2022年美赛（2023年美赛春季赛 赛题浅析）
由于今年各种各样的原因 ，导致美赛头一次 ，据说也将是最后一次 ，临时调整 ，加设春季赛 。这对于急需建模奖项的大家来说是一个很好的机会 。无论怎样的原因 ，今年美赛我们可能有所遗憾 。但 ，春季赛也许就是弥补遗憾的一次机会 。首先给大家带来春季赛两个赛题的简要解析 ，以方便大家更好的选题 。以及提前预知不同的赛题将会遇到的难点 ，提前避雷 。
今年春季赛给我的感觉就是似曾相识 ，Y题我可以直接想到2021第二届华数杯二手车的评估问题 ，大家可以提前看一下 ，稍后也会分享一些相关资料 。Z题 ，则让我想到了2010年国赛B题 ，奥运会问题 。因此 ，对于春季赛的两个赛题 ，我们都是有迹可循的 ，下面为大家进行简要的解析 ，详细思路稍后更新 。
预计上午十点之前完成两个赛题详细思路的编写 ，下午两点之前完成首次资料的收集工作 。
Y题详细版思路 ，九页word
链接：https://pan.baidu.com/s/1aeTNm_PhThfFhdFLZpTsDA
提取码：sxjm
Z题详细思路 八页word
链接：https://pan.baidu.com/s/1blv8pZK6X3d6s3L0ETd1Ow
提取码：sxjm
2023 MCM 问题Y：了解二手帆船的价格
问题Y ，是一个以二手帆船为背景的二手价格评估问题 。对于这一问题 ，我们可以回归本质 ，就是二手车的价格评估 。单独查找二手帆船的价格显而易见是很冷门的 ，因此我们可以进行借鉴 。稍后也将为大家收集相关的价格评估资料 ，其中尤其需要注意的就是大家可以参考这两年刚刚出过的一次二手车辆价格评估数模题 ，即2021年华数杯第二届的赛题 ，可以看一下 ，找一下思路 。
问题一 ，要求我们对每个帆船的价格的估计精度 。对于这一问题 ，最为简单的思路就是回归分析 ，根据题目提出的各种附加特性 ，以及给出数据的各种指标 。进行指标的选择 ，建立多元回归分析 ，直接进行价格的预测 。这个最简单的一种 ，可能大家感觉有些简单 ，其实很多国赛的主模型也是一个简单的多元回归分析 ，所以没有模型的对错 ，只有适合与否 。大家也可以选择一些高级的价格预测 ，对应的一些其他预测模型 ，或者二手车价格评估的专用模型 ，这就属于进阶模型了 ，尽力而为即可 。
问题二 ，根据我们建立的模型来解释地区对上市价格的影响 。问题二的题设要求我们在问题一的指标选取时 ，还需要尽可能地考虑地区数据 ，因此 ，就需要我们通读题目再去进行问题一指标的选取工作 。这里当我们问题一地回归预测模型的话 ，问题二就可
以看作对应的回归分析模型 ，对单个某一自变量与因变量地关系可以进行讨论 。对于进阶模型 ，我认为关系的分析讨论也是模型必备的 ，稍后也将为大家收集一些这方面的相关资料 。
问题三 ，相当于将我们的模型 ，代入香港这一实际例子进行分析 。
问题四 ，数模题的常见性质 ，我们通常叫做非技术性文章 ，这就需要大家各显神通 。
2023 ICM 问题Z：奥运会的未来
问题Z的题目设置 ，直接让我梦回2010年国赛B题 ，当时的题目设置为上海世博会的定量评估 。背景设置 ，题目问法简直不言而喻 。因此 ，我稍后为大家收集我手头的2010年国赛资料进行分享 。下面 ，进行简要的赛题浅析 。
Z题以奥运会的举办为背景设置了题目 ，题目提出了两种思路 ，一选取一个永久的地点 ，二将项目分为四组 ，降低举办活动的负担 。无论是这个题目还是当初的2010B题 ，大家都要明白这是数学建模 ，我们要进行的是定量分析 ，因此无论怎样的分析 ，都需要基于一定的数据出发 ，才能分析 。这里稍后也将为大家收集一下数据 。
问题的设置不同于以往的问题一二三四 ，问题Z应该就只有两个大问题 ，一 、判断我们计划的可行性 ，以及具体计划的实施时间 ，潜在策略对指标的影响；二 、非技术性文章 ，写一个备忘录 。
问题二 ，还是需要大家各显神通即可 。问题一 ，则需要我们仔细地分析题目中提及的几个关键词 。ICM建议从不同的角度建立举办奥运会的影响指标：经济 、土地使用 、人类满意度 (运动 员和观众) 、旅行 、未来改善的机会 、主办城市/国家的声望 。题目给出了考虑方向 ，也就相当于给了我们收集数据的大概方向 。
首先 ，我们收集数据只需要把握大方向即可 ，我们首先 先收集题目给出各种大方向的 数据 。根据收集的数据 完成问题一指标的选取 。切记 ，不能先选指标后找数据 ，这样很容易陷入找不到数据的尴尬境地 。对于光污染的数据很多数据开放的数据库可以直接获取 ，这里稍后也会为大家收集整理 。
最后就是数据的小注意点 ，我们可以发现对于春季赛的YZ两题,他们都是结果 相当开放的题目 。我们通常对于这种结果开放式的题目是很喜欢的 ，原因就是对于这种题目 ，他的答案一定不是固定值 ，因此 ，只要合理就可以 。如果保证合理呢 ，就需要我们大致的读一下文献 ，对现在这一现状有所了解 ，只要结果 不是离谱到家评委不能直接将我们的论文判定错误的 。所以 ，当我们真的真的找不到数据 ，或者找到的数据不好 ，代码编程运行出来的结果不理想时 ，对于这种开放式结果的题目 ，编造一个数据集 ，或者编造一个合理的结果是无可厚非的 。
总结：本次春季赛的赛题难度目前来看 ，是比今年美赛正式赛还要简单不少的 。Y题更加的具体 ，问题清晰 ，模型相对的比较简单 。Z题题目设置的更加宽泛 ，给了我们更大的发挥空间 。对于本次比赛 ，建模基础不好的 ，还是比较推荐Z题 ，Z题这种综合评价类的题目也是比较适合新手的 。这类赛题对于数学模型的掌握程度 、代码编程要求都不是太高 。对于Y题 ，则比较考验大家模型的选取 ，换而言之 ，模型的好坏很可能直接决定论文的评审等级 。因此 ，对于有建模经验的队伍 ，还是比较推荐Y题的 。对于无论哪场建模比赛 ，Z题这种类型的题目始终是选择的热门 ，也是因为这种赛题门槛低 ，可操作性大 。总之 ，Y偏难 ，但不至于太难还是有很多可行性的 。Z题 ，比较基础 ，唯一的难点就是在于数据的收集 。稍后我也将为大家收集一些数据 ，方便大家使用 。对于Y题 ，大家也可以有选择地收集一些和题目相关 ，但是给出的数据集中所没有的数据 ，也是可以的 。这一点做好的 ，也是我们的加分点 。
最后 ，预祝大家比赛顺利！！！！！！！！！！
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！