2022 APMCM亚太数学建模竞赛 C题 全球是否变暖 27页论文及代码

简介: 2022年APMCM亚太数学建模竞赛C题"全球是否变暖"的研究成果,提供了27页的论文和相关代码,论文通过Mann-Kendall检验法和时间序列模型分析全球温度变化趋势,并探讨了影响全球气温的因素及其解决方案。

1 题目

全球变暖与否? 加拿大49.6°C的高温为地球北纬50°以上地区创造了新的气温记录,一周内就有数百人死于高温;美国加利福尼亚州死亡谷54.4°C,是地球上有记录以来的最高温度;科威特53.5°C,阳光直射下甚至超过70°C,中东很多国家超过50°C。

img

图1所示。北美的高温。 今年以来,我们看到了大量惊人的气温报告。地球正在燃烧的事实是毋庸置疑的。继这些地区从6月底到7月初的可怕高温之后,意大利再次创下欧洲气温纪录,达到惊人的48.8°C,许多国家宣布进入紧急状态。

全球气候变暖是一种与自然有关的现象。正是由于温室效应的不断积累,导致地球大气系统吸收和排放的能量失衡,能量在地球大气系统中不断积累,导致气温上升,全球气候变暖。

在工业革命之前,二氧化碳(CO2大气中的二氧化碳一直保持在280 ppm左右。2004年3月,大气中的二氧化碳浓度达到了377.7 ppm,这是到那时为止10年平均增幅最大的一次。根据美国国家海洋和大气管理局(NOAA)和斯克里普斯海洋学研究所(SIO)的科学家们的研究,月平均CO2 浓度水平在2022年5月达到峰值421 ppm。经济合作与发展组织(OECD)的一份报告预测CO2 到2050年,二氧化碳浓度将达到685 PPM

APMCM组委会已要求您的团队解决这些关于当前报告和未来全球温度水平预测的主张。他们提供了数据集2022_APMCM_C_Data.csv,其中包含239177条记录,以协助你们的研究。

需求 1.你同意全球温度的说法吗?使用附件中的2022_APMCM_C_Data.csv和你们团队收集的其他数据集来分析全球温度变化。

a)你是否同意2022年3月全球温度的上升导致了比以往任何10年期间观测到的更大的增长?为什么?为什么不? b)基于历史数据,请建立两个或两个以上的数学模型来描述过去并预测未来的全球温度水平。 c)分别使用1(b)中的每个模型来预测2050年和2100年的全球温度。你们的任何一个模型是否与2050年或2100年观测点的全球平均温度将达到20.00°C的预测一致?如果不是在2050年或2100年,你们预测模型中观测点的平均温度什么时候会达到20.00°C?

d)你在1(b)中建立的哪个模型你认为最准确?为什么? 2.影响温度变化的原因是什么? a)利用问题1的结果和附件2022_ APMCM_C_ data .csv和你们团队收集的其他数据集中的数据,建立一个数学模型来分析全球温度、时间和位置之间的关系(如果有),并解释它们之间的关系或证明它们之间没有关系。

b)请收集相关数据,分析自然灾害(如火山爆发、森林火灾和新冠肺炎)的因素。对全球气温有影响吗?

2 论文摘要

全球气候变暖是一种和自然有关的现象,是由于温室效应不断积累,导致地气系统吸收与发射的能量不平衡,能量不断在地气系统累积,从而导致温度上升,造成全球气候变暖。由于人们焚烧化石燃料,如石油,煤炭等,或砍伐森林并将其焚烧时会产生大量的二氧化碳,即温室气体,这些温室气体对来自太阳辐射的可见光具有高度透过性,不仅危害自然生态系统的平衡,还影响人类健康 甚至威胁人类的生存。本次项目的内容就是针对这一现象,建立模型,判断和预测相关的信息,例如温度变化以及各因素的影响等。
针对问题一、其中我们使用到Mann-Kendall检验法判断温度变化趋势,在交点处于1983年的情况下,本文不认为全球气温的上升导致了比之前任何10年观察到的更大的上升,随后处理数据,进行ARIMA的模型设置,使用ARGM和LSTM算法进行预测,本文认为LSTM模型效果更好,且温度需要在2135年才会到达20℃。
针对问题二、使用最小二乘法判断温度时间的位置关系,最后分析自然灾害等自然因素对于全球气温的影响。过程中一些研究机构已知的信息,来建立模型并解决问题,通过这些模型对于所研究的一些内容进行预测,同时在总结完这些的基础上,判断各个外界因素对于全球温度是否有影响,最终根据这些信息,我们得知二氧化碳等温室气体的排放只是导致全球气温上升原因的一部分,因此我们进一步研究这些因素,并找到一些切实可行的办法,通过控制这些我们在项目中研究到的会影响到气温的因素,尽量减缓全球气温的升高速度,这对于世界上的每一个国家,每一个人都是有意义的。
本文对于以上所提到的问题,通过数学建模的方式尝试找出规律以及解决方案,并致力于寻找一个合理的方案去应对这些实际问题。
关键词:ARGM, LSTM, Mann-Kendall, 全球变暖,偏最小二乘法
请添加图片描述
在这里插入图片描述

3 下载链接

https://www.betterbench.top/#/15/detail

有任何问题,私信我

目录
相关文章
|
存储 传感器 定位技术
【NI Multisim 14.0原理图设计基础——元器件分类】
一、元器件分类 NI Multisim 14.0不仅提供了数量众多的元器件符号图形,而且还设计了元器件的模型,并分门类地存储在各个元器件库中。下面按照元器件库的命名不同详细介绍常用的元器件。 1.电源库 单击“元器件”工具栏中的“放置源” 按钮,Sources 库的“系列”栏包括以下几种,如图所示: 电源(POWER-SOURCES):包括常用的交直流电源、数字地、地线、星形或三角形连接的三相电源、VCC、VDD、VEE、VSS 电压源,其元器件”栏下内容如图所示: 电压信号源(SIGNAL-VOLTAG…):包括交流电压、时钟电压、脉冲电压、指数电压、FM、AM等多种形式的电压信号,其“元器
20267 3
【NI Multisim 14.0原理图设计基础——元器件分类】
|
数据挖掘
2022亚太数学杯数学建模竞赛C题(思路、程序......)
2022亚太数学杯数学建模竞赛C题(思路、程序......)
661 0
|
数据可视化 数据挖掘 vr&ar
2022 APMCM亚太数学建模竞赛 C题 全球是否变暖 问题一python代码实现
本文提供了2022年APMCM亚太数学建模竞赛C题"全球是否变暖"的问题分析、思路指导以及Python代码实现,包括数据可视化、时间序列预测模型建立和未来全球温度水平的预测。
223 8
2022 APMCM亚太数学建模竞赛 C题 全球是否变暖 问题一python代码实现
|
机器学习/深度学习 数据采集 监控
构建一个基于机器学习的图像识别系统
【5月更文挑战第29天】构建基于机器学习的图像识别系统涉及数据准备、模型选择、训练优化及部署测试。数据准备包括收集多样化数据集、预处理和数据划分;模型选择常选用CNN、RNN/LSTM或GAN;训练优化涉及模型训练、评估与选择;最后,部署到实际应用时要考虑计算效率和内存占用,并持续更新维护模型。
|
JavaScript 小程序 Java
选课|基于Springboot的大学生选课系统设计与实现(源码+数据库+文档)
选课|基于Springboot的大学生选课系统设计与实现(源码+数据库+文档)
685 0
|
人工智能 Go Python
Python 实现 五子棋小游戏【附源码】
Python 实现 五子棋小游戏【附源码】
3231 0
|
机器学习/深度学习 并行计算 PyTorch
深度学习|如何确定 CUDA+PyTorch 版本
深度学习|如何确定 CUDA+PyTorch 版本
2992 0
|
Ubuntu Linux 网络安全
【VsCode远程开发】Windows SSH远程连接Linux服务器 - 无公网IP内网穿透(一)
【VsCode远程开发】Windows SSH远程连接Linux服务器 - 无公网IP内网穿透
755 0
|
前端开发 JavaScript API
浏览器之性能指标-FID(二)
浏览器之性能指标-FID(二)
268 0
|
机器学习/深度学习 数据采集 算法
基于ARIMA-LSTM组合模型的预测方法研究(Python代码实现)
基于ARIMA-LSTM组合模型的预测方法研究(Python代码实现)
1508 0