数模中预测类方法偏AI的走向

导读:在之前的数模竞赛中,即便是美赛O奖的作品中,我们都能看到诸如灰色预测这样的用MATLAB实现的方法,实际上我们有时间序列,回归等一系列比较常用的预测方法。 在18年前后,预测类数模问题变得较为尴尬,不是因为这些题目简单,是因为大家都有了一套两套现成...

在之前的数模竞赛中,即便是美赛O奖的作品中,我们都能看到诸如灰色预测这样的用MATLAB实现的方法,实际上我们有时间序列,回归等一系列比较常用的预测方法。

在18年前后,预测类数模问题变得较为尴尬,不是因为这些题目简单,是因为大家都有了一套两套现成的算法,拿题后只要找到数据就能很快跑程序出数据出图写论文。所以那个时候基本上很少有预测的题目再出现了。

实际上,评价类模型和预测类模型都是这样,因为人均都会,所以导致我们不会见到一整个大题全是讲预测的。

在这之前,我们在国赛见过人口增加预测,长江水质预测,世博会影响预测等等,那个时候基本上都是用matlab去实现这些数据的处理和预测。

说起来,在15年我本科入学的时候有个风潮,就是互联网+,那个时候就是谁有着一个什么创新创业的点子,就可以去参加比赛拿拿奖。我一看这还要做ppt路演,搞得比较商业,当时就没怎么关注,毕竟我只喜欢参加埋头做题的比赛。

上台说话这种我比较怯场,不过我也不是没有改变自己,有一次我最终鼓起勇气去参加了学校一个英语辩论赛,初赛只有抽题观点陈述这一部分,不用和别的同学正面对抗,所以我侥幸侃侃而谈,成功入围复赛,高兴之余,也激动地和室友报喜,随后联系复赛管理人员说我不去了,名额因此也顺延给了后一名,不知道算不算得上一桩美谈。

扯远了,主要是那个时候搞互联网+,什么东西都要加互联网,超市+互联网=做个订超市app,打车+互联网=打车软件。

现在python很火,颇有一番人工智能+的趋势。

在数模领域,除了matlab,学会python搞人工智能应用也将是一个趋势,不过吧,实际上MATLAB也能实现一部分。

那么在预测类这方面,用python的话:

LSTM:长短期记忆网络

GRU:门控循环单元

DBN:深度置信网络

QNN:量子神经网络

SVR:支持向量机

XGBoost:极端梯度提升

CNN:卷积神经网络

ESN:回声状态网络

……

举例的这些方法都可以被应用到预测中,如果你搜索这些算法,你会发现有不少核心期刊论文,通篇运用这些方法来做预测。至少我们现在做数模论文,是几乎无法发表那些预测类论文至核心期刊的。

那么,你是不是应该选一个关键词,找个时间搜索原理和源代码,然后学会如何应用模型呢?

~~~

有时候会发一点数学建模,

和别的什么的。

可否,关注一下?