针对问题一，首先对附件数据进行预处理，将异常数据（经纬度出现越界的数据）
和无效数据（无车流量的数据）剔除；其次对不同时间段内共享汽车车流量的情况进行
统计；再次，根据线性规划求出目标函数最优解；然后给出当企业利润最大时，共享汽
车的计价方案。最后通过 LSTM (Long Short-Term Memory)长短期记忆网络对模型进行
检验，将前 20 个时间段作为训练集，预测出后 4 个时间段的数据并与实际数据相比较，
发现十分吻合，证明了模型准确度较高。
针对问题二，首先对附件的数据特点进行分析，对经纬度数据进行去重；其次根据
空间分布特点和时间分布特点来描述数据分布特点。空间分布特点通过基于密度的聚类
分析方法 DBSCAN 算法得到若干区域。时间分布特点是以 3 天为间隔对附件时间数据
分段，得到车流量在不同时间段的变化规律；然后分别在不同区域不同时间段减少停车
点的数量，观察其最终收益的变化；最后给出建议公司减少停车点数量的区域以及时间
段。
针对问题三，首先将企业和政府作为博弈者，建立动态博弈模型，分析决定政府财
政补助有效性的影响因素；其次根据动态博弈模型得出政府应兼顾企业利润最大化以及
社会利益最大化给出对共享汽车行业扶持解决方案的结论；最后从购车补助，运营补助，
税费减免三个方面给出政府对共享汽车行业扶持解决方案的具体措施。
本文中建立的 DBSCAN 聚类模型能够有效处理噪声点和发现任意形状的空间聚
类，对于异常数据的抗干扰性强，不容易受异常值影响，能很好的处理附件数据中特拉
维夫市的停车点；线性规划普适性强，可以根据不同情况进行调整，算法简便可靠性高；
LSTM(Long Short-Term Memory)长短期记忆人工神经网络十分适合处理时间序列数
据，有效的检验了模型；有计算机辅助的博弈策略模型给出了高效的解决方案。综上，
这些模型在其他领域中也有很高的理论价值与实际应用前景。
游客 223.104.194.x 发表于 2021-6-8 19:37 static/image/common/back.gif
为什么聚类算法选择使用DBSCAN算法，而不是常见的K-means呢？发表回复
因为DBSCAN是基于密度的聚类算法，在本题中，相比于K-means，还是DBSCAN更适合
游客 122.96.32.x 发表于 2021-6-8 19:41 static/image/common/back.gif
为什么可以对数据使用LSTM呢？
因为数据是时间序列数据，而LSTM恰恰是处理时间序列数据的哦
游客 123.168.216.x 发表于 2021-6-8 19:55 static/image/common/back.gif
动态规划模型使用地很巧妙啊发表回复
Thanks for your words.
游客 223.104.193.x 发表于 2021-6-8 19:32 static/image/common/back.gif
数据处理部分做得比其他人丰富些，可以的
是啊，毕竟数据处理在数学建模中的还是很重要滴
怎么下载呢
图表与文档排版质量非常高、内容组织的出色程度很棒、写作逻辑明晰、学术表达的严谨性非常强。
图表与文档排版质量非常高、内容组织的出色程度很棒、写作逻辑明晰、学术表达的严谨性非常强。
776099141 发表于 2021-6-9 20:35 static/image/common/back.gif
怎么下载呢
用积分下载就可以啦
论文的选题很好,有创意。