2020年数学建模国赛e题如何做

2020年数学建模国赛E题是关于火灾的建模问题。回答这个题目，可以按照以下步骤进行：

首先，分析题目的要求和背景信息。题目提到了不同建筑和环境特征，以及火灾扩散的情况。我们需要理解这些特征之间的关系和影响，从而找到问题的解决方案。

其次，确定建模的方法和思路。可以运用数学模型、概率统计等工具来解决火灾扩散的问题。可以考虑使用传统的热传导方程、概率扩散模型等方法，或者结合实际情况进行模型的改进。

然后，进行数据处理和参数估计。根据题目提供的建筑和环境特征数据，可以计算出每个建筑物的热传导系数、燃烧速率等参数。在数据处理过程中，需要注意数据的准确性和合理性。

接下来，建立数学模型并进行模型求解。可以考虑使用分布参数模型、离散参数模型等方法来建立火灾扩散的数学模型，并使用数值方法进行模型求解。可以运用数学软件工具进行模拟计算和参数优化。

最后，对模型进行评价和验证。可以通过模拟实验或与实际火灾情况进行对比来验证模型的可靠性和准确性。针对模型的不足之处，进行改进和优化，提出更好的解决方案。

综上所述，2020年数学建模国赛E题需要对火灾扩散问题进行建模和求解。要进行问题分析、思路确定、数据处理、模型建立和求解、模型评价和验证等步骤。通过合理的数学模型和方法，可以得出火灾扩散的规律和解决方案。

相关问题

2020年数学建模国赛e题

e题的主题是关于大雾能见度的预测和变化趋势。队伍采用了Topsis 熵权法作为综合评价系统来建立数学模型。根据问题三得到的能见度随时间变化规律，他们的目标是预测大雾的变化趋势，以及何时会散去（达到指定的能见度，比如MOR=150m）。

这个队伍在论文中提到没有系统学过建模，所以他们主要使用了一些烂大街的方法，尤其是偏向机器学习的模型，这也是他们在论文中提到的缺点之一。此外，他们也没有查阅足够的文献资料，没有综合前人的结果。另外，他们在集成学习方面也比较仓促，没有分配分类器权重系数。最后，他们提到如果有足够的时间，他们还可以尝试使用信用迁移矩阵，并将题目中的时间考虑进去。

总的来说，这个队伍在2020年数学建模国赛的e题中使用了Topsis 熵权法来预测大雾的变化趋势和散去时间。尽管他们使用了一些常见且缺乏新意的方法，并且有一些改进的空间，但他们最终还是完成了一个可行的解决方案。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [【练习笔记(第一次)】2020年数学建模国赛C题：数据处理、源代码](https://blog.csdn.net/STL_CC/article/details/108591693)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* [2020年中国研究生数学建模竞赛E题](https://blog.csdn.net/Dujing2019/article/details/108640017)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]