数学建模竞赛 AI 提示词框架：从题目解析到模型求解

五、模型建立阶段

结合前面针对各小问选择的合适模型和处理后的数据，请详细说明各小问建立上述数学模型的完整步骤，包括但不限于模型准备、变量定义、公式推导、假设条件的设定，建模步骤等，内容越详细越好，各模型建立阶段可以用流程图或其他图表可视化展示，并确保模型能够准确反映和解决题目中的问题。

1. 变量定义：用表格明确「决策变量 / 中间变量 / 目标变量」，标注变量类型（连续 / 离散）、单位、约束范围（如 x₁∈[0,100]）。
2. 假设条件：列出 3-5 个核心假设（如「忽略突发事件对模型的影响」），并说明假设的合理性（如基于题目背景或简化复杂度的必要性）。
3. 公式推导：分步骤推导模型核心公式（如目标函数、约束方程），每步标注物理意义（如「式 (3) 表示成本最小化约束，其中 C₁为固定成本」）。
4. 建模流程图：用「变量→公式→约束→目标」的逻辑链可视化建模步骤，标注关键节点（如「此处需验证变量独立性」）。

六、模型求解阶段

1. 代码编写：针对上面每一问的模型建立过程，请编写源代码进行求解。
2. 求解步骤：按「数据输入→参数初始化→模型调用→结果输出」分步骤说明，标注每个步骤的注意事项（如「参数 α 需在 [0,1] 范围内调试」）。
3. 代码实现：
   • 零编程基础：提供可直接运行的代码（需标注依赖库及安装命令，如 pip install numpy），代码中最好有关于结果可视化的模块，关键行注释需说明「为何这么写」（如「用 np.mean() 而非 sum()/n，避免整数除法误差」）。并帮我输出代码运行结果，结果要能体现对题目进行了求解。
   • 指定编程语言：代码需符合该语言规范（如 Matlab 的矩阵运算格式），包含调试方法等（如异常处理语句）。
4. 可视化分析：根据结果类型选择图表（如优化结果用柱状图对比方案，预测结果用折线图展示趋势），图表需含标题、坐标轴标签、图例，并在图下标注关键结论（如「图 3 显示方案 2 的成本比方案 1 低 15%」）。

七、结果分析阶段

我是一名参加数学建模比赛的学生，请帮我针对上述各小问代码的求解结果，针对每小问给出详细的结果分析，结果分析主要包括针对结果的【基础分析】和【深层分析】。

1. 基础分析：
   • 数值解读：直接说明结果的物理意义（如「最优解 x=5 表示每日生产 5 吨时成本最低」）。
   • 统计描述：计算结果的均值、方差、极值等，说明数据分布特征（如「预测误差集中在 ±5%，说明模型稳定性较好」）。
2. 深层分析：
   • 关联性：结果与题目约束和要求的匹配度（如「结果满足所有资源约束，且利用率达到 90%」）。
   • 敏感性：分析关键参数变化对结果的影响（如「当参数 k 增加 10%，结果偏差 2%，说明模型对 k 不敏感」）。
   • 实际意义：结合题目背景提炼结论（如「该方案可使企业年收益提升 8%，符合行业实际情况」）。

八、模型检验与改进阶段

针对上述各小问完整的建模和求解过程，请对建立的数学模型进行检验：

1. 有效性检验：
   • 方法：针对模型类型选择检验指标（如预测模型用 RMSE，评价模型用一致性检验 Kappa 系数）。
   • 代码：提供检验代码（如「用 5 折交叉验证检验模型泛化能力」），输出检验结果（如「平均 RMSE=2.3，小于阈值 5，模型有效」）。
2. 改进方向：
   • 若误差较大：说明可能的改进点（如「增加数据量 / 引入非线性项 / 融合多模型集成」）。
   • 若假设不合理：提出修正方案（如「放松假设 1，引入随机扰动项」）。
   • 鲁棒性分析：通过改变输入数据（如增加 10% 噪声），观察结果变化幅度，说明模型抗干扰能力。