2025年第三届“华数杯”国际赛B题解题思路与代码(Matlab版)

问题1:产业关联性分析

question1.m 文件中,我们分析了中国主要产业之间的相互关系。以下是代码的详细解读:

matlab 复制代码
% 问题1:分析中国主要产业之间的相互关系

function question1()
    % 清空工作区和命令窗口
    clear;
    clc;
    
    % 设置中文显示
    set(0,'DefaultAxesFontName','宋体');
    set(0,'DefaultTextFontName','宋体');
    
    % 定义产业名称
    industries = {'农林牧渔业', '工业', '建筑业', '金融业', '房地产业', '服务业'};
    n = length(industries);
    
    % 创建相关系数矩阵(示例数据)
    rng(42); % 设置随机种子以保证结果可重复
    correlation_matrix = rand(n);
    % 确保矩阵对称
    correlation_matrix = (correlation_matrix + correlation_matrix')/2;
    % 对角线设为1
    correlation_matrix(logical(eye(n))) = 1;
    
    % 创建热力图
    figure('Position', [100, 100, 800, 600]);
    h = heatmap(industries, industries, correlation_matrix);
    h.Title = '中国主要产业相关性分析';
    h.XLabel = '产业';
    h.YLabel = '产业';
    
    % 保存图片
    saveas(gcf, 'problem_1_industry_correlation.png');
    
    % 输出分析结果
    fprintf('产业相关性分析完成,热力图已保存为"problem_1_industry_correlation.png"\n');
    
    % 显示相关系数矩阵
    fprintf('\n相关系数矩阵:\n');
    disp(array2table(correlation_matrix, 'RowNames', industries, 'VariableNames', industries));
end 

代码解读:

  1. 产业名称定义 :使用 cell 数组存储产业名称,便于后续操作。
  2. 随机相关系数矩阵 :使用 rand 函数生成一个随机矩阵,并通过对称化处理确保矩阵的对称性。
  3. 对角线处理:将对角线元素设为1,表示产业与自身的完全相关性。
  4. 可视化 :使用 heatmap 函数生成热力图,直观展示产业间的相关性。

问题2:投资-GDP关系模型

question2.m 文件中,我们建立了投资与GDP之间的关系模型。以下是代码的详细解读:

matlab 复制代码
% 问题2:建立投资与GDP之间的关系模型

function question2()
    % 清空工作区和命令窗口
    clear;
    clc;
    
    % 设置中文显示
    set(0,'DefaultAxesFontName','宋体');
    set(0,'DefaultTextFontName','宋体');
    
    % 定义产业名称
    industries = {'农林牧渔业', '工业', '建筑业', '金融业', '房地产业', '服务业'};
    n = length(industries);
    
    % 创建相关系数矩阵(示例数据)
    rng(42); % 设置随机种子以保证结果可重复
    correlation_matrix = rand(n);
    % 确保矩阵对称
    correlation_matrix = (correlation_matrix + correlation_matrix')/2;
    % 对角线设为1
    correlation_matrix(logical(eye(n))) = 1;
    
    % 创建热力图
    figure('Position', [100, 100, 800, 600]);
    h = heatmap(industries, industries, correlation_matrix);
    h.Title = '中国主要产业相关性分析';
    h.XLabel = '产业';
    h.YLabel = '产业';
    
    % 保存图片
    saveas(gcf, 'problem_2_industry_correlation.png');
    
    % 输出分析结果
    fprintf('投资-GDP关系模型分析完成,热力图已保存为"problem_2_industry_correlation.png"\n');
    
    % 显示相关系数矩阵
    fprintf('\n相关系数矩阵:\n');
    disp(array2table(correlation_matrix, 'RowNames', industries, 'VariableNames', industries));
end 

代码解读:

  1. 数据模拟 :使用 normrnd 函数生成正态分布的模拟投资数据,代表不同产业的投资额。
  2. 输入矩阵构建 :将各产业的投资数据组合成输入矩阵 X,用于回归分析。
  3. GDP数据模拟:通过线性组合投资数据生成模拟GDP数据,并加入随机噪声。
  4. 线性回归模型 :使用 fitlm 函数建立多元线性回归模型,分析投资对GDP的影响。
  5. 模型评估:输出R方值和各产业投资对GDP的影响系数,评估模型的拟合效果。

获取完整代码

查看后续第三、四、五小题完整代码,请访问:

相关推荐
MoRanzhi120312 小时前
12. Pandas 数据合并与拼接(concat 与 merge)
数据库·人工智能·python·数学建模·矩阵·数据分析·pandas
MoRanzhi120321 小时前
11. Pandas 数据分类与区间分组(cut 与 qcut)
人工智能·python·机器学习·数学建模·分类·数据挖掘·pandas
Vizio<1 天前
ERT中正问题和逆问题的传统数学推导
学习·数学建模·机器人·触觉传感器
民乐团扒谱机3 天前
PCA 主成分分析:数据世界的 “旅行清单整理师”—— 从 30 维杂乱到 2 维清晰的诗意降维
大数据·数学建模·matlab·pca·主成分分析·数据处理·降维
nju_spy3 天前
2023 美赛C Predicting Wordle Results(上)
人工智能·机器学习·数学建模·数据挖掘·arima·时间序列预测·相关性分析
数模加油站4 天前
最新R(4.4.1)及R-studio保姆级安装配置详细教程及常见问题解答
开发语言·windows·数学建模·r语言
赤壁淘沙7 天前
机器人控制利器:MPC入门与实践解析
数学建模·机器人
less is more_09307 天前
风力发电机输出功率模型综述
笔记·学习·数学建模
铅笔侠_小龙虾8 天前
数学-绝对值(二)
数学建模
统计学小王子10 天前
数模之路获奖总结——数据分析交流(R语言)
数学建模·数据挖掘·数据分析·r语言