数模中预测类方法偏AI的走向

在过去的数模竞赛中，美赛O奖作品也曾使用过灰色预测这样的MATLAB方法。但实际上，时间序列分析、回归等预测方法更为常见。

大约在18年前后，预测类数模问题变得有些尴尬。这并不是因为题目简单，而是因为大家都已经掌握了一些现成的算法。只要拿到题目，就能迅速用程序跑出数据、画出图表、完成论文。那段时间的竞赛中很少有预测类的题目出现。这种现象不仅仅存在于预测类模型，评价类模型亦是如此，因为大家普遍掌握，所以在竞赛中很难看到整个大题都是关于预测的。

回想一下，在国赛中我们曾遇到过人口增加预测、长江水质预测以及世博会影响预测等题目。那个时候，我们主要通过MATLAB实现这些数据的处理和预测。

提到互联网+，这是我在本科入学时的风潮。那时，只要有创新的点子，就能参加各种比赛并获奖。虽然我对这种需要PPT路演的比赛不太感兴趣，更喜欢埋头做题，但我最终还是鼓起勇气参加了学校的英语辩论赛。初赛中，我得以顺利晋级复赛。但我对上台发言始终有些怯场，虽然这次经历颇为愉快，我还是决定放弃复赛的机会。现在回想起来，也算是一桩小小的美谈吧。

但当时互联网+的风潮使得很多东西都与互联网相结合。超市与互联网的融合诞生了订超市的APP，打车与互联网的结合催生了打车软件。如今Python大热，人工智能的应用更是如火如荼。在数学建模领域，除了MATLAB，学会使用Python进行人工智能应用也将成为未来的趋势。实际上，MATLAB也能实现部分人工智能功能。

在预测领域，Python提供了多种方法：LSTM长短期记忆网络、GRU门控循环单元、DBN置信网络等等。这些算法在核心期刊论文中经常被用来进行预测研究。现在的数学建模论文很难在核心期刊上发表预测类的内容。那么，你是否应该选择某个关键词，学习并应用这些模型呢？

如果你对数学建模和其他领域感兴趣，不妨关注一下我们的内容。我们会定期分享关于数学建模的知识和技巧，以及其他有趣的话题。期待与你一起、学习、进步！