主题
数学建模的完整工作流程
明确问题和检验标准
先写清研究对象、时间与空间范围、可以用的信息、输出格式,以及判断结果是否可用的标准。以预测自习室每小时占用人数为例,可能的任务是每天早晨预测当天各时段人数,用于增加值班人手。需要提前约定,测试时只使用当天早晨已经掌握的信息,并决定是优先降低平均误差,还是优先减少高峰期低估。
从数据定义开始
记录人数来自人工计数、门禁还是座位传感器,核对时间戳、单位、缺失时段和重复记录。门禁刷卡次数与室内人数含义不同。如果只记录进门而没有离开事件,直接累加会在长时段产生偏差。保留原始数据和变换脚本,并在探索时画出不同星期与时段的分布,查找考试周等结构变化。
写出假设,建立基线
把业务描述改成变量、约束和客观可检查的假设。先用“最近一个同类工作日的同时段人数”得到基线。若随后使用回归,可以加入开课安排和事先公布的考试日程。对于关门时段和容量上限,写清是通过数据标记、结果截断,还是模型结构本身来处理,并把对应规则也纳入验证。
求解、验证和回退
先用一个普通时段和一个边界时段手工复核计算。随后按日期前后划分数据,训练和选择模型时只用验证期之前可获得的记录,把最后一段留作定稿测试。分别检查整体平均误差、高峰期低估频率和异常日失效情况。若复杂模型只在普通工作日略优,考试周明显变差,可以检查输入是否缺少考试安排,或为考试周给出独立的预测区间和适用说明。
| 看到的现象 | 优先回到哪一步 |
|---|---|
| 预测人数超过房间容量 | 数值单位、输出约束和目标定义 |
| 所有方法在考试周同时失效 | 数据范围、样本划分和假设 |
| 只在训练期表现很好 | 训练与验证流程、特征可得时间 |
交付与复核
保存最终模型的参数、数据切分点、运行命令和输出示例。报告同时给出基线成绩、最终模型成绩、适用时间范围和主要失败条件。若后续能收集真实数据,把高峰期遗漏和误差变化纳入定期复核;使用新数据更新模型后,以新的留出期重新量化效果。