Directorio de artículos
Enlace de descarga
Descarga del título del concurso de belleza 2021: enlace: https://pan.baidu.com/s/1yFdg3vBMS4MY7CnQ3PMG9Q
código de extracción: 6666
2021 metros cúbicos
Pregunta C: Confirme el zumbido de la avispa.
En septiembre de 2019, se encontró un grupo de (también conocido como avispón gigante asiático) en la isla de Vancouver, Columbia Británica, Canadá. El
nido fue rápidamente destruido, pero la noticia del incidente se extendió rápidamente por toda la zona. Desde entonces, ha
ocurrido en vecino del estado de Washington . Ha habido varios avistamientos de plagas confirmados, así como una gran cantidad de avistamientos falsos. Para el mapa de detección, la observación de avispas
y la vista pública, consulte la
Figura 1 a continuación. Figura 1: Un mapa que representa la detección de un gigante asiático abejas, así como observación de avispas y ubicación pública.
La avispa es la especie de avispa más grande del mundo, y la aparición del nido es impactante. Además, las abejas gigantes son depredadoras de las abejas europeas, invadiendo y destruyendo sus nidos. Unos pocos abejorros pueden destruir toda la colonia europea de abejas en poco tiempo. Al mismo tiempo, son depredadores codiciosos de otros insectos y se consideran plagas agrícolas. El ciclo de vida de esta avispa es similar al de muchas otras avispas. La abeja reina fertilizada apareció en la primavera y comenzó una nueva colonia. En otoño, la nueva reina abandona el nido y pasará el invierno en el suelo, esperando la primavera. Se estima que el alcance de una nueva reina es de 30 kilómetros para construir su guarida. Se incluye información más detallada sobre el avispón asiático en el archivo adjunto de preguntas y también se puede encontrar en línea. Debido al impacto potencialmente grave en la población de abejas local, su presencia puede causar mucha ansiedad. El estado de Washington ha establecido una línea directa y un sitio web para que las personas informen haber visto estos abejorros. Con base en estos informes del público, el país debe decidir cómo priorizar sus limitados recursos para dar seguimiento a más investigaciones. Aunque algunos informes se han identificado como insectos, muchos otros avistamientos han demostrado ser otros tipos de insectos. Las preguntas principales de esta pregunta son "¿Cómo interpretamos los datos proporcionados por los informes públicos?" Y "Con los recursos limitados de las agencias gubernamentales, ¿qué estrategias podemos utilizar para priorizar estos informes públicos para una investigación adicional?" Su artículo debe explorar y resolver los siguientes aspectos:
- Procese y analice si es posible predecir la propagación de esta plaga a lo largo del tiempo y con qué precisión.
- La mayoría de los avistamientos reportados confunden a otros Hornets con Hornet. Utilice solo los archivos de conjuntos de datos proporcionados y (posiblemente) los archivos de imagen proporcionados para crear, analizar y discutir modelos que predicen la probabilidad de clasificación errónea.
- Use su modelo para discutir cómo su análisis de clasificación conduce a un informe de investigación prioritario que probablemente sea un hallazgo positivo.
- Resuelva cómo actualizar su modelo, dados más informes nuevos a lo largo del tiempo y con qué frecuencia deben ocurrir las actualizaciones.
- Usando su modelo, ¿qué constituiría evidencia de que la plaga ha sido erradicada en el estado de Washington? Finalmente, su informe debe incluir un memo de dos páginas que resuma sus resultados al Departamento de Agricultura del Estado de Washington. Su solución PDF no supera las 25 páginas y debe incluir:
- Tabla resumen de una página.
- Tabla de contenido.
- Tu solución.
- Nota de dos páginas.
- Lista de referencias.
Nota: las competiciones de MCM ahora tienen un límite de 25 páginas. Todos los aspectos de su envío se calculan hasta un límite de 25 páginas (formulario de resumen, tabla de contenido, lista de referencias y apéndices).
No debe utilizar imágenes y materiales no autorizados, y su uso está restringido por la ley de derechos de autor. Asegúrese de citar la fuente de sus ideas y los materiales utilizados en su informe. Las pautas generales para la pregunta C, además de los requisitos específicos enumerados anteriormente, recuerdan que este es un ejercicio de modelado estadístico. Los materiales enviados deben seguir las mejores prácticas relacionadas con el uso de datos. Algunos ejemplos de estas expectativas incluyen, entre otros, los siguientes:- Defina todas las métricas y las funciones de costos que utiliza.
- Cualquier estimación de parámetros debe incluir una estimación de intervalo.
- Cualquier resultado debe incluir una estimación de la bondad de ajuste del resultado.
- Todas las suposiciones deben estar claramente establecidas, especialmente las distribuciones relacionadas con datos o errores.
- Se deben verificar todos los supuestos relacionados con los datos y se debe verificar la solidez de la tecnología a estos supuestos.
- Todos los supuestos relacionados con un método o tecnología deben establecerse claramente. Adjunto Proporcionamos los siguientes cuatro materiales para esta pregunta. El archivo de datos proporcionado contiene los únicos datos que debe utilizar para esta pregunta.
- 2021MCM_ProblemC_Vespamandarinia.pdf
información de antecedentes de la Universidad Estatal de Pensilvania, que describe este insecto. - 2021MCM_ProblemC_DataSet.xlsx es
una hoja de cálculo de 4440 informes de avistamientos con los siguientes campos:
ID global: una etiqueta única para cada registro de observación.
Fecha de detección: la fecha de informe de la detección.
Nota: Comentarios proporcionados por el autor del informe. Puede ser un miembro del público u ocasionalmente un empleado estatal. Estado de laboratorio: Clasificación oficial de la vista tras análisis del Ministerio de Agricultura. Una identificación positiva significa que se confirma como una abeja gigante asiática. Identificación negativa significa que está excluido. Sin procesar significa que no ha sido clasificado. Sin verificar significa que no se tomó ninguna decisión por falta de información.
Comentario del laboratorio: el contenido agregado al registro después del análisis por el Laboratorio Estatal de Entomología.
Fecha de presentación: la fecha en que se envió el informe al país. Esta fecha puede ser significativa después de la fecha de detección.
Latitud (opción): estos datos los proporciona el país después de convertir la dirección proporcionada en el informe.
Longitud (línea de visión): estos datos los proporciona el país después de convertir la dirección proporcionada en el informe. - 2021MCM_ProblemC_Files.rar Un
archivo rar con 3305 imágenes, presentado junto con el informe del testigo.
El archivo de 662 MB se puede descargar desde:
http://www.comapmath.com/MCMICM/2021MCM_ProblemC_Files.rar
Se requiere una contraseña para abrir el archivo: Af6SP7rdm33PxPJmDb4wZq7cw - 2021MCM ProblemC_Images_by_GlobalID.xlsx
utiliza los siguientes campos para asignar imágenes a la hoja de cálculo del alcance:
nombre de archivo: el nombre de la imagen en la carpeta rar.
ID global: una etiqueta única para cada registro de observación. Esto es consistente en las dos hojas de cálculo.
Tipo de archivo: la imagen
llega en forma de .jpg, .pdf, .png, .jfif, secuencia octal, formato abierto xml o archivo .zip . El video llega en forma de .mp4 o archivos de tiempo rápido.
Referencia - Departamento de Agricultura del Estado de Washington. Tablero público 2020 del avispón gigante asiático.
https://agr.wa.gov/departments/insects-pests-andweeds/insects/hornets/data
accedido el 5/11/2020.Análisis de pensamiento
Centro del problema: la predicción espacio-temporal de datos de Excel y la clasificación de datos de imágenes de avispas requieren una base de aprendizaje profundo (la sensación personal de que los modelos tradicionales no son sólidos en los resultados de predicción y clasificación, tasa de recuperación, persuasión explicativa, pero aún pueden modelarse).
Pensamiento breve: para problemas de big data, primero dedique tiempo a comprender los datos adjuntos, al análisis exploratorio y a predecir la dirección y la respuesta del modelo mediante un ajuste simple.
El hábito personal es escribir la limpieza de datos por separado en el Capítulo 4 de problemas de big data El proceso específico depende de los trabajos de adjudicación nacional de los estudiantes graduados del grupo.
Primero, debemos analizar los tres adjuntos, extraer variables útiles, eliminar las tiras de datos faltantes, normalizar las variables categóricas, etc., y seguir procesando y esperar la actualización.
(1) Modelo de predicción
Discutir y analizar los cambios en la aparición de abejorros a lo largo del tiempo y los puntos innovadores: considerar las diferencias en la distribución espacial.
(2) Modelo de
clasificación Modelo de clasificación de imágenes de entrenamiento. El modelo necesita construir un marco de aprendizaje profundo. No es difícil para los estudiantes con una base de aprendizaje profundo. Se puede resolver dando indicadores de modelado comunes. La innovación radica en el análisis de memoria y precisión y otras características espaciales.
(3) Evaluación del modelo ¿
Si los resultados de la predicción (LSTM, RNN, ARIMA, MLR, SVR) y la clasificación (CNN, SVM, árbol de decisiones) son propicios para resumir sugerencias constructivas y cómo mejorar la eficacia de los resultados para las sugerencias?
(4) Optimización del modelo
Explique el mecanismo de actualización, la complejidad, la puntualidad y la aplicabilidad de las diferentes regiones del modelo.
(5) Soluciones sugeridas
.
Es relativamente difícil dar evidencia de que el número de avispas se ha reducido al rango de seguridad reconocido. Aunque el problema de los macrodatos es atractivo, puede ser difícil para los estudiantes sin experiencia avanzada en análisis de datos porque el umbral de datos de texto es más crítico. Obtenga resultados, considérelos detenidamente.