新冠肺炎数学建模论文格式

2021年“高教社杯”全国大学生数学建模竞赛ABC题的分析：

A题疫苗生产问题思路。

第一问确定答案，其他题思路新冠肺炎肆虐全球，给世界带来了深重的灾难。各国为控制疫情纷纷研发新冠疫苗。假定疫苗生产需要经过CJ1工位、CJ2工位、CJ3工位以及 CJ4工位等4个工艺流程。

每个工艺流程一次性均能处理100剂疫苗，这100剂疫苗装进一个加工箱一起送进工位的设备进行处理。而且，只有按照CJ1-CJ2-CJ3-CJ4的顺序在4个工位都进行了加工以后，才算完成生产。

为防止疫苗包装出现混乱，某疫苗生产公司生产部门规定，每个工位不能同时生产不同类型的疫苗，疫苗生产不允许插队。

即进入第一个工位安排的每类疫苗的生产顺序一旦确定就要一直保持不变，而且前一种类型的疫苗离开某个工位后，后一种类型的疫苗才能进入这个工位。

B题消防救援问题赛题思路。

赛题描述

随着我国经济的高速发展，城市空间环境复杂性急剧上升，各种事故灾害频发，安全风险不断增大，消防救援队承担的任务也呈现多样化、复杂化的趋势。对于每一起出警事件，消防救援队都会对其进行详细的记录。

问题1：

将每天分为三个时间段（0:00-8:00为时段Ⅰ，8:00-16:00为时段Ⅱ，16:00-24:00为时段Ⅲ），每个时间段安排不少于5人值班。

假设消防队每天有30人可安排值班，请根据附件数据，建立数学模型确定消防队在每年2月、5月、8月、11月中第一天的三个时间段各应安排多少人值班。

问题2：

以该地2016年1月1日至2019年12月31日的数据为基础，以月份为单位，建立消防救援出警次数的预测模型。

以2020年1月1日至2020年12月31日的数据作为模型的验证数据集，评价模型的准确性和稳定性，并对2021年各月份的消防救援出警次数进行预测。

问题3：

依据7种类别事件的发生时间，建立各类事件发生次数与月份关系的多种数学模型，以拟合度最优为评价标准，确定每类事件发生次数的最优模型。

问题4：

请建立数学模型，分析该地区2016-2020年各类事件密度在空间上的相关性，并且给出不同区域相关性最强的事件类别（事件密度指每周每平方公里内的事件发生次数）。

问题5：

请建立数学模型，分析该地各类事件密度与人口密度之间的关系（人口密度指每平方公里内的人口数量）。

问题6：

目前该地有两个消防站，分别位于区域J和区域N，综合考虑各种因素，建立数学模型，确定如果新建1个消防站，应该建在哪个区域？

如果在2021-2029年每隔3年新建1个消防站，则应依次建在哪些区域？

思路：

基本和国赛的消防救援题差不多，还简单一点，属于路径优化问题。

C题数据驱动的异常检测与预警问题赛题思路。

题目描述

推动生产企业高质量发展，最根本的底线是保证安全、防范风险，而生产过程中产生的数据能够实时反映潜在的风险。

某生产企业某日00:00:00-22:59:59由生产区域的仪器设备记录的时间序列数据（已经进行数据脱敏），本题未给出数据的具体名称，这些数据可能是温度、浓度、压力等与安全密切相关的数据。

建立数学模型，完成以下问题：

问题1：

给出的数据都可能存在波动，且所有波动都在安全值范围内。有些波动可能是正常性波动，例如随着外界温度或者产量变化的波动，或者可能是传感器误报。

这些波动具有规律性、独立性、偶发性等特点，并不能产生安全风险，我们视为非风险性异常，不需要人为干预；有些波动具有持续性、联动性等特点。

这些异常性波动的出现是生产过程中的不稳定因素造成的，预示着可能存在安全隐患，我们视为风险性异常，需要人为干预、分析和评定风险等级。

请建立数学模型，给出判定非风险性异常数据和风险性异常数据的方法。

问题2：

结合问题1的结果，建立数学模型，给出风险性异常数据异常程度的量化评价方法，要求使用百分制（0-100分）对每个时刻数据异常程度进行评价（分值越高表示异常程度越高）。

应用所建立的模型和附件1的数据，找到数据中异常分值最高的5个时刻及这5个时刻对应的异常传感器编号，每个时刻只填写5个异常程度最高的传感器编号，异常传感器不足5个则无需填满。

如果得分为0，可以不用填写异常传感器编号，并给出数学模型对所得结果进行评价。

思路：

经典的异常分析问题，异常数据一般可以用机器学习的方法做，常用的聚类。

kmeans、dbscan、决策树、孤立深林、LSTM，以上模型都可以套用进来。

数据分析员的未来前景还是很好的，比较熟知的方向是如下：1、数据开发方向：偏技术，包括开发工程师、挖掘工程师、算法工程师、数仓工程师，这些相对门槛有点高，对学历、专业、毕业学校要求都是比较高的。2、分析方向：偏业务，是通过数据发现业务问题，洞察行业机会点，通过数据产生的价值驱动企业的发展，这也是现在企业数字化转型最需要的人才，对编程能力要求较低。了解数据分析可以到CDA了解，其与国际知名考试服务机构 Pearson VUE 合作，认证考点覆盖全球。CDA 全球会员联盟开放式合作进一步建立企业会员与雇主联盟，具备中立性并逐步成为国际化认证标杆。并且2017 年 7 月 29 日，第四届 CDAS 中国数据分析师 行业峰会成功举办。浏览破纪录地超过 17 万，报名人数将近 5000 人，7 家直播方提供线上直播， 参与直播观看的人数超过 20 万，国内最大的数据分析师行业峰会的称号当之无愧。

首先，我们建立数学建模来预测疫情发展趋势。

我们采用结合传播网络机制的SEIR模型【易感-潜伏-感染(患病)-治愈】，基于2020年1月10日至2月11日的新冠肺炎疫情数据，建立一个描述疫情发展变化的动力学系统.

通过MATLAB计算仿真程序求解相关参数和模型结果，并用统计学指标来评估结果的误差，然后评估效果较好的模型则用于对疫情发展趋势做短期预测和中长期预测。

其次，我们结合统计学原理做全面而深入的数据分析。

我们重点研究疑似、确诊、重症、死亡、治愈、密切接触、医学观察等数据，讨论各项数据之间的内在关联，以及分析基于数据的各项统计学指标的实际含义，得出对战胜疫情有用的启示。

最后，我们综合现实因素和理论依据给出战胜疫情的拙见。

我们综合考虑当前的疫情发展实情、国家的应急措施和相关不确定性因素，基于数学模型和数据分析的结论，对疫情未来发展做长期判断，给出战胜疫情过程中的重要防控关卡和几个重要时间节点。

2022统计建模大赛

统计建模大赛官网 2020年（第七届）全国大学生统计建模大赛优秀论文集

如何在数学建模比赛中稳拿奖 全国大学生统计建模大赛：经验+流程

统计建模公开数据/数据开放平台 统计建模官方数据平台 其他数据平台汇总

民用航空： 是指使用航空器从事除了国防、警察和海关等国家航空活动以外的航空活动，民用航空活动是航空活动的一部分，同时以“使用”航空器界定了它和航空制造业的界限，用“非军事等性质”表明了它和军事航空等国家航空活动不同。

旅游交通业： 旅游交通业是实现旅游者空间移动的各种交通工具、手段和服务的集合，特别是旅游交通要满足旅游者安全、方便、快捷、舒适、价廉等方面的需求，要求旅游交通业不仅要具有一般交通运输的功能，还要具有满足人们旅游需求的功能，并在交通工具、运输方式、服务特点等方面都形成旅游交通业的特色。

航班出港准点率： “准点率，又称正点率、航班正常率，是指航空旅客运输部门在执行运输计划时，航班实际出发时间与计划出发时间的较为一致的航班数量（即正常航班）与全部航班数量的比率，表征承运人运输效率和运输质量。”

航班着陆率： 航班着陆率的定义为每小时内机场安全着陆的航空器数量。

=城市经济水平+城市宜居水平+城市旅游水平 +机场评分+航空公司评分 +基于博弈论的机票销售模式 +两地疫情情况 +油费

=航班日内时间+航班距离离岗时间 +航线距离+直达与转机+舱位选择 +油费

基于时间序列的机票预测模型

基于ARMA平稳时间序列的机票预测模型

基于ARMA平稳时间序列机票价格预测模型

航班延误建模与流量分配方案

新冠肺炎对交通运输业影响的预测与分析

数据解析 | 新冠疫情对民航业与飞机制造业的影响分析

河南省交通旅游融合发展策略之总体思路与发展策略

原因1：受当前疫情影响，人们出行意愿普遍降低。此时上座率大幅萎缩，机票价格开始大幅度打折。

原因2：错峰出行影响了机票的价格。

原因3：停飞不代表没有成本。这里存在的成本主要体现在飞机的租赁成本、机场停机费、飞机的折旧维修成本，这些都是固定支出。如果飞机起飞的话，虽然存在着起降费，燃油费，机组人员员工成本等费用，但近些年因为民航开始采取减费和补贴政策，例如对燃油，起降费有优惠。既然这样，如果低价飞行的话至少还能抵消部分成本。

原因4：停飞会影响全球航班时刻资源的使用。

原因5：当前售卖的基本上是廉价航空机票。因为廉价航空一般会选择在运营费便宜的机场降落，有时不提供免费餐点等附加服务，所以总体成本相对更低。

原因6：航班除了客运还有货运和邮运，当前形势下，陆运交通并不方便，为了保证全国的物资调动，航空运输成为首选。

原因7：响应复工复产号召，必须要有部分航班保障。

【DEA模型讲解】购买机场前你应该会的挑选方法

作用：DEA（data envelopment analysis数据包络分析法）是运筹学和研究经济生产边界的一种方法。该方法一般被用来测量一些 决策部门的生产效率 。 对象：一个机场就是一个生产决策单元（DMU：decision making unit） 模型：CCR（导出综合效率 = 规模 + 纯技术）、BCC（导出技术效率） 输入指标matrix：航站楼面积，跑道长度，停机位数量，跑道数量 输出指标matrix：货运量，客运量，通航城市 目标函数：效率评价指数 = 输出综合 / 输入综合 约束条件：0<效率<1 分式规划模型-->线性规划模型-->对偶问题（求min-->求max） 规模报酬值 与1的大小关系 松弛变量：强有效、弱有效

深度分析：“上海第三机场”为什么最终选定南通，而苏州出局？

深度剖析！上海第三机场为何选南通？无锡、苏州落选最大原因竟是……

总结：拆迁费低，空域重叠率低，带动长三角发展薄弱的北面地区

数据来自于 METAR（METeorological Aerodrome Report）、TAF（Terminal Aerodrome Forecasts）和 SPECI（SPECIal weather report）， 其中 METAR 和 SPECI 通告了实际气象信息，TAF 报则表示了未来一段时间的预报信息。 TAF：

除机场传统生产统计系统（机场起降架次统计、机场业务量统计、机场吞吐量分析（分公司）、旅客流量流向统计等报表）外，大数据技术亦可在机场战略规划、航线布局与规划、旅客构成、飞行安全、航班正常率、机场建设规模、投资规模等机场运营管理中得到应用——例如机场生产统计系统，通过对机场业务生产量、流量流向等报表的历史数据以及对机场实际运营情况的分析，可以对机场的中远期的航空业务量进行预测，从而为机场规划、航线规划提供可靠的数据支持。 另外，大数据亦可应用在机场新航线开发及航线布局与规划方面......

有向加权机场网络 关键机场 时间延迟稳定性方法 ( Time Delay Stability Method，TDS)——延误步长分布和延误时间序列，可以看出两个机场的延误时间序列间存在规律性的有效延迟步长分布，说明从长期来看两个机场之间存在稳定的相关性。

[1]刘彤丹,王艳军.基于ITDS的机场网络构建及分析[J].航空计算技术,2019,49(06):38-43.