OrinVoss/dsh-math-team / presets/model-code/skills/math-model-code/references/roles-建模手
建模手
Verified数学建模的题目理解、模型选择和算法设计阶段。输出题目分析报告与术语表格。
| File | Kind | Size |
|---|---|---|
| SKILL.md | skill md | 3.1 KB |
| 前置合同.md | markdown | 947 B |
| 工作流程.md | markdown | 3.9 KB |
| 常见模式.md | markdown | 5.9 KB |
| 建模设计理论.md | markdown | 5.5 KB |
| 质检清单.md | markdown | 937 B |
建模设计理论.md
View on GitHub# 建模设计理论
## 问题与模型匹配
| 问题结构 | 模型方向 | 必查条件 |
|---|---|---|
| 约束下求最优 | 线性、整数、非线性、鲁棒或多目标优化 | 变量类型、可行域、目标和约束 |
| 随时间变化 | 时间序列、状态空间、机器学习预测 | 时间顺序、平稳性、外生变量和回测 |
| 多指标排序 | 统计降维、组合赋权、效率评价 | 指标方向、相关性、权重依据和稳健性 |
| 网络关系 | 最短路、网络流、复杂网络 | 节点、边、方向、权重和连通性 |
| 不确定系统 | 概率模型、蒙特卡洛、随机或鲁棒优化 | 分布依据、场景和风险指标 |
| 模式识别 | 聚类、分类、集成学习 | 标签、样本代表性、数据泄漏和验证集 |
## 设计原则
1. **充分性**:覆盖题目目标、关键约束和关键数据。
2. **可证伪性**:预先定义会让模型失败的检验。
3. **可实现性**:公式、算法与 Python/MATLAB 工具一致。
4. **可追溯性**:参数、阈值和假设都有来源。
5. **创新性**:避免直接套用常见简单模型;创新点必须能映射到具体实现和验证。
复杂度由问题结构、数据和验证要求决定。
## 模型数量
每道子问题最多两个独立模型体系。允许:
- 一个主模型;
- 主模型加一个对比或验证模型;
- 两个串联模型分别完成必要阶段。
灵敏度分析、残差分析、消融实验、交叉验证和可视化属于验证方法,不单独计作模型。
物理问题按模型族而不是公式版本计数。同一物理机制、同一组核心状态变量和控制方程,在不同近似阶次、反射次数、边界简化或数值精度下的表达,属于一个模型族。例如,两光束干涉与多光束干涉若只是同一干涉机制的精度展开,计为一个模型;若引入不同传播机理或新的耦合状态方程,才另计模型。
两个模型得到相近结论并不构成删除理由。应根据研究目的、方法差异和证据价值决定是否保留。
## 组合方式
| 方式 | 条件 | 示例 |
|---|---|---|
| 串联 | 前一模型输出是后一模型必要输入 | 需求预测 → 库存优化 |
| 并行 | 需要比较不同假设或方法 | 统计模型与机器学习模型回测 |
| 主模型加验证 | 一个模型回答问题,另一模型验证边界 | 优化模型 + 仿真验证 |
## 验证设计
验证方式根据模型选择,可包括留出集、滚动回测、残差诊断、约束可行性、最优性界、稳定性、灵敏度、消融实验和外部数据对照。检验阈值必须写明依据。
## CUMCM / MCM 题型映射
不同竞赛的题目结构对应不同的建模重心。以下映射用于快速定位主攻方向,不替代对具体题目的分析。硬约束(页数、摘要、篇幅)以当届官方规则为准。
### CUMCM 题型打法(A/B/C 三选一,72 小时)
| 题型 | 典型特征 | 建模重心 | 参考模式 |
|---|---|---|---|
| A 题(连续/机理) | 物理/工程过程、常/偏微分方程、元胞自动机、参数估计 | **量纲与物理一致性**、机理建模、灵敏度 | 模式 4/5(预测+检验)、微分方程族 |
| B 题(离散/优化) | 运筹规划、调度、离散优化、图论 | 精确规划→启发式降级、约束建模 | 模式 1/2(规划/启发式)、图论 |
| C 题(数据/评价) | 大数据分析、综合评价、机器学习 | **EDA 与特征工程** + **综合评价赋权**(熵权/TOPSIS/AHP) | 模式 5/7(双模型、赋权+评价) |
**CUMCM 特有约束**:五段式摘要(背景→问题→方法→结果→创新,600-900 字);假设 3-7 条(少于 3 草率、多于 10 模型站不住);符号说明表必须有单位列;每子问题最多 2 个独立模型体系。
### MCM/ICM 题型打法(96 小时,英文,25 页硬上限)
| 题型 | 典型特征 | 建模重心 | 参考模式 |
|---|---|---|---|
| MCM A(连续) | 物理、工程、自然过程 | 数学抽象、模型严谨性、数值模拟 | 模式 1/4/9 |
| MCM B(离散) | 网络、图论、运筹、调度 | 整数规划、图算法、启发式 | 模式 1/2 |
| MCM C(数据洞察) | 给数据集,分析/建模/预测 | 统计、机器学习、数据可视化 | 模式 5 |
| ICM D(运筹/网络) | 优化、网络分析、决策 | 优化建模、网络分析 | 模式 1/2 |
| ICM E(环境/可持续) | 生态、资源、气候变化 | 环境建模、综合评价 | 模式 7/10 |
| ICM F(政策) | 政策建议,**必写 Letter**(2 页给决策者的信) | 综合评价+优化、政策可操作性 | 模式 7/10/11 |
| ICM G(网络科学) | 社交/数据网络 | 网络分析、图模型 | 图论 |
**MCM/ICM 特有要点**:强制英文;1 页 Summary 是评委第一关(权重极高);25 页硬上限(附录代码不算页数但正文必须引用);Communication 维度权重高(排版、图表、叙事清晰度);数据来源常需引用真实数据集(UN/World Bank 等)。
### 通用判读
- **机理题**(CUMCM A / MCM A):先做量纲分析,所有公式单位必须自洽;参数从数据或文献估计,注明依据。
- **数据题**(CUMCM C / MCM C):EDA 先行——缺失、异常、分布、相关性、时间/空间结构;特征工程后再选模型;C 题常需结合综合评价赋权。
- **决策/政策题**(ICM F 等):评价模型定权重 → 优化模型给方案 → 模拟/灵敏度验证稳健性,三件套组合;政策题还需给出可操作建议并写给决策者的信。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |