2024数维杯B题详细思路代码数学建模高质量保姆级

2024年第九届数维杯大学生数学建模挑战赛题目

B 题 生物质和煤共热解问题的研究

(1)基于附件一,请分析正己烷不溶物(INS)对热解产率(主要
考虑焦油产率、水产率、焦渣产率)是否产生显著影响?并利用图像 加以解释。

我们可以首先计算各样品的平均焦油产率、水产率和焦渣产率,然后对比含有和不含有INS的样品之间的差异。我们将焦油产率、水产率和焦渣产率的平均值绘制成柱状图,以图像的形式展示正己烷不溶物对这些产率的影响。
首先,我们需要计算各样品的焦油产率、水产率和焦渣产率。在附件一中,每个样品有多个试验数据,我们需要计算每个样品的平均值。
然后,我们可以比较含有和不含有INS的样品的平均值,并绘制成柱状图,以展示正己烷不溶物对热解产率的影响。
在这里插入图片描述

要体现正己烷不溶物(INS)对热解产率的显著影响,可以使用统计学中的假设检验方法。常见的假设检验方法包括 t 检验和方差分析(ANOVA)。在这种情况下,我们可以使用方差分析来比较不同正己烷不溶物含量下的热解产率是否存在显著差异。
具体步骤如下:

提出假设:

零假设(H0):不同正己烷不溶物含量下的热解产率均值相等。
备择假设(H1):不同正己烷不溶物含量下的热解产率均值不全相等。

进行方差分析:

计算组间平方和(SSB)和组内平方和(SSW)。
计算均方(MSB 和 MSW)。
计算 F 统计量:F = MSB / MSW。

判断显著性:

根据自由度和显著水平查找 F 分布表,找到临界 F 值。
如果计算得到的 F 统计量大于临界 F 值,则拒绝零假设,认为不同正己烷不溶物含量下的热解产率均值存在显著差异。
在进行方差分析之前,需要对数据进行一些前提检验,如正态性检验和方差齐性检验,以确保方差分析结果的可靠性。

在这里插入图片描述

(2)热解实验中,正己烷不溶物(INS)和混合比例是否存在交互
效应,对热解产物产量产生重要影响?若存在交互效应,在哪些具体
的热解产物上样品重量和混合比例的交互效应最为明显?

要分析正己烷不溶物(INS)和混合比例是否存在交互效应,可以使用二因素方差分析(Two-way ANOVA)来进行。二因素方差分析可以同时考虑两个因素(正己烷不溶物和混合比例)及其交互效应对因变量(热解产物产量)的影响。
具体步骤如下:

提出假设:

零假设(H0):正己烷不溶物、混合比例以及它们的交互效应对热解产物产量没有显著影响。
备择假设(H1):正己烷不溶物、混合比例或它们的交互效应对热解产物产量有显著影响。

进行二因素方差分析:

计算组间平方和(SSB1、SSB2、SSB12)和组内平方和(SSW)。
计算均方(MSB1、MSB2、MSB12、MSW)。
计算 F 统计量:F1 = MSB1 / MSW,F2 = MSB2 / MSW,F12 = MSB12 / MSW。

判断显著性:

根据自由度和显著水平查找 F 分布表,找到临界 F 值。
如果计算得到的 F 统计量大于临界 F 值,则拒绝零假设,认为正己烷不溶物、混合比例或它们的交互效应对热解产物产量有显著影响。

在具体分析交互效应的时候,可以通过检查交互作用的 P 值来确定哪些交互效应是显著的。如果交互作用显著,可以进一步分析各水平组合下的热解产物产量,以确定哪些组合对产量影响最为明显。

(3)根据附件一,基于共热解产物的特性和组成,请建立模型
优化共解热混合比例,以提高产物利用率和能源转化效率

要建立模型优化共热解混合比例,以提高产物利用率和能源转化效率,首先需要确定一个目标函数,该函数应考虑热解产物的利用率和能源转化效率。一种可能的目标函数是最大化焦油产率和水产率的总和,同时最小化焦渣产率。同时,也可以考虑最大化正己烷可溶物产率作为另一个目标。
然后,可以使用数学优化方法,如线性规划、非线性规划或进化算法等,来求解最优的混合比例。在这个过程中,需要考虑混合比例的约束条件,如混合比例之和为100等。
具体步骤如下:

确定目标函数:

目标函数1:最大化焦油产率和水产率的总和,同时最小化焦渣产率。
、目标函数1=焦油产率+水产率−焦渣产率目标函数1=焦油产率+水产率−焦渣产率

目标函数2:最大化正己烷可溶物产率。

目标函数2=正己烷可溶物产率目标函数2=正己烷可溶物产率

确定约束条件:

混合比例之和为100。

使用数学优化方法求解最优混合比例。

(4)根据附件二,请分析每种共热解组合的产物收率实验值与
理论计算值是否存在显著性差异?若存在差异,请通过对不同共热解
组合的数据进行子组分析,确定实验值与理论计算值之间的差异在哪
些混合比例上体现?

要分析每种共热解组合的产物收率实验值与理论计算值是否存在显著性差异,可以使用假设检验方法,比如 t 检验。首先,对每种组合进行 t 检验,检验实验值与理论计算值之间的差异是否显著。然后,可以对不同混合比例进行子组分析,确定实验值与理论计算值之间的差异在哪些混合比例上体现。
具体步骤如下:

对每种共热解组合进行 t 检验:

假设零假设(H0):实验值与理论计算值之间的差异不显著。
假设备择假设(H1):实验值与理论计算值之间的差异显著。

对于显著的组合,进行子组分析:

对每个混合比例进行 t 检验,检验实验值与理论计算值之间的差异是否显著。

(5)基于实验数据,请建立相应的模型,对热解产物产率进行
预测

要建立对热解产物产率进行预测的模型,可以使用回归分析。回归分析可以帮助我们理解自变量(例如混合比例)与因变量(例如焦油产率、水产率、焦渣产率等)之间的关系,并用于预测因变量的取值。
具体步骤如下:

确定因变量和自变量:

因变量:焦油产率、水产率、焦渣产率等。
自变量:混合比例等。

收集和整理实验数据,构建数据集。

选择合适的回归模型:

线性回归:假设因变量和自变量之间存在线性关系。
多项式回归:假设因变量和自变量之间存在高阶关系。
其他回归模型:根据数据特点选择适当的回归模型。

拟合回归模型:

使用数据拟合回归模型,得到模型参数。

模型评估:

分析模型的拟合程度,评估模型的准确性和可靠性。

进行预测:

使用建立的回归模型对新数据进行预测,得到热解产物的产率预测值。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/687643.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

1689 ssm社区老人危机干预系统myeclipse开发mysql数据库springMVC模式java编程计算机网页设计

一、源码特点 java ssm社区老人危机干预系统是一套完善的web设计系统(系统采用SSM框架进行设计开发,springspringMVCmybatis),对理解JSP java编程开发语言有帮助,系统具有完整的源代码和数据库,系统主…

从RAID 0到RAID 10:全面解析RAID技术与应用

🐇明明跟你说过:个人主页 🏅个人专栏:《Linux :从菜鸟到飞鸟的逆袭》🏅 🔖行路有良友,便是天堂🔖 目录 一、前言 1、磁盘阵列简介 2、磁盘阵列诞生背景 3、硬件RA…

无人播剧项目怎么做,快手无人播剧全攻略,版权难题一招破解!

相信大家比较关注的问题就是快手无人直播无人播剧到底是不是真的?是不是骗人的?靠不靠谱?是不是真的能赚钱?会不会涉及到版权问题?等等。接下来我就给大家一一做解答! 首先关于快手无人播剧是不是骗人的&a…

Element快速上手!

Element是饿了么公司前端团队开发的一套基于Vue的组件库,用于快速构建网页~ 官网链接: Element - The worlds most popular Vue UI frameworkElement,一套为开发者、设计师和产品经理准备的基于 Vue 2.0 的桌面端组件库https://element.elem…

Rust编程语言的特点及其适合做什么

Rust编程语言的特点 Rust是一门系统级编程语言,它有如下特点。 1. 类C的语言语法 Rust的具体语法和C/C类似,都是由花括号限定代码块,还有一样的控制流关键字,例如if、else、while和for。然而,也并非所有的C或者C关键…

大数据Scala教程从入门到精通第六篇:Scala源文件编写和运行

一:Scala源文件编写和运行 1:源代码比较 public class HelloJava{public static void main(String[] args){System.out.println("hello scala")} } object HelloScala{//用于声明方法 入参是一个String类型的数组。返回值类型为空def main…

每日OJ题_贪心算法四②_力扣435. 无重叠区间

目录 力扣435. 无重叠区间 解析代码 力扣435. 无重叠区间 435. 无重叠区间 难度 中等 给定一个区间的集合 intervals ,其中 intervals[i] [starti, endi] 。返回 需要移除区间的最小数量,使剩余区间互不重叠 。 示例 1: 输入: intervals [[1,2]…

3DGS+3D Tiles融合已成 ,更大的场景,更细腻的效果~

最近国外同行Kieran Farr发布了一个他制作的3D GussianSplatting(高斯泼溅)Google Map 3D Tiles的融合叠加的demo案例(如下所示)。 准确来说这是一个数据融合的实景场景,该实景场景使用了倾斜三维和3D GussianSplatting两种实景表达技术&…

Python专题:十二、再谈函数

Python的函数 print()函数 def函数名(*参数) 一次传入多个参数,并保存在元组中 参数混用,普通的参数最好放在不限个数的特殊参数之前 def函数名(**参数)一次传入多个参数&#x…

淘宝扭蛋机小程序开发:探索未知,扭出惊喜

一、引领潮流,创新体验 在淘宝这片购物海洋中,我们总是寻求为您带来不一样的惊喜和乐趣。今天,我们正式推出淘宝扭蛋机小程序,将传统扭蛋的趣味与电商购物的便捷完美结合,为您带来前所未有的购物新体验。 二、扭蛋机…

线性表

1.1线性表的定义 线性表:零个或多个数据元素的有限序列。 注: (1)它是一个序列。元素之间是有顺序的,若元素存在多个,则第一个元素无前驱,最后一个元素无后继,其他元素有且只有一个…

【机器学习】 人工智能和机器学习辅助决策在空战中的未来选择

🚀传送门 🚀文章引言🔒技术层面📕作战结构🌈替代决策选项🎬选项 1:超级战争(Hyperwar)🌠选项 2:超越OODA🌂选项 3:阻止其他…