HiMCM数学建模(2)---概率模型在HiMCM真题中的应用

这篇具有很好参考价值的文章主要介绍了HiMCM数学建模(2)---概率模型在HiMCM真题中的应用。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


创作不易,麻烦各位:点赞、收藏、关注!!!
作者: 天人实验室
转载请联系作者并注明出处
** ------------------目录------------------**

2022HiMCM A题 Problem A: The Need for Bees (and not just for honey)

原题:
\quad Honeybees, along with a few other key animals, are critical to human existence on our planet. Along with honey production, these insects provide the vital role of pollination of many trees and plants that provide food for our survival. In 2007, the term Colony Collapse Disorder (CCD) was created to describe the decline of honeybee populations around the world. Bee decline can be attributed to factors such as viruses, pesticides, predators, habitat destruction, and environmental conditions.

\quad Some information to consider (but you may find other helpful information online):

  • Honeybees can travel up to 20 km, but typically stay within 6 km of their hive.
  • A typical honeybee hive contains between 20,000 and 80,000 honeybees.
  • A single honeybee can visit approximately 2,000 flowers or more in a single day.
  • Because of the high workload during summertime, most honeybees work themselves to death, resulting in a shorter lifespan.
  • During autumn and wintertime, honeybees may live a bit longer (four to six months).
  • A honeybee’s level of activity, pollen consumption, and protein abundance impacts its lifespan.

Requirements

  1. Develop a model to determine the population of a honeybee colony over time.
  2. Conduct sensitivity analysis on your model to determine which factors (e.g., lifespans, egg laying rates, fertilized/unfertilized egg ratios, or other factors) have the greatest impact on honeybee colony size.
  3. Model and predict how many honeybee hives you will need to support pollination of a 20-acre (81,000 square meters) parcel of land containing crops that benefit from pollination.
  4. Create a non-technical, one-page blog or infographic for a website that provides the information you developed.

问题解析

\quad 2022年HiMCM A题主要针对蜜蜂种群数量的繁衍问题进行研究。A题总共3个问题,前面两个问题研究的是蜜蜂种群数量变化模型,分析影响种群变化的规律和影响因素,对CCD问题有着重要意义。而第3问则是分析农田授粉需求与蜜蜂种群数量之间的关系,主要与蜜蜂的活动规律有关。这里,我们研究概率模型的应用,我们可以将前2问与第3问分开来看,主要研究第三问。

\quad 对于农田授粉需求,我们看作一个供需问题。首先,我们需要知道农田授粉的需求。对于授粉需求,我们知道蜜蜂的活动是随机的。因此,蜂巢内的所有的蜜蜂会以蜂巢为中心,在活动半径内随机分布,并且越靠近中心,蜜蜂的分布密度越高,可以看作一个二维的正态分布,如下图所示。图中给出了二维正态分布的概率分布图,三个图形对应不同的参数,图中显示了不同位置蜜蜂出现的概率,越接近中心位置,蜜蜂出现的概率也就越大。求解题目中农田授粉需要的蜜蜂数量(蜂箱数量*每个蜂箱里蜜蜂的数量)也就是农田中每个位置的蜜蜂密度(单位面积内蜜蜂的数量)要达到授粉的需要。

蜜蜂数学建模,HiMCM数学建模讲义,概率论,机器学习,算法
图 1 蜜蜂概率分布 图1 蜜蜂概率分布 1蜜蜂概率分布

农田授粉蜜蜂数量需求的概率模型

\quad 根据题目的要求,我们要建立蜜蜂供需关系模型, 蜜蜂的密度 ρ 1 ( x , y ) \rho_1(x,y) ρ1(x,y)要大于农作物花朵的密度 ρ 2 ( x , y ) \rho_2(x,y) ρ2(x,y)。此外,我们需要考虑的是,农作物的花期,也就是说农作物的授粉不是在一天内完成的,也就是说 ρ 1 ( x , y ) > ρ 2 ( x , y ) / a \rho_1(x,y)>\rho_2(x,y)/a ρ1(x,y)>ρ2(x,y)/a(a:花期,农作物花期)。

模型假设

  • 蜜蜂分布服从正态分布,中心为蜂箱位置。
  • 每个蜂箱内蜜蜂数量为4万只。
  • 农作物花朵被蜜蜂访问一次后,即可完成授粉。
  • 假定重复访问次数为2次。由于同一朵可能被朵只蜜蜂访问。
  • 假定农作物的分布是均匀的,也就是单位面积内的农作物植株的数量,花朵的数量是相同的。

农作物密度

\quad 对于农作物授粉需求的求解,主要是花朵的密度与蜜蜂密度之间的关系。对于一个20亩(81,000 平方米)的农田的农作物授粉,需要的蜜蜂数量与农田的面积没有直接的关系,这是因为蜜蜂跟工人劳作不同,蜜蜂的劳作是随机的。要完成农作物的授粉,就要农田内任意位置的花朵都能完成授粉。根据上文的假设,距离蜂箱的位置越远,蜜蜂密度越低。花朵数量(授粉需求)与蜜蜂数量之间的关系主要与距离有关系,这是因为蜜蜂的密度会随着距离变化,而农田花朵的密度是均匀的。

\quad 首先,我们假定农田是个正方形的。当然,农田不一定是正方形,但一定是矩形,要与实际情况相符。虽然,现实生活中,农田并不完全是规则的几何形状,但这里我们可以做一些合理的假设,考虑一些简单的情况。蜂箱是可移动的,肯定是在农田的内部或边缘。当然,我们不可能考虑所有的位置,对此我们只需要考虑几个典型的位置即可,如下图所示。这里我们可以考虑几个典型的摆放位置,也就是图中所示农田的对称中心,定点或者边的中心。
蜜蜂数学建模,HiMCM数学建模讲义,概率论,机器学习,算法
我们需要研究的是蜜蜂数量与土地面积之间的关系。这里主要包含两部分内容:

  • 每天单位面积的土地,农作物花朵的数量,以及对蜜蜂数量的要求,主要涉及的变量包括:花朵数量/平方米、花期(花朵开放的时长)、蜜蜂访问花朵数量/天、蜜蜂数量/平方米。则我们有如下函数关系,
    单位面积花朵数量 花期 = 蜜蜂每天访问花朵数量 ∗ 单位面积蜜蜂数量 ∗ 重复访问次数 ( 1 ) \frac{单位面积花朵数量}{花期} = 蜜蜂每天访问花朵数量*单位面积蜜蜂数量*重复访问次数 \quad (1) 花期单位面积花朵数量=蜜蜂每天访问花朵数量单位面积蜜蜂数量重复访问次数(1)
  • 单位面积花朵数量 ρ 1 ( x , y ) \rho_1(x,y) ρ1(x,y): = 植株数量 ∗ 单株农作物花朵平均数量 面积 ( 2 ) \frac{植株数量*单株农作物花朵平均数量}{面积} \quad \quad\quad\quad (2) 面积植株数量单株农作物花朵平均数量(2)

供需模型

\quad 上面对于蜜蜂数量与花朵数量之间的关系进行了解释。通过分析我们可以知道,花朵的密度与位置没有关系,看作一个常量。因此,定义 ρ 1 ( x , y ) = ρ 0 \rho_1(x,y) = \rho_0 ρ1(x,y)=ρ0。而完成农田的授粉需求,则需要单位面积上的蜜蜂数量大于等于花朵授粉需要的蜜蜂数量。此外,定义 p ( x , y ) p(x,y) p(x,y)表示任一只蜜蜂出现在位置 ( x , y ) (x,y) (x,y)的概率, N N N表示所有蜜蜂的数量。 a a a表示每个蜂箱的平均蜜蜂数量。

蜜蜂总数量: N ∗ a N*a Na
(x,y)位置的蜜蜂密度: N ∗ a ∗ p ( x , y ) N*a*p(x,y) Nap(x,y)
\quad 根据上文关于授粉需求的分析,则有如下关系:

N ∗ a ∗ p ( x , y ) ≥ 植株数量 ∗ 单株农作物花朵平均数量 面积 ∗ 花期 ∗ 每只蜜蜂每天访问花朵数量 ( 3 ) N*a*p(x,y) \geq \frac{植株数量*单株农作物花朵平均数量}{面积*花期*每只蜜蜂每天访问花朵数量} \quad \quad\quad\quad (3) Nap(x,y)面积花期每只蜜蜂每天访问花朵数量植株数量单株农作物花朵平均数量(3)

蜜蜂概率分布

一维正态分布
\quad 上文中指出,距离蜂箱位置越远,则蜜蜂的密度越低。虽然蜜蜂的活动半径为6公里,但是这是最远的飞行距离。而蜜蜂则是在一定的范围内活。因此,我们基于农田任意位置(x,y)与蜂箱位置的距离d建立蜜蜂分布的概率模型:

p ( d ) = ∫ d − 0.5 d + 0.5 2 2 π σ e − ( x − μ ) 2 2 σ 2 d x ( 4 ) p(d) = \int_{d-0.5}^{d+0.5} \frac{2}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}dx \quad \quad\quad\quad (4) p(d)=d0.5d+0.52π σ2e2σ2(xμ)2dx(4)
d = x 2 + y 2 ( 5 ) d = \sqrt{x^2+y^2} \quad \quad\quad\quad (5) d=x2+y2 (5)

根据公式(4)和(5)中的模型,选择农田中距离蜂箱最远的位置,将(4)、(5)中的概率代入公式(3)中的模型,则可以核算出给定农田授粉需要的蜜蜂数量,进而求解出需要的蜂箱数量。

值得注意的是,公式(4)中之所以使用积分,意思是在距离以d为中心的点,单位距离为1m的范围内进行积分,来表达对应位置单位面积内蜜蜂的密度。这里我们不可以直接使用 2 2 π σ e − ( d − μ ) 2 2 σ 2 \frac{2}{\sqrt{2\pi}\sigma}e^{-\frac{(d-\mu)^2}{2\sigma^2}} 2π σ2e2σ2(dμ)2 的值作为概率,因为它是概率密度函数,而不是概率。

此外,因为距离没有负值,所以公式(4)中是 2 2 π σ \frac{2}{\sqrt{2\pi}\sigma} 2π σ2,而不是 1 2 π σ \frac{1}{\sqrt{2\pi}\sigma} 2π σ1,并且均值 μ = 0 \mu=0 μ=0。则公式(4)可以改写为:

p ( d ) = ∫ d − 0.5 d + 0.5 2 2 π σ e − x 2 2 σ 2 d x ( 4 ) p(d) = \int_{d-0.5}^{d+0.5} \frac{2}{\sqrt{2\pi}\sigma}e^{-\frac{x^2}{2\sigma^2}}dx \quad \quad\quad\quad (4) p(d)=d0.5d+0.52π σ2e2σ2x2dx(4)

二维正态分布
\quad 根据上文中的分析可以看出,求解农田授粉需求的关键在于掌握蜜蜂种群的活动规律,也就是在日常活动中,整个蜜蜂种群的分布特征。

\quad 蜜蜂在不同的距离分布是不均匀的,距离越远,密度就越低。如下图所示,我们假定,蜜蜂飞行距离上分布是随机的,也就是说,蜜蜂出现在位置为 ( a , b ) (a,b) (a,b)点的概率是:

p ( a , b ) = ∫ a − 0.5 a + 0.5 ∫ b − 0.5 b + 0.5 1 2 π σ 1 σ 2 1 − ρ 2 e − 1 2 ( 1 − ρ 2 ) [ ( x − μ 1 ) 2 σ 1 2 − 2 ρ ( x − μ 1 ) ( y − μ 2 ) σ 1 σ 2 + ( y − μ 2 ) 2 σ 2 2 ] d x d y ( 6 ) p(a,b) = \int_{a-0.5}^{a+0.5} \int_{b-0.5}^{b+0.5} \frac{1}{2\pi\sigma_1\sigma_2\sqrt{1-\rho_2}}e^{-\frac{1}{2(1-\rho^2)}[\frac{(x-\mu_1)^2}{\sigma_1^2}-2\rho\frac{(x-\mu_1)(y-\mu_2)}{\sigma_1\sigma_2}+\frac{(y-\mu_2)^2}{\sigma_2^2}]}dxdy \quad \quad\quad\quad (6) p(a,b)=a0.5a+0.5b0.5b+0.52πσ1σ21ρ2 1e2(1ρ2)1[σ12(xμ1)22ρσ1σ2(xμ1)(yμ2)+σ22(yμ2)2]dxdy(6)

\quad 根据上边的概率分布模型,代入到公式(3)中的不等式模型即可计算农田授粉需要的蜜蜂数量,而在核算时,农田中任意位置都要满足公式(3)中的不等式,也就是距离最远的位置也要满足,通过最远位置的概率核算得到的蜜蜂数量为题目所求。这里我们可以任意选择一种农作物作为案例进行计算来验证模型的有效性和进行模型的分析。

与一维正态分布相同,这里 μ 1 = 0 , μ 2 = 0 \mu_1=0,\mu_2=0 μ1=0,μ2=0。 因此,公式(6)可以改写为如下形式:
p ( a , b ) = ∫ a − 0.5 a + 0.5 ∫ b − 0.5 b + 0.5 1 2 π σ 1 σ 2 1 − ρ 2 e − 1 2 ( 1 − ρ 2 ) [ x 2 σ 1 2 − 2 ρ x y σ 1 σ 2 + y 2 σ 2 2 ] d x d y ( 6 ) p(a,b) = \int_{a-0.5}^{a+0.5} \int_{b-0.5}^{b+0.5} \frac{1}{2\pi\sigma_1\sigma_2\sqrt{1-\rho_2}}e^{-\frac{1}{2(1-\rho^2)}[\frac{x^2}{\sigma_1^2}-2\rho\frac{xy}{\sigma_1\sigma_2}+\frac{y^2}{\sigma_2^2}]}dxdy \quad \quad\quad\quad (6) p(a,b)=a0.5a+0.5b0.5b+0.52πσ1σ21ρ2 1e2(1ρ2)1[σ12x22ρσ1σ2xy+σ22y2]dxdy(6)

总结

\quad 概率模型在数学建模竞赛中有着十分重要的作用,概率模型主要针对一些随机事件,不确定性的问题。通过结合实际生活中的案例,一方面能够提高对概率知识的理解,另外一方面能够提高思维能力,如何应用概率知识解决实际问题。
\quad 此外,针对这个题目中的问题,通过一维的正态分布可以求解农田授粉问题,通过二维正态分布同样可以求解。这两个问题并没有绝对的对和错,只是解决的方法不同,方法也大同小异。并且,对于概率模型,并不一定非得用正态分布或多维正态分布。我们知道距离蜂箱越远,则蜜蜂的分布的密度越低,我们可以定义 p ( d ) = 1 d p(d)=\frac{1}{d} p(d)=d1或者 p ( d ) = 1 d 2 p(d)=\frac{1}{d^2} p(d)=d21也可以作为蜜蜂分布的概率。因为,我们在面对实际问题时,对于已学的知识要活学活用。

针对文章内容,如有疑问欢迎加入讨论:文章来源地址https://www.toymoban.com/news/detail-812677.html

到了这里,关于HiMCM数学建模(2)---概率模型在HiMCM真题中的应用的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 2023年MathorCup 高校数学建模挑战赛-A 题 量子计算机在信用评分卡组合优化中的应用-思路详解(模型代码答案)

    运筹优化类题目,不同于目标规划,该题限制了必须使用量子退火算法QUBO来进行建模与求解。本身题目并不难,但是该模型较生僻,给出的参考文献需要耗费大量时间去钻研。建议擅长运筹类题目且建模能力强的队伍选择。 问题 1 :在 100 个信用评分卡中找出 1 张及其对应阈

    2024年02月06日
    浏览(39)
  • 【数学建模】国赛真题分析 2014A题 嫦娥三号软着陆轨道设计与控制策略

    优秀论文合集: 链接:https://pan.baidu.com/s/1NtSBfE-jCXXpwhLOX1InXQ?pwd=uon1 提取码:uon1 –来自百度网盘超级会员V6的分享 题目下载地址 http://www.mcm.edu.cn/html_cn/node/93b5f5d9986693c2ebd67962cdc7d9df.html [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SF7BrdpX-16881960

    2024年02月12日
    浏览(31)
  • 【数学建模】-- 数学规划模型

    概述: 什么是数学规划? 数学建模中的数学规划是指利用数学方法和技巧对问题进行数学建模,并通过数学规划模型求解最优解的过程。数学规划是一种数学优化方法,旨在找到使目标函数达到最大值或最小值的变量取值,同时满足一系列约束条件。 数学规划包括多种不同

    2024年02月12日
    浏览(40)
  • 2023年数学建模:逻辑回归在数学建模中的应用

    目录 引言 逻辑回归原理 1. 数学原理 2. 直观解释

    2024年02月09日
    浏览(39)
  • 2023年数学建模:支持向量机在数学建模中的应用

    目录 引言 支持向量机原理

    2024年02月15日
    浏览(55)
  • 【数学建模】优化模型——规划模型

    在数学建模中,优化类问题是很常见的一种问题。这种问题里面通常涉及多个 变量 和 约束条件 ,并需要在这些变量和条件之下 优化某个函数 。最常见的例子就是,“达到最好效果”、“取得最大利润”、“极大降低风险”等等。遇到这类字眼,应首先考虑优化模型求解。

    2024年01月25日
    浏览(39)
  • 2022 数学建模B题成品论文 参考文章 含全部建模 步骤 数学模型 图像

    完整见https://mianbaoduo.com/o/bread/mbd-Y5eVm5xw 无人机遂行编队飞行中的纯方位无源定位 摘要 一、问题重述 1.1 问题背景 由于无人机集群在遂行编队飞行时, 应尽可能的避免外界干扰, 因此需要尽可能的保持电磁静默减少电磁波信号的发射.为保持编队队形, 拟采用纯方位无源

    2024年02月08日
    浏览(55)
  • 遗传算法模型--数学建模

    遗传算法是一种模仿自然选择和遗传机制的优化算法,主要用于求解最优化问题。它模拟了生物进化过程中的遗传、交叉和变异过程,通过不断地进化优秀的个体,逐渐搜索到全局最优解。 在开始之前,我们先来了解下遗传算法中的几个概念。 在遗传算法中,我们首先需要

    2024年02月16日
    浏览(39)
  • 【数学建模】 灰色预测模型

    https://www.cnblogs.com/somedayLi/p/9542835.html https://blog.csdn.net/qq_39798423/article/details/89283000?ops_request_misc=request_id=biz_id=102utm_term=%E7%81%B0%E8%89%B2%E9%A2%84%E6%B5%8B%E6%A8%A1%E5%9E%8Butm_medium=distribute.pc_search_result.none-task-blog-2 all sobaiduweb~default-2-89283000.142 v88 control_2,239 v2 insert_chatgptspm=1018.2226.3001.418

    2024年02月12日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包