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 ]