅将各大类型中的一些典型方法进行列举，如下图：下周将用单独一篇文章整理数学建模常用方法汇总！！！![]()
在数据分析之前，通常要进行数据预处理——异常值处理、缺失值处理、量纲处理等；方法举例（点击可跳转至相应方法详细说明）：
对数据进行基本的分析，查看平均值、中位数、最大值、标准差等，或者进行分类汇总，方法举例（点击可跳转至相应方法详细说明）：对数据相关关系、差异关系、影响关系等进行分析，方法举例：为决策者提供了量化评估方案和决策的工具和方法，帮助他们在复杂的决策环境中做出明智的选择。方法举例：
等等等等，以上各类方法都只举了一些代表性的例子，下周将用单独一篇文章整理数学建模常用方法！！！这一趴至关重要，因为最终评委老师就是根据我们的论文进行评分的，最终呈现的状态直接影响整个队伍的得分，所以写论文绝不是一个人的事情，是需要3位队员共同完成的。
在进行论文写作时，通常出现在论文中的表格需要整理成三线表格式，当分析的内容很多，数据整理和排版也会很麻烦，而使用SPSSAU进行数据分析时，输出结果都是符合学术规范的标准三线表格式，并且支持一键复制，可以直接使用，大大加快了数据建模论文写作的效率，如下图：
![]()
整理好论文后，3位队员一定要每个人都通读检查一遍，一个人可能会“灯下黑”，导致明显的错误也不能发现，3个人都检查如果存在错误那么发现的概率也就更大，可以及时进行修改。国赛那3天，大家都在高度紧张的氛围里熬夜通宵，终于比完了当然要好好休息，等结果啦。
如果全身心的投入到一场数学建模比赛的准备中，在这个过程中对于个人能力、水平的提高、以及团队协作、沟通能力的提高都有非常大的帮助，甚至在以后的工作中，都有可能会有很大的帮助。以上只是一些简单的经验总结，希望对第一次参见数学建模的同学有一定帮助。若要了解数据分析方法相关的更详细知识，可进入SPSSAU官网查看帮助手册or联系智能客服or人工客服为您解答。
以上就是今天的全部内容啦~
若您想看其他干货内容
请在评论区告诉SPSSAU
![]()
