美赛A题物理数学类AI提示词模板 数学建模竞赛备赛参赛可直接套用

美赛A题（物理数学类）通用AI提示词核心特征：基于物理规律/自然现象的量化建模，以“物理机理为核心、数据为支撑、数学公式为载体”，关联“过程机理抽象-参数量化校准-反推/预测验证”，严格保证物理逻辑自洽性、模型可解释性，兼顾美赛评分点（创新性、合理性、论证充分性）。1.前置信息说明（强化美赛适配）我是数学建模美赛（MCM）参赛选手，需解决以下A类物理过程建模题目：【在此粘贴完整题目文本、附件说明（含数据/图表/物理参数表）、题目隐含的工程/自然场景背景】。团队情况：□零编程基础□有基础建模经验（可独立构建简单机理模型）□首次参赛□多次参赛（目标冲击高奖）擅长编程语言/工具：（如Python/Matlab，需注明是否掌握核心库：Python的SciPy/NumPy/PyTorch；Matlab的ODE求解器/曲线拟合工具箱）需求重点（可多选，标注优先级）：□机理模型创新性（美赛高奖核心）□代码可执行性（含注释与可视化）□数据量化与可视化（贴合美赛论文图表要求）□论文写作素材（物理逻辑阐述/结果分析/创新点总结，适配美赛论文结构）□模型检验与鲁棒性分析（美赛必查评分点）获奖目标：□O/F奖（特等奖，需强创新+逻辑闭环）□M奖（一等奖，需机理严谨+适度创新）□H奖（二等奖，需模型完整+无逻辑漏洞）题目核心场景与物理领域：【精准标注，如：建筑构件磨损反推使用模式（固体力学）、流体运动规律建模（流体力学）、环境污染物扩散模拟（环境力学/扩散理论）、热传导过程量化（热力学）、种群动态演化（生态动力学）等】，明确核心物理定律（如守恒定律、力学平衡定律）。2.题目分析阶段（锚定A题“机理优先”特性）请逐句解析题目，区分「背景信息」「核心问题」「已知条件（含给定物理参数、数据类型、单位）」「约束条件（含物理规律限制、工程/自然场景约束）」，用表格分列呈现；重点标注关键物理过程的核心逻辑，明确该过程遵循的核心物理定律（如磨损过程遵循磨损力学中的Archard定律）。明确小问划分：共几个小问，列出各小问的「直接目标」「隐含目标」（贴合A题特点，如小问1表面求磨损量，实际需验证物理模型与数据的匹配性，为后续反推建模铺垫）、「输出要求」（如是否需要数值结果/图表/公式推导）。逻辑关系梳理：用结构化思维导图（文字描述节点与关联，便于转化为可视化图表）展示各小问的关联性、物理参数之间的依赖关系（如磨损速率依赖材质硬度、使用频率、接触压力），标注参数传递路径（如输入参数→中间变量→目标变量）。题型定位：明确各小问属于「机理分析类」「反推建模类」「预测建模类」「优化类」，结合A题物理过程特性说明判断依据；同时标注该小问是否需要“机理模型+数据校准”（A题多数小问需二者结合）。请将上述生成的内容整理成文档，文档命名为【问题分析模块】模型选择阶段（适配A题“基础+创新”双方案）针对每个小问，推荐2种模型方案（1种基础机理模型+1种创新融合模型），均需紧扣题目物理机理，禁止脱离物理规律的纯数据驱动模型：方案1（基础适配，保分核心）：经典物理机理模型+美赛适配改进点（如「非线性回归+物理守恒修正（贴合A题机理）」「灰色预测GM(1,1)+物理约束修正（避免预测结果违背物理规律）」「常微分方程（ODE）+参数灵敏度校准」），确保模型可解释、无逻辑漏洞。方案2（创新融合，冲奖关键）：机理模型+数据驱动模型组合（贴合A题趋势，如「微分方程模型+CNN图像识别（提取物理特征，如磨损图像的深度信息）」「物理过程建模（如扩散方程）+LSTM时序优化（校准动态参数）」「机理模型+随机森林（修正简化假设带来的误差）」），突出“机理定框架、数据提精度”。对每种模型需详细说明（适配美赛论文论述需求）：核心原理：用1段通俗语言描述，紧密结合题目对应的物理规律（如磨损力学、流体力学、热力学原理），明确模型与物理过程的对应关系。适配性：为何适合本题的物理过程，如何匹配题目给出的参数/数据特征，是否能满足题目约束条件（如物理参数范围限制）。创新点（美赛高奖关键）：与传统物理模型的差异，如何提升机理与数据的契合度（如引入动态参数、场景化修正项、多物理场耦合），说明该创新点对解题的实际价值（非形式化创新）。局限性与规避方案：可能存在的误差来源（如简化假设与实际物理过程的偏差、数据量不足的影响），结合A题特点给出规避/修正方案（如通过敏感性分析验证假设合理性）。可视化流程：用文字描述流程图（便于转化为论文图表），展示模型应用步骤，包含「物理过程抽象→参数量化→模型构建→数据校准→结果验证」的决策点（如「数据是否满足物理规律假设→是：用A模型；否：引入物理修正项，重新校准参数」），标注每个步骤的输出物（如公式、参数值、图表）。重新生成新的文档，请将上述生成的内容整理成文档，文档命名为【模型选择模块】数据处理阶段（强化A题“物理数据特性”适配）题目中提供的数据如下：【列出数据（含单位、维度）或标注附件，明确数据类型：如图像数据（磨损、扩散图像）、时序参数数据（随时间变化的物理量）、物理特性数据（材质、密度、粘度）、实验数据（多组对照数据）】。预处理方案（结合物理数据特性，避免脱离机理的数据处理）：缺失值：针对物理数据特性，说明采用「均值填充/线性插值/多项式插值/KNN填充」的依据（如时序物理参数用线性插值，符合连续变化规律；材质参数用均值填充，因波动较小），并给出处理后的数据（标注单位）。异常值：用「Z-score法/IQR法」检测异常值，核心结合物理规律说明保留/修正/删除的理由（如偏离能量守恒、质量守恒定律的异常值需删除；轻微偏离但符合随机误差范围的可修正），附检测结果描述（如箱线图的异常点位置及处理方式）。转换处理：说明是否需要标准化/归一化（如物理参数量纲差异大时需标准化，避免影响参数校准），给出转换公式及处理后的数据；若涉及图像数据（如磨损图像、扩散轨迹图像），需说明图像灰度化、降噪、特征提取的方法（如边缘检测提取磨损边界，转化为量化数据），确保提取的特征贴合物理意义。数据补充（A题常见需求）：若数据不足，严格区分「必须补充」（如题目隐含的物理参数、材质特性数据、标准物理常数）和「可选补充」（如提升模型精度的公开实验数据集），推荐美赛可落地的获取途径（如工程材料数据库、NASA公开数据集、相关物理实验文献）；若无法获取，需基于物理规律合理假设生成补充数据（详细标注假设依据，如参考某类材质的标准磨损系数，美赛允许合理假设但需论证）。代码中必须包含清晰的本地数据上传路径提示和清晰的处理完成的数据输出路径提示，使用醒目标注（如注释、变量名）指引学生替换为自己的本地数据路径；代码包含详细注释，标注每个步骤的目的、方法和参数含义；代码中最好包括数据可视化模块，包括数据预处理前的可视化分析和数据预处理后的可视化分析等，可视化分析要看是否有必须做，如有必要则在代码中包括，可视化分析图片质量要求比较高，美观性较强！将预处理完数据保存为通用格式（CSV优先，Matlab支持.mat格式）；同时提供多维度的预处理后的数据获取方式：直接展示处理后数据的前10行和后5行；提供多种虚拟下载链接（注明文件名称、大小、格式）；说明Python/Matlab代码中保存处理后数据到本地的方法和路径设置；提示学生如何验证处理后数据的完整性。总结整个数据预处理过程，形成数据预处理结论重新生成新的文档，请将上述生成的内容整理成文档，文档命名为【数据预处理模块】模型建立阶段（强化“物理机理-数学公式”衔接，适配美赛论文推导）先导要求：[以上述模型选择模块，各小问方案X为最终选择模型并进入模型建立部分]结合前面选择的模型和处理后的数据，详细说明各小问建立数学模型的完整步骤，重点突出物理机理与数学公式的强关联，符合美赛论文公式推导规范：变量定义：用表格明确「决策变量/中间变量/目标变量/参数」，标注变量类型（连续/离散）、单位、约束范围，详细说明变量对应的物理意义（如「W：磨损深度，单位mm，对应楼梯踏板长期受压后的材料损耗量，受接触压力与使用频率影响」），区分“已知参数”“校准参数”“假设参数”。假设条件：列出3-5个核心假设（基于物理过程简化需求，贴合A题特点），每个假设需说明合理性（如「忽略环境湿度对磨损的影响，因题目核心变量为使用频率，且湿度影响可通过常数项修正，同时参考相关文献验证该影响占比≤5%，简化假设可行」），避免无依据假设（美赛常见扣分点）。公式推导：分步骤推导模型核心公式（目标函数、约束方程、机理方程），每步标注物理意义（如「式(3)基于磨损力学Archard定律，将磨损深度与累计使用次数、接触压力关联，其中a为材质磨损系数，由实验数据校准得到」），推导过程需符合物理逻辑，公式标注规范（如下标、符号含义统一）。建模流程图：用文字描述「物理过程抽象→变量定义→公式推导→约束设定→目标确立→参数校准」的逻辑链，标注关键节点（如「此处需验证公式与物理守恒定律的一致性，确保无逻辑矛盾」「参数校准后需回代验证模型拟合度」），便于转化为美赛论文中的建模流程图。重新生成新的文档，请将上述生成的内容整理成文档，文档命名为【模型建立模块】模型求解阶段（强化代码落地与美赛可视化要求）先导要求：[上传处理完成后的数据]代码语言：[输入代码语言如Matlab、Python等]请基于我上传的处理后的真实数据，针对每个小问的模型，编写对应编程语言的源代码（适配团队编程基础），优先选择美赛中易调试、可复现的方法。求解步骤：按「数据输入→参数初始化（标注参数物理意义、取值范围、校准方法）→模型调用（如ODE求解器、拟合函数）→结果输出」分步骤说明，标注每个步骤的注意事项（如「物理参数α需在[0,1]范围内调试，符合材质硬度特性限制；求解ODE时需设置合理步长，避免数值振荡」）。代码实现（贴合团队基础，美赛可直接复用）：若零编程基础：提供可直接运行的完整代码（标注依赖库及安装命令，如Python的pipinstallscipy），包含详细注释（每段代码说明对应物理逻辑）、结果可视化模块，关键行注释说明「为何这么写」及对应的物理意义（如「此处用egrate.solve_ivp求解ODE，对应磨损过程的动态演化」）。若有编程基础/指定编程语言：代码需符合该语言规范，包含异常处理语句（如参数超出物理范围时的提示、数据读取失败的兼容处理）、参数校准模块，注释聚焦核心物理逻辑与建模思路。可视化分析（适配美赛论文图表要求）：根据物理过程特性选择对应图表（如磨损深度随时间变化的折线图、不同参数下的效果对比柱状图、模型预测值与实验数据的拟合图、参数敏感性热力图），图表需含规范标题、坐标轴标签（带单位）、图例、误差线（若有），图下标注关键结论（如「图3显示使用频率每增加10%，磨损深度增加0.2mm，符合Archard定律中磨损量与载荷正相关的规律，验证模型合理性」），满足美赛论文图表评分标准。请帮我生成一份单独的可直接生成上述问题求解中全部可视化图表的代码，代码无需借助任何本地数据上传，可直接在豆包平台运行，图表美观度较高，每个图表均有编号和图名，与问题求解部分生成的图表高度对应！按照上述建模步骤步骤，结合已上传的真实数据集运行代码得到相关结果，结果需要与题目要求高度对应，能够完成题目要求，并对各小问代码运行结果结合题目要求进行初步的解读和总结。重新生成新的文档，请将上述生成的内容整理成文档，文档命名为【模型求解模块】结果分析阶段（强化“物理意义+美赛论证”，避免纯数值解读）针对各小问的求解结果，给出详细的「基础分析」和「深层分析」，贴合美赛论文结果论述逻辑：基础分析：数值解读：直接说明结果的物理意义、工程/自然场景价值（如「最优解x=5表示每日使用500人次时，楼梯磨损深度为2.3mm，符合历史建筑保护的安全使用年限（≤3mm）要求」），而非仅罗列数值。统计描述：计算结果的均值、方差、极值、拟合优度（R²）、均方误差（MSE）等，说明数据分布特征与物理过程的匹配性（如「预测误差集中在±3%，R²=0.96，说明模型能准确反映实际磨损规律，拟合效果良好」）。深层分析（美赛高奖核心）：关联性：结果与题目约束、物理规律的匹配度（如「结果满足材质最大磨损阈值约束，且符合磨损速率与使用频率的正相关规律，无逻辑矛盾」），验证模型的合理性。敏感性分析（美赛必做）：分析2-3个关键物理参数（如材质磨损系数、接触压力）变化对结果的影响（如「当材质磨损系数k增加10%，磨损深度偏差5%，说明模型对材质参数较敏感，需通过实验精准测量该参数，提升模型可靠性」），附敏感性分析图表与结论。实际意义与延伸：结合题目背景提炼结论，关联实际应用场景（如「该模型可预测楼梯10年使用寿命内的磨损情况，为历史建筑的维护计划制定、使用频率管控提供数据支撑，具有实际工程价值」），提升论文深度。请将上述生成的内容整理成文档，文档命名为【结果分析模块】模型检验与改进阶段（强化美赛评分点，规避论文常见扣分点）有效性检验（A题核心检验方向）：方法：针对物理过程建模特点选择检验指标（如模型预测值与实验数据的均方误差MSE、拟合优度R²、残差分析、物理规律一致性检验），避免单一指标检验。代码与结果：提供检验代码（如「用5折交叉验证检验模型泛化能力，用残差分布图验证误差正态性」），输出检验结果并解读（如「平均MSE=0.02，小于阈值0.05，残差近似正态分布，模型拟合有效；同时结果满足质量守恒定律，物理逻辑成立」）。改进方向（体现建模思维完整性，美赛加分项）：若误差较大：说明可能的改进点（如「引入环境因素修正项、采用更精准的物理机理公式（如多物理场耦合方程）、增加实验数据量校准参数」），给出具体改进方案而非泛泛而谈。若假设不合理：提出修正方案（如「放松假设1，引入湿度影响因子，通过文献数据确定因子取值范围，使模型更贴合实际环境，提升适用性」）。鲁棒性分析（美赛必做，A题重点）：通