2023年美赛C题评委文章及O奖论文解读 - 美国大学生数学建模竞赛 从评委和O奖论文出发-O奖论文_美赛2023c题o奖论文

2023年美赛C题评委文章及O奖论文解读 | 美国大学生数学建模竞赛 从评委和O奖论文出发-O奖论文做对了什么？

• 美赛真的是画图比赛吗?
• O奖论文的共同特点是什么？O奖论文做对了什么事情？
• 赛题包含哪些要点？
• 参赛队伍最爱使用哪些方法？
• 全球不同队伍在该赛题上的表现如何？

本文调研了当年赛题的评委文章和O奖论文，这些问题都会在文章中一一解答。

引言

每年美赛结束后，评委根据参赛情况撰写评论文章，其中包括：

1. 以23年C题为代表的预测模型问题的关键点是什么？
2. 对23年C题各个小问的评价：哪些队伍的方案做得好，好在哪里？
3. 对文章其他部分的评价：数据预处理、敏感性分析…

本文结合评委意见和当年O奖论文对23年美国大学生数学建模竞赛C题做出要点分析和总结，让我们一起来看看2023年美赛C题赛题分析吧！

省流：

阅读原始全文页面点这里

获得2016~2023历年美赛赛题资料与O奖论文点这里

如何在美赛中取得更高奖项？|从美赛组委会评选机制出发分析

评委背景

一句话介绍23年C题评论文章撰写人背景- ***Richard J. Marchand ***

拥有15年的MCM评奖经验，获得弗吉尼亚大学应用数学博士学位，进入美国军事学院完成博士后工作，在美国空军学院担任杰出访问教授。

一句话总结23年C题要点：

对预测模型里不确定性做出量化和分析

关键词：预测模型 → C题是时间序列数据，不确定性 → 给出置信区间，量化 → 公式化可计算，分析 → 可视化哈

---

简介

背景

23年C题要求团队开发基于一个不足一年时长的时间序列数据的预测模型，即Wordle结果预测模型。

评委意见：任何预测模型的重点之一是对预测结果不确定性的分析。

如此一来，23年c题重点之一也是对预测模型不确定性的分析。

而预测模型的不确定性可能来自很多方面。

数据本身可能存在误差或噪声，或者可能不完全代表整个想要模拟的系统。例如，测量误差、数据缺失或数据样本不足都可能导致不确定性。

此外，模型假设中对实际情况的简化可能带来模型不确定性。并且模型中的参数可能不是精确知道的。这些参数可能是基于历史数据估计得到的，因此包含估计误差。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/你好赵伟/article/detail/165272?site