清华IE亮剑-2014年获奖论文
2014 国家科技进步特等奖
2014 国家科技进步特等奖摘要：一、引言二、2014 年国家科技进步特等奖的获奖情况三、获奖项目的主要创新点和贡献四、获奖项目在我国科技发展中的意义和价值五、结论正文：一、引言2014 年，我国颁发了国家科技进步特等奖，用以表彰在科技进步领域做出杰出贡献的项目和个人。
这一奖项是对获奖者辛勤工作的肯定，也是对我国科技事业发展的激励。
本文将详细介绍2014 年国家科技进步特等奖的获奖情况，以及获奖项目的主要创新点和贡献。
二、2014 年国家科技进步特等奖的获奖情况2014 年国家科技进步特等奖授予了“新一代运载火箭关键技术攻关及应用”项目。
该项目由我国运载火箭技术研究院等单位共同完成，涵盖了火箭设计、制造、试验、发射等多个环节的关键技术。
三、获奖项目的主要创新点和贡献1.新一代运载火箭实现了模块化设计，提高了火箭的可靠性和适应性。
通过模块化设计，火箭可以在短时间内完成组装和测试，降低了研制和生产成本，提高了火箭的发射成功率。
2.采用高性能燃料和发动机技术，提高了火箭的运载能力。
新一代运载火箭使用液氢液氧作为燃料，具有高能量密度、无污染等优点，使火箭的运载能力得到了显著提高。
3.新一代运载火箭采用了先进的空间飞行器分离和控制技术，提高了飞行器的入轨精度和可靠性。
这一技术的突破为我国后续的空间探测和载人航天任务奠定了基础。
4.新一代运载火箭的研制和应用，有力地推动了我国航天事业的跨越式发展。
运载火箭技术的突破，为我国的空间站、月球探测、火星探测等任务提供了有力保障。
四、获奖项目在我国科技发展中的意义和价值新一代运载火箭关键技术的攻关及应用，代表了我国航天事业在2014 年的最高水平，极大地提高了我国在国际航天领域的地位。
这一项目的获奖，既是对项目团队的肯定，也是对我国科技事业发展的激励。
它标志着我国航天事业已迈入世界先进行列，为我国的空间探测和载人航天事业奠定了坚实基础。
五、结论2014 年国家科技进步特等奖授予新一代运载火箭关键技术攻关及应用项目，是对我国航天事业发展的充分肯定。
2014第七届认证杯数学中国数学建模网络挑战赛第一阶段成绩初稿(5.11)
队号所选题目成绩获奖等级简短评语参赛组别队员甲队员乙队员丙本科组方沛吴梦茹张肖1439A题60优秀奖模型表述完善本科组张莞玲年华徐梦伟1492A题81一等奖主要基于层次本科组朱翰希尚运动刘殷成1513C题60优秀奖模型未完成，1517C题75二等奖模型对于问题本科组邓扬罗翔燕刘帆本科组栾伟东潘鹏程代伟1520A题79二等奖单一考虑层次本科组张玉何娜宋雯1521A题77二等奖对轮胎滑水性本科组刘梦婷胡璨郝诗红1539A题81一等奖建立一元回归本科组付帅孙永威张咪咪1540B题75三等奖该文思路比较本科组徐宇轩周超陈挚1541C题75二等奖聚类分析用的本科组束云霞许梦宇程鹏1545C题62优秀奖层次分析中考本科组陈梦珂蔡雪飞周晓苏1552A题60优秀奖噪声模型和排1553A题50优秀奖似乎全文来自本科组郭文伟刘越王昌海本科组陈雨安胜男张玲平1554C题60优秀奖评价因素的权1555A题72二等奖总体表述尚可本科组许莉萍宋艺旋洪粼本科组周健王玲凤吕丹妮1556A题60优秀奖问题一的分析1561A题60优秀奖P5图1无实质本科组朱运良张雨农吴安琪本科组邓路黄国荣李晓琳1562C题75二等奖运用机理分析本科组缪灵均魏惠敏王晨睿1563C题75二等奖使用模糊综合本科组魏光辉侍冰雪汪永1571C题75二等奖风险中影响的本科组马洋洋李婷李丹1572C题75二等奖利用综合分析1573C题80一等奖模型分析部分本科组程倩倩徐俊杰房勇本科组张童莲罗和静张芮1574C题65优秀奖摘要抓不住重本科组王恒张大江王文利1577C题60优秀奖风险变异的得本科组万燕周王玉坤孔志伟1578A题78二等奖利用层次分析本科组张沛文刘一鸣何亚男1579A题79二等奖建立噪音排水本科组许铭刘芸瑾朱芸芸1580C题80一等奖综合评价体系1585A题75二等奖数据分析较全本科组武莹唐慧何焦焦本科组周冠宇章春芳李瑞丽1592C题60优秀奖问题分析过程本科组陈怡静熊忆嘉高维静1605C题78二等奖层次分析时，1683C题60优秀奖文中对模型的本科组陈鑫张晨琛王正宏本科组储彬姜聪陈徐明2040C题80一等奖在原始数据处本科组颜博董丽姚志2249C题60优秀奖问题二中定义本科组曾知文王艳贾晨曦2285C题70三等奖文中建立了对本科组李瑞雪刘思玢赵晶晶2368A题70三等奖文中针对轮胎本科组许文祥施婷宋凯艺2487C题60优秀奖在计算盈亏平2487A题55优秀奖本文建立了本科组许文祥施婷宋凯艺本科组陈钰孙婉悦韩井芳1461C题73三等奖文中建立综合本科组宋紫君王芳马盼盼1462C题74二等奖构建层次分析本科组贾立红李梦茜张琤1471C题75二等奖对几个重要因本科组秦新龙王苒方佩1474A题71二等奖数据选取较全本科组董梦瑶吴思杰万云璐1479C题72三等奖使用多元统计本科组洪光昊王洪飞黄怿晟1069B题84一等奖模型结构合理本科组常世元张少伟朱定刚2675B题72三等奖对图形边缘的本科组周国林司文静苏春雷3951A题52优秀奖本文模型不够本科组李安然余欢欢周涛3952C题50优秀奖模型不够清晰本科组王若陶军军秦少生3953C题55优秀奖论文不够完整本科组姜盼盼徐自涵张千3954C题62优秀奖模型不够清晰本科组王楠徐进李保震3955C题60优秀奖论文的格式达本科组杨裴兵杜运兵祝现礼3956C题60优秀奖模型不够清晰本科组黄栋才孙绪绪许冠军3957C题70三等奖利润率肯定是本科组邵冬贵康瑞华朱明明3958C题60优秀奖模型评估时，3959C题60优秀奖建模工作做的本科组杨杨薛敏范冬冬本科组王似江董玉凤郭辉铭3960C题60优秀奖回归分析中，本科组储海龙高梦萍张强3961B题75三等奖本文给出了简3962D题74优秀奖对于题意理本科组耿婷婷方涛涛盛夏3963D题72优秀奖对于题意理本科组张文力陈晚前赵双红本科组薛敏孙孝于邢明明3964D题75三等奖对于题意理解本科组胡孟君李萌张家伟3965B题60优秀奖这是一个只对本科组涂友丽张通李文静3966A题50优秀奖基本描述了花本科组刁杰举杨宁宁孔德礼3967C题70三等奖文中对处理本本科组张雪梅张成辉高宏专3968B题68优秀奖本文给出了简本科组孙玉龙赵月然芮圣超3969B题57优秀奖本文只是给出本科组章蕾蔡忠雅李孟芳3970B题70三等奖本文中给出了本科组胡亮亮王亭杨东锦3971B题56优秀奖本文模型不够本科组潘传辉郎年何迎春3972B题70三等奖本文中给出了本科组金婷李斌刘应3973A题52优秀奖本文模型不够本科组杜冰洁王艺腾朱斌3974A题50优秀奖文中生硬的列本科组刘欢张鼎佩任义3975A题52优秀奖本文模型不够3976A题56优秀奖本文建立了本科组丁绍军司继申杨刘本科组梅芳占海军周红剑3977A题57优秀奖本文建立了轮本科组黄庆柏淑婷程小益3979B题72三等奖本文给出了简本科组盛晨王伟夏雅娟3980A题80一等奖讨论不同花纹3981A题60优秀奖本文简要分本科组周慰邓迪郑新军3982A题60优秀奖本文简要分本科组姚晓军宋春雷王子康本科组欧阳阿林王春峰张月洋3983C题72三等奖采用了单级模本科组凌燕袁梦徐建于3984B题75三等奖该文思路较好本科组宋丽舒生茂陈伟宁3985B题78二等奖图像边界模型本科组马德张磊潘婷3986B题70三等奖分治的思路是本科组郑汉陆伟丰惯珉3987B题79二等奖模型推广中提本科组戈梦琦高龙席爽爽3988C题75二等奖用spss将主要本科组韩佳佳孙亮马志远3989B题79二等奖思路是正确的本科组徐兰李红左晓彤3990C题73三等奖分别建立了模本科组黄莹莹李虎张学友3991A题75二等奖模型假设合理本科组刘霄曹俊荣梦雨3992C题70三等奖使用敏感性分3993A题62三等奖本文简要分本科组高雅陈超罗杰本科组肖联波郜雪洁张新3994B题65优秀奖本文中给出了3995A题45优秀奖主体5.1部分本科组张岑岑肖雄马宏雷3996C题75二等奖回归分析部分本科组岳占伟刘恪张莉3997A题60优秀奖本文简要分本科组李晶晶刘晶晶林傲本科组李懂钱钢龙贺3998A题68三等奖虽然讨论了花本科组谢实海李岩松王慧3999A题72二等奖文中能够概括本科组路安心周国林司文静4000A题60优秀奖文中大量引用本科组苏春雷李安然余欢欢4001A题70三等奖轮胎花纹的设4002A题60优秀奖平均流量模型本科组周涛王若陶军军本科组秦少生姜盼盼徐自涵4003C题65优秀奖建模方法有些本科组张千王楠徐进4004A题61三等奖粗略的对模型本科组李保震杨裴兵杜运兵4005A题64三等奖本文建立了轮本科组祝现礼黄栋才孙绪绪4006A题70三等奖噪声中的数据本科组许冠军邵冬贵康瑞华4007A题60优秀奖模型一做的很本科组朱明明杨杨薛敏4008A题70三等奖平均流量模型本科组范冬冬王似江董玉凤4009A题73二等奖论文主要考虑本科组郭辉铭储海龙高梦萍4010A题72二等奖全文写作相对本科组张强耿婷婷方涛涛4011C题60优秀奖模型结果分析本科组盛夏张文力陈晚前4012A题75二等奖文中建立三种本科组赵双红薛敏孙孝于4013A题78二等奖主要从单一噪本科组邢明明胡孟君李萌4014A题72二等奖对抓地力和轮4015A题61三等奖关于轮胎花纹本科组张家伟涂友丽张通本科组李文静刁杰举杨宁宁4016C题70三等奖与模糊综合评本科组孔德礼张雪梅张成辉4017C题70三等奖分开评估对模本科组高宏专孙玉龙赵月然4018A题73二等奖文中虽然讨论4019A题75二等奖抓地力,耐磨本科组芮圣超章蕾蔡忠雅本科组李孟芳胡亮亮王亭4020A题72二等奖考虑轮胎滑水4021A题70三等奖本文建立了本科组杨东锦潘传辉郎年4022C题60优秀奖文中结构条理本科组何迎春金婷李斌本科组刘应杜冰洁王艺腾4023A题79二等奖讨论附着力等本科组朱斌刘欢张鼎佩4024C题60优秀奖效益成本等指4025C题60优秀奖回归模型应对本科组任义丁绍军司继申本科组杨刘梅芳占海军4026C题80一等奖文中对数据的本科组周红剑王美娟王康4027C题68优秀奖以预期收益为本科组张小燕柯兴隆佘培亮4079C题71三等奖运用了层次分本科组邵叱风张凤竹金玲玲4283C题60优秀奖模型的风险评本科组王士纯周寰章健2891B题70三等奖该文思路比较本科组祖祎婷宛艺胡劼1472C题74二等奖主要建立了模本科组廖梦雨刘春英陆红丽1145C题76二等奖文中对模型二本科组夏松林杨傲王苗1455C题66优秀奖判定各个变量1457C题60优秀奖灵敏度分析做本科组孔雪雪罗兴晨方来丽本科组谢瑞瑞施春红毛卓1468A题80一等奖整体模型建立本科组陈洁苗晴陈龙1469C题75二等奖采用无量纲化1470A题70三等奖误差分析只是本科组陈蓓蕾宋灿灿王乐本科组齐瑾吴君茹刘小钰1473C题73三等奖利用多元线性本科组孙文康吴丹丹朱慧君1484B题76二等奖该文思路比较本科组张浩宇卢详远张晓静1485C题65优秀奖模型一需要用本科组张兴皖黄婷婷王雪琪1486A题80一等奖采用了类比分1487C题60优秀奖文中提取的4本科组张衍林叶龙生甄瑶瑶本科组伍淑惠李慧玲沈龙泉1488A题75二等奖摘要过于简单1489C题79二等奖文中图例分析本科组许冬梅周杰李学成本科组施展汪思铭陈媛媛1490A题80一等奖利用层次分析本科组郑宇强洪文姗徐义青1491C题60优秀奖构造矩阵时应本科组周小伟李哲陈莹1493B题86特等奖该文分析细致本科组焦雅婷夏蓉尹伊群1494A题81一等奖文中将资料中本科组蒋婷李坤星徐霞明1495A题68三等奖数据来源无任1496A题77二等奖考虑回归拟合本科组杨劲松石正新王忆曼本科组刘鑫高媛媛尹世超1497A题76二等奖选取花纹面积本科组赵晶晶王立凤吴飞1498A题79二等奖前两个利用常1499C题73三等奖使用AHP等方本科组宋辞章启明黄雅楠本科组解晶晶马明坤楚兴元1500B题75三等奖使用软件来提本科组汤忠玲汪晓黄伟业1501A题77二等奖采用曲线拟合本科组李峻山尹彤李祥宇1503C题80一等奖文中由模型为本科组刘茉莉蔡钰程瑶瑶1504B题75三等奖方法比较简单本科组吴诗行段智中朱浩东1505C题60优秀奖模型对数据的1506C题70三等奖确立6个相关本科组王海林王方元武海殷本科组王海林王方元武海殷1506C题77二等奖模型分析和数本科组李娜肖聪刘浩1507C题60优秀奖模型对接风险1508C题82一等奖模型建立过程本科组张翔徐露露董玉林本科组马馨悦葛辉凡甲甲1510B题78二等奖文中对于一般本科组李昕程若吴涛1511A题84一等奖文中很好利用1512C题70三等奖借助因子分析本科组张瑶熊梦瑶周秒1514A题65三等奖问题1引用过本科组卞恒良李琼王振杰本科组陈天骄汪良晨徐贤丽1516A题76二等奖研究不同花纹本科组宋慧茹屈静朱思雨1518C题60优秀奖多元回归分析本科组朱勇胡学峰刘雅倩1519B题86特等奖该文思路清晰本科组张岗岗刘泽华徐静1522C题80一等奖在建立模型初本科组林超丹辜齐杨睿智1523C题66优秀奖收益性风险引本科组黄奇秦维国童昊1525C题60优秀奖建模过程需要本科组周越付家田张涛1526C题60优秀奖未对模型进行1527A题60优秀奖问题三的模型本科组赵婉茹童易成朱晓煜本科组冯传朋束祖忠刘红杉1528A题70三等奖问题1利用C程1530C题65优秀奖模型一的建立本科组徐重栋李诗远陈聪本科组纪元昕王茜瑶赵美中1531C题81一等奖文中数据处理1532C题74二等奖以八大指标进本科组刘雅洁陶世红徐孝琳1533C题80一等奖后半部分的讨本科组朱韶东詹洪敏石舍玉本科组方昌芳金颖颖董莹莹1534A题60优秀奖讨论尚佳，模1535A题76二等奖模型I中数据本科组胡柱斌金满娟胡嘉嵘本科组汪亚楠曾淑娴朱国燕1537A题77二等奖使用层次分析本科组周苑苑乔玲王虎1538C题60优秀奖问题二中求解本科组魏慧茹陈媛刘亚楠1543A题80一等奖研究数据拟合本科组丁书敏焦瑶彭壮壮1546C题79二等奖文中数据处理本科组葛玉峰刘思繁赵店1547A题78二等奖利用类比法等1548C题81一等奖使用均值方差本科组王浩豫罗赧李孟莹本科组江涛张腾飞宋阳琴1549C题60优秀奖文中对误差和1550C题72三等奖利用层次分析本科组吴秀盟张岩如汪胜本科组许明功蔡文辉汪毅1551C题70三等奖对主成分分析本科组方一伟徐振强陈嘉睿1557C题60优秀奖对问题的检验本科组翁新新杨露王伟1558A题55优秀奖考虑问题单一1559C题60优秀奖文中对问题二本科组虞玥朱缓缓方园园本科组夏梦云杨华玉谢羽纶1560C题60优秀奖模型二是单一本科组吴晗林健范雨雨1564A题50优秀奖摘要内容太少本科组陈伟强陈森森李俐芸1565A题82一等奖论文利用层次本科组唐健张雪段海漪1566C题70三等奖模型汇总定义本科组李露平许冬梅周立敏1567A题40优秀奖全文无任何实本科组胡超群张倩倩李剑锋1568B题77二等奖边缘提取的效本科组黄瑞瑞欧凯丽徐一帆1569A题60优秀奖虽然有参考文1570C题74二等奖建立风险评估本科组郭子豪杨乐鹏崔健本科组余剑秋曹喆赖秋平1575A题80一等奖给出多种模型1576C题76二等奖文中对模型其本科组张雪周卉支援援本科组夏凤艳缪萍萍徐王忠1581C题62优秀奖模型在确定指本科组江晓露李子贤翟浩1582C题79二等奖综合评价不应本科组高莽陈家欣莫双1584C题79二等奖文中图例清晰本科组潘维宁胡婧昀吕婕1586C题79二等奖文中对问题二本科组王彦玲张俊赵雪利1587C题60优秀奖在整理各个影1588C题74二等奖似乎没有做出本科组赵思怡黄泽华梁轶本科组刘敏张元钰周思敏1589C题60优秀奖文中流程图清1590A题60优秀奖文中一共5篇本科组邵笑孙丹孙嫦婷本科组余珊珊吕晨王天琛1591A题78二等奖以轮胎特性为本科组侯丽朱一凡朱妍1594C题60优秀奖文中对模型结1595C题68优秀奖对层次分析和本科组陈星明韩越叶宇昊1596C题50优秀奖摘要过于简单本科组刘紫瑜管弦余道伟1597B题80二等奖该文对问题理本科组施文君邢亚楠汪宁丽本科组曹燕韩情汪敏龙1599C题60优秀奖计算临界点需1600C题60优秀奖问题一定 综本科组王青青时韩荣方一婷本科组张俊杰梁宪飞陈超1601A题40优秀奖仿章鱼模型完1602A题50优秀奖有很多雷同的本科组程龙陈伟健雷德志本科组潘恒孙远李敏1604A题62三等奖文中采用所谓本科组刘润泽汪攀攀卢楠楠1606A题70三等奖文中主要围绕1607C题73三等奖采用灵敏度等本科组陈雨佳汪诚赵孙龙本科组关玉婷李松宇张海峰1617A题58优秀奖全文模型来自本科组石大伟郭明珠凌中萍1658B题79二等奖该文考虑问题1716C题86特等奖文中模型准备本科组马可许亚东刘元志本科组黄异芳范芹芹孙礼科1811C题65优秀奖模型一的讨论中学组张皖君汝林陈城城1814C题60优秀奖相关系数在计本科组魏冰茹李煜郭阳2026B题75三等奖该文思路比较本科组王悦秦瑞李琴琴1456A题80一等奖参考的数据较本科组叶陈王靓王娜1458C题79二等奖模型前期对数1459C题60优秀奖模型建立过程本科组童淑娟方姚袁玮1460C题73三等奖以一个城市为本科组朱杰戚功平崔爽爽本科组曹婷娟余姗姗吴泉垚1463A题65三等奖问题分析较多1464C题84一等奖首先剔除了原本科组吕娴雅褚诗成杨鑫1465C题78二等奖使用多元回归本科组汪懿然殷健陈国庆本科组徐瑶瑶赵丹丹姜雅静1466C题60优秀奖对问题二结果本科组李艳春甘晶晶王佳玉1467A题70三等奖全文分析表述本科组唐密陈园园项岚1476A题70三等奖虽然给出了一1478A题55优秀奖没有恰当参考本科组郑瑶丁芳丽王婷婷1480C题71三等奖利用综合评价本科组任洁李仕佳周雨婷1481C题75二等奖研究指数近似本科组彭伟刚张恒刁辰辰本科组倪强徐琳陈伟1544C题60优秀奖误差分析不够本科组孙姝周佳程浩冉1502A题79二等奖基于轮胎制动2308C题68优秀奖在对土地储备本科组李肖强李凤梅汪瑛琪1640A题55优秀奖本文建立了本科组夏爱玲胡丽云王欣1675B题72三等奖主要是运用二本科组陈杰梁园园赵敬侠本科组任新悦张秀玲张翔2012B题68优秀奖在进行模型建2085C题67优秀奖考虑是风险指本科组侯梦婷黄超男张海斌2359B题60优秀奖用坐标的手法本科组陈文强苏鑫森范翔3126B题67优秀奖利用canny算研究生组林园胜郝玲玲吴益红1941B题64优秀奖首先以数字曲本科组肖升徐昌韩文峰4029A题65三等奖本文建立了模本科组刘钰媛孟倩程婧4030C题60优秀奖文章对数据预本科组晋珊黄丙耀杨文建本科组陈伟余静王琪4031C题60优秀奖对数据的归一本科组李雨容高世飞廖凯4032C题73三等奖模型二需要给4033B题65优秀奖该文使用了m本科组杨颖刘振宝郭睿4034A题60优秀奖本文建立了模本科组李思睿丁甘婷刘佳艺4035A题58优秀奖本文建立了本科组蒋亚丽干明瑞郑翔本科组尹巧一吴越陶涛4036B题65优秀奖图像处理部分4037A题55优秀奖本文建立了本科组姚春王伟峰曹旭4038C题80一等奖该文思路比较本科组左芸芸俞露露袁蕊本科组潘诗卉马海涛徐婷婷4039C题60优秀奖缺少模型优缺4040A题50优秀奖本文模型不本科组周鸣涧张雪张若南本科组方亚兰任丹丹刘洁4041C题68优秀奖该文使用了层4042B题78二等奖本来建立了贝本科组王镇羽牛中超郑合庆本科组吴欣舟邓志伟张鹏4043C题65优秀奖该文使用了层4044B题72三等奖本文给出了简本科组杨玎玲郑晨张玉珍4045B题70三等奖本文给出了简本科组陈筱朱付秀王正东4046A题40优秀奖无轮胎花纹和本科组陈铮强萍萍李娜娜本科组张磊吴倩徐静4047C题70三等奖该文使用了权4049A题63三等奖本文建立了本科组杨晓琪尹强汪酉申本科组黄帅何育昆刘圣杰4050C题60优秀奖该文对于问题4051B题78二等奖本来建立了贝本科组韩文锴唐益剑黄成3428D题71优秀奖模型不够完中学组薛兆恩张伯臣刘临祺3447D题70优秀奖模型不够完中学组李榕吴丹妮崔朔4235D题70优秀奖模型不够完中学组张浦淇刘兆华葛庆元4240D题60优秀奖没有给出有中学组高媛陈立奇张冉昀本科组吴涛岳海洋崔洪辉1918B题75三等奖文中用工程范本科组吴涛岳海洋崔洪辉1918B题79二等奖前半部分的处1807C题66优秀奖从土地储备项本科组王隆隆许松岭李甫尧2120A题60优秀奖本文建立了本科组崔少飞侯月赵航本科组彭滔何泽鹏张成2121A题78二等奖文中主要考虑本科组张雄雄唐慧娟赵静2122C题60优秀奖模型在条理和2123B题70三等奖该文的亮点是本科组张泽贤李双杨鹏松本科组吴东昱张海超李哲2124C题65优秀奖在后续得到风2125B题64优秀奖本文中给出了本科组郭向鑫高新郭兴欣本科组李少华张小鹏龚雪2126C题75二等奖模型方法比较2127A题60优秀奖本文建立了本科组杨旭张境娱马坤颖本科组万梦茹杜丹丹杨锦铎2128C题65优秀奖在讨论风险评2129B题65优秀奖文中主要是基本科组叶贵伦吴忠德刘子扬本科组邓云蛟商迎秋张冰妍2130C题79二等奖使用敏感性分2131A题65三等奖本文建立了本科组阴丹凤杨艳丰李凡2132C题73三等奖建立了模糊综本科组刘建新秦帅姜钰2133A题62三等奖本文建立了本科组刘宝程刘青谷振杰2134C题75二等奖运用模糊数学本科组徐建壮陈银和吕若飞本科组姜斌黄殿云李运吉2136A题65三等奖论文的排版效2137A题62三等奖本文建立了本科组王啸黄铭秋何飞帆本科组李钊赵宝爱任利荣2138A题78二等奖文中围绕不同2139B题53优秀奖本文模型不够本科组何神君李敬权杨高峰2141D题74优秀奖对于题意理专科组贾凯路王凯贾亚男2251A题58优秀奖本文建立了本科组刘新武王金龙赵杰超本科组张晓宇陈洋王云霄2358A题79二等奖文中主要抓住本科组范朋森詹欣孟帅2574C题80一等奖把一些指标转3050A题60优秀奖本文建立了本科组展朝飞王道林宋嘉贞4222D题74优秀奖对于题意理专科组段梦瑶杜宝山刘洋2292A题40优秀奖本文模型严重本科组王正茂王坤寿徐炳锋2697B题64优秀奖本文中给出了本科组付博徐加伟巫佳佳本科组杨佳鑫张紫祺李开意1196B题65优秀奖在文中边界提本科组田庭忠刘晨宇肖惟4275B题60优秀奖单一的曲线拟研究生组张梦姿罗欢郭美荣1039B题79二等奖文章在拟合时1913C题67优秀奖从拆迁补偿人研究生组翟璐张亚琴刘杰本科组徐培健郭鸿金王彬1179A题72二等奖较详细给出不本科组蔡志强郭杭熙陈桂清3358C题79二等奖数据处理上下2075A题50优秀奖摘要过于简单本科组张弛慕霖何飞本科组孙莉萍杭婕李莹华1789C题60优秀奖未对原始数据2309C题60优秀奖模型的建立过本科组许可邱方舟张振邦本科组冯培培李典娜苏梦玮2407C题70三等奖文中对综合评本科组王丹苏智伟张雪静2044B题65优秀奖该文对建模前2408C题70三等奖模型中有7个本科组李琦程显琨魏静毅4119C题71三等奖虽然使用改进本科组邱世毅付瑶王子田1165B题70三等奖用四种算法对本科组谢文强吴方舟吴杨本科组范开李亚光张宇欣1349C题60优秀奖模型缺少对结2155A题58优秀奖本文建立了本科组董晓静孙晟程鸣2156C题73三等奖用递阶层次分本科组高雨黄涛邹岱秀本科组蒋明丰邱诚炜刘丹阳2157B题65优秀奖在图像处理上2158A题53优秀奖本文建立了本科组肖健吴昊李少杰2159A题62三等奖本文建立了本科组邓思诗陈泽宇郎珊2160C题69三等奖整个模型并没本科组范中兴杨帆杨景月本科组谭宁赵煜照高有为2162B题80二等奖文中结构合理2163B题65优秀奖用图像灰度值本科组王炜王滔铭詹新成2164B题68优秀奖用扫描曲线图本科组陈明金丹陈思达2165A题67三等奖本文建立了轮本科组官中尉姚永鑫王忠康2166A题62三等奖本文建立了轮本科组曾莞婷徐寄烈陈昌华2167A题53优秀奖本文摘要过于本科组刘绍毅程逸凡刘壮志2168A题62三等奖本文建立了轮本科组李凯世李珍李朝2169A题60优秀奖本文模型考虑本科组史肖阳李宇双方赈民2170A题60优秀奖本文模型摘要本科组张哲珺张钿李立2173A题69三等奖本文建立了轮本科组王晓桐张文燕梁爽3688D题80二等奖文章给出了逐中学组唐寅李宇杰朱以待1004D题78二等奖对于题意理解专科组郑彦骏李容丽刘森林2006A题56优秀奖本文建立了本科组姜鸿宇陈星朋龚婷2007B题70三等奖模型一中寻找本科组李浩刘佳胡元川专科组何长枭魏鑫曾小倩2009B题60优秀奖文中思想清晰本科组何健张东言王彦博3462B题72三等奖图像检测工作本科组周倩倩黄叶邵明3463B题78二等奖matlab图像处3464A题64三等奖本文建立了本科组苏明明谭佳谭佳3465C题60优秀奖单独几个因素本科组赵策张慧民刘军本科组罗强赵静陈晋荣1371C题71三等奖本文应先对数1769C题60优秀奖关联度分析应本科组张阳周璟瑜常福霞本科组汪杨成张磊陈兆婷1770A题75二等奖文中作者虽然本科组赵庆伟王茂均肖风凯1771B题80二等奖本文对尖点的3103B题79二等奖在提取特殊点本科组陈姝荞肖玉何家玉2650A题62三等奖本文建立了本科组胡琼芳苟娜马飞本科组陈振荣王利华陈树立1116C题75二等奖回归分析中，本科组赵亚平胡倩倩刘翠萍1147B题60优秀奖在提取过程中本科组张宁李敏韩胡日都呼2105C题60优秀奖摘要达不到要2106B题66优秀奖模型只是对简本科组王雪滕晓杰焦慧然本科组孟娇刘依菲陈彤2107C题60优秀奖只是介绍了一本科组徐丽红王露魏瑶2108C题60优秀奖总体评价并非2109A题50优秀奖本文模型不本科组郗晓利陈健张和雅2110A题58优秀奖本文建立了本科组宋显珍宋艳蕊王鑫2111A题56优秀奖本文建立了本科组张娜谢云婧于素培本科组菅旭王宏鹏俞婧2112C题60优秀奖该文使用了层2113A题50优秀奖本文模型不本科组何山袁丽娜刘慧静本科组张超张园园刘德超2114C题60优秀奖文中模型二未本科组西宇吕树琴乔佳佳2115B题70三等奖文中对前半部2116B题65优秀奖文章对模型的本科组马晓璐高荣华黄苏琴2117A题50优秀奖本文模型不本科组刘欢余潇王贝贝4246C题70三等奖主要运用了层本科组杨奇特李莎杨伊国1609C题65优秀奖利用层次分析本科组江俊杰李运志张迪1610C题68优秀奖使用综合风险本科组毛竞争郝珏熊泽儒本科组张新利刘一鸣徐巍1611A题60优秀奖本文只讨论了1726B题80二等奖边界检测相当本科组罗宁奇王晗程昊本科组李圣君相尚志劳亮2102A题65三等奖建立了花纹特。
2014年美国大学生数学建模MCM-B题O奖论文
For office use only T1T2T3T4T eam Control Number24857Problem ChosenBFor office use onlyF1F2F3F42014Mathematical Contest in Modeling(MCM)Summary Sheet (Attach a copy of this page to each copy of your solution paper.)AbstractThe evaluation and selection of‘best all time college coach’is the prob-lem to be addressed.We capture the essential of an evaluation system by reducing the dimensions of the attributes by factor analysis.And we divide our modeling process into three phases:data collection,attribute clarifica-tion,factor model evaluation and model generalization.Firstly,we collect the data from official database.Then,two bottom lines are determined respectively by the number of participating games and win-loss percentage,with these bottom lines we anchor a pool with30to40 candidates,which greatly reduced data volume.And reasonably thefinal top5coaches should generate from this pool.Attribution clarification will be abundant in the body of the model,note that we endeavor to design an attribute to effectively evaluate the improvement of a team before and after the coach came.In phase three,we analyse the problem by following traditional method of the factor model.With three common factors indicating coaches’guiding competency,strength of guided team,competition strength,we get afinal integrated score to evaluate coaches.And we also take into account the time line horizon in two aspects.On the one hand,the numbers of participating games are adjusted on the basis of time.On the other hand,we put forward a potential sub-model in our‘further attempts’concerning overlapping pe-riod of the time of two different coaches.What’s more,a‘pseudo-rose dia-gram’method is tried to show coaches’performance in different areas.Model generalization is examined by three different sports types,Foot-ball,Basketball,and Softball.Besides,our model also can be applied in all possible ball games under the frame of NCAA,assigning slight modification according to specific regulations.The stability of our model is also tested by sensitivity analysis.Who’s who in College Coaching Legends—–A generalized Factor Analysis approach2Contents1Introduction41.1Restatement of the problem (4)1.2NCAA Background and its coaches (4)1.3Previous models (4)2Assumptions5 3Analysis of the Problem5 4Thefirst round of sample selection6 5Attributes for evaluating coaches86Factor analysis model106.1A brief introduction to factor analysis (10)6.2Steps of Factor analysis by SPSS (12)6.3Result of the model (14)7Model generalization15 8Sensitivity analysis189Strength and Weaknesses199.1Strengths (19)9.2Weaknesses (19)10Further attempts20 Appendices22 Appendix A An article for Sports Illustrated221Introduction1.1Restatement of the problemThe‘best all time college coach’is to be selected by Sports Illustrated,a magazine for sports enthusiasts.This is an open-ended problem—-no limitation in method of performance appraisal,gender,or sports types.The following research points should be noted:•whether the time line horizon that we use in our analysis make a difference;•the metrics for assessment are to be articulated;•discuss how the model can be applied in general across both genders and all possible sports;•we need to present our model’s Top5coaches in each of3different sports.1.2NCAA Background and its coachesNational Collegiate Athletic Association(NCAA),an association of1281institution-s,conferences,organizations,and individuals that organizes the athletic programs of many colleges and universities in the United States and Canada.1In our model,only coaches in NCAA are considered and ranked.So,why evaluate the Coaching performance?As the identity of a college football program is shaped by its head coach.Given their impacts,it’s no wonder high profile athletic departments are shelling out millions of dollars per season for the services of coaches.Nick Saban’s2013total pay was$5,395,852and in the same year Coach K earned$7,233,976in total23.Indeed,every athletic director wants to hire the next legendary coach.1.3Previous modelsTraditionally,evaluation in athletics has been based on the single criterion of wins and losses.Years later,in order to reasonably evaluate coaches,many reseachers have implemented the coaching evaluation model.Such as7criteria proposed by Adams:[1] (1)the coach in the profession,(2)knowledge of and practice of medical aspects of coaching,(3)the coach as a person,(4)the coach as an organizer and administrator,(5) knowledge of the sport,(6)public relations,and(7)application of kinesiological and physiological principles.1Wikipedia:/wiki/National_Collegiate_Athletic_ Association#NCAA_sponsored_sports2USAToday:/sports/college/salaries/ncaaf/coach/ 3USAToday:/sports/college/salaries/ncaab/coach/Such models relatively focused more on some subjective and difficult-to-quantify attributes to evaluate coaches,which is quite hard for sports fans to judge coaches. Therefore,we established an objective and quantified model to make a list of‘best all time college coach’.2Assumptions•The sample for our model is restricted within the scale of NCAA sports.That is to say,the coaches we discuss refers to those service for NCAA alone;•We do not take into account the talent born varying from one player to another, in this case,we mean the teams’wins or losses purely associate with the coach;•The difference of games between different Divisions in NCAA is ignored;•Take no account of the errors/amendments of the NCAA game records.3Analysis of the ProblemOur main goal is to build and analyze a mathematical model to choose the‘best all time college coach’for the previous century,i.e.from1913to2013.Objectively,it requires numerous attributes to judge and specify whether a coach is‘the best’,while many of the indicators are deemed hard to quantify.However,to put it in thefirst place, we consider a‘best coach’is,and supposed to be in line with several basic condition-s,which are the prerequisites.Those prerequisites incorporate attributes such as the number of games the coach has participated ever and the win-loss percentage of the total.For instance,under the conditions that either the number of participating games is below100,or the win-loss percentage is less than0.5,we assume this coach cannot be credited as the‘best’,ignoring his/her other facets.Therefore,an attempt was made to screen out the coaches we want,thus to narrow the range in ourfirst stage.At the very beginning,we ignore those whose guiding ses-sions or win-loss percentage is less than a certain level,and then we determine a can-didate pool for‘the best coach’of30-40in scale,according to merely two indicators—-participating games and win-loss percentage.It should be reasonably reliable to draw the top5best coaches from this candidate pool,regardless of any other aspects.One point worth mentioning is that,we take time line horizon as one of the inputs because the number of participating games is changing all the time in the previous century.Hence,it would be unfair to treat this problem by using absolute values, especially for those coaches who lived in the earlier ages when sports were less popular and games were sparse comparatively.4Thefirst round of sample selectionCollege Football is thefirst item in our research.We obtain data concerning all possible coaches since it was initiated,of which the coaches’tenures,participating games and win-loss percentage etc.are included.As a result,we get a sample of2053in scale.Thefirst10candidates’respective information is as below:Table1:Thefirst10candidates’information,here Pct means win-loss percentageCoach From To Years Games Wins Losses Ties PctEli Abbott19021902184400.5Earl Abell19281930328141220.536Earl Able1923192421810620.611 George Adams1890189233634200.944Hobbs Adams1940194632742120.185Steve Addazio20112013337201700.541Alex Agase1964197613135508320.378Phil Ahwesh19491949193600.333Jim Aiken19461950550282200.56Fred Akers19751990161861087530.589 ...........................Firstly,we employ Excel to rule out those who begun their coaching career earlier than1913.Next,considering the impact of time line horizon mentioned in the problem statement,we import our raw data into MATLAB,with an attempt to calculate the coaches’average games every year versus time,as delineated in the Figure1below.Figure1:Diagram of the coaches’average sessions every year versus time It can be drawn from thefigure above,clearly,that the number of each coach’s average games is related with the participating time.With the passing of time and the increasing popularity of sports,coaches’participating games yearly ascends from8to 12or so,that is,the maximum exceed the minimum for50%around.To further refinethe evaluation method,we make the following adjustment for coaches’participating games,and we define it as each coach’s adjusted participating games.Gi =max(G i)G mi×G iWhere•G i is each coach’s participating games;•G im is the average participating games yearly in his/her career;and•max(G i)is the max value in previous century as coaches’average participating games yearlySubsequently,we output the adjusted data,and return it to the Excel table.Obviously,directly using all this data would cause our research a mass,and also the economy of description is hard to achieved.Logically,we propose to employ the following method to narrow the sample range.In general,the most essential attributes to evaluate a coach are his/her guiding ex-perience(which can be shown by participating games)and guiding results(shown by win-loss percentage).Fortunately,these two factors are the ones that can be quantified thus provide feasibility for our modeling.Based on our common sense and select-ed information from sports magazines and associated programs,wefind the winning coaches almost all bear the same characteristics—-at high level in both the partici-pating games and the win-loss percentage.Thus we may arbitrarily enact two bottom line for these two essential attributes,so as to nail down a pool of30to40candidates. Those who do not meet our prerequisites should not be credited as the best in any case.Logically,we expect the model to yield insight into how bottom lines are deter-mined.The matter is,sports types are varying thus the corresponding features are dif-ferent.However,it should be reasonably reliable to the sports fans and commentators’perceptual intuition.Take football as an example,win-loss percentage that exceeds0.75 should be viewed as rather high,and college football coaches of all time who meet this standard are specifically listed in Wikipedia.4Consequently,we are able tofix upon a rational pool of candidate according to those enacted bottom lines and meanwhile, may tender the conditions according to the total scale of the coaches.Still we use Football to further articulate,to determine a pool of candidates for the best coaches,wefirst plot thefigure below to present the distributions of all the coaches.From thefigure2,wefind that once the games number exceeds200or win-loss percentage exceeds0.7,the distribution of the coaches drops significantly.We can thus view this group of coaches as outstanding comparatively,meeting the prerequisites to be the best coaches.4Wikipedia:/wiki/List_of_college_football_coaches_ with_a_.750_winning_percentageFigure2:Hist of the football coaches’number of games versus and average games every year versus games and win-loss percentageHence,we nail down the bottom lines for both the games number and the win-loss percentage,that is,0.7for the former and200for the latter.And these two bottom lines are used as the measure for ourfirst round selection.After round one,merely35 coaches are qualified to remain in the pool of candidates.Since it’s thefirst round sifting,rather than direct and ultimate determination,we hence believe the subjectivity to some extent in the opt of bottom lines will not cloud thefinal results of the best coaches.5Attributes for evaluating coachesThen anchored upon the35candidate selected,we will elaborate our coach evaluation system based on8attributes.In the indicator-select process,we endeavor to examine tradeoffs among the availability for data and difficulty for data quantification.Coaches’pay,for example,though serves as the measure for coaching evaluation,the corre-sponding data are limited.Situations are similar for attributes such as the number of sportsmen the coach ever cultivated for the higher-level tournaments.Ultimately,we determine the8attributes shown in the table below:Further explanation:•Yrs:guiding years of a coach in his/her whole career•G’:Gi =max(G i)G mi×G i see it at last section•Pct:pct=wins+ties/2wins+losses+ties•SRS:a rating that takes into account average point differential and strength of schedule.The rating is denominated in points above/below average,where zeroTable2:symbols and attributessymbol attributeYrs yearsG’adjusted overall gamesPct win-lose percentageP’Adjusted percentage ratioSRS Simple Rating SystemSOS Strength of ScheduleBlp’adjusted Bowls participatedBlw’adjusted Bowls wonis the average.Note that,the bigger for this value,the stronger for the team performance.•SOS:a rating of strength of schedule.The rating is denominated in points above/below average,where zero is the average.Noted that the bigger for this value,the more powerful for the team’s rival,namely the competition is more fierce.Sports-reference provides official statistics for SRS and SOS.5•P’is a new attribute designed in our model.It is the result of Win-loss in the coach’s whole career divided by the average of win-loss percentage(weighted by the number of games in different colleges the coach ever in).We bear in mind that the function of a great coach is not merely manifested in the pure win-loss percentage of the team,it is even more crucial to consider the improvement of the team’s win-loss record with the coach’s participation,or say,the gap between‘af-ter’and‘before’period of this team.(between‘after’and‘before’the dividing line is the day the coach take office)It is because a coach who build a comparative-ly weak team into a much more competitive team would definitely receive more respect and honor from sports fans.To measure and specify this attribute,we col-lect the key official data from sports-reference,which included the independent win-loss percentage for each candidate and each college time when he/she was in the team and,the weighted average of all time win-loss percentage of all the college teams the coach ever in—-regardless of whether the coach is in the team or not.To articulate this attribute,here goes a simple physical example.Ike Armstrong (placedfirst when sorted by alphabetical order),of which the data can be ob-tained from website of sports-reference6.We can easily get the records we need, namely141wins,55losses,15ties,and0.704for win-losses percentage.Fur-ther,specific wins,losses,ties for the team he ever in(Utab college)can also be gained,respectively they are602,419,30,0.587.Consequently,the P’value of Ike Armstrong should be0.704/0.587=1.199,according to our definition.•Bowl games is a special event in thefield of Football games.In North America,a bowl game is one of a number of post-season college football games that are5sports-reference:/cfb/coaches/6sports-reference:/cfb/coaches/ike-armstrong-1.htmlprimarily played by teams from the Division I Football Bowl Subdivision.The times for one coach to eparticipate Bowl games are important indicators to eval-uate a coach.However,noted that the total number of Bowl games held each year is changing from year to year,which should be taken into consideration in the model.Other sports events such as NCAA basketball tournament is also ex-panding.For this reason,it is irrational to use the absolute value of the times for entering the Bowl games (or NCAA basketball tournament etc.)and the times for winning as the evaluation measurement.Whereas the development history and regulations for different sports items vary from one to another (actually the differentiation can be fairly large),we here are incapable to find a generalized method to eliminate this discrepancy ,instead,in-dependent method for each item provide a way out.Due to the time limitation for our research and the need of model generalization,we here only do root extract of blp and blw to debilitate the differentiation,i.e.Blp =√Blp Blw =√Blw For different sports items,we use the same attributes,except Blp’and Blw’,we may change it according to specific sports.For instance,we can use CREG (Number of regular season conference championship won)and FF (Number of NCAA Final Four appearance)to replace Blp and Blw in basketball games.With all the attributes determined,we organized data and show them in the table 3:In addition,before forward analysis there is a need to preprocess the data,owing to the diverse dimensions between these indicators.Methods for data preprocessing are a lot,here we adopt standard score (Z score)method.In statistics,the standard score is the (signed)number of standard deviations an observation or datum is above the mean.Thus,a positive standard score represents a datum above the mean,while a negative standard score represents a datum below the mean.It is a dimensionless quantity obtained by subtracting the population mean from an individual raw score and then dividing the difference by the population standard deviation.7The standard score of a raw score x is:z =x −µσIt is easy to complete this process by statistical software SPSS.6Factor analysis model 6.1A brief introduction to factor analysisFactor analysis is a statistical method used to describe variability among observed,correlated variables in terms of a potentially lower number of unobserved variables called factors.For example,it is possible that variations in four observed variables mainly reflect the variations in two unobserved variables.Factor analysis searches for 7Wikipedia:/wiki/Standard_scoreTable3:summarized data for best college football coaches’candidatesCoach From To Yrs G’Pct Blp’Blw’P’SRS SOS Ike Armstrong19251949252810.70411 1.199 4.15-4.18 Dana Bible19151946313860.7152 1.73 1.0789.88 1.48 Bernie Bierman19251950242780.71110 1.29514.36 6.29 Red Blaik19341958252940.75900 1.28213.57 2.34 Bobby Bowden19702009405230.74 5.74 4.69 1.10314.25 4.62 Frank Broyles19571976202570.7 3.162 1.18813.29 5.59 Bear Bryant19451982385080.78 5.39 3.87 1.1816.77 6.12 Fritz Crisler19301947182080.76811 1.08317.15 6.67 Bob Devaney19571972162080.806 3.16 2.65 1.25513.13 2.28 Dan Devine19551980222800.742 3.16 2.65 1.22613.61 4.69 Gilmour Dobie19161938222370.70900 1.27.66-2.09 Bobby Dodd19451966222960.713 3.613 1.18414.25 6.6 Vince Dooley19641988253250.715 4.47 2.83 1.09714.537.12 Gus Dorais19221942192320.71910 1.2296-3.21 Pat Dye19741992192400.707 3.16 2.65 1.1929.68 1.51 LaVell Edwards19722000293920.716 4.69 2.65 1.2437.66-0.66 Phillip Fulmer19922008172150.743 3.87 2.83 1.08313.42 4.95 Woody Hayes19511978283290.761 3.32 2.24 1.03117.418.09 Frank Kush19581979222710.764 2.65 2.45 1.238.21-2.07 John McKay19601975162070.7493 2.45 1.05817.298.59 Bob Neyland19261952212860.829 2.65 1.41 1.20815.53 3.17 Tom Osborne19731997253340.8365 3.46 1.18119.7 5.49 Ara Parseghian19561974192250.71 2.24 1.73 1.15317.228.86 Joe Paterno19662011465950.749 6.08 4.9 1.08914.01 5.01 Darrell Royal19541976232970.7494 2.83 1.08916.457.09 Nick Saban19902013182390.748 3.74 2.83 1.12313.41 3.86 Bo Schembechler19631989273460.775 4.12 2.24 1.10414.86 3.37 Francis Schmidt19221942212670.70800 1.1928.490.16 Steve Spurrier19872013243160.733 4.363 1.29313.53 4.64 Bob Stoops19992013152070.804 3.74 2.65 1.11716.66 4.74 Jock Sutherland19191938202550.81221 1.37613.88 1.68 Barry Switzer19731988162090.837 3.61 2.83 1.16320.08 6.63 John Vaught19471973253210.745 4.24 3.16 1.33814.7 5.26 Wallace Wade19231950243070.765 2.24 1.41 1.34913.53 3.15 Bud Wilkinson19471963172220.826 2.83 2.45 1.14717.54 4.94 such joint variations in response to unobserved latent variables.The observed vari-ables are modelled as linear combinations of the potential factors,plus‘error’terms. The information gained about the interdependencies between observed variables can be used later to reduce the set of variables in a putationally this technique is equivalent to low rank approximation of the matrix of observed variables.8 Why carry out factor analyses?If we can summarise a multitude of measure-8Wikipedia:/wiki/Factor_analysisments with a smaller number of factors without losing too much information,we have achieved some economy of description,which is one of the goals of scientific investi-gation.It is also possible that factor analysis will allow us to test theories involving variables which are hard to measure directly.Finally,at a more prosaic level,factor analysis can help us establish that sets of questionnaire items(observed variables)are in fact all measuring the same underlying factor(perhaps with varying reliability)and so can be combined to form a more reliable measure of that factor.6.2Steps of Factor analysis by SPSSFirst we import the decided datasets of8attributes into SPSS,and the results can be obtained below after the software processing.[2-3]Figure3:Table of total variance explainedFigure4:Scree PlotThefirst table and scree plot shows the eigenvalues and the amount of variance explained by each successive factor.The remaining5factors have small eigenvalues value.Once the top3factors are extracted,it adds up to84.3%,meaning a great as the explanatory ability for the original information.To reflect the quantitative analysis of the model,we obtain the following factor loading matrix,actually the loadings are in corresponding to the weight(α1,α2 (i)the set ofx i=αi1f1+αi2f2+...+αim f j+εiAnd the relative strength of the common factors and the original attribute can also be manifested.Figure5:Rotated Component MatrixThen,with Rotated Component Matrix above,wefind the common factor F1main-ly expresses four attributes they are:G,Yrs,P,SRS,and logically,we define the com-mon factor generated from those four attributes as the guiding competency of the coach;similarly,the common factor F2mainly expresses two attributes,and they are: Pct and Blp,which can be de defined as the integrated strength of the guided team; while the common factor F3,mainly expresses two attributes:SOS and Blw,which can be summarized into a‘latent attribute’named competition strength.In order to obtain the quantitative relation,we get the following Component Score Coefficient Matrix processed by SPSS.Further,the function of common factors and the original attributes is listed as bel-low:F1=0.300x1+0.312x2+0.023x3+0.256x4+0.251x5+0.060x6−0.035x7−0.053x8F2=−0.107x1−0,054x2+0.572x3+0.103x4+0.081x5+0.280x6+0.372x7+0.142x8 F3=−0.076x1−0,098x2−0.349x3+0.004x4+0.027x5−0.656x6+0.160x7+0.400x8 Finally we calculate out the integrated factor scores,which should be the average score weighted by the corresponding proportion of variance contribution of each com-mon factor in the total variance contribution.And the function set should be:F=0.477F1+0.284F2+0.239F3Figure6:Component Score Coefficient Matrix6.3Result of the modelwe rank all the coaches in the candidate pool by integrated score represented by F.Seetable4:Table4:Integrated scores for best college football coach(show15data due to the limi-tation of space)Rank coaches F1F2F3Integrated factor1Joe Paterno 3.178-0.3150.421 1.3622Bobby Bowden 2.51-0.2810.502 1.1113Bear Bryant 2.1420.718-0.142 1.0994Tom Osborne0.623 1.969-0.2390.8205Woody Hayes0.140.009 1.6130.4846Barry Switzer-0.705 2.0360.2470.4037Darrell Royal0.0460.161 1.2680.4018Vince Dooley0.361-0.442 1.3730.3749Bo Schembechler0.4810.1430.3040.32910John Vaught0.6060.748-0.870.26511Steve Spurrier0.5180.326-0.5380.18212Bob Stoops-0.718 1.0850.5230.17113Bud Wilkinson-0.718 1.4130.1050.16514Bobby Dodd0.08-0.2080.7390.16215John McKay-0.9620.228 1.870.151Based on this model,we can make a scientific rank list for US college football coach-es,the Top5coaches of our model is Joe Paterno,Bobby Bowden,Bear Bryant,TomOsborne,Woody Hayes.In order to confirm our result,we get a official list of bestcollege football coaches from Bleacherreport99Bleacherreport:/articles/890705-college-football-the-top-50-coTable5:The result of our model in football,the last column is official college basketball ranking from bleacherreportRank Our model Integrated scores bleacherreport1Joe Paterno 1.362Bear Bryant2Bobby Bowden 1.111Knute Rockne3Bear Bryant 1.099Tom Osborne4Tom Osborne0.820Joe Paterno5Woody Hayes0.484Bobby Bowden By comparing thoes two ranking list,wefind that four of our Top5coaches ap-peared in the offical Top5list,which shows that our model is reasonable and effective.7Model generalizationOur coach evaluation system model,of which the feasibility of generalization is sat-isfying,can be accommodated to any possible NCAA sports concourses by assigning slight modification concerning specific regulations.Besides,this method has nothing to do with the coach’s gender,or say,both male and female coaches can be rationally evaluated by this system.And therefore we would like to generalize this model into softball.Further,we take into account the time line horizon,making corresponding adjust-ment for the indicator of number of participating games so as to stipulate that the evaluation measure for1913and2013would be the same.To further generalize the model,first let’s have a test in basketball,of which the data available is adequate enough as football.And the specific steps are as following:1.Obtain data from sports-reference10and rule out the coaches who begun theircoaching career earlier than1913.2.Calculate each coach’s adjusted number of participating games,and adjust theattribute—-FF(Number of NCAA Final Four appearance).3.Determine the bottom lines for thefirst round selection to get a pool of candidatesaccording to the coaches’participating games and win-loss percentage,and the ideal volumn of the pool should be from30to40.Hist diagrams are as below: We determine800as the bottom line for the adjusted participating games and0.7 for the win-loss percentage.Coincidently,we get a candidate pool of35in scale.4.Next,we collect the corresponding data of candidate coaches(P’,SRS,SOS etc.),as presented in the table6:5.Processed by z score method and factor analysis based on the8attributes anddata above,we get three common factors andfinal integrated scores.And among 10sports-reference:/cbb/coaches/Figure7:Hist of the basketball coaches’number of games versus and average gamesevery year versus games and win-loss percentagethe top5candidates,Mike Krzyzewski,Adolph Rupp,Dean SmithˇcˇnBob Knightare the same with the official statistics from bleacherreport.11We can say theeffectiveness of the model is pretty good.See table5.We also apply similar approach into college softball.Maybe it is because the popularity of the softball is not that high,the data avail-able is not adequate to employ ourfirst model.How can our model function in suchsituation?First and foremost,specialized magazines like Sports Illustrated,its com-mentators there would have more internal and confidential databases,which are notexposed publicly.On the one hand,as long as the data is adequate enough,we can saythe original model is completely feasible.While under the situation that there is datadeficit,we can reasonably simplify the model.The derivation of the softball data is NCAA’s official websites,here we only extractdata from All-Division part.12Softball is a comparatively young sports,hence we may arbitrarily neglect the re-stricted condition of‘100years’.Subsequently,because of the data deficit it is hard toadjust the number of participating games.We may as well determine10as the bottomline for participating games and0.74for win-loss percentage,producing a candidatepool of33in scaleAttributed to the inadequacy of the data for attributes,it is not convenient to furtheruse the factor analysis similarly as the assessment model.Therefore,here we employsolely two of the most important attributes to evaluate a coach and they are:partic-ipating games and win-loss percentage in the coach’s whole career.Specifically,wefirst adopt z score to normalize all the data because of the differentiation of various dimensions,and then the integrated score of the coach can be reached by the weighted11bleacherreport:/articles/1341064-10-greatest-coaches-in-ncaa-b 12NCAA softball Coaching Record:/Docs/stats/SB_Records/2012/coaches.pdf。
关于公布第25届学生科技论文报告会获奖结果的通知
中国地质大学校长办公室文件地大校办字〔2014〕51号中国地质大学（武汉）校长办公室关于公布第25届学生科技论文报告会获奖结果的通知各学院（课部）、各处（室）、各直属单位：根据学校相关文件精神，经各专家委员会严格评审，第25届学生科技论文报告会共评选出本科生类特等奖7项、一等奖20项、二等奖32项、三等奖85项，优秀指导老师34名、优秀工作者29名，优秀组织单位6个；研究生类特等奖6项、一等奖18项、二等奖56项、三等奖114项，优秀指导老师27名、优秀工作者37名、优秀组织单位6个。
现将名单予以公布。
特此通知。
中国地质大学（武汉）校长办公室2014年12月30日中国地质大学（武汉）第25届科技论文报告会获奖结果（本科生类）一、获奖成果及学生名单（三）二等奖（共32项）（三）三等奖（共85项）二、优秀指导老师、优秀工作者和优秀组织单位名单（一）优秀指导老师（共34人，排名不分先后）吕新彪吴秀玲陈刚任开李世祥宋军阮一帆宋海军高丽沈传波王君霞孟大维郭会荣邓清禄刘天乐宋先海王国洪程卓周玲於世为张红燕刘敏霞尚建嘎狄敬如周学武蔡之华徐星刘长珍方新英胡守志胡斌舒邦久赵祺韩凤禄（二）优秀工作者（共29人，排名不分先后）蔡智全程晓钰李海涵李少杰李诗琪李勇志刘佳刘婷卢耀庭吕子茵王海锋王琛吴迪滕浪王强谢涛谢锦赟张洁琼张广乾尹凯丽张玉康胡莉杰朱丹冯敏陈晨钟宇洪林可张雅笛李远（三）优秀组织单位（共6个，排名不分先后）资源学院材料与化学学院地球物理与空间信息学院信息工程学院珠宝学院公共管理学院中国地质大学（武汉）第25届学生科技论文报告会结果（研究生类）一、获奖成果及学生名单（一）特等奖（共6项）二、优秀指导老师、优秀个人及优秀组织单位名单（一）优秀指导老师（共27人，排名不分先后）李建威冯庆来王占岐殷坤龙袁松虎张荣红胡兆初成秋明左仁广郑有业夏江海郑建平彭红霞朱江洪陈翠荣梁玉军李国岗宁伏龙蔡之华郭清海吴来杰田玉刚郭海湘黄海- 21 -周春燕张红燕邹晶（二）优秀组织者（共37人，排名不分先后）胡燕徐伟林小艳方银胡军宋青伟刘坊黄亚楠张垲苡马险赵连刚吴迪何梦萍常远陈卓王成思梁梦芸邱晨王璇张丹陈强马德荣贾甲杨雪舒成季黎明胡庆福王继宇龚建鹏廖佳妮李江燕周倩秦丽婷黄强毛兴丽张腾飞严克涛（三）优秀组织单位（共6个，排名不分先后）地球科学学院资源学院材料与化学学院环境学院工程学院公共管理学院中国地质大学（武汉）校长办公室2014年12月30日印发- 22 -。
2014年数学建模A题-省一等奖
关键词：软着陆、SQP算法、轨道优化、景象匹配
1
一
1.1 问题的背景
问题重述
中国是继美国、前苏联之后的第三个能使卫星登上月球实现软着陆的国家。因此， 嫦娥三号如何实现软着陆以及能否成功成为外界关注的焦点。北京时间 12 月 10 日晚， 嫦娥三号已经成功降轨进入预定的月面着陆准备轨道，这是嫦娥三号“落月”前最后一 次轨道调整。在实施软着陆之前，嫦娥三号还将在这条近月点高度约 15 公里、远月点 高度约 100 公里的椭圆轨道上继续飞行。 嫦娥三号着陆地点选在较为平坦的虹湾区。但由于月球地形的不确定性，最终“落 月”地点的选择仍存在一定难度。但嫦娥三号的预定着陆点为 19.51W，44.12N，海拔为 -2641m。在大约距离月球 15 公里时，反推发动机就要点火工作；到离月球 100 米时， 卫星将暂时处于悬停状态，此时它已不受地球上工程人员的控制，因卫星上携带的着陆 器具有很高智能，它会自动选择一块平整的地方降下去，并在离月球表面 4 米的时候关 闭推进器，卫星呈自由落体降落，确保软着陆成功。为了确保探测器能够成功在月球表 面实现软着陆，需要认真设计降落过程中探测器的发动机的控制方案，使“嫦娥 3 号” 能够顺利完成科研任务，得到最大化的应用。由于月球上没有大气，嫦娥三号无法依靠 降落伞着陆，只能靠变推力发动机，才能完成中途修正、近月制动、动力下降、悬停段 等软着陆任务。 这将是中国航天器首次在地外天体的软着陆和巡视勘探， 同时也是 1976 年后人类探测器首次的落月探测。 嫦娥三号在着陆准备轨道上的运行质量为 2.4t， 其安装在下部的主减速发动机能够 产生 1500N 到 7500N 的可调节推力。在给定主减速发动机的推力方向后，能够自动通过 多个发动机的脉冲组合实现各种姿态的调整控制。 要保证准确地在月球预定区域内实现 软着陆，关键问题是着陆轨道与控制策略的设计。其着陆轨道设计的基本要求：着陆准 备轨道为近月点 15km，远月点 100km 的椭圆形轨道；着陆轨道为从近月点至着陆点，其 软着陆过程共分为 6 个阶段，要求满足每个阶段在关键点所处的状态；尽量减少软着陆 过程的燃料消耗。 1.2 提出问题 根据上述的叙述以及基本要求，提出以下三个问题： （1）确定着陆准备轨道近月点和远月点的位置，以及嫦娥三号相应速度的大小与 方向。
2014 国家科技进步特等奖
2014 国家科技进步特等奖2014年国家科技进步特等奖是中国政府在科技领域中对取得卓越成就的个人和团队进行的最高级别奖项。
此奖项的颁发旨在表彰在科技研究、技术创新和推动国民经济发展中做出重要贡献的中国科技工作者。
2014年，有多个项目获得了国家科技进步特等奖。
其中包括钢铁冶炼焦炉煤气处理新技术与装备、新一代高透明尖晶石微结构薄膜的研制与应用、大规模集成电路多层线宽特种制备工艺与产线、超音速飞行器飞行成像技术与设备研制、牛病毒性腹泻重大疫病阻断弱毒疫苗研制和应用等。
钢铁冶炼焦炉煤气处理新技术与装备项目通过研发新的工艺和装备，有效地利用了冶炼过程中的煤气资源，提高了焦炉煤气的能源利用效率，降低了环境污染。
该技术不仅减少了钢铁行业的能源消耗，还对环境保护做出了贡献。
新一代高透明尖晶石微结构薄膜的研制与应用项目，通过对高透明材料的研究和开发，成功地制备了新一代的高透明尖晶石微结构薄膜，该薄膜具有高透过率、低反射率和优良的光学性能。
这一成果在电子显示领域和太阳能电池等领域具有广泛的应用前景。
大规模集成电路多层线宽特种制备工艺与产线项目，通过对大规模集成电路制造工艺的改进和创新，研发出了多层线宽特种制备工艺和产线。
这一技术的应用可以提高集成电路的产能和质量，并大幅度降低生产成本。
超音速飞行器飞行成像技术与设备研制项目，通过对超音速飞行器的飞行成像技术和设备的研发，实现了对超音速飞行器的实时监测和成像。
这一技术的应用可以提高飞行安全性，并对航空航天领域的科研和实践产生重要影响。
牛病毒性腹泻重大疫病阻断弱毒疫苗研制和应用项目，通过对牛病毒性腹泻的研究和疫苗开发，成功研制出了阻断牛病毒性腹泻重大疫病的弱毒疫苗。
这一疫苗的应用可以有效地预防和控制牛病毒性腹泻疫情，保护了牛的健康和饲养业的可持续发展。
这些项目的获奖表明在2014年，中国的科技工作者在不同领域做出了重要的科技贡献。
这些项目不仅推动了中国国民经济的快速发展，还为解决一些重大疾病和环境问题提供了有效的技术和解决方案。
清华大学高等研究院研究员段斯斯 砥砺勤勉科研路 破冰前沿护安全
2022年第5期19中国高新科技
TECHNOLOGY TALENT | 科研达人
进入21世纪以来，计算机网络得到了迅猛发展，信息的存储、传递、发布以及获取方式发生了革命性变革，传统的信息系统逐步升级为建立在网络之上的分布式系统，并在社会各个领域得到广泛应用，这也让分布式系统开发应用过程中的安全性成为重要一环。拜占庭共识协议是一种经典的分布式系统问题，是可以容忍拜占庭错误（软硬件错误、网络攻击）的协议，近年来也被熟知为区块链中的核心，对工业发展和国家安全具有重大意义。清华大学高等研究院研究员段斯斯积极致力于构建安全、高性能的分布式系统，在国际上广受关注。
打破传统技术，提高安全性能据了解，分布式系统是过去十余年里改变互联网以及系统架构的方案，例如云存储和云服务的出现完全改变了企业及政府保存数据、分析数据的方式。这类方案用分布式方法来实现一种半中心化的架构保存几乎来自各行各业的数据，分析数据，并传递分析结果。而近年来诸如谷歌及雅虎等企业将分布式安全协议在云平台的应用以及区块链技术的发展也改变了人们对系统安全的认知。这类技术从系统设计的角度来提供更加安全的服务，对数据提供了更高的安全保障。段斯斯十年磨一剑，在分布式系统安全、区块链核心算法的设计及应用、应用密码学、物联网等方向进行了深入的研究。曾提出过多个代表性的共识协议，从实用性、降低消息复杂度、简化协议等多个角度提高系统性能及安全性。其中，Dyno是一个动态的拜占庭共识协议。动态拜占
庭共识在区块链中至关重要，场景包含联盟链（一种区块链的类型）中联盟新成员的加入及旧成员的离开，公有链中利用拜占庭协议构建的PoS权益证明等机制中存在委员会成员的动态管理等。段斯斯的这项工作在全球范围内首次研究了动态的拜占庭共识，发现了一些常见的动态节点管理方法的安全隐患，并对动态共识的安全目标进行了清晰的定义。基于安全目标，段斯斯提出了Dyno，构造了安全的动态拜占庭共识。Dyno成果发表在安全方向四大顶级会议 之——S&P 2022上。目前，Dyno被山东区块链研究院研发的迪诺链所采用，成为其保障安全性的关键。BChain是第一个有效的链状拜占庭共识协议，BChain
2014第七届认证杯数学中国数学建模网络挑战赛第一阶段成绩最终稿(5.22)教程
队号所选题目成绩获奖等级简短评语参赛组别队员甲队员乙队员丙1002B题78二等奖文中对模型的改进是有本科组秦川吴毅飞刘爱红1004D题78二等奖对于题意理解还不到位专科组郑彦骏李容丽刘森林1005A题50优秀奖建立了排水、噪声和花本科组何川任强张盟盟1009B题82一等奖文中很好的处理了图形本科组宁飞阮雪花郭永飞1010B题75三等奖对图像的处理细节讨论本科组蒋非凡刘杜钢孙晓惠1011C题68优秀奖由数据确定了财务内部本科组曾宁刘娟殷齐娥1012C题75二等奖将模糊评价法，层次分本科组柳巧玲王云标周娟1016C题64优秀奖在使用主成分分析法对本科组谈耀锋余华玲陈丽芝1017A题54优秀奖本文建立了物理分析本科组蒋勇蒋美刘雪英1018B题70三等奖图像边界的拟合问题没本科组蓝林张巧慧诸葛盛1019C题60优秀奖风险评估分析部分很好本科组林杰张宇飞赵浩新1020C题75二等奖该文思路比较清晰，对本科组李进龙陈荟宇姜海航1021C题88特等奖文中两种方法对应的模本科组李尧生田媛赵微1022C题60优秀奖影响因子的分析偏少，本科组邵天赐洪嘉周光东1023B题81一等奖文中很好的结合了mat 本科组崔鑫朱元冯秀智1024C题60优秀奖全文试图使用层次分析本科组古再丽努尔·麦迪乃·阿布阿依古力·赛1031B题82一等奖在提取算法中做的工作本科组沈明王倩王苑1033A题62三等奖本文建立了物理分析本科组孙志海张红涛程征1034C题67优秀奖运用风险模糊综合判断本科组欧阳文博张耀伟张志勇1035C题60优秀奖文中有很多部分未写完本科组杨罡李颖恒丁鸿超1039B题79二等奖文章在拟合时的高次多研究生组张梦姿罗欢郭美荣1041B题75三等奖边界拟合的适用性问题本科组代杰蔡盛佳刘强1042A题70三等奖没有很好的提取主要因本科组王昭高健张嘉雄1043B题70三等奖插值算法是适合的，但本科组周方谢宇轩王梦瑶1045B题60优秀奖文中在对边界提取和拟本科组邴贞超刘天贾黄凯旋1046A题50优秀奖本文模型不够完整，本科组何思宇李政翰李筱薇1047A题62三等奖本文简要分析了轮胎本科组安芳李慧贤朱旭烽1049B题70三等奖摘要较好，但是正文分本科组宋政伟张传超张洪山1051C题60优秀奖改进的AHP模型应大量本科组黄晓彬傅凤媚吴国斌1054B题71三等奖将位图进行了分类，分本科组白若文朱秋凤张德耀1055B题79二等奖本文对误差的讨论是很本科组邓仁榆杨帆范金利1056B题80二等奖模型给出 的算法相当本科组苏修樊天宇王程鹏1057A题56优秀奖本文建立了对噪声和本科组王建洪王力恒李汉青1060B题70三等奖本文中给出了简单图形本科组李少兴李慧峰闫嘉跃1061C题70三等奖主成分分析之后，各个本科组甄伟立沈帆帆周茜1062A题61三等奖本文模型利用层次分本科组朱建华葛倩白帆1063C题75二等奖结合了评价土地储备风本科组木留华易游李斐斐1065C题75二等奖从运营风险，财务风险研究生组王辉王子涵韩佐悦1066B题80二等奖提取边缘点上harris算研究生组林晓明刘晓宏潘苏楠1067A题65三等奖模型建立较为充分,但本科组谢元新杨聪敏赵英新1069B题84一等奖模型结构合理，目的明本科组洪光昊王洪飞黄怿晟1070A题68三等奖本文建立了物理分析本科组李承恩张微孙晓烨1071B题64优秀奖对图像轮廓边界的特征本科组杨州廖艺俞晶翔1072C题83一等奖对分析其他数据的原因本科组王越王卓林炜1073A题51优秀奖本文模型不够完整，本科组任晓宇黄晓明刘俏1074C题70三等奖给出灰色关联系数很合本科组徐雯李思远刘天宇1075C题60优秀奖模型几个方面进行了讨本科组张林昊于鹏贾晨1076C题60优秀奖通过分析土地储备项目本科组李剑李琛朱建峰1077A题54优秀奖本文建立了物理分析本科组陈宏扬姜文朱刚1079C题60优秀奖文中对模型的评价很客本科组刘雅婷刘尚孙秀娟本科组唐天全李栖楠曹辉1083B题65优秀奖在提取边界上的点列时本科组黄锐杰甄颖聪倪贤春1084B题69优秀奖本文采用了内部点扩散本科组陈坚腾程玉环姚清煌1086C题60优秀奖银行的几个参数是不够本科组薛迎目石福宽董华1087B题81一等奖文中对边界提取过程叙1088B题72三等奖矢量化方程应该在某一本科组王增烽郑继才肖宇本科组李贺韩文轩徐鑫1089B题80二等奖侧重对尖点的处理是合本科组徐一方黄戴赟刘清嘉1090A题79二等奖利用多种分析法对问题1091C题81一等奖文中图例利用的相当好本科组林彬刘志越习博栋本科组陈金诚周嘉俊石琳1092B题65优秀奖用灰色矩阵的方法来简本科组保云涛胡枫方柯1094A题56优秀奖本文建立了物理分析本科组包冬梅史客松禹晓峰1096B题71三等奖模型不适合来处理彩色本科组王秀琴姜广亚李晓芳1097A题80一等奖采用层次分析和模糊聚本科组芮广龙张强范广龙1098A题70三等奖本文建立了轮胎摩擦、1101B题71三等奖利用CSS算法来求得图本科组王强王永权王冠成本科组王也然张桐搏董春晓1108B题80二等奖在分段拟合的算法中应本科组吴慧敏贾梦真马炳雷1109A题67三等奖本文建立了物理分析本科组李征南王政李玲玲1110B题80二等奖文中对模型的评价是客本科组西梦琳张炳杰刘玮1111B题66优秀奖在对图形进行数据的拟本科组李琨夏索辰于献智1112C题75二等奖结合层次分析法，模糊本科组王露周硕硕韩宗壮1113B题64优秀奖本文中给出了偏微分方1114A题60优秀奖对数据的处理部分很少本科组陈曜昌罗燕萍吴晋媛本科组宋雨雨杨欢邱河楷1115C题60优秀奖层次分析法中影响因素本科组陈振荣王利华陈树立1116C题75二等奖回归分析中，其相关度1118A题57优秀奖没有抓住分析重点，仅本科组李岸隽王翔罗成本科组赵晓蕾赵亮博石俭1120B题76二等奖曲线拟合处理过程是极本科组蒋博宇宋开胜孙小凡1122B题72三等奖文中给出了精确的边缘本科组蔡程晨王炯顾东烈1123C题78二等奖文中对数据的处理很多本科组俞洋王超孙中慧1124B题73三等奖排序方法用到了极坐标本科组徐达逸胡世民宋斌1128A题70三等奖本文建立了轮胎物理性本科组杨竹山扈秋扬刘家男1129C题76二等奖对变量的复杂性以及高本科组冯玉凡胡晓冬尹奥1134C题65优秀奖层次分析过程中应加入本科组李闯钮恺刘家运1136C题60优秀奖层次分析法在处理权重本科组赵星航李佳霖韩兆阳1137C题73三等奖通过定性与定量相结合本科组蒋佩炎张一鸣申家桢1139C题70三等奖从财务净现值的角度来本科组唐鸣姚家进易小龙1140A题65三等奖本文建立了层次分析模本科组邓博文谭秋瑞赵明浩1142C题63优秀奖根据正态分布的理论来本科组周廷炜李媛张星榕1143C题65优秀奖聚类分析能找到模型二1145C题76二等奖文中对模型二结果的分本科组廖梦雨刘春英陆红丽本科组黎红波王斌李聪聪1146B题76二等奖摘要较好，划分区域进1147B题60优秀奖在提取过程中，应注意本科组赵亚平胡倩倩刘翠萍本科组宋勇男李良伟王超1148C题67优秀奖通过比较得出了对土地本科组罗钰婧韩雨钢马伟翔1149A题70三等奖花纹的结构性分类较少本科组陈雪祺崔若星李雪1150C题71三等奖文中主要采用模糊数学本科组傅英杰汤仟章佳豪1151B题75三等奖该文思路正确，方法得本科组张明明罗章明王季红1152C题67优秀奖使用定性与定量相结合本科组张晓帆何煜坤吴祖楠1153C题60优秀奖应先对数据做归一化处本科组王婉晴陈放黄兰婷1154B题77二等奖分析比较细致，对于问本科组陈睦锋陈燕梅蔡运达1155C题75二等奖用主成分分析是合适客本科组吴章鹏惠禹铭陈皓楠1156B题75三等奖摘要较好，但是正文分本科组赵瑞张磊廖瑶1158B题60优秀奖整体对边界拟合的效果本科组周俊杰唐旭毅俞海波1159C题72三等奖文中条理清楚，在预处本科组王姗姗刘成亮杨健1161A题64三等奖本文建立了物理分析本科组赵宏雪杨妮亚武志娟1162A题75二等奖虽然文中较详细的给出本科组王秋玲艾妮刘琮敏1164B题60优秀奖文中拟合过程有些单一本科组谢文强吴方舟吴杨1165B题70三等奖用四种算法对图形的边本科组罗朝斌简安文王浩1166B题68优秀奖本文给出了简单图形的本科组宋泓毅李哲陈晓津1167C题65优秀奖应用财务会计的知识进本科组武小东李世新陈焱1168A题50优秀奖本文模型不够完整，本科组张纯旺张季刘立伟1170B题60优秀奖对最值分割方法理解本科组陈诚刘婷婷刘影1171C题73三等奖评估函数部分详细有说本科组王乾蔚杨德川范宇1172B题78二等奖多段拟合过程处理很好研究生组雷阳徐静王腾浩1173B题79二等奖拟合原理有想法，算法本科组冯宇杰时菲菲仲丽君1174C题75二等奖文中建立了层次分析模研究生组何汉体杜晓敏郭永丛1175B题80二等奖文中对有效识别算法曲研究生组杨宇王迪宋晓洋1176A题57优秀奖本文建立了轮胎附着本科组喻君瑶刘星林杏君1177C题75二等奖利用主成分分析法和模本科组徐培健郭鸿金王彬1179A题72二等奖较详细给出不同花纹对1180B题80二等奖该文思路较好，分析比本科组陈力项梦月刘琪本科组赵一峥徐孜立夏昕濛1181B题81一等奖灰度化处理细致，方式本科组王汝昕黄业钦刘一帆1182B题70三等奖本文给出了简单图形的本科组王鹏飞马小惠许冰玉1184B题75三等奖该文思路较好，偏微分研究生组时仅闫超李若冰1185C题65优秀奖四维度因素的确定需要本科组林勇曾陈张文军1186B题72三等奖边界点提取过程讨论非本科组潘航宇白少华林嘉烺1187C题70三等奖使用了层次分析法来建本科组单昊聪张辰晨王焱济1189B题60优秀奖文中对矢量化的分析是1190A题60优秀奖摘要表述不清,内容不本科组汤文奇牛浩东徐容慈本科组包布衣胡月亮徐开轩1193A题50优秀奖本文模型不够完整，本科组陈万千杨本硕胡清华1194C题60优秀奖改进算法应更多的给出本科组杨灯王钕承李健1195C题76二等奖结合收益越大风险越大本科组杨佳鑫张紫祺李开意1196B题65优秀奖在文中边界提取和曲线研究生组何山波王峰明郭鹏程1198C题72三等奖在选择风险指标时最好本科组李扬汪婧婷王佐泽1199A题60优秀奖本文建立了层次分析本科组付海军唐春梅彭胜芳1200A题79二等奖能很好地引用文献数据本科组李勇许泽勋张泽钿1283A题56优秀奖本文模型考虑不全面，本科组罗城陈赛娜王堰鹏1284C题67优秀奖借助模糊综合评价方法本科组高佳琪慎羡高晨莹1286C题68优秀奖模型的建立比较单一，本科组陈莺佳宋广华程秀娟1287A题50优秀奖本文模型不够完整，本科组崔宇琴朱江璐王佳毅1288C题67优秀奖多元线性回归的模型来本科组姚一婷王天琪尤丽红1289C题68优秀奖以综合评价模型和层次本科组姚迦勒沈黎鹏陈怡1290C题70三等奖首先分析了风险的种类本科组赵琦高麒陈文集1291B题68优秀奖通过八邻域边界提取法本科组颜明明徐琴森伍璐瑶1292A题60优秀奖本文建立了层次分析本科组傅靓林豪达周心瑜1293C题77二等奖对土地储备项目的风险本科组戴慧茹陈琼朱清霞1294C题72三等奖在模型一中建立了递阶本科组孟烨铭郑秋霁郑 威1295B题71三等奖文中运用了灰色梯度算本科组张佳莹孙玉秀魏莹莹1296C题66优秀奖层次分析模型有些粗糙本科组张蒙蒙叶桑桑杨华楠1297C题72三等奖采用层次分析法对涉及本科组毛兴程徐人之张晓1298C题67优秀奖考虑了与土地储备项目本科组王芳王温泉陆祥梅1299C题70三等奖该文使用了层次分析法本科组郭倩雯陈红柯棋辉1300C题71三等奖采用层次分析法选取了本科组谢侃娜林嘉倩吴维静1301C题80一等奖BP网络模型在这里应用1302B题68优秀奖采用改进后的canny算本科组王乐乐虞维科房籽呈本科组叶玉霞江远杰孙梦洁1303C题66优秀奖全文用会计中风险利润本科组秦陈万里金慧吉王秀尧1304A题50优秀奖本文模型不够完整，1305C题75二等奖首先利用TOPSIS法和灰本科组盛文艳杜婉茹冯璐1306C题71三等奖选取适量的财务评估指本科组应婵董燕婷陈晨1307C题71三等奖用层次分析法选出了五本科组徐少梅杨旖云杨锦丽1308C题72三等奖运用层次分析法以及模本科组张宇豪郑旸侯铭铭本科组黄敏敏陈天宇吴银伟1309C题60优秀奖文中利用层次分析法时1310C题69三等奖使用的层次分析法中指本科组程聪周豪杨志强本科组章航飞徐慧王冬慧1311B题80二等奖图像边界的识别还可以本科组朱群喜孙靓洁徐莹1312B题80二等奖模型可以对简单的图像1313C题74二等奖在建立主成分分析模型本科组张莱真梅 尹赵文倩1314C题74二等奖结合层次分析法以及模本科组马俊海胡宋杰汤静1315C题69三等奖针对土地储备方案的风本科组陈建东姜雪苗陈泽亚1316C题71三等奖用主成分分析法来分析本科组许婷婷詹涵静牟丹丽1321B题70三等奖将图像进行了灰度化处本科组周润熊杰任燕巧1322C题68优秀奖利用层次分析法建立了本科组陈艳傅越超王诗漫1323C题65优秀奖针对影响土地储备方案本科组方凌瑜滕丽鸣胡瑜琳本科组张晓莉项莉莉涂寒凌1324A题40优秀奖无具体的数据和模型，1325C题68优秀奖建立了层次分析模型，本科组王童烨涂文婷刘天祥本科组卢珍珍陈敏赵翰树1327A题56优秀奖本文建立了物理分析本科组徐琪骅周圣坤曹文清1328B题60优秀奖在边界提取上应多做一1329B题73三等奖运用matlab对图形的边本科组闵燕尉佳媛陈军1331C题73三等奖对原始数据进行了量纲本科组万如意王江楠吴铖鑫1332C题81一等奖层次分析的改进模型用本科组陈玥蔡颖叶灵威1333C题73三等奖用因子分析模型对土地本科组周应知钱睿袁园1334C题74二等奖采用了层次分析法评价本科组孙胜洲陈泽南章倩倩本科组应安妮吕雨馨李晓1335B题79二等奖文中对模型中的细节问1336B题68优秀奖文中建立了统计回归模本科组张思思陈宣妍吴小悦1337B题67优秀奖对于一些因素的分析不本科组张统朱秀秀陈治豪本科组徐力杨梦蕾寿佳佳1338A题55优秀奖本文建立了物理分析1339C题72三等奖对土地储备方案的风险本科组朱富元费凡陈晨1341C题73三等奖首先应用了主成分分析本科组王炉婷桑荣荣徐秀本科组董琴李惠婷周炎森1342A题45优秀奖建立附着力和噪声与花1343C题72三等奖采用了模糊综合分析法本科组林倩琰陈宇朱梦1344B题63优秀奖文章流程清晰，对不同本科组尤春梅孟燕芳洪富漍1345C题67优秀奖主要运用了层次分析模本科组尤婉方玲燕毕露霞1346B题68优秀奖在处理直线矢量化图像本科组沈汪莹俞敏杰徐慧敏1347C题71三等奖结合层次分析法以及人本科组金蒙稍钱炳芳张玉婷1348C题74二等奖从土地储备风险的种类本科组陈珈颖葛琳霞竺佳敏本科组范开李亚光张宇欣1349C题60优秀奖模型缺少对结果的分析本科组李腊梅尹英才马骢1353A题45优秀奖本文模型不够完整，本科组何泰王超陈改革1354B题70三等奖边界点的处理上用迭代1355B题62优秀奖模型中缺少相关的理论本科组陈圣鹏李嘉健唐本辉本科组李雪丽陈爽月姚倩倩1356B题70三等奖模型分析合理，结构适本科组郑少春高辉刘明星1357B题78二等奖对于图形的区域划分是1359C题68优秀奖在建模的过程中一些与本科组毕英琦袁福来许文强研究生组黄广华安栋马苏香1362C题75二等奖该文模型比较简单、实1363A题60优秀奖应对花纹特征分类，然本科组孙雨婷费宇轩李利茹1364B题70三等奖本文中介绍了多种算子本科组李现廖芳李林本科组江楠徐振辉于千山1365B题80二等奖讨论离散点拟合的两种研究生组王桃乔欣滕家雨1366B题75三等奖文中对各种拟合算法的本科组范文斯路朱仕俊陈晓楠1367B题78二等奖边缘检测模型很好，但1368D题83一等奖文章给出了逐步优化的中学组黎金宁林泽昊盛哲瑾1369D题80二等奖文章给出了逐步优化的中学组曲宇勋许敬晖刘贤祖1370D题86特等奖文章给出了逐步优化的中学组陈曦笛吴哲辉林翰韬1371C题74二等奖本文应先对数据进行处本科组罗强赵静陈晋荣本科组王涛朱铁磊冯方1373C题60优秀奖模型二的结果是值得商本科组房庄颜徐一鸣丁航成1375B题80二等奖在文中后半部分的算法1376C题72三等奖从原始数据中选取了五本科组袁慧灵蓝镇海赖众燿本科组付运俊温云跃洛莉梦1377A题55优秀奖本文建立了层次分析1378C题75二等奖文中思想方法准备充分本科组冉文文刘雯曾力本科组李俊龙梁创学方学敏1379B题78二等奖检查过程的程序和算法本科组钟国谋刘惠良刘炯纯1380A题83一等奖模型中的层次分析法过1381C题67优秀奖基于层次分析法对土地本科组江穗莹钟剑浩高剑武1382C题70三等奖针对土地储备方案的风本科组朱嘉欣阮文奇刘淼1434C题70三等奖在定量分析中，运用了本科组莫谊宁杨献献侯金婷1436B题60优秀奖在分段拟合的方法是讨本科组程秋美秦国祯李峰1437B题64优秀奖本文中给出了简单图形本科组邢代涛黄烨赵唯一1439A题60优秀奖模型表述完善；仅对模本科组方沛吴梦茹张肖本科组姜帅琦李星晨邱强1440A题70三等奖本文建立了模糊评价1441A题80一等奖文章结构紧凑，图表形本科组谢志浩王鼎轩温玉祥本科组牟晟豪李亚慧李美燕1442C题60优秀奖模型对经济因素的讨论本科组张俊张德明桂馨1443A题56优秀奖本文建立了对噪声和1444C题60优秀奖该文使用了层次分析法本科组侯琳琳于欣彤徐玥本科组马绍杰王哲吴炳璋1446C题67优秀奖该文深入问题不够，没本科组常晓栋张芾于上上1447B题82一等奖文中有很好的图像处理1448C题65优秀奖对原始数据进行了优化研究生组徐邵军武欣然张明月本科组王春苗马欢欢盛乐园1449A题60优秀奖本文建立了层次分析1450A题60优秀奖考虑噪声等因素,但图本科组宋嘉林许京洲刘芳本科组蔡慧邓芸芸张四海1451C题75二等奖数据处理做的很好，模1452A题70三等奖对花纹应力,排水等性本科组骆旭戴云鹏黄婷本科组夏松林杨傲王苗1455C题66优秀奖判定各个变量与风险指本科组王悦秦瑞李琴琴1456A题80一等奖参考的数据较全面，根本科组孔雪雪罗兴晨方来丽1457C题60优秀奖灵敏度分析做的闭模型1458C题79二等奖模型前期对数据的处理本科组叶陈王靓王娜本科组童淑娟方姚袁玮1459C题60优秀奖模型建立过程中考虑因1460C题73三等奖以一个城市为例构建风本科组朱杰戚功平崔爽爽1461C题73三等奖文中建立综合评价模型本科组陈钰孙婉悦韩井芳1462C题74二等奖构建层次分析模型等；本科组宋紫君王芳马盼盼本科组曹婷娟余姗姗吴泉垚1463A题65三等奖问题分析较多；多数为1464C题84一等奖首先剔除了原始数据中本科组吕娴雅褚诗成杨鑫1465C题78二等奖使用多元回归等方法建本科组汪懿然殷健陈国庆本科组徐瑶瑶赵丹丹姜雅静1466C题60优秀奖对问题二结果分析不够1467A题70三等奖全文分析表述尚可，P本科组李艳春甘晶晶王佳玉本科组谢瑞瑞施春红毛卓1468A题80一等奖整体模型建立分析比较1469C题75二等奖采用无量纲化等方法构本科组陈洁苗晴陈龙本科组陈蓓蕾宋灿灿王乐1470A题70三等奖误差分析只是罗列式的1471C题75二等奖对几个重要因素采用综本科组贾立红李梦茜张琤1472C题74二等奖主要建立了模糊综合评本科组祖祎婷宛艺胡劼1473C题73三等奖利用多元线性回归等方本科组齐瑾吴君茹刘小钰本科组秦新龙王苒方佩1474A题71二等奖数据选取较全面，分析本科组唐密陈园园项岚1476A题70三等奖虽然给出了一些相关数本科组郑瑶丁芳丽王婷婷1478A题55优秀奖没有恰当参考文献，将1479C题72三等奖使用多元统计等方法进本科组董梦瑶吴思杰万云璐1480C题71三等奖利用综合评价模型等研本科组任洁李仕佳周雨婷1481C题75二等奖研究指数近似和无量纲本科组彭伟刚张恒刁辰辰1484B题76二等奖该文思路比较清晰，对本科组孙文康吴丹丹朱慧君本科组张浩宇卢详远张晓静1485C题76二等奖方法还是比较清晰的，本科组张兴皖黄婷婷王雪琪1486A题80一等奖采用了类比分析法并利1487C题60优秀奖文中提取的4个因素是本科组张衍林叶龙生甄瑶瑶本科组伍淑惠李慧玲沈龙泉1488A题75二等奖摘要过于简单，没有主本科组许冬梅周杰李学成1489C题79二等奖文中图例分析形象易懂本科组施展汪思铭陈媛媛1490A题80一等奖利用层次分析法和线性本科组郑宇强洪文姗徐义青1491C题60优秀奖构造矩阵时应考虑实际本科组张莞玲年华徐梦伟1492A题81一等奖主要基于层次分析法研本科组周小伟李哲陈莹1493B题86特等奖该文分析细致，结构完本科组焦雅婷夏蓉尹伊群1494A题81一等奖文中将资料中的数据与本科组蒋婷李坤星徐霞明1495A题68三等奖数据来源无任何说明，1496A题77二等奖考虑回归拟合和正交极本科组杨劲松石正新王忆曼本科组刘鑫高媛媛尹世超1497A题76二等奖选取花纹面积等切入点1498A题79二等奖前两个利用常规模型进本科组赵晶晶王立凤吴飞1499C题79二等奖使用AHP等方法构建模本科组宋辞章启明黄雅楠本科组解晶晶马明坤楚兴元1500B题75三等奖使用软件来提取边界固本科组汤忠玲汪晓黄伟业1501A题77二等奖采用曲线拟合等方法设1502A题79二等奖基于轮胎制动距离等5本科组孙姝周佳程浩冉本科组李峻山尹彤李祥宇1503C题80一等奖文中由模型为依据做出本科组刘茉莉蔡钰程瑶瑶1504B题75三等奖方法比较简单、实用，本科组吴诗行段智中朱浩东1505C题60优秀奖模型对数据的处理远远本科组王海林王方元武海殷1506C题77二等奖模型分析和数据处理是本科组李娜肖聪刘浩1507C题60优秀奖模型对接风险的权重是本科组张翔徐露露董玉林1508C题82一等奖模型建立过程讨论很细1509C题70三等奖确立6个相关指标建立本科组周蔚解姗袁艺璇1510B题78二等奖文中对于一般图形的矢本科组马馨悦葛辉凡甲甲本科组李昕程若吴涛1511A题84一等奖文中很好利用模糊综合1512C题70三等奖借助因子分析，组合分本科组张瑶熊梦瑶周秒本科组朱翰希尚运动刘殷成1513C题60优秀奖模型未完成，问题二需1514A题65三等奖问题1引用过多，没有本科组卞恒良李琼王振杰本科组陈天骄汪良晨徐贤丽1516A题76二等奖研究不同花纹在湿地路1517C题75二等奖模型对于问题二是合适本科组邓扬罗翔燕刘帆本科组宋慧茹屈静朱思雨1518C题60优秀奖多元回归分析模型中应本科组朱勇胡学峰刘雅倩1519B题86特等奖该文思路清晰，方法得1520A题79二等奖单一考虑层次分析法分本科组栾伟东潘鹏程代伟本科组张玉何娜宋雯1521A题77二等奖对轮胎滑水性等因素研本科组张岗岗刘泽华徐静1522C题80一等奖在建立模型初所做的筛1523C题66优秀奖收益性风险引入是有意本科组林超丹辜齐杨睿智本科组黄奇秦维国童昊1525C题60优秀奖建模过程需要改进层次本科组周越付家田张涛1526C题60优秀奖未对模型进行一步性的本科组赵婉茹童易成朱晓煜1527A题60优秀奖问题三的模型只见文献本科组冯传朋束祖忠刘红杉1528A题70三等奖问题1利用C程序求解，本科组徐重栋李诗远陈聪1530C题65优秀奖模型一的建立不够客观1531C题81一等奖文中数据处理工作细则本科组纪元昕王茜瑶赵美中1532C题74二等奖以八大指标进行分析建本科组刘雅洁陶世红徐孝琳本科组朱韶东詹洪敏石舍玉1533C题80一等奖后半部分的讨论是有意本科组方昌芳金颖颖董莹莹1534A题60优秀奖讨论尚佳，模型无新意1535A题76二等奖模型I中数据引用来源本科组胡柱斌金满娟胡嘉嵘1537A题77二等奖使用层次分析法等,摘本科组汪亚楠曾淑娴朱国燕本科组周苑苑乔玲王虎1538C题60优秀奖问题二中求解不仅仅是本科组刘梦婷胡璨郝诗红1539A题81一等奖建立一元回归模型等分本科组付帅孙永威张咪咪1540B题75三等奖该文思路比较清晰，方本科组徐宇轩周超陈挚1541C题75二等奖聚类分析用的很有条理。
关于2014届清华大学 “北京市优秀毕业生”(研究生)拟表彰名单公示
控制科学与工程 核科学与技术 核科学与技术 核科学与技术 核科学与技术 核科学与技术 物理学 航空宇航科学与技术 动力工程及工程热物理 航空宇航科学与技术 化学工程与技术 化学工程与技术 化学工程与技术 材料科学与工程 化学工程与技术 材料科学与工程 材料科学与工程 材料科学与工程 材料科学与工程 材料科学与工程 材料科学与工程 材料工程 基础数学 计算数学 物理学 物理学 物理学 化学 化学 化学 化学 生物 生物 生物 生物 生物 工商管理 工商管理 工商管理 工商管理 工商管理 工商管理
戎戈 黄诗雅 安晋城 陈熹 张静 韩蕴哲 刘鹏程 张鹏飞 陈然 傅唯佳 陈丹洪 黄年青 梁勇 彭露 葛华灵 邹鹏 白莹 白兰 孙思然 关君 谢欣 郑鹏志 张达 张文 钟海涛 皮月 朱红玉 冯婷婷 王延升 赵连锋 朱佳 吴凌涵 任彧 蔡华林 吕臣 于果 刘珺 侯燕铭 刘宝龙 金超 王同舟 吴婷婷
男 女 男 女 女 男 男 男 男 女 女 男 男 女 女 男 女 女 女 男 男 男 男 男 男 男 女 女 男 男 男 女 女 男 男 女 女 男 男 男 男 女
女 女 男 女 男 男 男 女 女 女 女 男 女 女 男 男 男 男 男 男 男
硕士 硕士 硕士 硕士 硕士 硕士 硕士 博士 硕士 硕士 硕士 硕士 博士 硕士 博士 硕士 硕士 硕士 硕士 硕士 博士
生物医学工程 软件工程 软件工程 软件工程 软件工程 软件工程 软件工程 新闻传播学 新闻传播学 新闻传播学 新闻传播学 新闻传播学 公共管理 教育学 计算机科学与技术 大气科学 应用经济学 应用经济学 应用经济学 应用经济学 计算机科学与技术
学历 博士 博士 博士 博士 博士 硕士 硕士 硕士 博士 博士 博士 硕士 硕士 硕士 博士 博士 硕士 硕士 博士 博士 博士 博士 博士 博士 硕士 博士 博士 博士 博士 博士 博士 博士 博士
2014“华为杯”建模竞赛A题优秀论文
xt As t nt
T
T
(1)
式中， st s1 t , , s N t 为 N 维未知源信号矢量； xt x1 t , , xM t 为 M 维 观测数据矢量， A 为 M N 维混合矩阵。利用信号在时域和频域上的差别和统计特征， 分离源信号中各个独立成分。 2.5 对问题 5 的分析 利用问题 4 中的信号分离模型， 分离出与视觉刺激相关的脑电波成分和可能与呼吸 相关的脑电波信号成分。 然后通过相关性分析与刺激相关的脑电波与刺激曲线之间的相 关性。筛选出进行视觉刺激的两幅图片对应的时间坐标，提取出图片 1 对应的脑电波和 图片 2 对应的脑电波，然后进行方差分析，分析其是否具有显著性差异。
5 模型的建立
5.1 信号分离模型 5.1.1 模型介绍 近几年来， 盲信号分离已成为信号处理学界和神经网络学界共同感兴趣的研究热点 领域，并获得了迅速的发展。简而言之，盲信号分离就是根据观测到的混合数据向量确 定一变换，以恢复原始信号或信源。典型情况下， 观测数据向量是一组传感器的输出， 其中每个传感器接收到的是源信号的不同组合。 术语“盲”有两重含义 : （1）源信号不能被观测； （2）源信号如何混合是未知的。 显然， 当从信源到传感器之间的传输很难建立其数学模型，或者关于传输的先验 知识无法获得时，盲信号分离是一种很自然的选择。 5.1.2 FFT 算法 FFT，即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的 奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理 论并没有新的 FFT 算法图即蝴蝶算法发现， 但是对于在计算机系统或者说数字系统中应 用离散傅立叶变换，可以说是进了一大步。 为了在科学计算和数字信号处理等领域使用计算机进行傅里叶变换， 必须将函数定 义在离散点上而非连续域内，且须满足有限性或周期性条件。这种情况下，序列 xn n 0 的离散傅里叶变换为：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
清华大学IE亮剑全国工业工程应用案例大赛湖南科技大学项目报告书 仅用于交流，禁止用于商业用途，微博@听见彩虹的声音
精益生产理论在产品装配线流程上的应用 [清华ＩＥ亮剑全国工业工程应用案例大赛参赛案例]
参赛组员： 指导老师： 学校系所：湖南科技大学工业工程系
2014年11月24日 清华大学IE亮剑全国工业工程应用案例大赛湖南科技大学项目报告书 摘 要 本文在精益生产的体系下，结合志高本身的生产模式，就志高的一款机型的装配线流程进行分析、优化和改善，从线平衡的角度去实现生产率的提高，去掉一切不增值的部分，实现效益最大化。首先从精益生产的定义出发阐明在精益生产的实施过程中，对流水线生产率平衡研究的重要性。接着对志高一款机型的工序时间进行研究，得出线平衡率，针对平衡率不高的现状进行分析，找出瓶颈与不合理的地方。根据线平衡的原则，运用ECRS四大原则重新优化生产线，运用人机分析提高机器的利用率，使得平衡率及生产效率都有了进一步的提高。最后运用Flexsim仿真软件对改善结果进行了验证。 关键词：精益生产，装配线，生产率，优化 第一章 选题背景.................................................................................................................................................. 1 第二章 志高空调1.5P 08版室外机装配生产线分析 ........................................................................................ 2 2.1 1.5P 08版室外机装配流程图 ....................................................................................................................... 2 2.2 1.5P 08版室外机工序测量时间及标准工时表 ............................................................................................ 3 2.3 1.5P 08版室外机的装配生产线线平衡率 .................................................................................................... 5 2.4 总装线当前线平衡分析图 ............................................................................................................................. 6 2.5 室外机生产线中存在的问题 ......................................................................................................................... 6 2.5.1 IE人员的测时并没有最佳化 .................................................................................................................... 6 2.5.2 工序时间相差较大 ...................................................................................................................................... 6 2.5.3 因为不良品的返工造成的尾数影响整体效率 .......................................................................................... 6 2.5.4 员工的积极性不高 ...................................................................................................................................... 7 2.5.5 生产旺季新员工大量涌入 .......................................................................................................................... 7 第三章 装配线平衡率改善方案 .......................................................................................................................... 8 3.1 志高生产线平衡改善的方法论及技巧 ......................................................................................................... 8 3.1.1 运用5W2H法进行提问 ............................................................................................................................. 8 3.1.2 ECRS四大原则 .......................................................................................................................................... 8 3.1.3 员工正激励措施 .......................................................................................................................................... 9 3.1.4 提案改善制度的健全 .................................................................................................................................. 9 3.1.5 管理制度的完善 .......................................................................................................................................... 9 3.1.6 异常订单的及时处理 .................................................................................................................................. 9 3.2 1.5P 08版装配线的改善 ............................................................................................................................. 10 3.3 1.5P 08版装配线改善效果 ......................................................................................................................... 14 3.3.1 总装线改善后的平衡率 ............................................................................................................................ 14 3.3.3 改善后的线平衡分析图 ............................................................................................................................ 16 3.4 预装线的现状分析及改善 ........................................................................................................................... 17 第四章 生产线平衡率改善的FLEXSIM仿真验证 ........................................................................................ 24 4.1 仿真的原理及FLEXSIM软件的简介....................................................................................................... 24 4.2 总装线仿真建模的流程 ............................................................................................................................... 25 4.3 仿真结果输出............................................................................................................................................... 30 4.4 仿真模型的对比验证 ................................................................................................................................... 31 第五章 总结思考……………………………………………………………………………………………34