怎么看数学建模的异常点

A. 数学建模敏感度怎么算

算数学建模敏感度算法步骤

控制变量法：改变参数值，通过折线图观察其变化。

1.控制其他参数不变的情况下，改变模型中某个重要参数的值。

2.观察随着参数值的变化而导致的结果变化情况，判断输出受变化参数影响大小，即敏感度。

数学模型（Mathematical Model）是一种模拟，是用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象而又简洁的刻画，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模（Mathematical Modeling）。

不论是用数学方法在科技和生产领域解决哪类实际问题，还是与其它学科相结合形成交叉学科，首要的和关键的一步是建立研究对象的数学模型，并加以计算求解（通常借助计算机）；数学建模和计算机技术在知识经济时代的作用可谓是如虎添翼。

B. 2021年“高教社杯”全国大学生数学建模竞赛ABC题怎么分析

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。

C. 数学建模中的分析方法有哪些

数学建模分析方法大体分为机理分析和测试分析两种。
机理分析：根据对客观事物特性的认识，找出反映内部机理的数量规律，建立的模型常有明确的物理或现实意义。
测试分析：将研究的对象看做一个“黑箱”系统（意思是它的内部机理看不清楚），通过对系统输入、输出数据的测量和统计分析，按照一定的准则找出与数据拟合最好的模型。
希望对你有帮助

D. 什么叫模型检验数学建模里的

关于数学建模的一般步骤在网上搜的话很容易找到，这里我就不多说了
数学建模就是将生活中的实际问题抽象成数学问题并建立模型，所谓的“模型检验”就是在对所建立的数学模型求解之后看它是否符合实际情况。
举例来说，假如要建立大家都非常熟悉的人口增长模型，如果你选的是指数模型，并且通过十年人口数据得到了这个指数的底数以及幂，也就是找到了整个的人口增长的函数关系。那么它是不是像你想象的那样符合实际情况或者是符合程度怎么样呢，你就需要那另外的数据（比如前三十年的人口数量）带入这个模型（指数函数）看看它的符合程度。如果非常符合误差极小，那说明你建模成功；如果有较大的出入，那就得在此基础上再找更好的模型了。
而这个检验模型是否符合要求的过程就叫做模型检验了。
个人语言表达能力比较差，我这样说能理解吧

E. 拿到一个数学建模题目要怎么去分析啊有那些具体的方法

数学建模全国大赛历年题目分析以及参赛成功方法数学建模竞赛的赛题分析。
1.了解问题的实际背景，明确建模目的，收集掌握必要的数据资料。
2.在明确建模目的，掌握必要资料的基础上，通过对资料的分析计算， 找出起主要作用的因素，经必要的精炼、简化，提出若干符合客观实际的假设。
3.在所作假设的基础上，利用适当的数学工具去刻划各变量之间的关系，建立相应的数学结构 --即建立数学模型。
4.模型求解。
5.模型的分析与检验。