python人网站开发案例,聊城网站建设lchckj,四川住房与城乡建设部网站,做微信网站公司2022年亚太杯APMCM数学建模大赛
E题 有多少核弹可以摧毁地球
原题再现 1945年8月6日#xff0c;第二次世界大战即将结束。为了尽快结束战争#xff0c;美国在日本广岛投下了下一颗名为“小男孩”的原子弹。这样一颗原子弹在广岛炸死了20万人#xff0c;广岛的所有建筑物都…2022年亚太杯APMCM数学建模大赛
E题 有多少核弹可以摧毁地球
原题再现 1945年8月6日第二次世界大战即将结束。为了尽快结束战争美国在日本广岛投下了下一颗名为“小男孩”的原子弹。这样一颗原子弹在广岛炸死了20万人广岛的所有建筑物都倒塌了。这是人类历史上第一次将原子弹付诸实践也让许多人第一次意识到原子弹的可怕威力。 核武器是指与核反应有关的巨大致命武器包括氢弹、原子弹、中子弹等。核武器是人类有史以来最强大的武器之一经常让人想起毁灭天地的场景。原子弹的瞬间爆炸温度可以达到数千万度。原子弹的爆炸当量约为数万至数十万吨TNT当量。原子弹的爆炸及其辐射范围可以摧毁一座城市。 由于原子弹的可怕威力许多国家希望用它来威慑其他国家保护自己的国家免受外国入侵。二战后世界各国开始疯狂研发制造原子弹甚至制造出了“大伊万”等破坏性武器。 “大伊凡”是目前世界上已知威力最大的核弹也就是苏联时期建造的“沙皇炸弹”。它不仅是世界上威力最大的核弹也是最大的核弹。“沙皇炸弹”有多大数据显示它的长度为8米直径为2.1米重量高达27吨设计TNT当量为50兆吨。苏联原计划设计相当于100兆吨的导弹但由于破坏力太大无法找到合适的试验场因此功率降低了一半。即便如此沙皇炸弹仍然是世界上最强大的核武器。“小男孩”的爆炸威力约为14000吨TNT当量使广岛成为一片废墟而“沙皇炸弹”的威力可与数十甚至数百名“小男孩“相媲美。“沙皇炸弹”在苏联新地岛试爆后甚至在一些远至美国的州也探测到了5级左右的地震导致欧亚大陆向南移动了9毫米。 许多人认为这些核武器可以毁灭地球好几次。事实真的是这样吗就人类开发的核武器的威力而言如果它们摧毁了地球并不意味着它们可以把地球炸成碎片而是意味着人类和地球上生物的生存环境已经被破坏。 APMCM组织委员会要求您的团队处理当前的报告和未来的核武器预测。他们提供了数据集2022_APMCM_E_data.csv来帮助您进行研究。请收集相应的数据建立数学模型并回答以下问题。 要求 1.基础数据分析 a 哪些国家曾经拥有核武器 b 在过去20年中哪个国家的核武器库存减少或增加最多 c 哪五年的核武器试验最多 d 在过去10年中哪个国家在核武器研究方面最活跃 e 哪个国家从“不考虑核武器”到“拥有核武器”的转变最快 2.预测核武器的数量 a 根据所附数据或您收集的数据建立一个数学模型来预测核武器的数量并预测未来100年内拥有核武器的国家 b 预测未来100年核武器数量的变化趋势2123年核武器总数以及每个国家的核武器数量。 3.保护我们的星球 a 建立核武器引爆位置的数学模型计算出摧毁地球至少需要多少枚核弹 b 根据数学模型核弹目前拥有的最大破坏力是多少足以毁灭地球吗 c 为了保护地球和我们赖以生存的环境世界核弹的总数应该限制在什么范围内理论上已经拥有核武器的国家应该限制在哪些范围内 4.准备一篇非技术性文章最多1页。请给联合国写一篇非技术性的文章最多1页解释你的团队的调查结果并为所有国家提出一些建议。
整体求解过程概述(摘要) 核武器是人类历史上发展起来的最强大的武器正是因为核武器的力量各国才希望通过核武器的威慑作用来保护自己。核武器虽然威力巨大但一旦爆炸就会释放出巨大的能量对生态环境造成严重破坏。 针对第一个问题本文根据问题中各国核武器的相关数据进行了基础数据分析。首先设想所有国家拥有的核武器的状况、储存的核武器数量和进行的核试验数量。使用python遍历相关数据完成描述性统计分析。构建临界权重评分模型选取7个指标对不同国家对核武器的态度进行评分判断朝鲜是最积极的核武器国家。 对于第二个问题为了预测未来核武器的数量和趋势本文构建了一个基于ARIMA时间序列分析的预测模型。首先对数据进行预处理并进行ADF稳定性测试和白噪声测试。然后我们对模型进行评估和测试以找到最合适的超级参数来引入预测模型。接下来引入了各国核武器拥有状况和储存情况的数据并进行了预测和数值分析。最后我们得出的结论是2123年的核武器总数将达到2152件每个国家的核武器数量都将达到2150件。 对于第三个问题本文给出了破坏地球的两个定义。一种是用核武器把地球炸成碎片。通过对地球引力结合能和核武器爆炸能力的计算发现目前核武器的数量远远不够。第二个定义是用核武器及其辐射摧毁地球上的大多数生物。我们将世界地图转换为灰度图像建立DBSCAN聚类模型并设置核武器的爆炸半径和传播半径以获得最终摧毁地球的核弹总数。 针对第四个问题我们向联合国提交了一篇非技术性文章用之前的模型分析结果解释了我们团队对核武器的看法和相关发现并为所有国家提出了几点建议。我们认为发展核武器的最终目标是消除核武器。
模型假设 为了简化建模我们做了以下假设 1 假设收集的数据忽略了信息披露程度的影响。 2 假设地球被破坏的标准不是地球破碎而是地球表面的生态环境受到严重破坏。 3 本文对核武器数量的分析仅限于收集到的数据中的国家其他国家没有进行分析。
问题分析 问题一分析 问题1的主要目的是对数据进行基本分析其中包含五个小问题 问题a数据中的状态3国家地位核武器.csv表明该国当年拥有核武器。因此通过遍历数据我们可以发现状态3的国家就是曾经拥有核武器的国家。 问题b为了更准确地分析问题我们将首先可视化核武器库存数据nuclear-chirf-stock.csv然后分析哪个国家的核武器库存减少或增加最多。由于存在不同的措施因此开发了两种方法来更全面地分析问题。第一个是每个国家最后一年的核武器数量与最早一年的数量之间的差异。第二种方法是观察每个国家核武器数量的差异。然后对两种方法的结果进行了比较。如果它们是一致的则可以更好地解释结果的准确性。 问题c首先每年的核武器试验次数是通过处理核武器试验的次数得出的。然后计算每个“5年”内发生的核武器试验次数经过比较可以得出核武器试验最多的5年。 问题d通过建立CRITIC模型结合核武器试验数据对每个国家的核武器研究活动进行评分从而得出核武器研究最活跃的国家。 问题e我们将分析选定的曾经拥有核武器的国家减去状态3的最早年份和状态0的最晚年份得出这些国家从“不考虑核武器”变为“拥有核武器”的时间间隔然后进行比较得出结果。 问题二分析 问题二的主要目的是预测核武器包括预测未来的核武器国家和预测未来核武器的数量。根据数据分析我们选择建立基于ARIMA的核武器数量预测模型建立流程图如下 从图中可以看出我们需要首先对时间序列数据进行预处理。由于ARIMA模型建立的先决条件要求我们需要进行平稳性测试和白噪声测试。在通过平稳性测试和白噪声测试后进行了模型估计和测试最终可以成功地建立ARIMA模型。 建立基于ARIMA的核武器数量预测模型预测未来100年拥有核武器的国家和核武器数量的变化趋势预测2123年世界核武器总数和每个国家的核武器数。 问题三分析 破坏地球有不同的定义。为了更全面地分析这个问题我们建立了两个破坏地球的定义。第一个定义是撕裂地球并在第一个定义的基础上进行了适当的分析。第二个定义是对地球表面的生态环境造成严重破坏。基于这一定义我们将通过以人口密度为标准的DBSCAN聚类算法建立核武器的爆炸位置模型然后分析和解决问题判断摧毁地球需要多少核武器并计算世界上核武器的极限。 问题四分析 根据上述解决方案的结果和我们的调查结果我们将向联合国撰写一篇非技术性文章为所有国家提出建议。
模型的建立与求解整体论文缩略图 全部论文及程序请见下方“ 只会建模 QQ名片” 点击QQ名片即可
程序代码
部分程序如下:
import pandas as pd
def CountriesThatHaveNuclearBombs():data pd.read_csv(../data/country-position-nuclear-weapons.csv).values.tolist()countries {}for i in data:if i[3] 3:countries[i[0]] i[2]return countries
if __name__ __main__:res CountriesThatHaveNuclearBombs()for item in res:print(item has nuclear until str(res[item]) year)import pandas as pd
import matplotlib.pyplot as plt
def draw(countries, years, datas):plt.title(Nuclear Growth)plt.xlabel(years)plt.ylabel(num)for data in datas:plt.plot(years, data, markero, markersize3)plt.legend(countries)plt.show()
if __name__ __main__:data pd.read_csv(../data/nuclear-warhead-stockpiles.csv).values.tolist()datas[]countries []temp []years[]for i in range(2003, 2023):years.append(i)for i in data:countries.append(i[0])if i[2] 2002:temp.append(i[3])if i[2] 2022:
datas.append(temp)temp []countries_data list(set(countries))countries_data.sort(keycountries.index)draw(countries_data,years,datas)del countries_data[-4]del countries_data[-1]del datas[-4]del datas[-1]draw(countries_data,years,datas)import pandas as pd
from matplotlib import pyplot as plt
import plotly.express as px
from matplotlib import pyplot as plt
import seaborn as sns
import statsmodels.api as sm
data pd.read_csv(../data/number-of-nuclear-weapons-tests.csv).values.tolist()
res []
temp []
years []
for i in range(1945, 2020):years.append(i)
# print(years)
for i in years:for item in data:if item[2] i:temp.append(item[3])num 0for j in temp:num jres.append(num)num 0temp []
print(res)
res pd.DataFrame(res, columns[num])
# res.indexpd.Index(sm.tsa.datetools.dates_from_range(1945, 2019))
print(res)
fiveyears []
fiveyearsnum []
print(len(res.index))
for index in range(0, len(res.index) - 4):fiveyearsnum.append(res[index:index 5].values.transpose().tolist()[0][0]
res[index:index 5].values.transpose().tolist()[0][1] res[index:index 5].values.transpose().tolist()[0][2] \res[index:index 5].values.transpose().tolist()[0][3] res[index:index
5].values.transpose().tolist()[0][4])
# tostr(i4)
[fiveyears.append(str(i)) for i in range(1945,2016)]
print(fiveyears)
print(fiveyearsnum)
plt.figure(figsize(15, 10))
plt.plot(fiveyears,fiveyearsnum)
plt.xticks(rotation90)
# Control chart notes
plt.annotate(The Max value is %d in %s %
(max(fiveyearsnum),fiveyears[fiveyearsnum.index(max(fiveyearsnum))]), # Control the
content of commentsxy(fiveyearsnum.index(max(fiveyearsnum)), max(fiveyearsnum)), #
The point to comment, y1.index(max(y1)): The index of the maximum value in y1# max(y1)The maximum value in y1xytext(20, 400), # The location of the comment displayfontsize30,arrowpropsdict(facecolorblack, width0.5, headwidth5) # Control
arrow color, width, arrow width# arrowpropsdict(arrowstyle-) # Try this)
plt.show()全部论文及程序请见下方“ 只会建模 QQ名片” 点击QQ名片即可
