没有合适的资源?快使用搜索试试~ 我知道了~
2021年五一赛B题-消防救援问题-01.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 24 下载量 34 浏览量
2021-05-09
16:55:23
上传
评论 46
收藏 981KB PDF 举报
温馨提示
试读
24页
2021年五一赛B题成品,数据和代码都在附录,自己的参赛论文,质量高,有多篇,保证不重复
资源推荐
资源详情
资源评论
五 一 数 学 建 模 竞 赛
题 目: 对消防救援问题的研究
关键词:SARIMA 模型 SDM 模型 曲线拟合 Floyd 算法
摘 要:
本文通过对消防救援问题的研究,运用曲线拟合的方法,建立了 SARIMA、SDM
等模型,对消防站选址有参考价值。
针对问题一,建立了值班安排模型,根据不同时段出警的频数得到事件发生的
次数,并根据事件发生的次数安排三个阶段值班人员的人数。
利用 Lingo 对其进行计算,得到结果:在每年的 2 月 1 日,时段 I,时段 II,时
段 III 安排值班的人数应分别为 5,13,12 人;在每年的 5 月 1 日,时段 I,时段 II,
时段 III 安排值班的人数应分别为 5,13,12 人;在每年的 8 月 1 日,时段 I,时段
II,时段 III 安排值班的人数应分别为 5,11,14 人;在每年的 11 月 1 日,时段 I,
时段 II,时段 III 安排值班的人数应分别为 7,15,8 人。
针对问题二,建立 SARIMA 模型,根据 2016-2019 四年的数据得到模型系数为
SARIMA(2,1,0)*(0,1,2),s=12,得到二阶差分方程:
11
0.76 0.316
t t t t
xx
−−
= − + −
再利用建立的模型预测 2020 年的数据,发现上半年由于疫情的影响拟合度不
高,下半年误差较小。接着利用 Matlab 求解得到 2021 年的数据,结果为:2021 年
一月出警次数 42 次,二月为 30 次…完整结果见正文中表 5-4。
针对问题三,建立最优拟合模型,利用最小二乘法对曲线参数进行估计。
利用 Matlab 选取不同的拟合次数对离散的数据点进行拟合,结果见正文图 5-4
到图 5-10。
针对问题四,建立空间杜宾模型,引入正负偏差变量和空间权重矩阵,关系式
如下:
12
y Wy X WX
= + + +
利用 Matlab 对上述公式进行求解,得到结果见正文表 5-7。
针对问题五,运用相关性分析,主要使用皮尔敦相关性系数描述双变量之间的
关系。利用 SPSS 进行分析,得到结果见正文表 5-7 到表 5-13。
针对问题六,建立多目标优化模型,运用 Floyd 算法,建立两两区域之间的距
离矩阵,再依次迭代出最短路径。
利用 Matlab 求解,得到最佳消防站选址地为区域 P,近 9 年选址区域依次为区
域 D, M, G。
1
一、问题背景与重述
1.1 问题背景
消防救援队,是一支负责抢险救援以保护国家公共财产、人民人身财产安全等
的精良队伍,对我国的社会经济及城市建设的过程中产生了巨大的影响。然而经济
的飞速发展导致城市环境变得越来越复杂,从而导致各种事故发生的越来越频繁,
消防救援队所承担的任务也日益复杂而多元化。在科技时代下,随着灭火救援,抗
震抗洪等任务的拓展,对救援技术的科技含量的要求也随之提高。同时,综合实力
的加强也刻不容缓,在身体素质,思想教育,应急处理教育等方面仍需加强,以积
极响应习主席对消防救援队提出的“始终对党忠诚、做到纪律严明、敢于赴汤蹈火、
永远竭诚为民”的四句方针
[1]
。
消防救援队的存在对于保障我国的人身财产安全及稳定运行有着举足轻重的作
用,然而在如今的消防演练及实战中,并没有达到预期的效果
[2]
。因此,本文针对排
班问题,给出合理的排班分配,防止出现因值班人员分配不合理而导致无法及时进
行救援的问题。同时给出各类事件发生次数最优模型等数学模型,有利于提醒消防
救援人员加强对事故频发地区的重视程度,进一步做好提前预防的准备工作,从而
降低人为灾害的发生率,达到更有效地保护人民的财产及人身安全的目的,并且对
开创防范化解重大安全风险的新局面有重大推进作用。
1.2 问题重述
本文通过建立数学模型,解决以下问题:
1.将一天的 24 小时平均分为三个时间段,分别为时段Ⅰ、时段Ⅱ、时段Ⅲ,要求每个
时间段至少 5 人值班。假定每天消防队有 30 人能够值班,利用附件的数据建立数
学模型,确定每年的 2 月、5 月、8 月、11 月的第一天的三个时间段消防队分别
要安排多少人值班;
2.建立消防救援出警次数的预测模型,要求利用该地 2016 年 1 月 1 日至 2019 年 12
月 31 日的数据并以月份为单位。评价模型的准确性及稳定性,要求利用 2020 年
1 月 1 日至 2020 年 12 月 31 日的数据作为模型验证的数据集,同时预测 2021 年
里各月份的消防救援出警次数,填制表一;
3.以 7 种类别事件的发生时间为基础,建立多种有关各类事件发生次数和月份的数
学模型,同时将拟合度最优作为评价标准,得到每类事件发生次数的最优模型;
4.利用图 1 建立数学模型,得到该地 2016-2020 年各类事件密度在空间上的相关性,
同时得到不同区域相关性最强的事件类别;
5.利用附件 2 建立数学模型,得到该地各类事件密度和人口密度间的关系;
6.已知该地的区域 J 和区域 N 各有一个消防站,利用附件 1 及附件 2 并将各种因素
综合考虑,建立数学模型,若新建一个消防站应建在哪个区域。若于 2021 至 2029
年中每隔 3 年建立一个消防站应依次建在哪些区域。
二、问题分析
2.1 对于问题一的分析
问题一将一天的时间分成 3 个时间段,根据不同时段中的出警频数,确定安排
2
人员的数量。因为考虑到若某一时段中出警次数较多,则说明该时段较易发生事故,
所以应该安排较多人员进行调用;反之,为了满足最大化人力需求,应分派较少人
员。首先将数据中 2、5、8、11 月的第一天三个时段的出警情况进行统计分析,得
到三个时段的出警数,再根据人数的比例权重和最大化的人力需求,确定安排人数
的多少。
2.2 对于问题二的分析
问题二要求把 2016-2019 四年的月份数据当作研究对象,建立出预测未来出警
数的模型,再用 2020 年的月份数据对已经建立的模型进行检验,计算误差,判断预
测的准确性是否达标。如果达标,则利用模型预测 2021 各月份的出警数。预测主要
有灰色预测和时间序列两种方法。因为发现前四年数据处于波动状态,不存在显著
的上升或下降趋势。并且考虑到灰色预测对于长期的预测值较不准确,所以本文采
用时间序列模型中的 SARIMA 模型进行分析和预测。
2.3 对于问题三的分析
问题三要求建立模型求出七类事件发生次数和近五年的月份之间的关系,计算
得出拟合度最优的模型表达式。根据问题一、问题二的数据散点图,可以发现月份
和救援次数之间的关系应该是非线性的,而回归模型对于非线性的分析太过于复杂,
需要计算不同的拟合优度。所以本文先将各类数据进行整合,再对其进行拟合,分
别选定不同的拟合次数,比较
2
R
的最大值,进一步得到各个类型的曲线方程。
2.4 对于问题四的分析
问题四要求统计七类事件的密度在空间上的相关性值和 15 个区域相关性值最
高的事件。本文先根据附件 2 中的数据,对近五年不同种类事件的发生次数进行统
计。依照事件密度的定义,求出各个区域的事件密度。再依据图一,得出两两区域
之间的相关性矩阵,由于因变量和自变量之间数据的维度不同,所以设立空间权重
矩阵,对每个区域的每个事件密度进行相关性分析,从而找每个区域中的最大相关
系数,得到相关性最强的事件种类。
2.5 对于问题五的分析
问题五要求我们分析事件密度和人口密度的关系。首先想到关于人口密度的定
义,即:人口数除以所占空间的面积。由于出勤次数在各地所发生的各类事件密度
不同,所以本文对于每一类事件分别进行讨论。因为事件密度和人口密度都是一维
数据,且导致事件发生的根本原因在于人口,事件密度的大小也由人口密度而影响,
人口密度大的区域,出勤的频率也更有可能更大,所以本文对于这两个双变量进行
相关性分析。
2.6 对于问题六的分析
问题六要求除两个点之外,再选一个点建立消防站。而对于建立消防站,需要
考虑以下三个因素:新选址的消防站到其他各点的距离是否最短、消防站平均出警
时间是否最长,在距离上是否最靠近事件频发地点。综合这三个角度,考虑消防站
的选址。对于第一个角度,本文考虑用图论中最短路径的算法,计算各点行进的最
短路径,从而比较最优解;对于第二、三个角度,本文结合前几问的结果,综合进
行考量。
3
三、模型假设
结合本题的实际,为确保模型求解的准确性和合理性,本文排除一些因素的干
扰,提出以下几点假设:
1.假设出警速度不变;
2.假设人口总数不会突然激增或激减;
3.假设问题一中值班人员不存在缺勤、离职等情况;
4.假设问题二中预测不受国家政策等客观因素的影响。
四、符号说明
为便于问题的求解,本文给出以下符号说明:
符号
说明
( )
1,2,3,4ii=
2,5,8,11 月份的首日
r
X
第
r
类事件的事件密度集
( )
1,2, ,48jj=
16 年到 19 年的月份序号
( )
1,2,3
nk
Tk=
第 k 个时段安排的人数
a
最小二乘曲线的系数
1
ˆ
j
y
+
预测第
1j +
次值
n
每天安排的人数
ij
w
正负偏差变量
q
移动平均数
加权系数
( )
qx
月份函数
m
月份个数
p
自回归项
D
最短距离
Y
人口密度集
W
空间负权矩阵
( )
1
j
S
历史数据的加权平均数
ij
t
从区域
i
到区域
j
的时间
ij
d
从区域
i
到区域
j
的距离
k
P
第
k
个时间段的出警次数
t
x
第
t
年与第
1t −
年出警次数的差值
五、模型的建立与求解
经过以上的分析和准备,本文将逐步建立以下数学模型,进一步阐述模型的实
际建立过程。
4
5.1 问题一模型的建立与求解
由于需要根据已给数据的出警情况得到应分配的人数比例,所以首先对已给数
据进行预处理,得到近五年 2、5、8、11 月的第一天出警数的总和,根据数量的多
少确定分配权重的大小。
5.1.1 救援数据的预处理
由于已给出警情况的数据是 2016-2020 的按天统计表,而题目的要求是把每月
的首日作为研究对象。所以本文从附件 2 中筛选出 2 月、5 月、8 月、11 月首日的
三个时段出警的数量,将接警时间点进行分类分析,放入三个时段
( 1,2,3)
k
Tk=
中,
处理后的数据如下:
表 5-1 出警数量表
时段 I
时段 II
时段 III
2 月 1 日
0
8
7
5 月 1 日
2
8
7
8 月 1 日
1
3
4
11 月 1 日
0
4
2
由上表我们得到近五年的月份首日的出警数据,发现在 0 点到早上 8 点时段的
事故频数较低,在 2、3 两个时段的出警数较多,说明这两个时段为事故高发时段。
因此,利用上面的数据可以进行进一步的分析。
5.1.2 值班安排模型的建立
设 n 为每天安排的人数,
( 1,2,3,4)ii=
表示四个月份的首日,因为题目有约束条
件每个时间段安排的值班人数要大于等于 5 人,所以有:
5 30
nk
T
其中
nk
T
表示第 k 个时段安排的人数,由于最大可安排的人数为 30,所以
nk
T
的
取值范围为
)
5 30
nk
T
,
。
还需要保证值班的人数大于最高出警数,则有:
max
nk k
TP
其中
max
k
P
表示第 k 个时段出警的最大数。
如果出警数越高,说明越容易发生事故,所以更应该安排较多的人进行值班,
基于这个原则,三个阶段安排人数的比例应当根据近五年统计的出警数的比例得到,
应该安排的人数如下:
max
3
1
k
i
k
k
P
nn
P
=
=
(5-1)
其中,
i
n
表示第 i 日安排的值班人数,
3
1
k
k
k
P
P
=
表示时段 k(k=1,2,3)出警数的权
重大小,根据权重大小可以得到安排值班人员的数量多少。
剩余23页未读,继续阅读
maligebilaowang
- 粉丝: 5377
- 资源: 85
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
- 3
- 4
前往页