临沂做网站多少钱/德国搜索引擎

临沂做网站多少钱,德国搜索引擎,免费建自己域名的网站吗,网站建设的整体设计流程2016年第五届数学建模国际赛小美赛 A题 臭氧消耗预测 原题再现: 臭氧消耗包括自1970年代后期以来观察到的若干现象:地球平流层(臭氧层)臭氧总量稳步下降,以及地球极地附近平流层臭氧(称为臭氧空洞&#x…

2016年第五届数学建模国际赛小美赛

A题 臭氧消耗预测

原题再现:

  臭氧消耗包括自1970年代后期以来观察到的若干现象:地球平流层(臭氧层)臭氧总量稳步下降,以及地球极地附近平流层臭氧(称为臭氧空洞)春季减少幅度更大。除了这些众所周知的平流层现象外,还有春季极地对流层臭氧消耗事件。
  据认为,臭氧消耗的主要原因是含氯源气体的存在,包括氟氯化碳和相关卤代烃、氧化亚氮等。1985年,20个国家签署了《保护臭氧层维也纳公约》。1987年,43个国家的代表签署了《蒙特利尔议定书》。在蒙特利尔,与会者同意将氟氯化碳的生产冻结在1986年的水平,并到1999年将生产减少50%。
  自从通过和加强《蒙特利尔议定书》导致氟氯化碳排放量减少以来,大气中最重要化合物的浓度一直在下降。请建立一个数学模型来预测未来50年的臭氧水平。

整体求解过程概述(摘要)

  空气是生命的基础,空气质量决定着人们的生活质量。众所周知,平流层臭氧层的减少防止了紫外线对生命形式的损害。如何准确地预测臭氧浓度对我们具有重要意义。
  首先,详细介绍了臭氧产生的原因、臭氧空洞和臭氧损耗。然后对臭氧的时空分布进行分析,为预报做准备。分析结果表明,臭氧总量随纬度的增加而增加,也随季节的变化而变化。具体地说,我们的研究表明,北极地区春季臭氧含量显著增加,冬季臭氧含量显著减少。南极洲正好相反。
  其次,考虑到全球臭氧浓度具有季节性和周期性,建立时间序列模型对臭氧柱浓度序列数据进行拟合。收集了南极和北极的臭氧最小值数据,建立了南极和北极的ARMA模型。经过分析,建立了南极is-ARMA(5,7)模型,建立了北极is-ARMA(11,3)模型。根据模型拟合结果和方程,得到未来50年臭氧最小值的预测值。
  第三,考虑到平流层臭氧消耗物质,如氯、含溴碳氢化合物和氮氧化物。它们对臭氧在平流层中的分解具有催化作用,对平流层臭氧的稳定性构成威胁。为此,分析了大气中某些消耗臭氧物质对臭氧密度的影响,建立了灰色多元回归模型,剔除了不必要的ODS变量。建立多元回归方程,最终预测未来臭氧消耗物质的水平,并在此基础上预测未来50年空气中臭氧浓度。
  本文还分析了模型的误差,分析了模型的优缺点,并提出了改进和完善的建议。特别是对模型的不足之处进行了扩展和改进。

模型假设:

  我们正在寻找的数据是准确的或有微小的误差,但不影响整个模型。
  人们的行为意识在未来50年内,变化规律与1979-2015年相似或模型没有显著影响。
  不管紫外线对臭氧浓度的影响。

问题分析:

  国内外科学家对大气臭氧变化趋势做出了重要贡献。Donald研究了北半球O3总量的长期变化,结果表明,O3总量在20世纪60年代初达到最低值,然后开始上升。20世纪70年代初O3总量达到最大值,50年代以来一直呈下降趋势。利用1975~1990年的TOMS数据,Stolarski利用统计模型计算了各纬度地区臭氧年平均趋势,发现随着纬度的变化,赤道附近的趋势几乎为零,逐渐向两极增加,臭氧减少主要集中在冬春季。
  魏定文分析了北京和昆明1979-1993年地面观测资料,发现两地臭氧总量不断减少,尤其是1991-1993年。周秀吉根据卫星资料发现了青藏高原臭氧“槽”区。YanLiu探索了一种预测臭氧含量演变的分析方法,将臭氧总量划分为3~5个状态,用状态间的转移频率代替状态间的转移概率,最大频率状态为臭氧即将向趋势方向演化,并举例说明,效果较好。
  但这一问题尚未完全解决,而现有文献或多或少存在一些不完善之处,需要我们加以完善。

  我们的工作
  将臭氧浓度分为臭氧柱浓度、臭氧总量和臭氧密度。
  简要介绍了臭氧产生的原因、臭氧空洞和臭氧损耗。
  首先,我们分析了臭氧的时空分布,为下一步的预测做准备。
  其次,由于春季平流层臭氧减少,春季也有极地对流层臭氧消耗事件。我们假设全球臭氧浓度具有季节性和周期性,因此我们考虑一个时间序列模型来拟合臭氧柱浓度序列。
  由于臭氧层主要发生在南极和北极地区,收集了南极和北极的臭氧最小值数据,分别设计了南极和北极的ARMA模型,并对模型进行了拟合和预测。
  认为人类活动直接或间接地向平流层提供一些消耗臭氧层物质(ODS),如氯、含溴碳氢化合物和氮氧化物等,对平流层臭氧的分解具有催化作用,导致平流层臭氧的稳定性受到威胁。
  为此,分析了大气中主要消耗臭氧层物质对臭氧层密度的影响,建立了灰色多元回归模型,并在此基础上对未来50年的臭氧层密度进行了预测。
  最后对模型进行了误差分析,并提出了模型的优缺点。提出了改进和完善模型的建议。针对模型的不足,对模型进行了扩展和改进。

模型的建立与求解整体论文缩略图

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

部分程序代码:(代码和文档not free)

clc,clear
a=[230 379 242 271 140 69 13 0.084120283
234 382 240 266 150 71 14 0.086837264
237 382 238 250 161 72 16 0.086521226
239 381 236 225 171 73 18 0.090599057
242 380 234 200 177 73 20 0.085811321
245 378 232 172 184 73 22 0.08509434
246 376 230 145 190 73 24 0.090320755
248 374 228 121 196 72 26 0.088084906
249 372 225 101 201 72 28 0.082063679
249 369 222 84 204 71 30 0.083731132
250 366 220 70 207 71 32 0.087933962
250 363 217 58 208 70 33 0.082316038
250 360 215 48 211 69 35 0.075070755
249 356 213 40 214 69 36 0.080023585
249 353 210 34 214 68 37 0.079304245
248 350 207 28 214 68 39 0.07925
247 347 205 24 212 67 40 0.075245283
246 344 201 20 210 66 42 0.069929245
244 341 199 17 208 66 43 0.073382075
243 338 196 14 206 65 45 0.074410377
242 335 193 12 203 65 46 0.075929245
241 332 191 10 201 64 48 0.067299528
239 330 189 8 197 63 49 0.068033019
238 329 186 7 193 63 50 0.068995283];
x1=a(:,1);x2=a(:,2);x3=a(:,3);x4=a(:,4);
x5=a(:,5);x6=a(:,6);x7=a(:,7);y=a(:,8);n=size(a,1);
% To produce CFC-12; there was no significant correlation between halons and annual mean ozone density
subplot(3,3,1);plot(x1,y,'*'); title('CFC-12')
subplot(3,3,2);plot(x2,y,'*');title('CFC-11')
subplot(3,3,3);plot(x3,y,'*');title('CCl4')
subplot(3,3,4);plot(x4,y,'*');title('CH3CCl3')
subplot(3,3,5);plot(x5,y,'*');title('halons')
subplot(3,3,6);plot(x6,y,'*');title('CFC-113')
subplot(3,3,7);plot(x7,y,'*');title('HCFCs')
% For multiple regression
x=[ones(n,1) x2 x3 x4 x6 x7];
[b,bint,r,rint,stats]=regress(y,x);
b,bint,stats,
%k=5,n=24,F(5,18)=4.96<29.7546 , established
%p<0.0001,established
%Gray prediction GM (1,1), prediction of CFC-11, CCl4, CH3CCl3, CFC-113, HCFCs for the next 50
years 0
% For the next 50 years for the annual mean ozone density
A=[326.7551524 185.5355533 6.380777381 63.26204622 57.79727923
324.2989558 183.3726964 5.38926077 62.82179442 60.73986646
321.8612222 181.2350527 4.551817109 62.38460641 63.8322673
319.4418129 179.1223284 3.844504817 61.95046087 67.0821091
317.0405902 177.0342328 3.247102627 61.51933663 70.49740753
314.6574173 174.9704789 2.742531475 61.09121266 74.08658636
312.2921585 172.930783 2.316366237 60.66606807 77.8584982
309.9446792 170.9148646 1.956423323 60.24388215 81.82244642
307.6148458 168.9224465 1.652412369 59.82463429 85.988208
305.3025256 166.9532548 1.395642039 59.40830405 90.36605771
303.0075869 165.0070186 1.178771557 58.99487113 94.96679343
300.7298991 163.0834705 0.995600839 58.58431536 99.80176277
298.4693326 161.1823458 0.840893236 58.17661672 104.8828911
296.2257586 159.3033833 0.710225833 57.77175532 110.2227109
293.9990493 157.4463246 0.599862993 57.36971143 115.8343927
291.7890781 155.6109142 0.506649567 56.97046544 121.7317776
289.5957191 153.7969 0.427920686 56.57399787 127.9294114
287.4188475 152.0040323 0.36142558 56.18028938 134.4425805
285.2583392 150.2320648 0.305263228 55.78932079 141.2873494
283.1140714 148.4807538 0.257828011 55.40107301 148.4806006
280.9859218 146.7498585 0.217763809 55.01552712 156.0400762
278.8737694 145.0391408 0.183925231 54.63266431 163.9844213
276.777494 143.3483656 0.15534487 54.25246591 172.3332306
274.696976 141.6773005 0.131205645 53.87491338 181.1070963
272.6320972 140.0257155 0.110817443 53.4999883 190.3276588
270.58274 138.3933837 0.093597388 53.1276724 200.0176605
268.5487876 136.7800806 0.079053179 52.7579475 210.2010017
266.5301243 135.1855843 0.066769011 52.39079559 220.9027993
264.5266352 133.6096757 0.056393695 52.02619875 232.149449
262.5382062 132.0521381 0.047630611 51.66413921 243.9686905
260.564724 130.5127572 0.040229234 51.3045993 256.3896757
258.6060764 128.9913215 0.033977965 50.9475615 269.4430407
256.6621518 127.4876217 0.028698088 50.59300838 283.1609814
254.7328396 126.0014511 0.024238658 50.24092267 297.5773328
252.8180299 124.5326054 0.020472184 49.89128718 312.7276525
250.9176137 123.0808825 0.017290987 49.54408486 328.6493084
249.0314827 121.6460829 0.01460412 49.19929879 345.3815711
247.1595297 120.2280093 0.012334768 48.85691214 362.9657102
245.3016481 118.8264667 0.010418054 48.51690823 381.4450967
243.457732 117.4412624 0.00879918 48.17927046 400.8653096
241.6276765 116.072206 0.007431865 47.84398237 421.2742484
239.8113774 114.7191091 0.006277019 47.51102762 442.7222515
238.0087313 113.3817858 0.005301625 47.18038995 465.2622197
236.2196356 112.0600522 0.004477799 46.85205325 488.9497476
234.4439884 110.7537265 0.003781989 46.5260015 513.8432599
232.6816886 109.4626292 0.003194301 46.20221881 540.0041559
230.9326359 108.1865826 0.002697935 45.88068937 567.4969609
229.1967307 106.9254114 0.002278699 45.56139752 596.3894854
227.4738742 105.6789421 0.00192461 45.24432767 626.7529922
225.7639683 104.4470034 0.001625542 44.92946437 658.6623722];
B=[ones(50,1) A];
C=B*b;
%CFC-11 Gray prediction
clc,clear
x0=[379 382 382 381 380 378 376 374 372 369 366 363 360 356 353 350 347 344 341 338
335 332 330 329];% Enter the raw data
x0=x0.^(1/2);
n=length(x0);
A(1,1)=exp(-2/(n+1));A(1,2)=exp(2/(n+1));
lamda=x0(1:n-1)./x0(2:n); % Calculate the level ratio
range=minmax(lamda);
A(2,:)=range;
x1=cumsum(x0);
for i=2:nz(i)=0.5*(x1(i)+x1(i-1)); % Calculate the Immediate Mean Generation Number
end
B=[-z(2:n)',ones(n-1,1)];
Y=x0(2:n)';
u=B\Y;
x=dsolve('Dx+a*x=b','x(0)=x0');
x=subs(x,{'a','b','x0'},{u(1),u(2),x1(1)});
yuce1=subs(x,'t',[0:n-1]);
yuce2=subs(x,'t',[0:n+49]);
digits(6),y=vpa(x); 
yuce=[x0(1),diff(yuce1)];
yuce3=[x0(1),diff(yuce2)];
epsilon=x0-yuce ; % The residuals are calculated
delta=abs(epsilon./x0); % Calculate the relative error
rho=1-(1-0.5*u(1))/(1+0.5*u(1))*lamda;% Ratio deviation
yuce=yuce.^(2);
yuce3=yuce3.^(2);
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/242099.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数据结构和算法-二叉排序树(定义 查找 插入 删除 时间复杂度)

文章目录 二叉排序树总览二叉排序树的定义二叉排序树的查找二叉排序树的插入二叉排序树的构造二叉排序树的删除删除的是叶子节点删除的是只有左子树或者只有右子树的节点删除的是有左子树和右子树的节点 查找效率分析查找成功查找失败 小结 二叉排序树 总览 二叉排序树的定义 …

【LeetCode:1954. 收集足够苹果的最小花园周长 | 等差数列 + 公式推导】

&#x1f680; 算法题 &#x1f680; &#x1f332; 算法刷题专栏 | 面试必备算法 | 面试高频算法 &#x1f340; &#x1f332; 越难的东西,越要努力坚持&#xff0c;因为它具有很高的价值&#xff0c;算法就是这样✨ &#x1f332; 作者简介&#xff1a;硕风和炜&#xff0c;…

C语言—每日选择题—Day60

指针相关博客 打响指针的第一枪&#xff1a;指针家族-CSDN博客 深入理解&#xff1a;指针变量的解引用 与 加法运算-CSDN博客 第一题 1. 下列for循环的循环体执行次数为&#xff08;&#xff09; for(int i 10, j 1; i j 0; i, --j) A&#xff1a;0 B&#xff1a;1 C&#…

蓝桥小课堂-平方和【算法赛】

问题描述 蓝桥小课堂开课啦&#xff01; 平方和公式是一种用于计算连续整数的平方和的数学公式。它可以帮助我们快速求解从 1 到 n 的整数的平方和&#xff0c;其中 n 是一个正整数。 平方和公式的表达式如下&#xff1a; 这个公式可以简化计算过程&#xff0c;避免逐个计算…

2024年【制冷与空调设备运行操作】免费试题及制冷与空调设备运行操作试题及解析

题库来源&#xff1a;安全生产模拟考试一点通公众号小程序 制冷与空调设备运行操作免费试题根据新制冷与空调设备运行操作考试大纲要求&#xff0c;安全生产模拟考试一点通将制冷与空调设备运行操作模拟考试试题进行汇编&#xff0c;组成一套制冷与空调设备运行操作全真模拟考…

【FPGA】分享一些FPGA协同MATLAB开发的书籍

在做FPGA工程师的这些年&#xff0c;买过好多书&#xff0c;也看过好多书&#xff0c;分享一下。 后续会慢慢的补充书评。 【FPGA】分享一些FPGA入门学习的书籍【FPGA】分享一些FPGA协同MATLAB开发的书籍 【FPGA】分享一些FPGA视频图像处理相关的书籍 【FPGA】分享一些FPGA高速…

python时间处理方法和模块

在 Python 中&#xff0c;有一些内置的模块和库&#xff0c;可以帮助我们处理日期和时间的表示、计算和转换。 1. 时间模块&#xff08;time&#xff09; Python 的 time 模块提供了一系列函数来处理时间相关的操作。通过这个模块&#xff0c;可以获取当前时间、睡眠指定时间…

【设计模式】RBAC 模型详解

其他系列文章导航 Java基础合集数据结构与算法合集 设计模式合集 多线程合集 分布式合集 ES合集 文章目录 其他系列文章导航 文章目录 前言 一、什么是 RBAC 呢&#xff1f; 二、RBAC 的组成 三、RBAC 的优缺点 3.1 优点&#xff1a; 3.2 缺点&#xff1a; 四、RBAC 的…

如何用Python画坤坤?

前言 最近闲得慌&#xff0c;突然想起坤坤了&#xff0c;那就画一个吧。 一、Python画坤坤 坤坤大家都熟悉不过了&#xff0c;也就是蔡徐坤。 代码&#xff1a; from turtle import * from math import * #高级椭圆参数方程&#xff08;颜色&#xff09;&#xff0c;sita为…

MySQL报错:1366 - Incorrect integer value: ‘xx‘ for column ‘xx‘ at row 1的解决方法

我在插入表数据时遇到了1366报错&#xff0c;报错内容&#xff1a;1366 - Incorrect integer value: Cindy for column name at row 1&#xff0c;下面我演示解决方法。 根据上图&#xff0c;原因是Cindy’对应的name字段数据类型不正确。我们在左侧找到该字段所在的grade_6表&…

【图文教程】windows 下 MongoDB 介绍下载安装配置

文章目录 介绍MySQL 之间的区别和适用场景差异数据模型&#xff1a;查询语言&#xff1a;可扩展性&#xff1a;数据一致性&#xff1a; 下载安装环境变量配置 介绍 MongoDB 是一种开源的、面向文档的 NoSQL 数据库管理系统。它使用灵活的文档模型来存储数据&#xff0c;这意味…

HarmonyOS - 基础组件绘制

文章目录 所有组件开发 tipsBlankTextImageTextInputButtonLoadingProgress 本文改编自&#xff1a;<HarmonyOS第一课>从简单的页面开始 https://developer.huawei.com/consumer/cn/training/course/slightMooc/C101667360160710997 所有组件 在 macOS 上&#xff0c;组…

计算机网络——数据链路层-点对点协议(组成部分、PPP帧格式、透明传输、差错检测、工作状态)

目录 介绍 组成部分 PPP帧格式 透明传输 字节填充法 比特填充法 差错检测 工作状态 本篇我们介绍点对点协议PPP 介绍 点对点协议PPP&#xff08;Point-to-Point Protocol&#xff09;是目前使用最广泛的点对点数据链路层协议。 请大家想想看&#xff1a;一般的英特…

算法模板之队列图文详解

&#x1f308;个人主页&#xff1a;聆风吟 &#x1f525;系列专栏&#xff1a;算法模板、数据结构 &#x1f516;少年有梦不应止于心动&#xff0c;更要付诸行动。 文章目录 &#x1f4cb;前言一. ⛳️模拟队列1.1 &#x1f514;用数组模拟实现队列1.1.1 &#x1f47b;队列的定…

Kafka集群架构服务端核心概念

目录 Kafka集群选举 controller选举机制 Leader partition选举 leader partition自平衡 partition故障恢复机制 follower故障 leader故障 HW一致性保障 HW同步过程 Epoch Kafka集群选举 1. 在多个broker中, 需要选举出一个broker, 担任controller. 由controller来管理…

Hadoop入门学习笔记——三、使用HDFS文件系统

视频课程地址&#xff1a;https://www.bilibili.com/video/BV1WY4y197g7 课程资料链接&#xff1a;https://pan.baidu.com/s/15KpnWeKpvExpKmOC8xjmtQ?pwd5ay8 Hadoop入门学习笔记&#xff08;汇总&#xff09; 目录 三、使用HDFS文件系统3.1. 使用命令操作HDFS文件系统3.1.…

Simulink元件

constant 输出常数/标量 这样我们就只输出了一个常数 输出一维数组/矢量 这样我们就输出了1-5一共5个数字 输出二维数组 这样我们就输出了4个数字 选择框Interpret vector parameters as 1-D 如果标量或者矩阵&#xff0c;勾与不勾都一样。 如果是向量&#xff0c;勾选则表…

Hago 的 Spark on ACK 实践

作者&#xff1a;华相 Hago 于 2018 年 4 月上线&#xff0c;是欢聚集团旗下的一款多人互动社交明星产品。Hago 融合优质的匹配能力和多样化的垂类场景&#xff0c;提供互动游戏、多人语音、视频直播、 3D 虚拟形象互动等多种社交玩法&#xff0c;致力于为用户打造高效、多样、…

2024华为OD机试真题指南宝典—持续更新(JAVAPythonC++JS)【彻底搞懂算法和数据结构—算法之翼】

PC端可直接搜索关键词 快捷键&#xff1a;CtrlF 年份关键字、题目关键字等等 注意看本文目录-快速了解本专栏 文章目录 &#x1f431;2024年华为OD机试真题&#xff08;马上更新&#xff09;&#x1f439;2023年华为OD机试真题&#xff08;更新中&#xff09;&#x1f436;新…

springCould中的consul-从小白开始【4】

目录 1.consul介绍 ❤️❤️❤️ 2.安装 ❤️❤️❤️ 3.创建8006模块 ❤️❤️❤️ 4.创建80模块❤️❤️❤️ 1.consul介绍 ❤️❤️❤️ Consul 是一种用于服务发现、配置和分布式一致性的开源软件。它由HashiCorp开发和维护&#xff0c;可用于帮助构建和管理现代化的分布…