2022 年高教社杯全国大学生数学建模竞赛题目

(请先阅读“全国大学生数学建模竞赛论文格式规范”)

C题 古代玻璃制品的成分分析与鉴别
古代玻璃极易受埋藏环境的影响而风化。
现有一批我国古代玻璃制品的相关数据，考古工作者依据这些文物样品的化学成分和其他
检测手段已将其分为高钾玻璃和铅钡玻璃两种类型。附件表单 1 给出了这些文物的分类信息，
附件表单 2 给出了相应的主要成分所占比例(空白处表示未检测到该成分) 。这些数据的特
点 是成分性，即各成分比例的累加和应为 100%，但因检测手段等原因可能导致其成分比例
的累 加和非 100%的情况。本题中将成分比例累加和介于 85%~105%之间的数据视为有效数
据。
请你们团队依据附件中的相关数据进行分析建模， 解决以下问题： 先考察三种因素对风化影响
问题 1 对这些玻璃文物的表面风化与其玻璃类型、纹饰和颜色的关系进行分析； 结合
玻 璃的类型，分析文物样品表面有无风化化学成分含量的统计规律，并根据风化点检测数据，
预 测其风化前的化学成分含量。 再倒推化学成分
问题 2 依据附件数据分析高钾玻璃、铅钡玻璃的分类规律；对于每个类别选择合适的
化 学成分对其进行亚类划分，给出具体的划分方法及划分结果，并对分类结果的合理性和敏
感性 进行分析。 自行确定分类标准 定义“敏感性”
问题 3 对附件表单 3 中未知类别玻璃文物的化学成分进行分析， 鉴别其所属类型，并对
应用问题 2
分类结果的敏感性进行分析。
问题 4 针对不同类别的玻璃文物样品， 分析其化学成分之间的关联关系，并比较不同
类 别之间的化学成分关联关系的差异性。

附件
表单 1 玻璃文物的基本信息
表单 2 已分类玻璃文物的化学成分比例，其中
(1) 文物采样点为该编号文物表面某部位的随机采样，其风化属性与附件表单 1 中相应
文 物一致。 怎么处理这个随机性？
(2) 部位 1 和部位 2 是文物造型上不同的两个部位， 其成分与含量可能存在差异。
(3) 未风化点是风化文物表面未风化区域内的点。
(4) 严重风化点取自风化层。
表单 3 未分类玻璃文物的化学成分比例

本题基本上都是分类问题
C155
1. 摘要简单的列举了使用的方法和一些细节，问题重述几乎是原问题。
2. 对模型提出了一些假设，即假定一些因素（比如文物的形状）不会产生任何影响，事
实上这些也没法研究。

3. 符号说明：将 excel 中每个样本一行的数据转换成矩阵的表现形式，方便数学处理。

4. 问题分析：对摘要的扩充
5. 数据预处理：先剔除明确不符合题目要求的数据

对于在这个区间内的直接用本成分比例/总成分比例进行微调。
中心对数变换，他给出的理由是“单形空间”的约束，大意就是这些数据都是百分之多少，
他们的总和会是 1，处于“单形空间”但是我们平常用的统计方法所处理的数据不一定是
1，位于更广的“欧式空间”，所以这样处理。

量化处理，就是简单的给特征赋值，比如说绿色就是 2，黑色是 0。
对于颜色空缺，在分析相关问题时直接忽略（因为只有 4 组，占总占比不大，且因为采集
仅为 1 点数据，因此不能人为补全），其它的补 0
6.第一题第一问：Pearson 卡方检验，分析分类变量间相关性（高中学过）
再 Yates 校正卡方检验（适用于小样本，2*2）
结论：风化与玻璃类型有关，与温氏，颜色无关
6. 第一题第二问：分四类分别讨论统计规律，引入变异系数、偏度系数、峰度系数进行
描述，将结果形成表格，进行描述性解读；箱线图可视化
7. 第一题第三问：先对玻璃类型聚类（Q 型），再分别对这两类进行 K-Means 聚类
（K=2，即风不风化）

建立时序关系，认为风化越严重时间也早，并由此对每种化学成分建立回归方程（二次函
数，时间分四个阶段，为自变量），并由此进行回溯。
 8. 第二题第一问：风不风化分类讨论，决策树，70%训 30%测，检验精确性、召回等指标
9. 第二题第二问：分成 2*2 类（两种玻璃，风不风化）先对 14 种化学成分进行 R 型聚类，
分成 3 类，再 Q 型聚类（有剪枝）（主成分也可？），用相关系数矩阵可视化。
10. 第二题第三问：合理性，用文字 justify；敏感性：对 3 个特征量进行扰动处理，影响
不大。
11. 第三题第一问：用前面的决策树进行分类（只分了玻璃类型），再聚类检验下
12. 第三题第二问：与决策树的分点比较，差得多论证敏感性
13. 第四题第一问：灰色关联分析

C065
1. 缺失数据统一用 0.04 填充，认为是太小了仪器检测不出来，也方便后续计算
2. 讲了一堆 CLR 的理论支撑（介绍，性质，优点）
3. 问题一前面采用 Fisher 精确检验，没啥大区别；在最后一问认为无法回归，直接用前
后均值差值去减
4. 问题二用支持向量机（SVM）；层次聚类（差不多）

5. 问题三套用问题二的 SVM
6. 问题四：主成分分析，画协方差双标图，引入了化学原理解释

C229
1. 颜色找相似的文物补，近似零值进行插补。
2. 第一题引入 spearman 系数，差不多；回溯时引入 Dirichlet 分布。
3. 第二题引入偏最小二乘判别分析（考虑到 14 种成分
4. 偏最小二乘回归，算值，看靠近 0 还是 1，相关热力图可视化

5. 敏感性体现在最优参数

启发：
1. 不同问之间有关联，注意承前启后。
2. 本题主要烦点在于处理不规范的数据，注意中心对数比变换方法的运用（适用于比
例）。