2026年第二十三届五一数学建模竞赛C题各问题参考答案

热心网友俣先生

446人浏览 · 2026-05-02 02:29:05

热心网友俣先生 · 2026-05-02 02:29:05 发布

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