Skip to content

模型与方法选择 ​

先确认要交付的是预测、分组、排序、执行方案,还是随时间变化的状态。若题目需要多个输出,可以先读数学建模常见方法总览与选择思路,再查各类方法的输入条件和验证方式。

方法速查 ​

任务建议先核对查看方法
预测数值或已知类别历史样本是否有目标值或标签回归与分类
找分组或压缩特征距离或方差是否受特征尺度支配聚类与降维
预测未来几个时段观测频率、历史长度和季节规律时间序列预测
按多项指标排序指标方向和权重是否有依据综合评价
在限制条件下制定方案决策变量、约束及目标是否明确优化决策
描述系统状态如何变化变化规律、初值和参数是否可说明机理与动力学

文章列表 ​

回归与分类 ​

聚类与降维 ​

  • K-means 聚类

    用一轮手算理解最近中心分配,选择群数并检查群组能否稳定复现。

  • 主成分分析(PCA)

    用协方差和投影理解主成分,核对解释方差与下游任务的表现。

时间序列预测 ​

  • ARIMA 时间序列预测

    理解差分、滞后项和预测还原,通过时间回测和残差检查判断是否值得使用。

  • 指数平滑预测

    从逐期更新的水平值出发,选择处理趋势或季节变化的合适变体。

  • 灰色预测 GM(1,1)

    通过累加、拟合和还原理解经典灰色预测,并与短序列基线做同窗回测。

综合评价 ​

  • TOPSIS 综合评价法

    将候选方案映射到指标空间,比较与正负理想点的距离并验证排序稳定性。

  • 层次分析法(AHP)

    把多指标偏好写成两两判断,求权重并检查判断是否相互一致。

  • 熵权法

    用各指标在当前方案中的分布计算差异权重,并检查常量列、极端值与权重含义。

优化决策 ​

  • 线性规划

    把连续资源分配写成线性目标和约束,用顶点与上界复核最优结果。

  • 整数线性规划

    用二进制或整数变量描述离散选择,理解松弛界和求解状态并查验可执行性。

  • 非线性规划

    识别连续优化中的非线性和凸性,用初值、约束残差与可解析的小例核对求解。

  • 多目标优化

    用帕累托支配筛出目标之间的有效取舍,比较加权求和和约束法。

机理与动力学 ​

MathModel FAQ · 数学建模知识库