当前位置: 首页 > news >正文

2017年第六届数学建模国际赛小美赛A题飓风与全球变暖解题全过程文档及程序

2017年第六届数学建模国际赛小美赛

A题 飓风与全球变暖

原题再现:

  飓风(也包括在西北太平洋被称为“台风”的风暴以及在印度洋和西南太平洋被称为“严重热带气旋”)具有极大的破坏性,往往造成数百人甚至数千人死亡。
  许多气象学家一致认为,在过去的几十年里,全球变暖(大约半摄氏度)已经发生在地球表面,而且这种趋势可能会继续下去。问题是,全球变暖对飓风活动意味着什么?请构造一个合理的模型,测量全球变暖的程度和全球飓风活动的强度,并估计两者之间的关系。

整体求解过程概述(摘要)

  全球变暖被认为是影响飓风强度的重要因素之一。全球变暖对飓风影响的研究已经展开,但尚未得出确切的结论。
  本文通过建立模型来衡量全球变暖的程度和飓风的强度,并得出它们之间的关系。
  在模型1中,建立了反映全球变暖程度的评价指标体系。采用熵权法计算各变量的权重。然后类比动量方程,建立一个综合指标来表征全球变暖的程度。
  在模式2中,我们对海温如何影响单个飓风进行了微观分析。建立运动方程,分析速度梯度和温度梯度之间的关系。然后应用回归分析方法,求出海温、强度、速度、加速度、压力、运动方向之间的相关关系。通过聚类分析将模型推广到一般情况。结果表明,海温直接影响飓风的运动路径,改变加速度的方向和值。海温对飓风的压力和速度也有影响。在此基础上,进一步得出温度与飓风频率密度分布关系不大的结论。
  在模式3中,分别分析了不同地区的飓风强度特征,计算出全球变暖程度的相关性。结果表明,飓风强度与全球蠕虫的关系因地区而异。尤其在东太平洋地区,飓风强度与全球变暖呈负相关。这可以用厄尔尼诺现象来解释。
  在模型4中,我们定义了一个基于总能量耗散的飓风潜在破坏性(PDI)指数来表示飓风的强度,然后进行回归以确定与全球变暖的关系。结果表明,PDI与热带海表温度相关,反映了已有的气候信号,但与飓风频率的关系更为显著。
  在模型5中,我们建立了预测模型,并对PDI和GWD的趋势进行了预测,结果表明全球GWD面临急剧增长,而PDI仍将处于波动之中。最后给出了未来PDI和GWD的可能值。
  最后,分析了本文提出的方法的优缺点。该研究在现实世界中也具有一定的应用价值。

模型假设:

  (1) 数据来源真实可靠
  (2) 全球变暖的程度主要体现在海平面、冰山数量和高度、海表温度、全球温度等方面。
  (3) 全球变暖的程度主要受人口、温室气体排放、森林覆盖率等因素的影响。
  (4) 飓风强度的大小主要受强度等级、飓风频次、各等级飓风频次的影响。

问题分析:

  现将问题分为以下具体分析,根据要求可分为两个子部分:
  建立模型,了解全球变暖对飓风活动的影响。
  构建一个合理的模型,测量全球变暖的程度和全球飓风活动的强度,并估计两者之间的关系。
  解决问题可分为3个步骤:
  分别分析了飓风的运动特征,得出了温度变化对飓风的影响。
  分析全球变暖与不同地区飓风强度的关系。比较得出结论。
  分析全球变暖对全球飓风强度的影响。
  为了解决每个环节的问题,我们建立了综合评价指标体系,定义了三个体系的层次:
  全球变暖影响全球变暖的因素,这些因素表达了飓风强度的程度。每个索引包含不同的对应变量。通过分析各指标之间的关系,可以得出全球变暖对飓风强度的影响。

模型的建立与求解整体论文缩略图

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

部分程序代码:(代码和文档not free)

D=[];
D0=DC;
D1=D0(1:,6);
D2=D0(1:,7);
D3=D0(1:,8);
D4=D0(1:,9);
e1=mean(D1);
e2=mean(D2);
e3=mean(D3);
e4=mean(D4);
d1=std(D1);
d2=std(D2);
d3=std(D3);
d4=std(D4);
for i=1:6349if abs(D1(i)
-e1)>3*d1D0(i,:)=
-1;endif abs(D2(i)
-e2)>3*d1D0(i,:)=
-1;endif abs(D3(i)
-e3)>3*d1D0(i,:)=
-1;endif abs(D4(i)
-e4)>3*d1D0(i,:)=
-1;end
end
for i=1:6349if D0(i,1)~=
-
1D=[D;D0(i,:)];end
end
clc,clear
gmr=xlsread('data'
,'V2:X30'); 
ppl=gmr(:,1); 
carb=gmr(:,2); 
forest=gmr(:,3); 
sst=xlsread('data'
,'I2:I30'); 
ssh=xlsread('data'
,'Q2:Q30'); 
ice=xlsread('data'
,'N2:N30') ; 
sst_entropy=xlsread('data'
,'J2:J30'); 
gmf=[sst ssh ice sst_entropy]; 
temp=xlsread('data'
,'B2:B30');
gmr_min=min(gmr);
gmr_max=max(gmr);
gmf_min=min(gmf);
gmf_max=max(gmf);
for i=1:length(gmr);for j=1:3if j==3
gmr_nor(i,j)=(gmr_max(j)-gmr(i,j))/(gmr_max(j)-gmr_min(j));elsegmr_nor(i,j)=(gmr(i,j)-gmr_min(j))/(gmr_max(j)-gmr_min(j));endend
end
for i=1:length(gmf)for j=1:4if j==3gmf_nor(i,j)=(gmf_max(j)-gmf(i,j))/(gmf_max(j)-gmf_min(j));elsegmf_nor(i,j)=(gmf(i,j)-gmf_min(j))/(gmf_max(j)-gmf_min(j));endend
end
EWr=EntropyWeight(gmr_nor);
EWf=EntropyWeight(gmf_nor);
alpha=gmr_nor*EWr';
beta=gmf_nor*EWf';
GWD=0.5*alpha.*alpha.*beta;
figure 
t=1980:2008;
plot(t,beta,'k',t,alpha,'r')
xlabel('year')
hold on
[ax,h1,h2]=plotyy(t,GWD,t,temp)
set(ax(2),'ytick',[14:0.1:14.7]) 
set(ax(1),'ytick',[0:0.1:1])
set(h1,'color','m');
set(h2,'color','b');
legend('The Present Index of Global Warming','The Motivation of Global Warming','The Extent
of Global Warming','Global Average Temperature')
%xlabel('year'), ylabel('global average temperature '),title('Global Average Temperature')
%figure 
%t=1980:2008;
%plot(t,beta,'k')
%xlabel('year'), ylabel('the present index of global warming beta'),title('The Present Index of 
Global Warming')
%figure
%plot(t,alpha,'r')
%xlabel('year'), ylabel('the motivation of global warming alpha'),title('The Motivation of Global 
Warming')
%figure
%plot(t,GWD)
%xlabel('year'), ylabel('GWD'),title('The Extent of Global Warming')
%figure
%plot(t,temp,'m')
%xlabel('year'), ylabel('global average temperature '),title('Global Average Temperature')
function weights = EntropyWeight(R)
[rows,cols]=size(R); 
k=1/log(rows); 
f=zeros(rows,cols); 
sumBycols=sum(R,1); 
for i=1:rowsfor j=1:colsf(i,j)=R(i,j)./sumBycols(1,j);end
end
lnfij=zeros(rows,cols); 
for i=1:rowsfor j=1:colsif f(i,j)==0lnfij(i,j)=0;elselnfij(i,j)=log(f(i,j));endend
end
Hj=-k*(sum(f.*lnfij,1)); 
weights=(1-Hj)/(cols-sum(Hj));
end
clc
clear
I=xlsread('飓风数据.xlsx','Sheet1','I2:T61');
yyy=xlsread('飓风数据.xlsx','Sheet1','A2:A61');
E=zeros(60,1);
for ii=1:60E(ii)=entropy(I(ii,:));
end
clc
clear
I=xlsread(' 飓风数据.xlsx','I2:T61');
yyy=xlsread('飓风数据.xlsx','Sheet1','A2:A61');
E=zeros(60,1);
for ii=1:60E(ii)=entropy(I(ii,:));
end
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

相关文章:

2017年第六届数学建模国际赛小美赛A题飓风与全球变暖解题全过程文档及程序

2017年第六届数学建模国际赛小美赛 A题 飓风与全球变暖 原题再现: 飓风(也包括在西北太平洋被称为“台风”的风暴以及在印度洋和西南太平洋被称为“严重热带气旋”)具有极大的破坏性,往往造成数百人甚至数千人死亡。   许多气…...

Node.js使用Express框架写服务端接口时,如何将接口拆分到不同文件中

项目目录结构说明: node.js连接mysql数据库步骤可参考:Node.js 连接 MySQL | 菜鸟教程 1、拆分之前的写法,未区分模块,所有接口api都写在了入口文件app.js中; 需求:想要将接口api拆分成根据不同的业务模块…...

Unity | Shader基础知识(第八集:案例<漫反射材质球>)

目录 一、本节介绍 1 上集回顾 2 本节介绍 二、什么是漫反射材质球 三、 漫反射进化史 1 三种算法结果的区别 2 具体算法 2.1 兰伯特逐顶点算法 a.本小节使用的unity自带结构体。 b.兰伯特逐顶点算法公式 c.代码实现——兰伯特逐顶点算法 2.2 代码实现——兰伯特逐…...

NCV8460ADR2G在汽车和工业应用中高压侧驱动如何破?

NCV8460ADR2G是一款完全保护的高压侧驱动器,可用于开关各种负载,如灯泡、电磁阀和其他致动器。该器件可以通过有源电流限制和高温关断针对过载情况进行内部保护。 诊断状态输出引脚提供了高温以及开关状态开路负载情况的数字故障指示。 特性:…...

在打日志时,如何使用snowflake-id快速方便得随机获取query的唯一id

步骤一:安装snowflake-id pip install snowflake-id步骤二:代码示例 from snowflake import SnowflakeGeneratorgen SnowflakeGenerator(42)for i in range(100):val next(gen)print(val)参考文档: https://pypi.org/project/snowflake-…...

Linux之yum管理器

目录 yum管理器 yum相关指令 yum list yum list | grep yum install yum remove 拓展 1.yum install -y man-pages 2.切换yum源 3.yum install -y epel-release 4. yum install -y lrzsz rz指令 sz指令 在window系统上,我们会在电脑自带的应用商…...

ubuntu 搭建本地私有pip源

# 搭建本地私有pip源 pip install pip2pi# 创建目录 mkdir /data/work/PyPip/ mkdir /data/work/PyPip/packages cd /data/work/PyPip/# 创建需要从外网源同步的package touch requirements_roop.txt# 批量同步 pip2tgz /data/work/PyPip/packages -r requirements_roop.txt# 同…...

声音克隆:让你的声音变得无所不能

什么是声音克隆? 声音克隆是一种利用人工智能技术,根据一段声音样本,生成与之相似或完全相同的声音的过程。声音克隆可以用于多种场景。 声音克隆的原理是利用深度学习模型,从声音样本中提取声音特征,然后根据目标文…...

hadoop02_HDFS的API操作

HDFS的API操作 1 HDFS 核心类简介 Configuration类:处理HDFS配置的核心类。 FileSystem类:处理HDFS文件相关操作的核心类,包括对文件夹或文件的创建,删除,查看状态,复制,从本地挪动到HDFS文件系统中等。…...

使用C语言将ASCII明文编码为GSM短信体格式

一、背景介绍 GSM(Global System for Mobile Communications)是全球移动通信系统的简称,而GSM 03.38是GSM系统中用于短信编码的标准。GSM 03.38字符集采用7-bit编码,与ASCII的8-bit编码有所不同。为了将ASCII编码的文本转换为GSM…...

docker搭建mysql8.0.32,实现主从复制(一主两从)

安装docker的步骤、使用命令就不写了,本文章是基于会使用docker、linux基本命令的基础上来写的。 开始步骤: 1. 拉取 mysql 镜像 docker pull mysql:8.0.32 2. 启动容器并运行mysql a. 准备mysql的配置文件(该配置文件是:mysq…...

AOP springboot

1. 2. Around(“execution(* com.example.demo.controller..(…))”) 代表所有的类下面所有的方法任意参数 3....

Python Flask 基础入门第六课: Flask 全局变量 current_app, g 以及 session各自如何使用 有什么差异

全局变量 current_app, g 以及 session 全局变量差异汇总表current_app章节1 current_app - 当前应用实例current_app的基本概念current_app的作用current_app的使用 章节2:current_app的上下文什么是应用上下文?current_app与应用上下文的关系current_a…...

第33节: Vue3 方法与在线检测

UniApp 使用 Vue3 框架时&#xff0c;您可以使用方法和在线检测来处理应用程序中的逻辑和数据。下面是一个示例&#xff0c;演示了如何在 UniApp 中使用 Vue3 框架使用方法和在线检测&#xff1a; <template> <view> <button click"handleClick"&g…...

React学习计划-React16--React基础(二)组件与组件的3大核心属性state、props、ref和事件处理

1. 组件 函数式组件&#xff08;适用于【简单组件】的定义&#xff09; 示例&#xff1a; 执行了ReactDOM.render(<MyComponent/>, ...)之后执行了什么&#xff1f; React解析组件标签&#xff0c;找到了MyComponent组件发现组件是使用函数定义的&#xff0c;随后调用该…...

flink yarn-session 启动失败retrying connect to server 0.0.0.0/0.0.0.0:8032

原因分析&#xff0c;启动yarn-session.sh&#xff0c;会向resourcemanager的端口8032发起请求&#xff1a; 但是一直无法请求到8032端口&#xff0c;触发重试机制会不断尝试 备注&#xff1a;此问题出现时&#xff0c;我的环境ambari部署的HA 高可用hadoop&#xff0c;三个节点…...

.NET面试题(二)

1.c# 中new关键字的作用 实例化对象和调用构造函数&#xff1a;当使用 new 关键字创建一个类的实例时&#xff0c;它会为对象分配内存&#xff0c;并调用相应的构造函数来初始化该对象。    隐藏基类成员&#xff08;方法、属性、事件等&#xff09;&#xff1a;当在派生类中…...

ffplay工具

在编译ffmpeg时&#xff0c;如果系统中包含了SDL库&#xff0c;则会默认编译生成ffplay工具&#xff0c;否则无法生成ffplay工具。 ffplay即可以作为播放器&#xff0c;也可以作为很多图像化音视频数据的分析工具&#xff0c;通过它可以看到视频图像的运动估计方向、音频数据的…...

第36节: Vue3 事件修饰符

在UniApp中使用Vue3框架时&#xff0c;你可以使用事件修饰符来更方便地处理用户交互事件。以下是一个示例&#xff0c;演示了如何在UniApp中使用Vue3框架使用事件修饰符&#xff1a; <template> <view> <button click.prevent"handleClick">Cli…...

如何在本地安装Flask并将其web界面发布到公网上远程访问协同开发

目录 前言 1. 安装部署Flask 2. 安装Cpolar内网穿透 3. 配置Flask的web界面公网访问地址 4. 公网远程访问Flask的web界面 前言 本篇文章讲解如何在本地安装Flask&#xff0c;以及如何将其web界面发布到公网上并进行远程访问。 Flask是目前十分流行的web框架&#xff0c;…...

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…...

NLP学习路线图(二十三):长短期记忆网络(LSTM)

在自然语言处理(NLP)领域,我们时刻面临着处理序列数据的核心挑战。无论是理解句子的结构、分析文本的情感,还是实现语言的翻译,都需要模型能够捕捉词语之间依时序产生的复杂依赖关系。传统的神经网络结构在处理这种序列依赖时显得力不从心,而循环神经网络(RNN) 曾被视为…...

全面解析各类VPN技术:GRE、IPsec、L2TP、SSL与MPLS VPN对比

目录 引言 VPN技术概述 GRE VPN 3.1 GRE封装结构 3.2 GRE的应用场景 GRE over IPsec 4.1 GRE over IPsec封装结构 4.2 为什么使用GRE over IPsec&#xff1f; IPsec VPN 5.1 IPsec传输模式&#xff08;Transport Mode&#xff09; 5.2 IPsec隧道模式&#xff08;Tunne…...

JVM虚拟机:内存结构、垃圾回收、性能优化

1、JVM虚拟机的简介 Java 虚拟机(Java Virtual Machine 简称:JVM)是运行所有 Java 程序的抽象计算机,是 Java 语言的运行环境,实现了 Java 程序的跨平台特性。JVM 屏蔽了与具体操作系统平台相关的信息,使得 Java 程序只需生成在 JVM 上运行的目标代码(字节码),就可以…...

Python基于历史模拟方法实现投资组合风险管理的VaR与ES模型项目实战

说明&#xff1a;这是一个机器学习实战项目&#xff08;附带数据代码文档&#xff09;&#xff0c;如需数据代码文档可以直接到文章最后关注获取。 1.项目背景 在金融市场日益复杂和波动加剧的背景下&#xff0c;风险管理成为金融机构和个人投资者关注的核心议题之一。VaR&…...

[ACTF2020 新生赛]Include 1(php://filter伪协议)

题目 做法 启动靶机&#xff0c;点进去 点进去 查看URL&#xff0c;有 ?fileflag.php说明存在文件包含&#xff0c;原理是php://filter 协议 当它与包含函数结合时&#xff0c;php://filter流会被当作php文件执行。 用php://filter加编码&#xff0c;能让PHP把文件内容…...

python可视化:俄乌战争时间线关键节点与深层原因

俄乌战争时间线可视化分析&#xff1a;关键节点与深层原因 俄乌战争是21世纪欧洲最具影响力的地缘政治冲突之一&#xff0c;自2022年2月爆发以来已持续超过3年。 本文将通过Python可视化工具&#xff0c;系统分析这场战争的时间线、关键节点及其背后的深层原因&#xff0c;全面…...

软件工程教学评价

王海林老师您好。 您的《软件工程》课程成功地将宏观的理论与具体的实践相结合。上半学期的理论教学中&#xff0c;您通过丰富的实例&#xff0c;将“高内聚低耦合”、SOLID原则等抽象概念解释得十分透彻&#xff0c;让这些理论不再是停留在纸面的名词&#xff0c;而是可以指导…...

[C++错误经验]case语句跳过变量初始化

标题&#xff1a;[C错误经验]case语句跳过变量初始化 水墨不写bug 文章目录 一、错误信息复现二、错误分析三、解决方法 一、错误信息复现 write.cc:80:14: error: jump to case label80 | case 2:| ^ write.cc:76:20: note: crosses initialization…...

CSS(2)

文章目录 Emmet语法快速生成HTML结构语法 Snipaste快速生成CSS样式语法快速格式化代码 快捷键&#xff08;VScode&#xff09;CSS 的复合选择器什么是复合选择器交集选择器后代选择器(重要)子选择器(重要&#xff09;并集选择器(重要&#xff09;**链接伪类选择器**focus伪类选…...