2023美赛O奖：C题论文翻译（5）.pdf

ProblemChosen2023TeamControlNumber

CMCM/ICM2309397

SummarySheet

揭开隐藏在世界结果中的秘密

摘要：自从《世界大战》成为一款流行的益智游戏以来，它积累了大量的数据。在本文中，我

们定义了一系列的指标，并建立了几个模型来探索世界结果中的隐藏信息。

首先，在对给定数据进行预处理并分析报告结果数量的时间序列图后，我们发现变化可以分为3

为了预测报道结果的数量，我们开发了一个基于ARIMABP的加权优化模型。

个阶段。和神经网络

然后使用自举方法给出预测区间。我们将此过程封装为基于自举的ARIMA-BP区间预测模型。因

23%水平下获得的区间预测值约为9504.74,20383.26)

此，我们最终预测20年3月1日在95置信(1。

然后，我们定义了单词的3个定性属性和4个定量属性，并使用它们与难度模式玩家的百分比

构建了一个多元线性回归模型。我们发现，当首字母从元音变为辅音时，该比例会平均下降0.618，

而单词内部距离每增加一个单位，该比例会平均增加0.017。

之后，我们基于LSTM模型对报告结果进行百分比分布预测。为了确保百分比在100%左右，我

们首先使用球坐标变换对分量数据进行处理。然后我们使用它们作为输出变量，将7个单词属性和

此基础上对E

结果数量作为输入来训练我们的LSTM模型。在EERI的预测为[2%，11%，25%，

24%19%14%5%]

，，，。我们改变了模型的参数，并加入了噪声来做灵敏度分析。同时，我们引入

COV来测量模型预测的不确定性，发现它在0.4左右。对于误差分析，我们使用MSE、RMSE和R2

to来衡量预测精度，它们的值如表7所示。

6:RDCTESKNFCNONHL

我们提取了个指标、、、、和来衡量单词的难度。我们基于这些指

GM聚类5个难EE这个

标构建了一个M模型，从而划分了度等级。我们将RIE词归类为难度级别

II。I

此外，通过统计每个字母在五个位置的出现频率，我们发现S作为首字母出现频率最高，更具

体的统计结果如表9所示。我们还使用了基于Apriori算法的关联规则模型来挖掘世界中的单词组合

模式。理想情况下，我们发现字母A,S,E和F,T,L通常在世界语言中一起出现。

最后，我们对模型进行了评估和完善，并在给《纽约时报》thePuzzleEditor的信中报告了这些

发现。

关键词：ARIMA-BP，LSTM，GMM，先验算法，Word属性

目录

揭开隐藏在世界结果中的秘密1

1介绍4

1.1背景4

2重述

1.问题4

1.3我们的工作4

2假设和注释5

3基于Bootstrap的ARIMA-BP区间预测模型5

3.1数据预处理5

A-BP的点预测6

3.2基于ARIM