2024年深圳杯东三省联赛数模竞赛A题代码改进-更加合理的结果

4月下旬深圳杯开赛后第二天就推出了完整版的论文,经过长达半个月大家再售后群的讨论分析,我们又重新对之前思路下写的代码进行了改进。本次改进的结果,我们特地参考了网上一些常见的火箭及其相关的级别分离高度:(我们的新计算结果与其高度重合)

深圳杯A题分享资料链接:链接:百度网盘 请输入提取码 提取码:sxjm

  1. 美国的“阿特拉斯 V”火箭:

    • 助推器分离:通常在飞行后约2分钟,大约在44公里(约144,000英尺)的高度分离。

    • 一级分离:约在飞行4分钟后,大约在100公里(约328,000英尺)的高度进行分离。

  2. 美国“猎鹰9”火箭:

    • 助推器分离(如果使用助推器):通常在飞行后2分半钟,约在高度50公里(约164,000英尺)。

    • 一级分离:在飞行约2分半到3分钟,大约在高度70公里(约230,000英尺)左右。

  3. 俄罗斯的“联盟”火箭:

    • 助推器分离:通常在飞行后2分钟,大约在高度45-50公里(约150,000-164,000英尺)。

    • 一级分离:大约在飞行2分半到3分钟,高度约105-120公里(约344,000-394,000英尺)。

  4. 欧洲的“阿丽亚娜5”火箭:

    • 助推器分离:大约在飞行2分钟后,高度约70公里(约230,000英尺)。

    • 一级分离:飞行时间约9分钟,大约在高度160公里(约525,000英尺)。

      本次更新我们又增加了三种问题一,一种问题二三,一种问题四的matlab代码。部分结果大家可以参考一下

以下为问题一改进后的三种代码其中一种:粘贴复制 可直接运行

% 初始化数据

data = [

    110.241, 27.204, 824, 100.767;

    110.780, 27.456, 727, 112.220;

    110.712, 27.785, 742, 188.020;

    110.251, 27.825, 850, 258.985;

    110.524, 27.617, 786, 118.443;

    110.467, 27.921, 678, 266.871;

    110.047, 27.121, 575, 163.024

];

% 距离换算因子(米)

lon_dist_per_deg = 111320;  % 经度每度的距离(m)

lat_dist_per_deg = 110574;  % 纬度每度的距离(m)

% 音速(米/秒)

c = 340;

% 转换经纬度到米

x = (data(:,1) - mean(data(:,1))) * lon_dist_per_deg;

y = (data(:,2) - mean(data(:,2))) * lat_dist_per_deg;

z = data(:,3);

t = data(:,4);

% 初始猜测

x0 = mean(x);

y0 = mean(y);

z0 = max(z);  % 使用最高的设备高程作为初始猜测

t0 = min(t);

% 非线性最小化设置

options = optimset('Display', 'iter', 'TolFun', 1e-6, 'TolX', 1e-6);

% 优化函数

objective = @(v) sum((sqrt((x-v(1)).^2 + (y-v(2)).^2 + (z-v(3)).^2) - c * (t - v(4))).^2);

% 添加高程非负约束

lb = [-Inf, -Inf, 0, -Inf];

ub = [Inf, Inf, Inf, Inf];

% 执行优化

[v, fval, exitflag, output] = fmincon(objective, [x0 y0 z0 t0], [], [], [], [], lb, ub, [], options);

% 将结果转换回经纬度和高程

final_lon = v(1) / lon_dist_per_deg + mean(data(:,1));

final_lat = v(2) / lat_dist_per_deg + mean(data(:,2));

final_z = v(3);

final_t = v(4);

% 结果输出

fprintf('音爆发生的经度: %f°, 纬度: %f°, 高程: %f m 和时间: %f s\n', final_lon, final_lat, final_z, final_t);

% 可视化

figure;

hold on;

scatter3(x, y, z, 'filled');

plot3(v(1), v(2), v(3), 'rp', 'MarkerSize', 15, 'MarkerFaceColor', 'r');

text(v(1), v(2), v(3), sprintf(' 音爆点\n(%.2f, %.2f, %.2f)', final_lon, final_lat, final_z), 'VerticalAlignment', 'bottom');

xlabel('X (meters)');

ylabel('Y (meters)');

zlabel('Z (meters)');

title('监测设备和音爆位置');

legend('监测设备位置', '计算得到的音爆位置');

grid on;

view(3);

hold off;

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/592565.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

c语言刷题——输出图案

1.输出用“*”组成的X形图案 题目:请打印用“*”组成的X形图案 描述: 多组输入,一个整数(2~20),表示输出的行数,也表示组成“X”的反斜线和正斜线的长度。 输出描述: 针对每行输…

【C语言】指针篇- 深度解析Sizeof和Strlen:热门面试题探究(5/5)

🌈个人主页:是店小二呀 🌈C语言笔记专栏:C语言笔记 🌈C笔记专栏: C笔记 🌈喜欢的诗句:无人扶我青云志 我自踏雪至山巅 文章目录 一、简单介绍Sizeof和Strlen1.1 Sizeof1.2 Strlen函数1.3 Sie…

零基础学习数据库SQL语句之查询表中数据的DQL语句

是用来查询数据库表的记录的语句 在SQL语句中占有90%以上 也是最为复杂的操作 最为繁琐的操作 DQL语句很重要很重要 初始化数据库和表 USE dduo;create table tb_emp(id int unsigned primary key auto_increment comment ID,username varchar(20) not null unique comment…

大语言模型中的第一性原理:Scaling laws

大语言模型的尺度定律在大语言模型的训练过程中起到了非常重要的作用。即使读者不参与大语言模型的训练过程,但了解大语言模型的尺度定律仍然是很重要的,因为它能帮助我们更好的理解未来大语言模型的发展路径。 1. 什么是尺度定律 尺度定律&#xff08…

stamps做sbas-insar,时序沉降图怎么画?

🏆本文收录于「Bug调优」专栏,主要记录项目实战过程中的Bug之前因后果及提供真实有效的解决方案,希望能够助你一臂之力,帮你早日登顶实现财富自由🚀;同时,欢迎大家关注&&收藏&&…

【跟我学RISC-V】(二)RISC-V的基础知识学习与汇编练习

写在前面: 这篇文章是跟我学RISC-V的第二期,是第一期的延续,第一期主要是带大家了解一下什么是RISC-V,是比较大体、宽泛的概念。这一期主要是讲一些基础知识,然后进行RISC-V汇编语言与c语言的编程。在第一期里我们搭建了好几个环…

WPF之绑定验证(错误模板使用)

1,前言: 默认情况下,WPF XAML 中使用的绑定并未开启绑定验证,这样导致用户在UI上对绑定的属性进行赋值时即使因不符合规范内部已抛出异常(此情况仅限WPF中的数据绑定操作),也被程序默认忽略&…

4.【Orangepi Zero2】Linux定时器(signal、setitimer),软件PWM驱动舵机(SG90)

Linux定时器(signal、setitimer),软件PWM驱动舵机(SG90) signalsetitimer示例 软件PWM驱动舵机(SG90) signal 详情请看Linux 3.进程间通信(shmget shmat shmdt shmctl 共享内存、si…

【计算机网络】循环冗余校验:Cyclic Redundancy Check

1. 任务目标 利用循环冗余校验(CRC)检测错误。 循环冗余校验(英语:Cyclic redundancy check,通称 CRC)是一种根据网上数据包或计算机文件等数据产生简短固定位数校验码的一种散列函数,主要用来…

智慧文旅展现文化新风貌,科技助力旅行品质升级:借助智慧技术,文旅产业焕发新生机,为旅行者带来更高品质的文化体验之旅

一、引言 在数字化、智能化的浪潮下,文旅产业正迎来前所未有的发展机遇。智慧文旅作为文旅产业与信息技术深度融合的产物,不仅为旅行者带来了全新的文化体验,也为文旅产业注入了新的活力。本文旨在探讨智慧文旅如何借助智慧技术展现文化新风…

C++:二叉搜索树的底层模拟实现

概念: 二叉搜索树又称二叉排序树,它或者是一棵空树,或者是具有以下性质的二叉树: 搜索二叉树的操作: int a[] {8, 3, 1, 10, 6, 4, 7, 14, 13};二叉搜索树需要满足左子树比根小,右子树比根大,…

Leetcode—1235. 规划兼职工作【困难】(upper_bound、自定义排序规则)

2024每日刷题&#xff08;125&#xff09; Leetcode—1235. 规划兼职工作 算法思想 实现代码 class Solution { public:int jobScheduling(vector<int>& startTime, vector<int>& endTime, vector<int>& profit) {int n startTime.size();vec…

循环神经网络完整实现(Pytorch 13)

一 循环神经网络的从零开始实现 从头开始基于循环神经网络实现字符级语言模型。 %matplotlib inline import math import torch from torch import nn from torch.nn import functional as F from d2l import torch as d2lbatch_size, num_steps 32, 35 train_iter, vocab …

(六)SQL系列练习题(下)#CDA学习打卡

目录 三. 查询信息 16&#xff09;检索"1"课程分数小于60&#xff0c;按分数降序排列的学生信息​ 17&#xff09;*按平均成绩从高到低显示所有学生的所有课程的成绩以及平均成绩 18&#xff09;*查询各科成绩最高分、最低分和平均分 19&#xff09;*按各科成绩…

PHP 反序列化

一、PHP 序列化 1、对象的序列化 <?php class people{public $nameGaming;private $NationLiyue;protected $Birthday12/22;public function say(){echo "老板你好呀&#xff0c;我是和记厅的镖师&#xff0c;叫我嘉明就行&#xff0c;要运货吗你&#xff1f;"…

手机恢复出厂设置ip地址会变吗

当我们对手机进行恢复出厂设置时&#xff0c;很多人会担心手机的IP地址是否会发生变化。IP地址对于手机的网络连接至关重要&#xff0c;它决定了手机在网络中的身份和位置。那么&#xff0c;手机恢复出厂设置后&#xff0c;IP地址到底会不会发生变化呢&#xff1f;虎观代理小二…

Jenkins docker部署springboot项目

1、创建jenkins容器 1&#xff0c;首先&#xff0c;我们需要创建一个 Jenkins 数据卷&#xff0c;用于存储 Jenkins 的配置信息。可以通过以下命令创建一个数据卷&#xff1a; docker volume create jenkins_data启动 Jenkins 容器并挂载数据卷&#xff1a; docker run -dit…

Python量化择时的技术指标函数

Python量化择时的技术指标函数 技术指标通过对原始数据&#xff08;开盘价、收盘价、最低价、最高价、成交量、成交金额、成交笔数&#xff09;的处理&#xff0c;来反映出市场的某一方面深层的内涵&#xff0c;这些内涵是很难通过原始数据直接看出来的。技术指标能客观地反映…

EXCEL怎样把筛选后含有公式的数据,复制粘贴到同一行的其它列?

自excel2003版之后&#xff0c;常规情况下&#xff0c;复制筛选后的数据&#xff0c;会忽略隐藏行&#xff0c;仅复制其筛选后的数据&#xff0c;粘贴则是粘贴到连续单元格区域&#xff0c;不管行是在显示状态还是隐藏状态。 一、初始数据&#xff1a; 二、题主的复制粘贴问题…

Codigger数据篇(下):数据安全的全方位保障

在数字化浪潮中&#xff0c;数据已成为现代企业的核心财富。Codigger作为领先的数据服务平台&#xff0c;深知数据安全对于用户的重要性&#xff0c;因此在深挖数据价值的同时&#xff0c;我们始终坚守数据安全防线。 一、双重加密技术保障 Codigger平台运用先进的加密通信和…