math-modeling-paper

数学建模竞赛论文写作

使用流程

收到写作任务后，按以下步骤操作：

Step 1: 识别比赛类型和写作阶段

向用户确认（如果信息不全）：

1. 比赛类型：国赛(CUMCM) 还是 美赛(MCM/ICM)？这会决定结构模板、语言和评审重点。
2. 当前阶段：

- 规划：还没动笔，需要确定论文结构和各部分要点 - 写作：正在写某个具体章节，需要指导 - 润色：已有初稿，需要优化表述、检查逻辑 - 检查：全文已完成，需要做最终的格式和规范检查

Step 2: 加载对应参考文件

根据比赛类型加载详细指南：

• •国赛 → 读取 references/cumcm-guide.md
• •美赛 → 读取 references/mcm-icm-guide.md

根据当前阶段可能需要的专项指导：

• •摘要相关 → 读取 references/abstract-writing.md
• •模型检验相关 → 读取 references/model-validation.md
• •需要句式参考 → 读取 references/common-phrases.md
• •确定题型策略 → 读取 references/problem-type-strategies.md
• •图表/代码规范 → 读取 references/figure-and-code-guide.md
• •美赛 Memo/Letter → 读取 references/memo-writing.md

Step 3: 逐节指导或检查

按照论文结构顺序，对每个章节执行「目的 → 结构 → 写什么 → 红线」四步指导。具体规则见下文各节。

论文结构模板

国赛 (CUMCM) 标准结构

正文总篇幅：20-28页（不含附录）

关于模型检验的位置：实际获奖论文中，灵敏度分析/误差分析通常嵌入在每个子问题求解的末尾（如 5.1.6 灵敏度分析），而非独立成章。如果检验内容充实（2页以上），可独立设「模型检验」章；如果每个子问题检验内容较短，在「模型评价与改进」章汇总检验结论即可。

美赛 (MCM/ICM) 标准结构

正文总篇幅：25-26页

分节写作规则

1. 标题

国赛：点明研究对象 + 核心方法。如《基于多目标优化与灵敏度分析的XX调度模型》

美赛：创造有记忆点的标题+模型名。如《Golden Dynamics: Bayesian-AI Olympic Forecasting》

避免：直接抄赛题、太虚的标题

2. 摘要（最关键的1页）

这是评审第一轮筛选的依据。两地比赛都必须遵守的黄金规则：

红线 1：每问必有一数。 摘要中每个子问题都必须包含至少一个具体的定量结果。禁止只写方法不写结果。对比：

红线 2：结果要精确。 不要只给范围或不给数据。美赛论文更要给出置信区间、NRMSE、覆盖率等误差指标。

国赛摘要结构：问题背景(1句) → 总体思路(1句) → 问题一方法+结果 → 问题二方法+结果 → 问题三方法+结果 → 模型检验/优点(1-2句) → 关键词(3-5个)

美赛摘要结构：Hook句(1句) → 问题陈述(1-2句) → 每个Task的模型名+方法简述+量化结果 → 关键结论 → 关键词(6-8个)

详细模板和句式见 references/abstract-writing.md。

3. 问题重述

用自己的语言重新拆题，不要复制粘贴题目原文。

好的做法：先概括题目背景，再把任务拆成小问题，最后说明每个问题的解题目标。

篇幅控制：国赛 0.5-1 页，美赛 2-3 页（含背景和研究综述）。

4. 问题分析

这是区分"套模型"和"理解问题"的关键章节。获奖论文在此投入 1-2 页深入分析，而不是简单罗列方法。

红线：不要写成"我们将用A方法做X"。 这是方法罗列，不是分析。

正确的写法遵循「为什么」逻辑：

• •这个问题的数学本质是什么？（预测/评价/分类/优化/机理？）
• •输入变量和输出结果分别是什么？
• •为什么选这个模型而不是别的？（必须对比至少一种替代方案）
• •各问题之间的递进关系是什么？
• •有什么难点？如何应对？

格式：按子问题分开写，每个子问题一段独立分析（如 2.1 问题一分析、2.2 问题二分析）。

强烈建议：在问题分析末尾放一张整体建模流程图（框图/箭头图），展示各子问题对应的模型及其之间的数据流。获奖论文中约 70% 包含此图。

示例写法（好）：

问题一要求评价不同方案的综合效益。这是一个典型的多指标综合评价问题。评价类问题常用方法有层次分析法(AHP)、TOPSIS法和模糊综合评价法。考虑到本问题指标数量较多且部分指标具有一定模糊性，本文选用模糊综合评价法，既能处理定量指标也能处理专家对定性指标的模糊判断。指标权重的确定采用熵权法以降低主观性。问题一的评价结果将作为问题二优化模型的输入约束。

示例写法（差）：

针对问题一，我们首先进行数据处理，然后使用模糊综合评价法进行评价，最后得到评价结果。

5. 模型假设

红线 1：禁止写废话假设。 以下类型的假设必须删除：

• •"假设数据真实可靠" ← 题目已给定数据
• •"假设忽略偶然因素" ← 太过笼统
• •"假设不考虑突发情况" ← 没服务于建模

红线 2：每个假设必须在后文被用到。 写假设时就要想清楚它在模型中如何体现。

正确做法：假设应服务于建模，格式为「假设内容 + 为什么这样假设合理」。分类列出（如：物理简化类、数据类、参数类）。

6. 符号说明

只放核心变量，不要把所有变量堆进去。每个符号包含：符号、含义、单位（必须）。

7. 数据处理

红线：不能只写方法，要说明为什么。

内容覆盖：数据来源 → 缺失值处理 → 异常值处理 → 标准化/归一化 → 特征提取 → 可量化分析

每种处理要说明原因。例如："由于不同作物产量量纲差异较大，采用Z-score标准化消除量纲影响"。

美赛论文将数据处理作为独立章节，这是加分项。

8. 模型建立与求解

这是正文核心，每个子问题按以下结构展开：

标准六步结构：

1. 问题目标（这段要解决什么）
2. 模型选择理由（为什么是这个模型，不是别的）
3. 模型公式（从问题出发推导，不是抄教科书）
4. 参数解释（每个参数的含义和取值依据）
5. 求解步骤（可用算法伪代码+流程图）
6. 结果展示（表+图）
7. 结果分析（这个结果说明了什么）

红线 1：公式要有问题针对性。 禁止抄教科书通用公式而不做问题适配。从第一性原理推导，公式中的符号要对应到本题的具体变量。

红线 2：结果必须配解释。 每个表格/图片后面必须有 1-3 句话解释"这个结果说明了什么"和"为什么会出现这个结果"，不能只描述"图中展示了……"。

红线 3：代码和论文必须一致。 论文中声称的方法必须在代码中实现。声称用 XGBoost 就写 XGBoost，不能代码跑的是线性回归。

美赛额外要求：每个模型起一个创意名称+缩写（如 HARMONIE、CHAMPS），提供算法伪代码框（Input / Output / Steps）。

9. 模型检验（冲高奖的核心）

这是从三等奖到一等奖的关键差距。实际获奖论文中，灵敏度分析/误差分析通常嵌入在每个子问题求解末尾（如 5.1.6 灵敏度分析），篇幅 0.5-1 页/子问题。

必做项：

• •灵敏度分析：改变关键参数（推荐 ±10%, ±20%），观察结果变化。画出龙卷风图或灵敏度曲线。
• •误差分析：报告 MSE/MAE/R²，讨论误差来源和可接受性。

加分项：

• •稳定性/鲁棒性检验：Monte Carlo 随机扰动，报告可靠度曲线
• •假设验证：回头检查关键假设是否在模型中成立
• •对比实验：用另一种方法求解同一问题，对比结果差异
• •交叉验证：K-fold 或留出法验证

组织方式：

• •方式一（推荐）：在每个子问题章节末尾嵌入（如 5.1.6 灵敏度分析），最后在模型评价章汇总关键检验结论
• •方式二：所有检验内容集中为独立章节（适合检验内容超过 2 页或使用了多种检验方法的情况）

详细方法见 references/model-validation.md。

10. 结果分析与解释

红线：不要只放图表不加解释。 每个图表后必须有分析段落。

分析三段式：

1. 这个结果是什么？（一句话概括）
2. 为什么是这个结果？（联系模型机制或数据特征）
3. 这个结果对题目背景有什么意义？（回到实际问题）

11. 优缺点与改进

红线：评价的是「本模型」，不是「所用算法」。

缺点写 3-5 条，每条应是承认本模型具体建模选择带来的局限。不要写"数据依赖性强"这种放之四海皆准的话。

12. 参考文献

红线 1：禁止引用 CSDN 博客、知乎、百度百科、AI 工具（如 DeepSeek/ChatGPT）等非学术来源。

红线 2：正文中引用了就要列出，列出了就要在正文中出现。

数量要求：国赛 ≥6 条，美赛 ≥8 条。能引用英文期刊论文是加分项，但不强制。

正确来源：

• •期刊论文（中文：知网核心期刊；英文：IEEE/Elsevier/Springer 等）
• •教材（如姜启源《数学模型》、司守奎《数学建模算法与应用》）
• •学位论文
• •国家标准（如 GB 12327-1998）
• •官方数据来源（如国家统计局、世界银行）

13. 附录

必须包含：

• •完整可运行源代码（不要只放片段）。2026 年国赛规则明确：缺少必要源程序或程序不能运行，可能被取消评奖资格。
• •支撑材料文件列表
• •较长的中间结果表格（可选）

代码规范：

• •代码应有清晰的分节注释，标注对应哪个子问题
• •代码中的方法名/变量名应与论文中的符号一致
• •MATLAB/Python/C++ 均可，选择取决于题目类型（见 references/problem-type-strategies.md）
• •代码不需在正文中逐行解释，但论文声称的方法必须在代码中实现

详细图表和代码规范见 references/figure-and-code-guide.md。

两赛关键差异速查

LaTeX / Word 排版检查清单

论文完成后，逐项检查：

通用检查

• •[ ] 所有公式有编号，编号格式统一
• •[ ] 所有图表有标题，表格标题在上方，图标题在下方
• •[ ] 图表标题有足够描述性（不是"图1：结果图"）
• •[ ] 所有符号在符号说明表中出现
• •[ ] 所有引用的参考文献在正文中被标注
• •[ ] 正文字数在要求范围内（国赛<30页，美赛<25页）

美赛额外检查

• •[ ] 英文拼写和语法（可用 Grammarly 检查）
• •[ ] Summary Sheet 独立一页
• •[ ] AI Usage Report 独立一页
• •[ ] 图表标题用英文
• •[ ] 算法伪代码格式规范（Algorithm 1, 2, 3...）

参考资源

• •references/cumcm-guide.md — 国赛各章节详细写法
• •references/mcm-icm-guide.md — 美赛各章节详细写法
• •references/abstract-writing.md — 摘要模板和句式（中英双语）
• •references/model-validation.md — 模型检验方法大全
• •references/common-phrases.md — 常用学术句式（中英双语）
• •references/problem-type-strategies.md — A/B/C 题差异化策略
• •references/figure-and-code-guide.md — 图表规范与代码附录要求
• •references/memo-writing.md — 美赛 Memo/Letter 写作指导