具体数值结果见文末表格
数模 C 题参考答案完整解读｜无唯一标准答案！数值大幅浮动全正常
很多同学一直在蹲数模 C 题参考答案，后台、直播间天天问：有没有标准结果？我的数值和别人差很多是不是做错了？能不能直接对照抄结果？
今天专门给大家把 C 题整套赛题的答案逻辑、精度区间、模型差异、结果取舍一次性讲透，看完就不用再死磕数字了！
首先重点先说结论：数模 C 题和 B 题完全不一样，没有唯一标准答案！ 模型不同、代码不同、算法不同，出来成千上万种结果，数值大幅浮动是常态，完全不用慌。
问题一 误差矫正与预测精度说明
C 题问题一核心是误差纠正。最开始给大家的五套基础代码，整体精度差距非常大，拟合效果参差不齐。
后面我们改用高精度 Delta 预测方法 ：从趋势图上看整体曲线几乎完全重合，视觉效果很好；但有明显短板：极端数值预测偏差很大，部分工况偏差能达到二三十，误差并不小。
目前给大家整理的是多组结果里矫正后最优的一套参考解 。这里提醒大家一个关键原则：整篇论文必须用同一套模型、同一套输出结果不能问题一用模型一、问题二随便换模型二，逻辑完全不自洽，属于建模大忌。
另外给大家一个实在建议：问题一参考数值区间很宽松，哪怕取值在 7.0、7.1 左右都合理；如果实在不会跑代码、调模型，在合理区间内规整取值，完全可以用。
问题二 断点识别：Python 与 MATLAB 天然存在差异
问题二核心是断点识别。很多同学疑惑：明明用一样的函数、一样的思路，为什么结果对不上？
关键点在这里：Python 和 MATLAB 同款函数，底层内置算法不一样 哪怕建模逻辑完全相同，也会出现二三十个点位的正常浮动，还有位移量小幅偏差，这是软件本身自带的差异，没法规避，只能正常接受。
我们还做了整体分段拟合 ，对每一段分类结果做了可视化呈现。这部分图表更多用于论文结果分析与讨论环节，不用强行对标固定数值，只要分段逻辑合理、拟合趋势正常即可。
问题三 多模型预测结果自由选择
问题三要求做数值预测，我们把所有代码批量运行结果，整理成了20 页完整 Word 结果文档。本次参考结果是由 AI 从整套运行数据中自动提取生成。
大家注意：AI 只随机提取了其中一组，并不是唯一最优解。你们可以自己翻整套运行结果，挑选逻辑通顺、拟合效果满意的一组直接用，不用死守给出的这一个参考值。
问题四 预测结果灵活取舍
问题四同样有多组备选预测结果，目前只展示了其中一套提取版本。C 题本身自由度极高，没有固定标准答案限制，大家完全可以根据自己的建模思路，更换、挑选更贴合自己模型逻辑的一组结果使用。
问题五 模型组合、精度与阈值设定
问题五涉及多模型组合对比、精度评价、R² 拟合度、分值预警与阈值设定。
我们测试了五个模型、十一种组合方案 ，整体初始精度表现都一般；但最终优化出的高精度版本效果极佳 ，阿尔法相关指标能达到0.999级别，拟合度拉满。
给大家直白建议：不用强行套用那十一种普通组合的平庸结果，直接选用我们最终高精度优化版的数据和指标，放进论文里又合理、又高分。后面附带的分值预警、阈值设定表格，大家直接当作参考模板使用即可。
最后重点重申（必看）
-
B 题还有大致合理区间，C 题完全没有唯一标准答案
；
-
模型、代码、软件、算法任意一个不同，结果都会大幅浮动，差很多也不算错；
-
所有表格、数值、图表只做参考，不要照搬照抄，贴合自己的建模假设才是高分关键；
-
整篇论文务必保持同一模型贯穿始终，不要东拼西凑混用不同模型结果。
|--------------|---------------|----------------|----------------|-----------------|------------------|
| 问题1 数据A校正结果 --- LOWESS方法 (frac=0.05, 10折CV) ||||||
| 表1.1 5个数据点校正前后对照 ||||||
| 校正前x | 7.132 | 18.526 | 84.337 | 123.554 | 167.667 |
| 校正后y | 6.427 | 15.796 | 73.65 | 108.458 | 146.957 |
| | | | | | |
| 模型评估指标 ||||||
| 指标 | 校正前 | 校正后 | 改善 | 10折CV均值 | 10折CV标准差 |
| RMSE (mm) | 26.7955 | 2.6477 | 90.1%↓ | 2.6637 | 0.0847 |
| MAE (mm) | 23.3367 | 1.348 | 94.2%↓ | 1.3599 | 0.0568 |
| R² | 0.9225 | 0.9992 | +0.077 | 0.9992 | 0.0001 |
|-------------|------------|------------|------------------|----------------|
| 问题2 三段式形变阶段转换节点（PELT算法，两种实现） |||||
| 转换节点识别结果 |||||
| 方法 | 节点 | 编号 | 时间 | 位移(mm) |
| Python PELT | 节点1 缓→加 | 6041 | 2024-06-14 22:40 | 201.03 |
| Python PELT | 节点2 加→快 | 9091 | 2024-07-06 03:00 | 603.04 |
| MATLAB PELT | 节点1 缓→加 | 6015 | 2024-06-14 18:20 | 199.58 |
| MATLAB PELT | 节点2 加→快 | 9084 | 2024-07-06 01:50 | 600.36 |
|------------|------------|--------------|------------|------------------|-----------------|------------|--------------------|
| 分阶段拟合模型与精度指标 ||||||||
| 方法 | 阶段 | 拟合模型 | 点数 | RMSE(mm) | MAE(mm) | R² | 平均速度(mm/h) |
| Python | 阶段1 缓慢匀速 | 线性 | 6040 | 13.8088 | 11.8782 | 0.946 | 0.1995 |
| Python | 阶段2 加速形变 | 二次多项式 | 3050 | 14.5341 | 12.4337 | 0.9794 | 0.7905 |
| Python | 阶段3 快速形变 | 二次多项式 | 910 | 8.7211 | 7.6654 | 0.9982 | 4.6278 |
| MATLAB | 阶段1 缓慢匀速 | 线性 | 6015 | 13.6879 | 11.7748 | 0.946 | 0.1991 |
| MATLAB | 阶段2 加速形变 | 二次多项式 | 3069 | 14.5341 | 12.4071 | 0.9793 | 0.7774 |
| MATLAB | 阶段3 快速形变 | 二次多项式 | 916 | 8.8456 | 7.7586 | 0.9981 | 4.6114 |
|------------------|--------------------------------------|---------------------|--------------|
| 问题4 实验集表面位移预测结果（表4.1） ||||
| 预测方法：分阶段建模--- 阶段1/2用LSBoost，阶段3用GP（5折CV最优） ||||
| 时间点 | 阶段 | 表面位移预测值(mm) | 阶段说明 |
| 2025-05-09 12:00 | 1 | 3.0836 | 阶段1-缓慢匀速 |
| 2025-05-27 08:00 | 2 | 553.58 | 阶段2-加速形变 |
| 2025-06-01 12:00 | 2 | 553.73 | 阶段2-加速形变 |
| 2025-06-03 22:00 | 3 | 639.67 | 阶段3-快速形变 |
| 2025-06-04 01:40 | 3 | 639.67 | 阶段3-快速形变 |
| | | | |
| 训练集阶段转换（jerk峰法） ||||
| 阶段 | 时间范围 | 平均速度(mm/h) | 说明 |
| 阶段1 缓慢匀速 | 2023-05-01 ~ 2023-07-07 01:00 | 0.1995 | 线性增长 |
| 阶段2 加速形变 | 2023-07-07 01:00 ~ 2023-07-09 22:00 | 0.7905 | 二次加速 |
| 阶段3 快速形变 | 2023-07-09 22:00 ~ 2023-07-10 03:10 | 4.6278 | 快速失稳 |
|------------------------|-------------|------------------------------|----------------------------|----------------------------|--------------------------|--------------------------|------------------------|----------------------------------|--------------------------------|-----------------------------|---------------------------|
| 问题5.1 变量组合误差对比（5种模型 × 11种组合） ||||||||||||
| 变量组合 | 变量数 | XGBoost RMSE | XGBoost R² | LASSO RMSE | LASSO R² | BNN RMSE | BNN R² | Transformer RMSE | Transformer R² | ARD-GP RMSE | ARD-GP R² |
| 降雨量+孔隙水压力 | 2 | 8.7348 | -0.0317 | 8.7284 | -0.0302 | 8.7348 | -0.0317 | 8.7348 | -0.0317 | 4.3075 | 0.0932 |
| 降雨量+微震事件数 | 2 | 8.1536 | 0.1011 | 8.7557 | -0.0366 | 8.1536 | 0.1011 | 8.1536 | 0.1011 | 3.8893 | 0.2607 |
| 降雨量+干湿入渗系数 | 2 | 8.7828 | -0.0431 | 8.8318 | -0.0547 | 8.7828 | -0.0431 | 8.7828 | -0.0431 | 4.4249 | 0.0431 |
| 孔隙水压力+微震事件数 | 2 | 8.0219 | 0.1298 | 8.0605 | 0.1215 | 8.0219 | 0.1298 | 8.0219 | 0.1298 | 3.6069 | 0.3642 |
| 孔隙水压力+干湿入渗系数 | 2 | 8.5215 | 0.0181 | 8.5277 | 0.0167 | 8.5215 | 0.0181 | 8.5215 | 0.0181 | 4.0606 | 0.1942 |
| 微震事件数+干湿入渗系数 | 2 | 8.1481 | 0.1022 | 8.7557 | -0.0366 | 8.1481 | 0.1022 | 8.1481 | 0.1022 | 3.8893 | 0.2607 |
| 降雨量+孔隙水压力+微震事件数 | 3 | 7.9358 | 0.1484 | 8.0593 | 0.1217 | 7.9358 | 0.1484 | 7.9358 | 0.1484 | 3.6069 | 0.3642 |
| 降雨量+孔隙水压力+干湿入渗系数 | 3 | 8.5051 | 0.0219 | 8.527 | 0.0168 | 8.5051 | 0.0219 | 8.5051 | 0.0219 | 4.0545 | 0.1966 |
| 降雨量+微震事件数+干湿入渗系数 | 3 | 8.1844 | 0.0942 | 8.7557 | -0.0366 | 8.1844 | 0.0942 | 8.1844 | 0.0942 | 3.8893 | 0.2607 |
| 孔隙水压力+微震事件数+干湿入渗系数 | 3 | 7.9981 | 0.135 | 8.0398 | 0.126 | 7.9981 | 0.135 | 7.9981 | 0.135 | 3.578 | 0.3743 |
| 降雨量+孔隙水压力+微震事件数+干湿入渗系数 | 4 | 7.9942 | 0.1359 | 8.0387 | 0.1262 | 7.9942 | 0.1359 | 7.9942 | 0.1359 | 3.578 | 0.3743 |
|------------|--------------------------------------|-------------|--------------------|---------------------|----------------|
| 问题5.2 分阶段预警机制与阈值（EVT极值理论） ||||||
| 一、阶段划分（BOCPD+HSMM，附件5共9450条数据） ||||||
| 阶段 | 时间范围 | 样本数 | 平均速度(mm/h) | 速度标准差(mm/h) | 主要驱动因子 |
| 阶段1 缓慢匀速 | 2024-01-01 16:40 ~ 2024-01-31 19:00 | 4335 | 1.023 | 3.3496 | 孔隙水压力 |
| 阶段2 加速形变 | 2024-01-31 19:10 ~ 2024-03-03 14:20 | 4580 | 2.5249 | 4.2883 | 孔隙水压力 |
| 阶段3 快速形变 | 2024-03-03 14:30 ~ 2024-03-07 07:30 | 535 | 9.9945 | 13.2626 | 孔隙水压力 |
|--------------|--------------|-------------------------------------|--------------------|--------------|
| 预警等级 | 等级编号 | 速度条件(mm/h) | 全局阈值(mm/h) | 预警颜色 |
| 常态 | 1 | |v̂| < 13.7722 | T1=13.7722 | 蓝/绿 |
| 加速预警 | 2 | 13.7722 ≤ |v̂| < 16.6554 | T2=16.6554 | 黄色 |
| 高危预警 | 3 | 16.6554 ≤ |v̂| < 33.1361 | T3=33.1361 | 橙色 |
| 紧急预警 | 4 | |v̂| ≥ 33.1361 | --- | 红色 |
|------------|-----------------|-----------------|-----------------|
| 阶段 | T1 常态上界 | T2 加速预警 | T3 高危预警 |
| 阶段1 | 6.4875 | 13.7722 | 24.1486 |
| 阶段2 | 10.7312 | 16.6554 | 23.9174 |
| 阶段3 | 13.8468 | 33.1361 | 204.265 |
|--------------|-------------------------------------|---------------------------|------------------|-----------------|----------------|----------------------|
| 四、各方案预测器性能对比（测试集，附件5数据） |||||||
| 方案文件 | 预测模型 | 变量筛选方法 | 最优组合RMSE | 测试集RMSE | 测试集R² | 最终选择 |
| q51 | XGBoost | XGBoost重要性 | 7.9358 | 7.9415 | 0.1472 | XGBoost |
| q52 | LASSO+ARIMAX | LASSO-CV | 8.0387 | 9.3169 | -0.1738 | LASSO |
| q53 | BNN MC-Dropout | XGBoost | 7.9358 | 7.9449 | 0.1465 | BNN |
| q54 | Transformer | XGBoost+SHAP | 7.9358 | 7.7956 | 0.1799 | Transformer |
| q55 | Stacking(XGB+RF+LSTM→Ridge) | Granger因果+XGBoost | 7.9358 | 7.256 | 0.2883 | Stacking ★最优 |