本文主要运用非线性预测算法及数据处理相关知识，以矿石加工质量控制问题为研究对象，综合运用线性插值、BP神经网络和数据离散化等方法对问题给出求解的过程和结果。

本文针对火灾报警系统问题，建立熵权-topsis 逻辑回归等数学模型，旨在通过所建模型来选取可靠的探测器、提高报警准确率及改进各辖区综合管理水平，从而减少我国火灾事故。 针对问题一，首先根据地址、机号和回路，确定真实火灾数为418起。接着根据题目要求，基于可靠性和故障率两个指标建立综合评价模型。由于可靠性为效益型指标，而故障率为成本型指标，故将故障率通过数学公式转换为效益型指标，即完善率。指标确定后，运用熵权法确定各指标权重，最后利用topsis法构建各类型部件评价模型，对16种部件进行综合评价，帮助政府选择最可靠的5种火灾探测器类型，分别为光束感烟、手动报警按钮、智能光电探头、点型感温探测器、线性光束感烟。 针对问题二，建立基于logistic回归的区域报警部件类型智能研判模型。本文选择故障次数、消防大队及探测器类型3个变量作为自变量，误报与否作为因变量，将消防大队和探测器类型两个无序分类变量变为虚拟变量，利用logistic 回归模型预测辖区内某类型部件发出报警信息正确的概率，经检验模型的真实性为 。经检验结果有所偏差，故进行模型优化用woe值代替原值计算，使得结果更加真实可靠。

目前对矿石加工的质量要求越来越高，因此需要在加工过程中对其进行质量测试，保证加工质量的准确度[1]。本文主要运用非线性预测算法及数据处理相关知识，以矿石加工质量控制问题为研究对象，综合运用线性插值、BP神经网络和数据离散化等方法对问题给出求解的过程和结果。 针对问题一，首先根据实际情况使用删除法或线性插值法对数据进行预处理。经过皮尔逊相关系数分析，计算指标A、B、C、D之间的相关性，根据计算结果所得的相关系数表可知，各指标之间不具有显著相关性。根据附件1中所给的数据以及对数据的处理结果，以系统调温区间的平均温度作为基数据，将产品质量和原矿参数按照基数据划分，得出产品质量、温度、原矿参数之间的一一对应关系。选择BP神经网络模型，以系统温度、原矿参数作为输入数据，产品质量作为输出数据，训练神经网络，得到系统温度、原矿参数和产品质量之间的关系。根据题目所给2022-01-23两组系统温度，选择当天原矿参数输入神经网络，输出产品质量结果。 针对问题二，同样采用BP神经网络模型。以原矿参数和产品质量为输入数据，系统温度为输出数据，训练神经网络，得到系统温度与原矿参数、产品质量的关系，根据问题2所

2022年五一数学建模联赛B题成品，自己做的参赛论文，代码数据都在，有任何问题可以咨询我，可以学习参考和作业使用。原创成品欲购从速

主成分分析（ PCA），机器学习，随机森林， K 最近邻，支持向量机，逻辑 回归， 词袋法，模糊综合评价模型，信息熵， 优劣解距离法 本文使用了主成分分析（ PCA）的方法来求取故障率和误报率影响选择结果的 权重，得到了第一问的得分权重， 从而选择出了最适合的设备， 线型光束感烟探测 器。 第二问中我们使用了一个复合机器学习模型，同时使用了随机森林， K 最近 邻，支持向量机，逻辑回归 4 种模型，同时使用 CountVectorize 来对文本特征进 行量化，将 4 种模型的结果剔除一个离另外 3 个较远的，再取平均，得到最终结 果，避免了单一模型对结果的准确性造成影响，并验证了特征之间不存在明显相关 性。 第三问中我们使用熵权法+模糊综合评价的方法，得到了最优结果： R 大队， 和最劣结果： J 大队， M 大队， G 大队，在模型的检验中，使用了新的模型优劣解 距离模型求取了一次新的熵权，验证了结果的可靠性。 第四问中我们综合前两问中对于报警器的准确率，故障率及其工作原理给出多 种报警器的使用建议。结合第三问中对于各个大队的优劣结果得出火灾报警可靠性 与管辖面积的关系进而提出管理

五一杯、电工杯、东三省、中青杯、数维杯、华东杯、华中杯历年赛题及优秀论文 五一杯、电工杯、东三省、中青杯、数维杯、华东杯、华中杯历年赛题及优秀论文 五一杯、电工杯、东三省、中青杯、数维杯、华东杯、华中杯历年赛题及优秀论文

2021五一杯数学建模竞赛，B题消费救援，三等奖

2021年五一杯c题

2021年五一杯数模竞赛成品论文，多个可供选择

2021年“五一杯”数学建模赛题