2022年全国大学生数学建模竞赛E题目-小批量物料生产安排详解+思路+Python代码时序预测模型(三)

简介: 2022年全国大学生数学建模竞赛E题目-小批量物料生产安排详解+思路+Python代码时序预测模型(三)

前言


千呼万唤始出来啊家人们,真的是累死我了兄弟们,我昨天上了一天的班,晚上还整这个国赛敲代码敲到晚上2点才睡觉,搞得我也像是在比赛一样,麻了。不过一直写到现在也答应了很多小伙伴今天上午一定要写完E题第一问的思路和解析的,现在终于是把全部第一问的问题都梳理清楚,思路也理明白了。周预测模型其实小伙伴们不用限制的那么死,无非就是时序预测模型,周数简化甚至一般的机器学习模型都能直接预测,只不过效果不会有时序预测模型做的那么好,会产生数据波动。不懂什么时序预测模型的小伙伴可以去看我的个人专栏哈:


e7dd40dd9a024ee798be109d0f2baf7c.png

基于大多数模都是小白新手上路我采用了一种可以说得上是十分亲民的时序预测方法也能很好的达到时序预测模型的效果。粉丝内部可以得到更多的思路和代码,期待各位的关注。好了废话不多说我们开始继续解答吧!


博主会长期维护博文,有错误或者疑惑可以在评论区指出,感谢大家的支持。


一、六种物料挑选


六种物料挑选我在上篇文章:


2022年全国大学生数学建模竞赛E题目-小批量物料生产安排详解+思路+Python代码时序预测模型(二)_fanstuck的博客-CSDN博客


可以说的上是很明确了,大家只要按照这个思路走肯定是不会有问题挑选出明确的六种物料的。


但是还是有很多小伙伴不是很明白这里我再多嘴几句话:


秩和比的值能够包含所有评价指标的信息,显示出这些评价指标的综合水平,RSR值越大表明综合评价越优。


但有时还需实事求是地加以限定.例如病床利用率、平均病床周转次数一般可作高优指标理解,但过高也不见得是好事。


除区分高优指标与低优指标外,有时还要运用不分高优与低优及其种种组合形式,例如在疗效评价中,微效率可视为偏高优(高优与不分的均数),不变率可视为稍低优(偏低优与“不分”的均数)。总之,编秩的技巧问题要从业务出发来合理地解决。综合评价的方法一般是主客观结合的,方法的选择需基于实际指标数据情况选定,最为关键的是指标的选取,以及指标权重的设置,这些需要基于广泛的调研和扎实的业务知识,不能说单纯的从数学上解决的。


主要的是权重问题。


二、周数处理


第一问的难点可以说有三个:


  • 数据处理获取特征数据集,挑选出六种最高权重的物料
  • 周数处理获得时序数据集
  • 建立周预测模型评价数据集


目前我的文章思路一和二已经完美解答了第一个难点,现在这篇文章来处理接下来这两个难点。


我们根据挑选的六种物料的数据可以发现,每个物料的周数都不是连续的,

9b4c1150b6d94b47b7934995bfab4c20.png


每个物料需求都是有时间断层的,这里我们需要拥有一定的时序数据处理能力,我这里全部都是使用的Pandas处理,对Pandas时间序列数据处理不是很熟练的小伙伴可以去追更我的Pandas专栏,里面有非常详细的处理Pandas时间序列数据的文章,对付这个问题十分够用了。但是得到了周数还是会存在一些小问题:


  • 如相同周数的需求量如何处理?
  • 2020、2021、2022的年份周数又得如何计算呢?
  • 年度首周和尾周应该如何得到正确周数呢?


这些都是需要考虑的点。我们需要将周数和年份一起结合起来判断,得到正确每年周数,从而获得真实周数。这里给大家展示一下我的处理结果:

d4974046b39b4410a52de3f6f7da7955.png


我们可以根据Pandas的强大功能提取出周数和年份结合判断得到真实周数。


这里还需要处理一下真实周数相同的问题,大家一直对这个处理完全没有头绪,昨天晚上微信都被打爆了就是这个问题。Pandas如何处理两列的关系呢?这里我直接给出源码好吧:

pre_1=df_get_re1[['需求量','真实周数']]
def get_pre(df):
    list_q=[]
    m=1
    for i in range(pre_1.shape[0]):
        sum=df['需求量'][i]
        for j in range(i+m,pre_1.shape[0]):
            if df['真实周数'][i]==df['真实周数'][j]:
                sum=sum+df['需求量'][j]
        list_q.append(sum)
    return list_q

当然这是我早期测试代码,现在已经优化不需要这么复杂,大家可以参考这个思路。得到最终的时序预测数据集了:


7880b68143db47418e5ad6fbfab973ea.png


我已经写到这么细化的份上了,求个大家的关注和点赞不过分吧!以后的数模比赛只要我还有时间肯定会第一时间写出免费开源思路,你们的关注和点赞就是我写作的动力!!!


三、时序预测模型


既然得到了最终预测数据,那么时间预测模型也是呼之欲出了。

这里有相当多的时序预测模型可以供给大家选择:

fecbae11cbf541d1bd661932c2544f0b.png

简单套用一下即可,但是选择模型之前我们仍然需要观测一下数据集,是否符合我们使用时序预测模型的类型,可以绘制散点图来更加直观的观看:


379b39a19495414cb7b46b7181e643d1.png


deeb031fc6a342c39414ca3a2f3fb9ab.png


我们会发现这些数据都十分的离散,随着周数波动的十分跳跃,这里我们要根据实际情况选择更加贴切实际的时序预测模型,数据决定了模型的好坏。


模型预测结果


模型挑选这里需要考虑的点比较多,一般都是由经验和数据集主导,这里直接跳过了,直接呈上结果:

c88186e46430493387e0b38e134f79d0.png



d743fbc5eb6b43e39d49fe6500169979.png


效果还是十分不错的。


这里有很多评价模型效果的指标,比如残差值和残差率都可以考虑。


好了第一问已经完全结束了,马上开始大家万众期待的第二问解析!!!


目录
相关文章
|
4天前
|
开发者 Python
探索Python中的装饰器:简化代码,增强功能
【10月更文挑战第22天】在Python的世界里,装饰器是一个强大的工具,它能够让我们以简洁的方式修改函数的行为,增加额外的功能而不需要重写原有代码。本文将带你了解装饰器的基本概念,并通过实例展示如何一步步构建自己的装饰器,从而让你的代码更加高效、易于维护。
|
1天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
6 3
|
4天前
|
机器学习/深度学习 缓存 数据挖掘
Python性能优化:提升你的代码效率
【10月更文挑战第22天】 Python性能优化:提升你的代码效率
8 1
|
4天前
|
缓存 算法 数据处理
Python性能优化:提升代码效率与速度的秘诀
【10月更文挑战第22天】Python性能优化:提升代码效率与速度的秘诀
8 0
|
7天前
|
安全 数据处理 开发者
Python中的多线程编程:从入门到精通
本文将深入探讨Python中的多线程编程,包括其基本原理、应用场景、实现方法以及常见问题和解决方案。通过本文的学习,读者将对Python多线程编程有一个全面的认识,能够在实际项目中灵活运用。
|
1天前
|
设计模式 开发者 Python
Python编程中的设计模式:工厂方法模式###
本文深入浅出地探讨了Python编程中的一种重要设计模式——工厂方法模式。通过具体案例和代码示例,我们将了解工厂方法模式的定义、应用场景、实现步骤以及其优势与潜在缺点。无论你是Python新手还是有经验的开发者,都能从本文中获得关于如何在实际项目中有效应用工厂方法模式的启发。 ###
|
6天前
|
弹性计算 安全 小程序
编程之美:Python让你领略浪漫星空下的流星雨奇观
这段代码使用 Python 的 `turtle` 库实现了一个流星雨动画。程序通过创建 `Meteor` 类来生成具有随机属性的流星,包括大小、颜色、位置和速度。在无限循环中,流星不断移动并重新绘制,营造出流星雨的效果。环境需求为 Python 3.11.4 和 PyCharm 2023.2.5。
26 9
|
2天前
|
数据采集 机器学习/深度学习 人工智能
Python编程入门:从基础到实战
【10月更文挑战第24天】本文将带你进入Python的世界,从最基础的语法开始,逐步深入到实际的项目应用。我们将一起探索Python的强大功能和灵活性,无论你是编程新手还是有经验的开发者,都能在这篇文章中找到有价值的内容。让我们一起开启Python的奇妙之旅吧!
|
3天前
|
设计模式 监控 数据库连接
Python编程中的设计模式之美:提升代码质量与可维护性####
【10月更文挑战第21天】 一段简短而富有启发性的开头,引出文章的核心价值所在。 在编程的世界里,设计模式如同建筑师手中的蓝图,为软件的设计和实现提供了一套经过验证的解决方案。本文将深入浅出地探讨Python编程中几种常见的设计模式,通过实例展示它们如何帮助我们构建更加灵活、可扩展且易于维护的代码。 ####
|
1天前
|
数据库 开发者 Python
“Python异步编程革命:如何从编程新手蜕变为并发大师,掌握未来技术的制胜法宝”
【10月更文挑战第25天】介绍了Python异步编程的基础和高级技巧。文章从同步与异步编程的区别入手,逐步讲解了如何使用`asyncio`库和`async`/`await`关键字进行异步编程。通过对比传统多线程,展示了异步编程在I/O密集型任务中的优势,并提供了最佳实践建议。
7 1