2024 年高教社杯全国大学生数学建模竞赛C题—农作物的种植策略(讲解+代码+成品论文助攻,均已更新完毕)

2024数学建模国赛选题建议+团队助攻资料-CSDN博客文章浏览阅读1k次,点赞20次,收藏24次。通过分析5个题目的特点,可知数学建模常用的模型大概可以分为五大类------https://blog.csdn.net/qq_41489047/article/details/141925859

本次国赛white学长团队选择的是比较擅长的BC题,选题建议和助攻资料可参见上面这篇博文,本篇博文主要介绍C题---农作物的种植策略,给出解题思路和解题代码结果,文末可以获取成品论文和源代码。

一、问题重述

根据乡村的实际情况,充分利用有限的耕地资源,因地制宜,发展有机种植产业,对乡村经济的可持续发展具有重要的现实意义。选择适宜的农作物,优化种植策略,有利于方便田间管理,提高生产效益,减少各种不确定因素可能造成的种植风险。
某乡村地处华北山区,常年温度偏低,大多数耕地每年只能种植一季农作物。该乡村现有露天耕地 1201 亩,分散为 34 个大小不同的地块,包括平旱地、梯田、山坡地和水浇地 4 种类型。 平旱地、梯田和山坡地适宜每年种植一季粮食类作物;水浇地适宜每年种植一季水稻或两季蔬菜。 该乡村另有 16 个普通大棚和 4 个智慧大棚,每个大棚耕地面积为 0.6 亩。普通 大棚适宜每年种植一季蔬菜和一季食用菌,智慧大棚适宜每年种植两季蔬菜。同一地块(含大棚)每季可以合种不同的作物。详见附件 1 。
根据农作物的生长规律,每种作物在同一地块(含大棚)都不能连续重茬种植,否则会产; 因含有豆类作物根菌的土壤有利于其他作物生长,从 2023 年开始要求每个地块(含大棚)的所有土地三年内至少种植一次豆类作物。同时,种植方案应考虑到方便耕种作业和田间管理,譬如:每种作物每季的种植地不能太分散,每种作物在单个地块(含大棚)种植的面积不宜太小,等等。2023年的农作物种植 和相关统计数据见附件 2 。
请建立数学模型,研究下列问题:
问题 1 假定各种农作物未来的预期销售量、种植成本、亩产量和销售价格相对于 2023 年保持 稳定,每季种植的农作物在当季销售。如果 某种作物每季的总产量超过相应的预期销售量,超过部分不能正常销售。请针对以下两种情况,分别给出该乡村 2024~2030 年农作物的最优种植方案,将结果分别填入 result1_1.xlsx 和 result1_2.xlsx 中(模板文件见附件 3 )。
(1) 超过部分滞销,造成浪费;
(2) 超过部分按 2023 年销售价格的 50% 降价出售。
问题 2 根据经验,小麦和玉米未来的预期销售量有增长的趋势,平均年增长率介于 5%~10%之间,其他农作物未来每年的预期销售量相对于 2023 年大约有 ±5% 的变化。农作物的亩产量往往会受气候等因素的影响,每年会有±10% 的变化。因受市场条件影响,农作物的种植成本平均每年增长5%左右。粮食类作物的销售价格基本稳定;蔬菜类作物的销售价格有增长的趋势,平均每年增长 5%左右。食用菌的销售价格稳中有降,大约每年可下降1%~5% ,特别是羊肚菌的销售价格每年下降幅度为5% 。请综合考虑各种农作物的预期销售量、亩产量、种植成本和销售价格的不确定性以及潜在的种植风险,给出该乡村 2024~2030 年农作物的最优种植方案,将结果填入 result2.xlsx 中 (模板文件见附件 3 ) 。
问题 3 在现实生活中,各种农作物之间可能存在一定的可替代性和互补性,预期销售量与销售价格、种植成本之间也存在一定的相关性。请在问题 2 的基础上综合考虑相关因素,给出该乡村 2024~2030 年农作物的最优种植策略,通过模拟数据进行求解,并与问题 2 的结果作比较分析。
附件 1 乡村现有耕地和农作物的基本情况
附件 2 2023 年乡村农作物种植和相关统计数据
附件 3 须提交结果的模板文件( result1_1.xlsx , result1_2.xlsx , result2.xlsx )

二、解题思路

问题1:农作物的最优种植方案

要求求解2024~2030年六年每年的种植情况,并把数据写入附件,假设2024~2030年间,各种农作物的销售量、种植成本、亩产量、和销售价格相对2023年保持稳定。每季种植的作物在当季销售。如果作物的总产量超过相应的预期销售量,超过部分可能滞销或降价出售。

1、数据读取

  • 地块信息:从附件1的"乡村的现有耕地"读取地块信息,包括地块名称、类型和面积。
  • 作物类型:从附件1的"乡村种植的农作物"获取可在每种地块种植的作物类型。
  • 种植情况:从附件2的"2023年的农作物种植情况"获取每个地块已经种植的作物名称和种植面积。
  • 经济数据:从附件2的"2023年统计的相关数据"获取每种作物的亩产量、种植成本和销售单价。

2、模型构建

  • 地块与作物匹配:针对每个地块,首先确定在2023年已经种植的作物及其对应的种植面积。根据作物名称,查找其亩产量、成本和价格。
  • 产量与销售量的比较:计算每个地块的生产量,并根据假设的销售量,判断生产量是否超过销售量。如果超过,则针对不同的情况处理:
  1. 情况1:超过部分滞销。
  2. 情况2:超过部分以原价的50%出售。
  • 收益与成本计算:对于每个地块,计算生产总量、销售收益和种植成本,生成2024~2030年每一年的种植方案。

问题2:考虑不确定性的农作物最优种植方案

在问题1的基农作物的础上,考虑到农作物的预期销售量、亩产量、种植成本和销售价格的不确定性。年销售量、产量、成本、价格均可能存在一定的波动。

1、数据读取

使用问题1中相同的数据源读取信息,包括地块信息、作物信息、种植成本、亩产量和销售价格等。

2、不确定性引入

  • 年增长/下降的趋势
  1. 小麦和玉米的年增长率设定为5%~10%,其他作物的预期销售量和亩产量设定为±5%的随机波动。
  2. 种植成本设定为每年增长约5%。
  3. 蔬菜类作物的销售价格增长5%,而羊肚菌等菌类价格可能下降1%~5%。
  • 随机波动模拟:通过使用随机数生成不同的波动情况,分别为每种作物的产量、成本和价格加入随机波动。

3、模型构建与优化

  • 蒙特卡洛模拟:通过多次模拟(例如每年多次生成随机波动情况),获取不同情况下的收益和成本波动,计算每年最优的种植方案。
  • 结果保存:根据每年的随机波动,选择出不同波动情况下的最优种植方案,计算总收益并将结果保存。

问题3:农作物的替代性、互补性和相关性

在问题2的基础上,进一步考虑农作物之间的替代性、互补性,以及作物预期销售量、销售价格、种植成本之间的相关性。

1、数据读取

与问题1和问题2一致,读取相同的数据。

2、替代性和互补性分析

  • 替代性:作物之间的替代性指在特定条件下(如价格或产量不利)可以互换。例如,气候不适合小麦生长时,考虑种植其他粮食作物。
  • 互补性:某些作物可以通过轮作或间作改善整体收益,例如豆类作物可以增加土壤肥力,进而提升下一季其他作物的产量。

3、相关性建模

协方差矩阵生成:通过构建协方差矩阵来反映不同作物的价格、成本和销售量之间的相关性。基于相关性矩阵随机生成价格、成本和产量。

4、模型模拟

  • 随机生成方案:结合随机生成的作物价格、成本和销售量的波动情况,分析替代性和互补性作物在这些波动下的最优组合。
  • 优化种植策略:选择出最优的种植组合方案,并将其与问题2的结果进行比较分析,找出收益最大化的策略。

三、解题代码

第一问

第二三问

已经完成更新

四、解题代码和成品论文获取方式

视频讲解

B站关注white学长努力中

代码和成品论文

C题目助攻代码:http://app.niucodata.com/mianbaoduo/recommend.php?id=64234

C题目成品论文PDF版本:http://app.niucodata.com/mianbaoduo/recommend.php?id=64235

C题目成品论文word版本http://app.niucodata.com/mianbaoduo/recommend.php?id=64236

相关推荐
好看资源平台1 小时前
网络爬虫——综合实战项目:多平台房源信息采集与分析系统
爬虫·python
进击的六角龙1 小时前
深入浅出:使用Python调用API实现智能天气预报
开发语言·python
檀越剑指大厂1 小时前
【Python系列】浅析 Python 中的字典更新与应用场景
开发语言·python
湫ccc1 小时前
Python简介以及解释器安装(保姆级教学)
开发语言·python
孤独且没人爱的纸鹤1 小时前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
羊小猪~~1 小时前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
lzhlizihang2 小时前
python如何使用spark操作hive
hive·python·spark
q0_0p2 小时前
牛客小白月赛105 (Python题解) A~E
python·牛客
极客代码2 小时前
【Python TensorFlow】进阶指南(续篇三)
开发语言·人工智能·python·深度学习·tensorflow
庞传奇2 小时前
TensorFlow 的基本概念和使用场景
人工智能·python·tensorflow