2023 华为杯研究生数学建模 F 题（问题 3）拿分宝典

问题 3：请利用题目提供的ZH、ZDR和降水量数据，设计适当的数学模型，利用ZH及ZDR进行定量降水估计。模型输入为ZH和ZDR，输出为降水量。（注意：算法不可使用KDP变量。）

设计适当的数学模型来估计降水量，利用 ZH 和 ZDR 作为输入特征，降水量作为输出特征，这是一个回归问题，而回归问题有诸多回归预测的算法。之前仅自己简单构造了一些数据作为模型构建和效果展示，自己构建的数据效果可能略差，但不影响这整个模型的完整性。

当然大家要想拿高分，指定是要做的工作量比别人多，可以多对比几个模型的精度，展示不同模型的效果。

【MATLAB 】7 种回归预测方案全家桶详情请参见：

https://mbd.pub/o/bread/mbd-ZJyYkpZv

主要思路在代码中也均有体现，只需要大家代入自己下载好的数据略微进行一下代码输入即可数据展开数据建模，大家觉得数据量大，其实对于MATLAB的这些回归预测模型而言，没有那么困难和耗时，不要被庞大的数据量给吓到。

1 建模和预测

「损失函数」：

在回归问题中，使用均方误差（MSE）或平均绝对误差（MAE）作为损失函数来度量模型预测值与真实值之间的差异。在代码中，所有需要计算和评估的参数都实时在 MATLAB 命令行展示。

「训练模型」：

使用训练数据集来训练模型，以使模型的预测降水量接近真实降水量。并给出训练模型的真实值和预测值对比图。

「预测模型」：

使用预测数据集来评估模型的性能。计算均方根误差（RMSE）或其他回归性能指标来评估模型的准确性。  并给出预测模型的真实值和预测值对比图。

2 强化出图得分

「强化出图得分系列：」

主要是以X轴为训练集（预测集）的真实值，Y轴为训练集（预测集）的预测值，绘制散点密度图，当然一下四种绘制方式大家可任选其一，当然是越麻烦图示信息越复杂越好。从而越能获得专家评审青睐。

MATLAB | 科研绘图第十八期散点密度图

https://mbd.pub/o/bread/ZJqblJxw

MATLAB | 科研绘图第十九期散点密度图强化版

https://mbd.pub/o/bread/ZJqbmZlx

MATLAB | 科研绘图第二十期散点密度双柱状图

https://mbd.pub/o/bread/ZJqbmZpp

MATLAB | 科研绘图第二十一期散点密度双柱状图强化版

https://mbd.pub/o/bread/ZJqbmZpq

3 精力允许的情况下多种回归算法展开精度对比与分析

而7种典型的回归网络我这边主攻如下：（PS:上述回归预测全家桶包含这7种算法的代码，打包购买更划算哦）

【MATLAB 】BP神经网络回归预测代码：

https://mbd.pub/o/bread/ZJyXm59u

【MATLAB 】SVM支持向量机回归预测代码：

https://mbd.pub/o/bread/ZJyXm59v

【MATLAB 】LSTM长短时记忆神经网络回归预测代码：

https://mbd.pub/o/bread/ZJyXm59x

【MATLAB 】CNN卷积神经网络回归预测代码：

https://mbd.pub/o/bread/ZJyXm59y

【MATLAB 】RF随机森林回归预测代码：

https://mbd.pub/o/bread/ZJyYkpZq

【MATLAB 】BiLSTM双向长短时记忆神经网络回归预测代码：

https://mbd.pub/o/bread/ZJyYkpZr

【MATLAB 】RBF径向基神经网络回归预测代码：

https://mbd.pub/o/bread/ZJyYkpZs

记得关注公众号（Lwcah），并设为星标哦~谢谢啦~

「万请尊重原创成果！！！」