【比赛总结】2022十四届华中杯数学建模比赛总结

原创

已于 2022-05-23 00:11:04 修改 · 2.6k 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#lstm #机器学习 #深度学习

于 2022-05-22 23:38:32 首次发布

本文讲述了作者及其团队在数字经济竞赛中的经历，使用PCA进行主成分分析处理数据，并结合LSTM和PSO算法求解多参数问题。文章分享了关键步骤、数据处理技巧及团队合作的反思，适合对机器学习应用于经济预测感兴趣的读者。

前

好久没写博客了，因为最近在忙别的事情，事情比较多就不想写东西了

所以没在比赛结束的时候直接写总结，拖到了现在

最后的结果是忘记写附录、忘记提交代码和附件了，最终只有三等奖的成绩，这里没有怪我队友的意思，其实有队员记错比赛时间应该所有人都有责任的。

好了，正经说说我们的解法吧，要是觉得特别差劲请嘴下留情。

以下只写我给队友的readme.txt的文件的内容吧，其他的不放了，想要的可以联系我。

中

我们选的是B题。

第一问是“数字经济”板块的主要指标，我们用的是PCA的做法。

对于第一问我们做了数据的处理，并且使用PCA实现了主成分分析。

readme.txt：

有一个特征值叫ARBR 它后面缺失的比较多 就直接把这个特征值舍弃掉了
剩下的采用的SPSSPro里面的按照线性趋势填充缺失值
数据处理的时候要把“数字经济版块信息”中的5min求平均到每一天赋值
归一化就是(a[i]-min)/(max-min)的值
然后用程序把有所有指标的日期都整理到一个表（final中），预处理结束。

PCA是调用的sklearn里面的API，PCA求权重是用的SPSSPro
求权重的根据是这个链接
https://www.jianshu.com/p/f4d8597f3906
剩下要写的可能要结合PCA的原理啥的了

第二问队友找到了LSTM的模型，我发现是个多参数的求最值的问题，考虑用PSO（粒子群）算法，于是给出了pso-lstm的模型

readme.txt：

PSO（粒子群算法）不是可以解决像 f(x1,x2,x3)=****,其中x1∈(),x2∈(),x3∈()这种很多个变量的函数的最值嘛

变量：

可以给它设置7×47个xi，因为有7个指标嘛，每个指标又有47个5min间隔的时间组成，把第1个时间的这个指标的值设成附件中给的那个

形式化来说：xij表示第i