一图流：
赛题难度 A:B=2:3
选题人数 A:B=2:2.5
2024年妈杯大数据竞赛初赛整体难度约为0.6个国赛。A题为台风中心路径相关问题，为评价+预测问题；B题为库存和销量的预测+优化问题。B题难度稍大于A题，可以根据自己队伍情况进行选择。26日早六点之前发布AB两题相关解题代码+论文。
A：台风的分类与预测
问题1：台风分类评价模型
任务：分析台风特征（强度、等级、风速等）与气温、气压、季风等气象因素之间的关系，构建分类模型来划分台风的类别。
思路：你可以考虑使用多变量分析（例如主成分分析PCA、聚类分析等）来分析这些气象因素与台风特征之间的相关性，并依据这些特征构建分类标准。可以将监督学习（如决策树、随机森林）或无监督学习（如K-means聚类）用于模型的训练。
问题2：台风路径预测模型
任务：利用气温、气压、洋流、风场等因素预测台风路径，并采用动态时间规整算法（DTW）与实际路径进行比较。
思路：可使用时间序列模型（如ARIMA或LSTM等神经网络模型）来预测台风的轨迹，并结合DTW算法对模型的预测路径与实际路径进行对比分析，以评估预测的准确性。
问题3：台风登陆后的风速与降水量预测模型
任务：构建模型，描述台风登陆后风速和降水量的衰减过程，以及降水量与距台风中心的距离关系。
思路：可以基于物理模型（如衰减函数模型或指数衰减模型）来描述台风登陆后风速和降水的变化规律，或者通过统计模型（如线性回归、非线性回归）分析历史数据中台风强度、降水量与距离的关系。
赛道B：电商品类货量预测及品类分仓规划
问题1：货量预测模型
任务：预测350个品类在未来三个月的库存量（按月）和销量（按日）。
思路：可以基于时间序列分析模型（如指数平滑、ARIMA、Prophet等）对每个品类的库存量和销量进行预测。使用的模型需要能够捕捉到历史趋势和季节性变化。
问题2："一品一仓"分仓方案
任务：基于问题1的预测结果，制定"一品一仓"分仓方案，在仓容和产能限制下，规划每个品类应存放的仓库。
思路：这个问题可以看作一个经典的线性规划或整数规划问题，约束条件包括每个仓库的仓容和产能。可以采用线性规划算法（如单纯形法）或启发式算法（如遗传算法、模拟退火算法）来求解最优的分仓方案。
问题3："一品多仓"分仓方案
任务：允许每个品类最多分配到3个仓库，考虑品类关联度、仓库容量和产能的限制，制定新的分仓方案。
思路：这需要建立多目标优化模型，平衡品类关联度、仓库容量、产能等多个约束。可以考虑混合整数规划模型（MILP），或者使用多目标优化算法（如Pareto优化）来得到最优解。