数学建模D题
2023年国赛数学建模d题
2023年国赛数学建模d题
以下是2023年国赛数学建模d题,供您参考:
1.一个自行车车队计划进行一次长途骑行,总路程为200公里。
每
个队员的骑行速度不同,车队的速度由最慢的队员决定。
假设车队中的队员骑行速度在5-15公里/小时之间均匀分布,请问车队完成整个骑行所需的最短时间是多少?
2.一家快递公司需要在规定时间内将货物送达目的地。
假设快递公
司有n辆卡车,每辆卡车的运输速度不同,且运输速度在v1到v2之间均匀分布。
如果将所有卡车按照其运输速度从慢到快排列,那么最慢的卡车将决定整个运输队伍的速度。
快递公司希望找到一种最优的卡车排列方式,使得整个运输队伍的平均运输速度达到最大。
请设计一个数学模型来解决这个问题。
3.一个公司有n个销售代表,每个销售代表每个月可以完成一定数
量的销售任务,且完成销售任务的数量在区间[a, b]之间均匀分布。
如果将所有销售代表按照其销售能力从低到高排列,那么销售能力最低的销售代表将决定整个销售团队的销售业绩。
公司希望找到一种最优的销售代表排列方式,使得整个销售团队的平均销售业绩达到最大。
请设计一个数学模型来解决这个问题。
4.一个城市有n个居民区,每个居民区的居民数量不同。
居民区之
间的距离也不同,且已知每个居民区到市中心的最短距离。
居民们可以选择不同的交通方式前往市中心,每种交通方式的费用和
时间也不同。
城市管理者希望找到一种最优的交通方式组合,使得所有居民到达市中心的总费用最小。
请设计一个数学模型来解决这个问题。
2023研究生数学建模竞赛d题
2023研究生数学建模竞赛d题摘要:一、引言1.2023年研究生数学建模竞赛背景2.题目D的概述二、题目D详细解析1.题目要求2.题目特点3.解题思路三、解题步骤1.数据收集与处理1.1 数据来源1.2 数据清洗1.3 数据预处理2.建立数学模型2.1 确定模型类型2.2 参数估计2.3 模型检验3.模型求解与优化3.1 求解方法3.2 结果分析3.3 模型优化4.模型应用与验证4.1 应用场景选择4.2 结果对比与分析4.3 模型验证四、结果与分析1.模型预测结果2.模型性能评估3.结果可靠性分析五、总结与展望1.题目D解决的意义2.不足与改进3.未来研究方向正文:随着科技的发展和数学应用的广泛性,数学建模竞赛越来越受到研究生的关注。
2023年研究生数学建模竞赛中,题目D引起了广大参赛者的兴趣。
本文将详细解析题目D,并给出解题思路和步骤,以期为大家提供实用的参考。
一、引言2023年研究生数学建模竞赛共有多个题目供参赛者选择,其中题目D以其实用性和挑战性吸引了众多选手。
题目D的概述如下:“某城市交通部门拟对市区范围内的交通流量进行监测与调控,以减轻拥堵现象。
现有历史数据表明,交通流量与时间、地点等因素有关。
请建立一个数学模型,预测未来某一时间段内的交通流量,并针对实际情况提出合理的调控策略。
”二、题目D详细解析1.题目要求题目D主要分为两部分:一是建立数学模型预测交通流量,二是提出合理的调控策略。
这就要求选手具备较强的数据分析能力和数学建模技能。
2.题目特点题目D的特点在于数据的真实性和复杂性。
选手需要处理大量的实时数据,考虑多种因素对交通流量的影響,如时间、地点、天气等。
此外,调控策略的提出需要结合实际交通状况,具有一定的挑战性。
3.解题思路针对题目D,我们可以采取以下步骤:(1)数据收集与处理:收集历史时间段内的交通数据,包括时间、地点、交通流量等信息。
对数据进行清洗、预处理,以便后续分析。
2023年中国研究生数学建模竞赛d题
2023年我国研究生数学建模竞赛D题专题一、选题背景2023年我国研究生数学建模竞赛是一项全国性的学术竞赛活动,旨在培养和锻炼研究生的数学建模能力,推动科学研究和创新发展。
本次竞赛D题的选题背景紧抠当前社会经济发展和科技进步的实际需求,旨在挑战参赛者的创新思维和综合应用能力,促进数学建模理论与实际问题的结合,推动数学科学的发展。
二、题目描述D题的题目是关于人口迁移模式和城市发展规划的研究。
随着城市化进程的加快和人口流动性的增强,人口迁移对城市发展和规划产生了深远影响。
本题要求参赛者运用数学模型、统计分析以及相关领域知识,研究城市人口迁移的规律和趋势,预测未来人口迁移的模式和规模,为城市规划和发展提供科学依据。
三、题目要求1. 分析当前城市人口迁移的主要模式和原因,包括城市间迁移、城市内部流动等。
2. 建立数学模型,考虑城市规模、经济发展水平、教育医疗资源、就业机会等因素,对人口迁移进行定量描述和预测。
3. 结合实际数据,对模型进行验证和调整,提高模型的准确性和可靠性。
4. 提出人口迁移对城市规划和发展的影响,以及可能的政策建议。
四、解题思路1. 了解当前城市人口迁移的主要模式和原因,包括人口流动的空间分布特征、人口流动的数量规模、人口流动的动态变化等。
2. 建立数学模型,对城市人口迁移进行定量分析和模拟,可以采用统计学方法、时空分析方法等。
3. 结合实际数据进行模型验证,对模型进行合理性和可行性测试,提高模型的适用性和普适性。
4. 提出人口迁移对城市规划和发展的影响,结合模型分析结果,给出相应的政策建议和发展方向。
五、参考资料1. 相关学术期刊和论文,了解国内外关于城市人口迁移的研究成果和方法。
2. 国家统计局等权威机构发布的有关城市人口迁移的统计数据和调查报告。
3. 城市规划和发展委员会的相关文件和政策,了解当前城市规划和发展的现状和趋势。
六、写作指南1. 在文章的概述部分,简要介绍城市人口迁移的背景和重要性,引出本题的研究意义和价值。
数学建模d题
数学建模d题
数学建模D题一般指数学建模竞赛中的D题,是难度较高的一类题目。
这
类题目要求参赛者具备扎实的数学基础、良好的建模能力和创新思维,以及较强的编程能力。
以2021年国赛D题为例,题目要求:
1. 建立评估水力压裂效果的评价指标;
2. 依据所建立的评价指标,对给定的压裂施工井的压裂效果进行评估;
3. 基于评估结果,给出改进建议。
对于这道题,参赛者需要综合运用数学、物理、工程等领域的知识,构建合理的数学模型,并对实际问题进行深入分析。
在建立评价指标时,需要考虑压裂施工对储层的影响、增产效果、裂缝形态等因素。
在评估压裂效果时,需要利用所建立的评价指标,对给定的压裂施工井进行实际数据分析和处理。
在给出改进建议时,需要根据评估结果,提出切实可行的优化方案。
总的来说,数学建模D题要求参赛者具备广泛的知识储备和综合运用能力,同时也需要具备创新思维和实际操作经验。
2023年数学建模竞赛d题
2023年数学建模竞赛d题
2023年数学建模竞赛D题是“确定联合国可持续发展目标的优先级”。
这道题要求探索17个可持续发展目标之间的关系,并针对题目要求进行问题分析。
具体来说,需要建立一个包含17个可持续发展目标之间关系的网络,阅读文献和分析17个可持续发展目标之间潜在的相互作用关系,组织成节点对之间的连接关系数据,然后可视化SDG1到SDG17这样一个17个节点的相互作用网络。
评估每个优先级的有效性也是必要的。
这是一道相对宽泛的话题,并没有标准答案,能够自圆其说、做好分析、画图精美、写好论文就行,拿奖很容易。
以上内容仅供参考,建议查阅数学建模竞赛官网获取更全面准确的信息。
全国大学生数学建模竞赛D题解析
汇报人:
CONTENTS
PRT ONE
PRT TWO
竞赛名称:全国大学生数学建模竞 赛
竞赛目的:培养大学生数学建模能 力提高解决实际问题的能力
添加标题
添加标题
竞赛级别:国家级
添加标题
添加标题
竞赛影响:促进大学生数学建模技 术的发展选拔优秀人才
竞赛起始于XXXX年 每年举办一次 参赛对象为全国大学生 竞赛目的是提高大学生数学建模能力和科技创新能力
组建合适的团队分工明确
制定详细的计划合理安排时间
充分准备所需的知识和技能
准备阶段:研究 题目收集资料建 立模型
实施阶段:编程 实现模拟实验优 化模型
总结阶段:撰写 论文整理思路提 炼经验
反思阶段:总结 得失分析原因改 进策略
赛题分析:对竞赛题目进行深入剖析明确解题思路和要点 经验教训:总结竞赛过程中遇到的问题和不足提出改进措施 团队协作:评估团队成员在竞赛中的表现和贡献提出优化建议 未来规划:根据竞赛经验和教训制定个人和团队未来的学习和发展计划
模型验证:通过对比实际数据和模型预测结果对模型的准确性和可靠性进行评估和改进
数据清洗:去除异常值、缺失值和重复值 数据筛选:根据需求筛选有效数据 数据转换:对数据进行必要的转换以适应分析需求 数据可视化:通过图表、图像等形式直观展示数据
确定问题类型和目 标函数
确定算法的输入和 输出
设计算法的流程图 和伪代码
培养团队协作精神 提升大学生数学应用能力
促进学科交叉融合
为国家和社会培养创新型人 才
PRT THREE
题目背景:全国大学生数学建模竞赛D题 题目要求:分析D题所涉及的数学建模方法和技巧 题目内容:对D题进行解析包括问题分析、模型建立、求解过程等 题目难度:对D题的难度进行评估并给出解题建议
数学建模d题2023
数学建模d题
以下是一个数学建模的D题示例:
题目:某公司生产工厂的运营管理问题
描述:某公司的生产工厂负责生产一种产品,并且需要考虑以下几个因素:
1. 生产成本:每单位产品的生产成本为C1,其中包括原材料成本、人工成本、设备维护等费用。
2. 产能限制:工厂的产能为M单位产品/年。
3. 销售价格:公司销售产品的价格为P1每单位。
4. 市场需求:市场每年对该产品的需求量为D单位。
问题:建立一个数学模型,确定工厂应该生产多少产品,以最大化利润。
解决思路和步骤:
1. 变量定义:
- X:工厂每年生产的产品数量。
- R:工厂每年实际销售的产品数量。
- Profit:工厂每年的利润。
2. 目标函数:
最大化利润,即Maximize Profit = (R * P1) - (X * C1)
3. 约束条件:
- R <= X (工厂生产的产品数量不会超过实际销售的数量)
- X <= M(工厂的产能限制)
- R = min(X, D) (实际销售的产品数量不会超过市场需求的数量)
4. 求解:
使用线性规划等数学方法,将目标函数和约束条件转化为数学模型,并求解最优解,即确定最佳的工厂生产数量和实际销售数量,以实现最大化利润的
目标。
这个数学模型可以帮助公司确定最佳的生产计划,使得生产量与市场需求相匹配,同时最大化利润。
根据实际情况,可以根据模型进行调整和优化。
2023年数学建模高教社杯d题
2023年高教社杯全国大学生数学建模竞赛题目(请先阅读“全国大学生数学建模竞赛论文格式规范”)D题圈养湖羊的空间利用率规模化的圈养养殖场通常根据牲畜的性别和生长阶段分群饲养,适应不同种类、不同阶段的牲畜对空间的不同要求,以保障牲畜安全和健康;与此同时,也要尽量减少空间闲置所造成的资源浪费。
在实际运营中,还需要考虑市场上饲料价格和产品销售价格的波动以及气候、疾病、种畜淘汰、更新等诸多复杂且关联的因素,但空间利用率是相对独立并影响养殖场经营效益的重要问题。
湖羊是国家级绵羊保护品种,具有早期生长快、性成熟早、四季发情并且可以圈养等优良特性。
湖羊养殖场通常建有若干标准羊栏,每一标准羊栏所能容纳的羊只数量由羊的性别、大小、生长阶段决定。
湖羊养殖的生产过程主要包括繁殖和育肥两大环节。
人工授精技术要求高,因此湖羊繁殖大多采用种公羊和基础母羊自然交配的方式。
怀孕母羊分娩后给羔羊哺乳,羔羊断奶后独立喂饲,育肥长成后出栏。
自然交配时将若干基础母羊与一只种公羊关在一个羊栏中,自然交配期约为3周,然后将种公羊移出。
受孕母羊的孕期约为5个月,每胎通常产羔2只。
母羊分娩后哺乳期通常控制在6周左右,断奶后将羔羊移至育肥羊栏喂饲。
一般情况下,羔羊断奶后经过7个月左右育肥就可以出栏。
母羊停止哺乳后,经过约3周的空怀休整期,一般会很快发情,可以再次配种。
按上述周期,正常情况下,每只基础母羊每2年可生产3胎。
在不考虑种公羊配种能力差异的情况下,种公羊与基础母羊一般按不低于1:50的比例配置。
种公羊和母羊在非交配期原则上不关在同一栏中。
某湖羊养殖场设置标准羊栏,规格是:空怀休整期每栏基础母羊不超过14只;非交配期的种公羊每栏不超过4只;自然交配期每栏1只种公羊及不超过14只基础母羊;怀孕期每栏不超过8只待产母羊;分娩后的哺乳期,每栏不超过6只母羊及它们的羔羊;育肥期每栏不超过14只羔羊。
原则上不同阶段的羊只不能同栏。
养殖场的经营管理者为保障效益,需要通过制定生产计划来优化养殖场的空间利用率。
2023陕西数学建模d题
2023陕西数学建模d题
以下是部分2023陕西数学建模d题:
1.数学建模中,选择适当的数学模型时,首先要考虑的是模型的( )
A. 精度
B. 复杂度
C. 适用性
D. 简洁性
2.在解决实际问题的数学建模过程中,通常需要收集数据来支持模型的建立和验
证。
以下哪项不是收集数据时需要注意的?
A. 数据来源的可靠性
B. 数据收集的成本
C. 数据的时效性
D. 数据的精确性
3.在建立数学模型时,为了简化问题,经常需要对变量进行假设。
以下哪项假设
是不合理的?
A. 假设所有人的身高都在1米到2米之间
B. 假设物体的运动遵循牛顿第二定律
C. 假设地球是一个完美的球体
D. 假设所有的数据都精确无误
4.在数学建模中,模型的验证是至关重要的。
以下哪项不是验证模型时常用的方
法?
A. 对比模拟结果与实际数据
B. 进行参数敏感性分析
C. 检验模型的预测能力
D. 对模型进行全面检查
5.在解决涉及时间变化的数学建模问题时,以下哪项不是常用的建模方法?
A. 常微分方程
B. 偏微分方程
C. 差分方程
D. 代数方程。
数学建模2023d题
数学建模2023d 题一、单选题1.“1<x <2”是“x <2”成立的A.充分不必要条件B.必要不充分条件C.充分必要条件D.既不充分也不必要条件 2.命题:00x ∃≤,20010x x -->的否定是( )A .0x ∀>,210x x --≤B .00x ∃>,20010x x -->C .00x ∃≤,20010x x --≤D .0x ∀≤,210x x --≤A.1B.2C.3D.123.某学校党支部评选了5份优秀学习报告心得体会(其中教师2份,学生3份),现从中随机抽选2份参展,则参展的优秀学习报告心得体会中,学生、教师各一份的概率是( )A .120B .35C .310D .9104.袋中有2个白球,2个黑球,若从中任意摸出2个,则至少摸出1个黑球的概率是( )A .16B .13C .34D .565.已知集合{}3,1,0,2,3,4A =--,{|0R B x x =≤或3}x >,则A B =( )A.∅B.{}3,1,0,4--C.{}2,3D.{}0,2,36.若命题甲:10x -=,命题乙:2lg lg 0x x -=,则命题甲是命题乙的( )A .充分非必要条件B .必要非充分条件C .充要条件D .非充分也非必要条件7.函数2x y +=的定义域为( )A .{|21}x x x >-≠且B .{|21}x x x ≥-≠且C .)[(21,1,)-⋃+∞D .)((21,1,)-⋃+∞8.在△ABC 中,角A ,B ,C 的对边分别为a ,b ,c ,若a =3,b =5,c =2acosA ,则cosA =( )A .13 B .24 C .33 D .639.已知函数()11f x x x =-,在下列区间中,包含()f x 零点的区间是( )A .14 ,12⎛⎫ ⎪⎝⎭B .12 ,1⎛⎫ ⎪⎝⎭C .(1,2)D .(2,3)10.定义区间[]()1212,x x x x <的长度为21x x -,已知函数||2x y =的定义域为[,]a b ,值域为[1,2],则区间[,]a b 的长度的最大值与最小值的差为( )11.2020年,一场突如其来的“肺炎”使得全国学生无法在春季正常开学,不得不在家“停课不停学”.为了解高三学生居家学习时长,从某校的调查问卷中,随机抽取n 个学生的调查问卷进行分析,得到学生可接受的学习时长频率分布直方图(如下图所示),已知学习时长在[9,11)的学生人数为25,则n 的值为( )A .40B .50C .80D .10012.已知角α的顶点与原点重合,始边与x 轴的非负半轴重合,终边在直线3y x =上,则sin 4πα⎛⎫+= ⎪⎝⎭( )A.25255 D.5二、填空题 13.25(0),()8(0).x x f x x x ⎧+≤⎪=⎨+>⎪⎩14.正方体的棱长扩大到原来的倍,其表面积扩大到原来的( )倍。
2023全国数学建模大赛d题解析
2023全国数学建模大赛d题解析2023全国数学建模大赛D题是一个关于场景优化问题的数学建模题目。
该题目要求我们针对给定的场景,设计一个最优的策略,使得整个系统的效益最大化。
在本文中,我们将对D题进行详细解析和讨论。
1. 题目背景和问题描述本题中,我们考虑一个城市的交通系统。
该城市由N个重要地点和M条道路组成。
每一条道路都有一个容量上限,表示该道路能承载的车辆数量。
此外,每个地点还有一个人流上限,表示该地点能容纳的人数。
我们的目标是通过调整道路流量和人流分布,使得整个系统的效益最大化。
2. 模型建立为了解决这个问题,我们可以建立基于图论和优化的数学模型。
首先,我们将地点和道路表示为一个有向图,其中地点为图的顶点,道路为图的边。
然后,我们引入变量表示每条道路上的车辆数量和每个地点的人流分布。
我们可以根据题目给定的限制条件,构建约束方程。
最后,我们定义目标函数,即整个系统的效益。
3. 约束条件在该题目中,我们可以根据题目给定的条件设定约束。
首先,每一条道路的车辆数量不能超过容量上限。
其次,每个地点的人流分布不能超过人流上限。
此外,我们还可以根据交通规则等条件进行限制。
4. 目标函数我们的目标是使得整个系统的效益最大化。
在实际中,我们可以根据不同的情况定义具体的效益函数。
例如,我们可以考虑最大化整个系统的运输能力,最小化交通拥堵程度或最大化人们的出行便利程度等。
在建立了约束条件和目标函数之后,我们可以利用优化算法进行求解。
常用的优化算法包括线性规划、整数规划、动态规划等。
根据实际情况选择合适的算法,并结合具体的数据进行求解。
5. 实例分析为了进一步说明问题,我们可以通过一个实例进行分析。
假设某个城市有5个地点和6条道路,每个地点的人流上限为100人,每条道路的容量为50辆。
我们可以根据题目给定的条件和我们建立的模型,计算出最优的策略,使得整个系统的效益最大化。
6. 结论和讨论通过对该题目的分析和求解,我们可以得出最优的策略,使得整个系统的效益最大化。
2024年全国研究生数学建模竞赛D题
2024年全国研究生数学建模竞赛D题标题:2024年全国研究生数学建模竞赛D题:大数据下的城市交通流量预测随着城市化进程的加速和智能交通系统的普及,城市交通流量预测成为了一个重要的研究领域。
在2024年的全国研究生数学建模竞赛中,D题即为“大数据下的城市交通流量预测”。
本文将根据竞赛要求,探讨如何利用大数据技术进行城市交通流量预测。
首先,我们需要明确文章的类型。
由于竞赛题目涉及数学建模和大数据分析,因此本文应属于分析性说明文。
在写作过程中,我们需要明确文章的主题,并围绕主题展开论述。
其次,我们需要梳理关键词。
本题的关键词包括:城市交通流量预测、大数据技术、数学建模、智能交通系统。
我们需要对这些关键词进行分类,并阐述它们之间的联系。
例如,我们可以将大数据技术和数学建模作为分析方法,将城市交通流量预测和智能交通系统作为研究对象。
接下来,我们需要展开论述。
在引言部分,我们可以简要介绍城市交通流量预测的重要性和大数据技术的优势。
接着,我们需要详细阐述如何利用大数据技术和数学建模方法进行城市交通流量预测。
例如,我们可以利用智能交通系统获取城市交通数据,然后通过数据清洗、预处理和特征提取等步骤,构建预测模型,并利用历史数据进行模型训练和测试。
最后,我们可以对预测结果进行评估和优化,以实现更好的预测效果。
在结论部分,我们需要总结文章的主要观点和结论。
例如,我们可以通过大数据技术和数学建模方法实现城市交通流量预测,这有助于城市交通管理和优化。
同时,我们也可以指出文章存在的不足和需要进一步研究的问题,例如如何提高预测的准确性和实时性等。
最后,我们需要对文章进行适当的修改和完善。
例如,我们可以检查文章的逻辑性和连贯性,修正语法和拼写错误,以提高文章的可读性和准确性。
总之,在2024年全国研究生数学建模竞赛D题中,我们需要充分利用大数据技术和数学建模方法,对城市交通流量进行预测。
通过深入分析和论述,我们可以实现这一目标,并为城市交通管理和优化提供有益的参考。
2023年数学建模d题问题一的数学模型湖羊圈养空间利用率
2023年数学建模d题问题一的数学模型湖羊圈养空间利用率在建立湖羊圈养空间利用率的数学模型之前,我们首先需要明确空间利用率的具体定义。
空间利用率通常是指单位空间内所承载的生物量或个体数量,它反映了空间利用的充分程度。
对于湖羊圈养系统,我们可以进一步细化为每平方米圈养湖羊的数量。
基础模型设定:设每平方米圈养湖羊数量为 (y)。
设湖羊的总数量为 (N)。
设总圈养面积为 (A) 平方米。
数学表达式:空间利用率 (y) 可以表示为:(y = \frac{N}{A})其中,(N) 是湖羊的总数量,(A) 是总圈养面积。
考虑实际情况的修正:在实际情况中,可能存在以下因素影响空间利用率:湖羊的活动空间需求:不同年龄、性别和生理状态的湖羊可能需要不同的活动空间。
这可以通过在模型中加入修正系数来实现。
饲养密度:饲养密度过高可能导致湖羊健康问题,降低其生长和繁殖能力,进而影响空间利用率。
饲养管理水平:良好的饲养管理可以提高湖羊的生长速度和存活率,间接提高空间利用率。
建筑设计:合理的圈养建筑设计可以最大化地利用空间。
例如,考虑采用多层圈养结构。
因此,实际的数学模型可能需要更复杂的表达式,如:(y = f(\frac{N}{A}, 管理水平, 建筑设计, 活动空间需求)) 模型的应用与优化:通过这个模型,我们可以评估现有湖羊圈养系统的空间利用率,并根据实际情况进行调整。
例如,如果发现空间利用率过低,可能需要增加饲养密度或改进饲养管理措施。
如果发现空间利用率过高,可能需要增加活动空间或优化建筑设计。
综上,要提高湖羊圈养的空间利用率,需要综合考虑多种因素,并利用数学模型进行模拟和优化。
2023高教杯数学建模d题
2023高教杯数学建模d题
2023年高教社杯全国大学生数学建模竞赛D题:
题目:国际快递服务中的包裹配送决策
问题描述:
国际快递服务中,一个重要的决策是如何选择最优的配送路径。
在配送过程中,存在许多因素需要考虑,如运输成本、运输时间、交通状况、天气等。
因此,制定一个有效的配送策略是至关重要的。
任务要求:
1. 根据所给数据,分析影响配送成本的主要因素。
2. 基于所给数据,构建数学模型,预测未来一周内的每日最优配送路线。
3. 基于所建模型,给出一种有效的配送策略,以优化总成本并减少总运输时间。
4. 根据所建模型和策略,预测未来一个月的快递需求量,并给出相应的配送方案。
5. 针对所给策略和方案,分析其可能存在的风险,并提出相应的应对措施。
题目给出的数据:
1. 不同路线上的配送成本(单位:元/公里)。
2. 不同路线的长度(单位:公里)。
3. 不同路线的交通状况(用数值表示,数值越大交通状况越差)。
4. 不同路线的天气状况(用数值表示,数值越大天气状况越差)。
5. 每日的快递需求量。
注:数据量较大,具体数据可从配套的Excel文件中获取。
23年华为杯数学建模d题
23年华为杯数学建模d题1、Matlab使用三维[R G B]来表示一种颜色,则黑色为()? [单选题] *A、[1 0 1]B、 [1 1 1]C、 [0 0 1]D、 [0 0 0](正确答案)2、下列属于物理模型的是:()? [单选题] *A、水箱中的舰艇(正确答案)B、分子结构图C、火箭模型D、电路图3、Matlab软件中,把二维矩阵按一维方式寻址时的寻址访问是按()?优先的。
[单选题] *A、行B、列(正确答案)C、对角线D、左上角4、下面哪个变量是正无穷大变量?()? [单选题] *A、 Inf(正确答案)B、 NaNC、 realmaxD、 Realmin5、下列不属于最优化理论的三大非经典算法的是:()? [单选题] *A、模拟退火法B、神经网络C、随机算法(正确答案)D、遗传算法6、矩阵(或向量)的范数是用来衡量矩阵(或向量)的()?的一个量。
[单选题] *A、维数大小(正确答案)B、元素的值的绝对值大小C、元素的值的整体差异程度D、所有元素的和7、关于Matlab的矩阵命令与数组命令,下列说法正确的是()? [单选题] *A、矩阵乘A*B是指对应位置元素相乘B、矩阵乘A、*B是指对应位置元素相乘(正确答案)C、数组乘A、*B是指对应位置元素相乘D、数组乘A*B是指对应位置元素相乘8、下列有关变量的命名不正确的是()? [单选题] *A、变量名区分大小写B、变量名必须是不含空格的单个词C、变量名最多不超过19个字符D、变量名必须以数字打头(正确答案)9、计算非齐次线性方程组AX=b的解可转化为计算矩阵X=A-1b,可以用Matlab 的命令()? [单选题] *A、左除命令x=A\b(正确答案)B、左除命令x=A/bC、右除命令x=A\bD、右除命令x=A/b10、Matlab命令a=[65 72 85 93 87 79 62 73 66 75 70];find(a>=70 & a<80)得到的结果为()? [单选题] *A、[72 79 73 75]B、[72 79 73 75 70]C、[2 6 8 10 11](正确答案)D、[0 1 0 0 0 1 0 1 0 1 1]11、生成5行4列,并在区间[1:10]内服从均分布的随机矩阵的命令是()? [单选题] *A、rand(5,4)*10B、rand(5,4,1,10)C、rand(5,D、+10 D、rand(5,4)*9+1(正确答案)12、关于矩阵上下拼接和左右拼接的方式中,下列描述是正确的是()? [单选题] *A、上下拼接的命令为C=[A, B],要求矩阵A, B的列数相同;B、左右拼接的命令为C=[A; B],要求矩阵A, B的行数相同;C、上下拼接的命令为C=[A; B],要求矩阵A, B的行数相同;D、左右拼接的命令为C=[A, B],要求矩阵A, B的行数相同。
2023华为杯数学建模d题解析
2023华为杯数学建模d题解析在数学建模比赛中,面对多变量系统的优化问题,往往需要结合实际情况和经验进行深度分析和合理求解。
而本次的d题——针对多个省份的气象环境数据进行统计分析,需要运用一定的统计分析和优化理论进行综合求解。
接下来,我们就一起详细解析d题的关键点和方法。
一、理解问题d题的任务是针对多个省份的气象环境数据,建立模型进行优化。
需要选择合适的变量、目标函数以及约束条件,并使用合适的算法进行求解。
首先,我们需要对各个省份的气象数据进行收集、整理和分析,了解各个变量的变化趋势和相关性。
在此基础上,确定最优化的目标,并考虑可能存在的约束条件。
二、分析变量在分析变量时,我们需要考虑各个省份的气象数据中的温度、湿度、风速等指标。
这些指标的变化趋势和相关性需要进行分析和建模。
同时,还需要考虑其他可能影响系统优化的变量,如降水量、日照时间等。
这些变量也需要进行合理的建模和预测。
三、建立模型在分析完变量之后,我们需要建立合适的数学模型来描述各个变量之间的关系。
常用的建模方法包括回归分析、时间序列分析、神经网络等。
在建立模型时,需要考虑到各个省份之间的差异性和特殊性,以及数据本身的噪声和不确定性。
四、选择算法在建立模型之后,我们需要选择合适的算法进行求解。
常用的优化算法包括梯度下降法、遗传算法、粒子群算法等。
在选择算法时,需要考虑问题的复杂性和约束条件,以及数据本身的特性。
根据实际情况,我们可以尝试不同的算法并进行比较和优化。
五、求解结果在选择合适的算法并进行求解之后,我们需要对结果进行分析和解释。
需要考虑到目标函数的优化程度、约束条件的满足情况以及各个变量的变化趋势和相关性等。
同时,还需要对结果进行合理的评估和解释,以便更好地指导实际应用。
六、总结经验在完成整个解题过程之后,我们需要对经验进行总结和归纳。
需要思考如何更好地收集和处理数据、如何建立更准确的数学模型以及如何选择更合适的优化算法等。
同时,还需要与其他参赛队伍进行交流和讨论,分享经验和教训,共同提高数学建模的能力和水平。
数维杯数学建模竞赛2023d题
【题目】数维杯数学建模竞赛2023D题【一、赛题背景】2023年数维杯数学建模竞赛是一项面向全球高中生的数学建模竞赛,旨在提高学生的数学建模能力,激发学生对数学和科学的兴趣。
本届竞赛设有多个题目,其中D题为本文重点讨论的题目。
【二、题目描述】D题的题目描述如下:某公司生产的产品在使用一段时间后可能会出现故障。
为了及时发现并解决这些故障,公司采用了一种检测方案,即每隔一段时间对产品进行一次检测。
假设产品出现故障的概率为p (0<p<1),若产品在某次检测中未出现故障,则下一次检测仍有可能发现故障;若产品在某次检测中出现故障,则下一次检测将不再进行。
现给定产品的使用寿命T,以及故障检测的时间间隔Δt,试设计一种检测方案,使得在给定的时间间隔内,最大限度地提高故障被检测到的概率。
【三、问题分析】根据题目描述,本题要求设计一种检测方案,以最大限度地提高故障被检测到的概率。
为了解决这个问题,需要从以下几个方面进行分析:1.确定故障检测的时间点。
根据产品的使用寿命T和故障检测的时间间隔Δt,需要确定何时进行检测,以最大程度地提高故障被检测到的概率。
2.建立模型。
在确定了故障检测的时间点之后,需要建立数学模型来描述故障被检测到的概率,从而进行优化设计。
3.设计最优方案。
根据建立的数学模型,需要设计一种最优的检测方案,使得在给定的时间间隔内,最大限度地提高故障被检测到的概率。
【四、模型建立】针对上述问题分析,我们首先介绍模型的建立。
1.确定故障检测的时间点。
根据题目描述,假设产品的使用寿命T为t,且故障检测的时间间隔Δt为Δt。
假设在时间点t=0时进行第一次检测,之后每隔Δt的时间进行一次检测。
产品将在时间点t=k*Δt(k为正整数)时进行第k次检测。
2.建立模型。
为了描述故障被检测到的概率,我们可以构建一个随机过程模型来描述产品在每次检测时是否出现故障。
假设产品在第k次检测时出现故障的概率为P(k),则我们可以得到如下递推关系式:P(k+1) = P(k)*(1-p)其中P(k)表示在第k次检测时,产品出现故障的概率,p表示产品故障的概率。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
数学建模D题储药柜的优化设计摘要储药柜采用横向隔板和竖向隔板交叉的形式形成了不同类型的储药槽,用以储存各种各样的药品。
为了保证药品分拣的准确率,防止发药错误,一个储药槽内只能摆放同一种药品。
因为药品种类的复杂性,为每一种药品都设计一款匹配的储药槽基本上是不可能的,而只用类型很少的较大的药槽来储存药品的话对于小型的药品来说又是浪费储存空间。
所以本文建模的目的就是要通过数学模型来找出最适合的储药柜大小类型,一方面满足储存多种类型药品的需要,一方面节省储存空间。
本文在建模的过程中主要运用了组距分组的思想,将不同大小规格的药品按照长宽高不同的要求分成不同的组别,采用一定的标准就规格相近的药品分为一类,再按照不同的排序方法进行排序,找出每一类中需要储存空间最大的一种药品,确定一种类型的储药槽规格,则该类药品都放在这样一个储药槽中。
本建模最重要的两个方面:一是确定分组标准,将给定的药盒分为不同的组别,我们主要采用了组距分组法;二是寻找优化方法,实现目标优化,找到既适合储存药品,又节省空间的方法,我们主要采用了寻找最大面积法。
此外,在数据分组中我们利用了Excel的数据处理能力,在对分组数据进行可视化处理的时候,又用了matlab进行了图形的绘制。
关键字:目标优化组距分组最大面积法问题重述储药柜的结构类似于书橱,通常由若干个横向隔板和竖向隔板将储药柜分割成若干个储药槽。
为保证药品分拣的准确率,防止发药错误,一个储药槽内只能摆放同一种药品。
药品从后端放入,从前端取出。
为保证药品在储药槽内顺利出入,要求药盒与两侧竖向隔板之间、与上下两层横向隔板之间应留2mm的间隙,同时还要求药盒在储药槽内推送过程中不会出现并排重叠、侧翻或水平旋转。
在忽略横向和竖向隔板厚度的情况下,建立数学模型,给出下面几个问题的解决方案。
1.药房内的盒装药品种类繁多,药盒尺寸规格差异较大,附件1中给出了一些药盒的规格。
请利用附件1的数据,给出竖向隔板间距类型最少的储药柜设计方案,包括类型的数量和每种类型所对应的药盒规格。
2. 药盒与两侧竖向隔板之间的间隙超出2mm的部分可视为宽度冗余。
增加竖向隔板的间距类型数量可以有效地减少宽度冗余,但会增加储药柜的加工成本,同时降低了储药槽的适应能力。
设计时希望总宽度冗余尽可能小,同时也希望间距的类型数量尽可能少。
仍利用附件1的数据,给出合理的竖向隔板间距类型的数量以及每种类型对应的药品编号。
3.考虑补药的便利性,储药柜的宽度不超过2.5m、高度不超过2m,传送装置占用的高度为0.5m,即储药柜的最大允许有效高度为1.5m。
药盒与两层横向隔板之间的间隙超出2mm的部分可视为高度冗余,平面冗余=高度冗余×宽度冗余。
在问题2计算结果的基础上,确定储药柜横向隔板间距的类型数量,使得储药柜的总平面冗余量尽可能地小,且横向隔板间距的类型数量也尽可能地少。
4. 附件2给出了每一种药品编号对应的最大日需求量。
在储药槽的长度为1.5m、每天仅集中补药一次的情况下,请计算每一种药品需要的储药槽个数。
为保证药房储药满足需求,根据问题3中单个储药柜的规格,计算最少需要多少个储药柜。
问题假设1.假设所给数据样本具有普遍的的代表性。
2. 假设药盒在推送过程中不会因为发生变形,影响结果。
3.假设药品体积最大时,其它比它体积小的药品都可装进问题分析问题一:首先,在这个问题中我们需要明确我们解决此问题的目的是要给出竖向隔板间距类型最少的储药柜设计方案,包括此类型的数量以及每种类型对应于那些规格的药品盒。
其次,我们再来分析我们需要怎么做。
第一,因为是给出竖向隔板之间的的储药柜设计方案,所以我们先只关注药品盒的宽度,利用Excel 的排序功能将药盒的宽度进行升序排序。
第二,我们要确定分组的标准,这就要利用题目中给出的三个条件:防并排重叠,防侧翻或水平旋转。
设n为药槽,药类型的总个数,i为类型的编号(i=1、2、……n),假设药槽的宽度为Wi盒的长为l i,宽为w i,高为ℎi。
则药盒并排重叠的临界值为:2w i-2,侧翻的临界值为:√ℎi2+w i2水平选转的临界值为:√l i2+w i2。
为了满足以上三个条件,设计出来的药槽的宽度必须小于等于三者中的最小值,利用Excel完成上述过程。
另外,要确定每一类的的药槽规格,可以找出此类中高与宽乘积最大的一种药盒,它的宽和高度即为此类中药槽的规格,即最大面积法。
在Excel中加入此项,并重新排序,得到答案。
问题二:参照问题一的思路,理解为竖向隔板间距类型最多的时候,我们能尽可能的保证总宽度的冗余尽可能的小。
与此同时我们又考虑到药盒与两侧竖向隔板之间的一个总宽度冗余尽可能最小,结合问题一得到的结果数据,对其的每个类型的宽度导入Matlab并用Matlab进行分组,从而取得合适的分组类型,将数据在Excel进行计算。
最后得到竖向隔板间距类型的数量和每种类型对应的药品编号。
问题三:根据问题要求,要使平面冗余尽可能的小。
我们可以利用假设一因素一定从而转求另一因素的方法来满足条件的要求。
根据问题二的结果,从一定的条件下,肯定了我们的方法及宽度冗余一定时可转求高度冗余的方法来求得结果使总平面冗余量尽可能的小。
所以我们将高度进行分组,从而确定储药柜的横向隔板间距。
结合题二的数据也就得到了单个储药柜的规格。
问题四:针对问题四,找出影响储药柜个数的主要因素,建立各因素之间的关系式,给出目标模型。
储药柜的增加可以归结为储药槽个数的增加,而导致储药槽的增加受储药柜长度和高度的影响,通过建立高度与储药柜个数的关系以及长度与储药柜个数的关系,找出最大值,并选取不小于该值的整数作为最优解。
符号说明:问题一模型的建立与求解:设并排重叠的临界值L1:2w i-2,侧翻的临界值L2:√ℎi2+w i2水平选转的临界值L3:√l i2+w i2。
药槽宽度W=Wi(i=1、2……n);w i+2≤ Wi ≤min {L1,L2,L3}目标函数是使得竖向间距类型最少,约束条件是使得药品放入槽内可以顺利推出,并且不会出现水平旋转、侧翻和并排重叠的现象。
防止水平旋转即,防止侧翻即,防止并排重叠,三种都必须防止,则必须小于等于三者的最小值。
用EXCEL处理附件1数据,得到图1可以看出,从12mm~18mm为第一类,药盒宽度在这区间的都属于这一类,当药盒宽度大于16mm,即药槽宽度大于18mm 时,进入下一个阶段,对应的药盒宽度为30mm,即药槽宽度为32mm,以此类推,得到最少需要的药槽类型数为4种,分别为18mm,32mm,43mm,57mm。
统计得到每一类的数量分别为217,1105,303,294.再计算出每一类中高与宽的乘积,并排序,如图2,找到每一类中面积最大的药盒,它们的高和宽再加上2mm就是药槽的规格。
得到的四种药盒如表1,从而确定出四种类型的高。
表1 得到的最少类型及数量如表2表2………………图1………………图2问题二模型的建立与求解:问题二是在问题一的基础上的进一步深入,故在问题一模型的四种类型的基础上,我们再进一步的考虑为使药盒与两侧竖向隔板之间的一个总宽度冗余尽可能最小,将原始数据导入Matlab中并筛选出四种类型的相关数据,并用Matlab将四种类型分别进行组距分组,根据通过Matlab对数据的分析与处理,我们将药品分成了16类,并找出了各类中体积最大的药品数据,然后根据药盒与两侧竖向隔板之间、上下两层横向隔板之间应留2mm的间隙,故加上各类型中宽和高的间隙,得到16种不同类型的药品柜格,如下表所示:统计之后每种类型的对应的药品编号如下表,最后,我们建立模型,根据各类中宽度冗余的临界值减去存在宽度冗余的宽度值的平均值,再乘以各类型中存在宽度冗余的宽度的数量,各类型中宽度冗余的总和就是储药柜的宽度冗余,其中为类型数,为各类中宽度冗余的临界值,为各类中存在宽度冗余的宽度值的平均值,为各类型中存在宽度冗余的宽度的数量有:最终得出宽度冗余为8354。
问题三模型的建立与求解:根据问题要求,得知储药柜的宽度不超过 2.5m(2500mm),有效高度不超过1.5m(1500mm),平面冗余= KR*GR∑==njjWMinV1∑==mkkHMinL1t s.}22,,min{22222-++≤≤+iiiiiiwwhwlWw15002≤≤+Hhi15001≤∑=mk kmH25001≤∑=nj jnW要求平面冗余最小,基于题二结果,宽度冗余一定则高度冗余越小,从而平面冗余就越小。
所以我们首先将原始数据中的高度提出来,然后利用Matlab 进行多次分组,以及分布的正态性检验和参数估计。
分组图分布的正态性检验然后选择用组中值来代表这组数据,最终得到了组数据,也就是确定了8种横向隔板间距类型。
再找出题二中16种竖向隔板间距类型所对应的横向隔板间距类型,从而就得到了单个储药柜的63种规格。
如下表。
并计算出高度冗余量为55468,而平面冗余高度冗余宽度冗余,则平面冗余量为445629912。
问题四模型的建立与求解:依据问题三中单个储药柜的规格,计算最少需要多少个储药柜。
我们可从问题三的模型中提取相关数据求出相关规格每种药品对应的体积。
从而求出每个药槽所能容纳的最大药盒数,再根据每个药盒规格的日最大需求量,最终算出药槽的个数。
然后用竖向隔板间距以及横向搁板间距类型作为限制条件筛选出每个药槽所能够装的最大盒数和没种药所能装的最大药槽数,从小往大依次装填。
结合问题三中所得的63种规格的药槽,我们通过对附件2的数据重新处理,得出各种药品所需的药槽数,以及各种药槽所需的总数,制成表7数据表示宽、高,如下,为了使药柜数量尽量小,可以考虑药槽降级使用,如只要满足药品高度不低于药槽高度的一半,高度为76的药品可以放入药槽高度为90,104等药槽中。
最后得到最少所需的储药柜数为12。
模型的评价优点:运用Excel和Matlab处理数据求解模型得到结果比较准确,可视化程度高。
缺点:在对数据进行分析时,分组方法的选择会较大影响分析结果,如果真的要应用到工程实际可能还需要进一步实际操作,优化模型。
附件数据处理表源文件药品编号长(mm) 高(mm) 宽(mm) 旋转临界值侧翻临界值并排临界值min(E,F,G) 高*第一类竖向间距类型W=18mm,共217个669 100 100 10 100.4987562 100.4987562 18 18 100 774 100 100 10 100.4987562 100.4987562 18 18 100 1352 100 100 10 100.4987562 100.4987562 18 18 100 1482 110 80 10 110.4536102 80.62257748 18 18 800 1908 100 70 10 100.4987562 70.71067812 18 18 700 1471 110 60 10 110.4536102 60.8276253 18 18 600 1785 112 62 11 112.5388822 62.96824597 20 20 682 909 80 61 11 80.75270893 61.98386887 20 20 671 1083 115 56 11 115.5248891 57.07013229 20 20 616 668 100 100 12 100.7174265 100.7174265 22 22 120 332 110 63 12 110.6526095 64.13267498 22 22 756 405 102 57 12 102.7034566 58.24946352 22 22 684 253 120 72 13 120.7021127 73.1641989 24 24 936255 120 71 13 120.7021127 72.18032973 24 24 923 254 120 70 13 120.7021127 71.19691005 24 24 910 471 127 64 13 127.6636205 65.30696747 24 24 832 1465 122 62 13 122.6906679 63.34824386 24 24 806 975 100 60 13 100.8414597 61.39218191 24 24 780 107 116 58 13 116.7261753 59.43904441 24 24 754 1032 94 53 13 94.89467846 54.5710546 24 24 689 603 120 76 14 120.8139065 77.27871635 26 26 106 1535 115 74 14 115.8490397 75.31268154 26 26 103 1082 110 73 14 110.8873302 74.33034374 26 26 102 1490 120 70 14 120.8139065 71.38627319 26 26 980 122 95 67 14 96.02603814 68.44705983 26 26 938 1179 106 67 14 106.9205312 68.44705983 26 26 938 87 135 66 14 135.7239846 67.46851117 26 26 924 348 118 66 14 118.8276062 67.46851117 26 26 924 456 112 66 14 112.8716085 67.46851117 26 26 924 1133 112 66 14 112.8716085 67.46851117 26 26 924 84 110 62 14 110.8873302 63.56099433 26 26 868 1486 122 62 14 122.8006515 63.56099433 26 26 868 274 109 60 14 109.8954048 61.6116872 26 26 840 1297 126 59 14 126.7753919 60.63827174 26 26 826 398 96 56 14 97.01546269 57.72347876 26 26 784 527 81 56 14 82.20097323 57.72347876 26 26 784 1367 110 56 14 110.8873302 57.72347876 26 26 784 197 98 55 14 98.99494937 56.75385449 26 26 770 923 96 55 14 97.01546269 56.75385449 26 26 770 1097 81 52 14 82.20097323 53.85164807 26 26 728 612 110 47 14 110.8873302 49.04079934 26 26 658 1071 110 47 14 110.8873302 49.04079934 26 26 658 476 105 46 14 105.9292217 48.08326112 26 26 644 881 106 46 14 106.9205312 48.08326112 26 26 644 1070 106 46 14 106.9205312 48.08326112 26 26 644 1336 76 44 14 77.27871635 46.17358552 26 26 616 61 65 43 14 66.49060084 45.22167622 26 26 602 1051 95 41 14 96.02603814 43.32435804 26 26 574 723 135 86 15 135.8307771 87.29833904 28 28 129 699 135 77 15 135.8307771 78.44743463 28 28 115 1200 117 77 15 117.9576195 78.44743463 28 28 115 1449 120 76 15 120.9338662 77.46612163 28 28 114 1594 115 75 15 115.974135 76.4852927 28 28 1121791 120 73 15 120.9338662 74.52516354 28 28 109 1792 130 73 15 130.8625233 74.52516354 28 28 109 620 120 72 15 120.9338662 73.54590403 28 28 108 834 117 72 15 117.9576195 73.54590403 28 28 108 1321 120 72 15 120.9338662 73.54590403 28 28 108 1464 122 72 15 122.9186723 73.54590403 28 28 108 1635 115 72 15 115.974135 73.54590403 28 28 108 4 91 71 15 92.2279784 72.56721023 28 28 106 151 106 71 15 107.0560601 72.56721023 28 28 106 372 136 71 15 136.8247054 72.56721023 28 28 106 505 120 71 15 120.9338662 72.56721023 28 28 106 775 127 71 15 127.8827588 72.56721023 28 28 106 934 100 71 15 101.1187421 72.56721023 28 28 106 1153 130 71 15 130.8625233 72.56721023 28 28 106 99 100 70 15 101.1187421 71.58910532 28 28 105 318 104 70 15 105.0761629 71.58910532 28 28 105 1092 120 70 15 120.9338662 71.58910532 28 28 105 1300 120 70 15 120.9338662 71.58910532 28 28 105 1519 130 70 15 130.8625233 71.58910532 28 28 105 1547 106 70 15 107.0560601 71.58910532 28 28 105 1603 128 70 15 128.8759093 71.58910532 28 28 105 1815 125 70 15 125.8967831 71.58910532 28 28 105 572 132 69 15 132.849539 70.61161378 28 28 103 1591 117 68 15 117.9576195 69.63476143 28 28 102 1887 136 68 15 136.8247054 69.63476143 28 28 102 303 125 67 15 125.8967831 68.65857558 28 28 100 1016 122 67 15 122.9186723 68.65857558 28 28 100 1022 117 67 15 117.9576195 68.65857558 28 28 100 1079 120 67 15 120.9338662 68.65857558 28 28 100 1080 111 67 15 112.0089282 68.65857558 28 28 100 1423 109 67 15 110.0272693 68.65857558 28 28 100 252 97 66 15 98.15294188 67.68308504 28 28 990 686 116 66 15 116.965807 67.68308504 28 28 990 687 115 66 15 115.974135 67.68308504 28 28 990 872 99 66 15 100.1299156 67.68308504 28 28 990 1177 114 66 15 114.9826074 67.68308504 28 28 990 1612 111 66 15 112.0089282 67.68308504 28 28 990 828 107 65 15 108.0462864 66.70832032 28 28 975 875 70 65 15 71.58910532 66.70832032 28 28 975 1100 110 65 15 111.0180166 66.70832032 28 28 975184 95 63 15 96.17692031 64.76109943 28 28 945 1466 120 63 15 120.9338662 64.76109943 28 28 945 539 116 62 15 116.965807 63.78871374 28 28 930 609 85 62 15 86.31338251 63.78871374 28 28 930 1081 101 62 15 102.1077862 63.78871374 28 28 930 1169 113 62 15 113.9912277 63.78871374 28 28 930 1540 110 62 15 111.0180166 63.78871374 28 28 930 928 120 61 15 120.9338662 62.8171951 28 28 915 80 116 60 15 116.965807 61.84658438 28 28 900 962 115 60 15 115.974135 61.84658438 28 28 900 1030 110 60 15 111.0180166 61.84658438 28 28 900 1370 96 60 15 97.16480844 61.84658438 28 28 900 1604 96 60 15 97.16480844 61.84658438 28 28 900 128 116 57 15 116.965807 58.94064811 28 28 855 1455 117 57 15 117.9576195 58.94064811 28 28 855 702 111 56 15 112.0089282 57.97413216 28 28 840 731 110 55 15 111.0180166 57.00877125 28 28 825 1827 105 55 15 106.0660172 57.00877125 28 28 825 1565 135 54 15 135.8307771 56.04462508 28 28 810 1751 85 51 15 86.31338251 53.16013544 28 28 765 557 137 50 15 137.8187215 52.20153254 28 28 750 1807 90 50 15 91.24143795 52.20153254 28 28 750 570 103 46 15 104.0865025 48.38388161 28 28 690 571 102 46 15 103.0970417 48.38388161 28 28 690 1307 92 46 15 93.21480569 48.38388161 28 28 690 1917 105 46 15 106.0660172 48.38388161 28 28 690 412 92 45 15 93.21480569 47.4341649 28 28 675 520 100 45 15 101.1187421 47.4341649 28 28 675 1335 92 45 15 93.21480569 47.4341649 28 28 675 120 65 44 15 66.70832032 46.4865572 28 28 660 862 127 112 16 128.0039062 113.137085 30 30 179 835 116 93 16 117.0982493 94.36630755 30 30 148 123 126 82 16 127.0118105 83.5463943 30 30 131 1212 125 82 16 126.0198397 83.5463943 30 30 131 1176 100 80 16 101.2719112 81.58431222 30 30 128 725 103 79 16 104.2353107 80.60397013 30 30 126 354 116 78 16 117.0982493 79.62411695 30 30 124 521 116 78 16 117.0982493 79.62411695 30 30 124 310 116 77 16 117.0982493 78.64477096 30 30 123 890 119 77 16 120.0708124 78.64477096 30 30 1231018 121 77 16 122.0532671 78.64477096 30 30 123 1369 126 77 16 127.0118105 78.64477096 30 30 123 1439 115 77 16 116.1077086 78.64477096 30 30 123 18 116 76 16 117.0982493 77.66595136 30 30 121 1072 111 76 16 112.1472247 77.66595136 30 30 121 851 120 75 16 121.0619676 76.68767828 30 30 120 1894 132 75 16 132.9661611 76.68767828 30 30 120 334 111 74 16 112.1472247 75.70997292 30 30 118 335 110 74 16 111.1575459 75.70997292 30 30 118 333 110 73 16 111.1575459 74.73285757 30 30 116 269 120 72 16 121.0619676 73.75635566 30 30 115 309 92 72 16 93.38094024 73.75635566 30 30 115 833 135 72 16 135.9448418 73.75635566 30 30 115 1188 116 72 16 117.0982493 73.75635566 30 30 115 1627 122 72 16 123.0447073 73.75635566 30 30 115 67 91 71 16 92.39588735 72.78049189 30 30 113 91 133 71 16 133.9589489 72.78049189 30 30 113 821 100 71 16 101.2719112 72.78049189 30 30 113 1171 100 71 16 101.2719112 72.78049189 30 30 113 1185 106 71 16 107.2007463 72.78049189 30 30 113 1553 112 71 16 113.137085 72.78049189 30 30 113 515 120 70 16 121.0619676 71.80529228 30 30 112 718 117 70 16 118.0889495 71.80529228 30 30 112 855 96 70 16 97.32420048 71.80529228 30 30 112 891 107 70 16 108.1896483 71.80529228 30 30 112 1258 121 70 16 122.0532671 71.80529228 30 30 112 1680 107 70 16 108.1896483 71.80529228 30 30 112 1710 106 70 16 107.2007463 71.80529228 30 30 112 34 120 69 16 121.0619676 70.83078427 30 30 110 853 116 69 16 117.0982493 70.83078427 30 30 110 317 138 68 16 138.9244399 69.85699679 30 30 108 384 110 68 16 111.1575459 69.85699679 30 30 108 1592 117 68 16 118.0889495 69.85699679 30 30 108 312 124 67 16 125.0279969 68.8839604 30 30 107 1004 102 67 16 103.247276 68.8839604 30 30 107 1172 116 67 16 117.0982493 68.8839604 30 30 107 1173 127 67 16 128.0039062 68.8839604 30 30 107 1364 106 67 16 107.2007463 68.8839604 30 30 107 111 106 66 16 107.2007463 67.91170739 30 30 105 241 120 66 16 121.0619676 67.91170739 30 30 105396 110 66 16 111.1575459 67.91170739 30 30 105 685 115 66 16 116.1077086 67.91170739 30 30 105 806 106 66 16 107.2007463 67.91170739 30 30 105 1132 90 66 16 91.41115906 67.91170739 30 30 105 1278 125 66 16 126.0198397 67.91170739 30 30 105 1298 108 66 16 109.1787525 67.91170739 30 30 105 1698 100 66 16 101.2719112 67.91170739 30 30 105 1797 127 66 16 128.0039062 67.91170739 30 30 105 1918 115 66 16 116.1077086 67.91170739 30 30 105 97 94 65 16 95.35197953 66.94027188 30 30 104 112 106 65 16 107.2007463 66.94027188 30 30 104 1470 106 64 16 107.2007463 65.96969001 30 30 102 871 98 63 16 99.2975327 65 30 30 100 392 111 62 16 112.1472247 64.03124237 30 30 992 472 100 62 16 101.2719112 64.03124237 30 30 992 857 96 62 16 97.32420048 64.03124237 30 30 992 1652 121 62 16 122.0532671 64.03124237 30 30 992 780 90 61 16 91.41115906 63.0634601 30 30 976 1195 110 61 16 111.1575459 63.0634601 30 30 976 1204 100 61 16 101.2719112 63.0634601 30 30 976 1272 95 61 16 96.33794683 63.0634601 30 30 976 1618 117 61 16 118.0889495 63.0634601 30 30 976 434 90 60 16 91.41115906 62.09669879 30 30 960 866 115 60 16 116.1077086 62.09669879 30 30 960 950 105 60 16 106.212052 62.09669879 30 30 960 1441 98 60 16 99.2975327 62.09669879 30 30 960 1069 110 59 16 111.1575459 61.13100686 30 30 944 717 105 58 16 106.212052 60.16643583 30 30 928 784 100 58 16 101.2719112 60.16643583 30 30 928 927 100 55 16 101.2719112 57.28001397 30 30 880 117 110 52 16 111.1575459 54.40588203 30 30 832 697 94 52 16 95.35197953 54.40588203 30 30 832 953 91 52 16 92.39588735 54.40588203 30 30 832 525 127 51 16 128.0039062 53.45091206 30 30 816 298 107 50 16 108.1896483 52.49761899 30 30 800 62 106 48 16 107.2007463 50.59644256 30 30 768 360 103 47 16 104.2353107 49.64876635 30 30 752 922 105 46 16 106.212052 48.70318265 30 30 736 954 100 46 16 101.2719112 48.70318265 30 30 736 1023 103 46 16 104.2353107 48.70318265 30 30 7361296 110 46 16 111.1575459 48.70318265 30 30 736 576 110 44 16 111.1575459 46.81879964 30 30 704 1629 70 43 16 71.80529228 45.88027899 30 30 688 230 120 42 16 121.0619676 44.94441011 30 30 672第二类竖向间距类型W=32mm,共1105个0 1898 133 120 30 136.341483 123.6931688 58 58 360 1313 130 111 29 133.1953453 114.72576 56 56 321 592 131 112 26 133.555232 114.9782588 50 50 291 382 130 96 30 133.4166406 100.5783277 58 58 288 783 138 93 30 141.2232276 97.71898485 58 58 279 1663 137 97 27 139.6352391 100.6876358 52 52 261 604 127 86 30 130.4952106 91.08238029 58 58 258 777 130 92 28 132.9812017 96.16652224 54 54 257 1154 125 84 30 128.5496013 89.19641248 58 58 252 1496 121 85 29 124.4266852 89.81091248 56 56 246 1706 135 85 29 138.0796871 89.81091248 56 56 246 127 115 82 30 118.8486432 87.31551981 58 58 246 1563 110 82 30 114.0175425 87.31551981 58 58 246 1704 130 82 30 133.4166406 87.31551981 58 58 246 844 131 90 27 133.7535046 93.96275858 52 52 243 980 130 90 27 132.7742445 93.96275858 52 52 243 1267 130 90 27 132.7742445 93.96275858 52 52 243 1269 130 90 27 132.7742445 93.96275858 52 52 243 1270 130 90 27 132.7742445 93.96275858 52 52 243 1396 131 90 27 133.7535046 93.96275858 52 52 243 924 121 81 30 124.6635472 86.37708029 58 58 243 1005 113 80 30 116.9144987 85.44003745 58 58 240 1248 120 80 30 123.6931688 85.44003745 58 58 240 1271 122 80 30 125.6343902 85.44003745 58 58 240 1506 130 80 30 133.4166406 85.44003745 58 58 240 1675 130 80 30 133.4166406 85.44003745 58 58 240 1676 131 80 30 134.39122 85.44003745 58 58 240 1705 130 80 30 133.4166406 85.44003745 58 58 240 1373 130 82 29 133.1953453 86.97700846 56 56 237 567 123 79 30 126.6056871 84.50443775 58 58 237 776 116 87 27 119.1007976 91.0933587 52 52 234 1268 130 90 26 132.5745074 93.68030743 50 50 234 1356 136 90 26 138.4629914 93.68030743 50 50 234 102 128 80 29 131.2440475 85.0940656 56 56 232 1555 117 77 30 120.7849328 82.63776376 58 58 2311779 130 77 30 133.4166406 82.63776376 58 58 231 1366 92 85 27 95.8801335 89.18520057 52 52 229 504 128 79 29 131.2440475 84.1546196 56 56 229 1503 131 79 29 134.171532 84.1546196 56 56 229 1878 131 88 26 133.555232 91.76055798 50 50 228 1235 105 76 30 109.2016483 81.70679286 58 58 228 1442 128 76 30 131.4686274 81.70679286 58 58 228 1859 126 76 30 129.5221989 81.70679286 58 58 228 961 130 84 27 132.7742445 88.23264702 52 52 226 480 116 75 30 119.8165264 80.77747211 58 58 225 481 116 75 30 119.8165264 80.77747211 58 58 225 1073 104 75 30 108.240473 80.77747211 58 58 225 1689 127 75 30 130.4952106 80.77747211 58 58 225 1858 125 75 30 128.5496013 80.77747211 58 58 225 1861 125 75 30 128.5496013 80.77747211 58 58 225 1863 125 75 30 128.5496013 80.77747211 58 58 225 1904 125 75 30 128.5496013 80.77747211 58 58 225 1758 132 112 20 133.5065541 113.7717012 38 38 224 1811 122 80 28 125.1718818 84.7584804 54 54 224 740 131 82 27 133.7535046 86.33075929 52 52 221 1375 138 82 27 140.6164997 86.33075929 52 52 221 1410 138 82 27 140.6164997 86.33075929 52 52 221 466 128 79 28 131.0267148 83.81527307 54 54 221 28 131 76 29 134.171532 81.34494453 56 56 220 374 105 76 29 108.9311709 81.34494453 56 56 220 1595 131 76 29 134.171532 81.34494453 56 56 220 1029 130 110 20 131.5294644 111.8033989 38 38 220 960 108 73 30 112.0892502 78.92401409 58 58 219 1382 120 73 30 123.6931688 78.92401409 58 58 219 1139 136 81 27 138.6542462 85.38149682 52 52 218 1500 120 84 26 122.7843638 87.93179175 50 50 218 1427 128 78 28 131.0267148 82.87339742 54 54 218 29 130 75 29 133.1953453 80.41144197 56 56 217 69 131 80 27 133.7535046 84.43340571 52 52 216 489 130 80 27 132.7742445 84.43340571 52 52 216 1655 130 80 27 132.7742445 84.43340571 52 52 216 1668 130 80 27 132.7742445 84.43340571 52 52 216 1732 139 72 30 142.2005626 78 58 58 216 1544 133 83 26 135.5175265 86.97700846 50 50 215 373 106 77 28 109.6357606 81.93289938 54 54 215815 132 107 20 133.5065541 108.853112 38 38 214 1501 130 82 26 132.5745074 86.02325267 50 50 213 1806 105 76 28 108.6692229 80.99382693 54 54 212 1008 122 85 25 124.5351356 88.60022573 48 48 212 1024 136 85 25 138.2787041 88.60022573 48 48 212 1261 135 85 25 137.2953022 88.60022573 48 48 212 1146 117 106 20 118.6970935 107.8702925 38 38 212 887 120 81 26 122.7843638 85.07055895 50 50 210 1308 126 81 26 128.6545763 85.07055895 50 50 210 1447 135 81 26 137.4809078 85.07055895 50 50 210 1671 130 81 26 132.5745074 85.07055895 50 50 210 1874 136 81 26 138.4629914 85.07055895 50 50 210 76 120 78 27 123 82.54089895 52 52 210 22 105 70 30 109.2016483 76.15773106 58 58 210 291 94 70 30 98.67117107 76.15773106 58 58 210 1193 110 70 30 114.0175425 76.15773106 58 58 210 1619 120 70 30 123.6931688 76.15773106 58 58 210 193 127 91 23 129.0658747 93.86160024 44 44 209 1421 135 91 23 136.9452445 93.86160024 44 44 209 633 128 110 19 129.4024729 111.6288493 36 36 209 393 130 80 26 132.5745074 84.11896338 50 50 208 926 127 77 27 129.838361 81.59656856 52 52 207 1774 110 77 27 113.2651756 81.59656856 52 52 207 850 125 71 29 128.3199127 76.69419796 56 56 205 837 132 82 25 134.3465668 85.72630868 48 48 205 1570 135 82 25 137.2953022 85.72630868 48 48 205 1657 126 82 25 128.4562182 85.72630868 48 48 205 1446 134 89 23 135.9595528 91.92388155 44 44 204 1892 131 78 26 133.555232 82.21921916 50 50 202 1572 125 81 25 127.4754878 84.77027781 48 48 202 1659 125 81 25 127.4754878 84.77027781 48 48 202 1662 125 81 25 127.4754878 84.77027781 48 48 202 246 104 75 27 107.4476617 79.71198153 52 52 202 1443 117 75 27 120.0749766 79.71198153 52 52 202 1493 130 75 27 132.7742445 79.71198153 52 52 202 683 128 101 20 129.5530779 102.9611577 38 38 202 37 132 72 28 134.9370223 77.25283166 54 54 201 562 120 67 30 123.6931688 73.40980861 58 58 201 746 91 67 30 95.81753493 73.40980861 58 58 201 1124 103 67 30 107.2800075 73.40980861 58 58 2011143 104 67 30 108.240473 73.40980861 58 58 201 627 130 77 26 132.5745074 81.27115109 50 50 200 1381 125 77 26 127.6753696 81.27115109 50 50 200 1357 108 100 20 109.8362417 101.9803903 38 38 200 741 130 80 25 132.3820229 83.81527307 48 48 200 1390 125 80 25 127.4754878 83.81527307 48 48 200 1658 130 80 25 132.3820229 83.81527307 48 48 200 1669 130 80 25 132.3820229 83.81527307 48 48 200 1812 122 80 25 124.5351356 83.81527307 48 48 200 352 130 90 22 131.8483978 92.64987858 42 42 198 1916 101 66 30 105.3612832 72.49827584 58 58 198 282 118 76 26 120.8304597 80.32434251 50 50 197 654 130 76 26 132.5745074 80.32434251 50 50 197 883 120 76 26 122.7843638 80.32434251 50 50 197 1516 126 76 26 128.6545763 80.32434251 50 50 197 1545 106 76 26 109.1421092 80.32434251 50 50 197 1246 116 79 25 118.6633895 82.86132994 48 48 197 1434 120 73 27 123 77.83315489 52 52 197 1436 120 73 27 123 77.83315489 52 52 197 721 131 82 24 133.1803289 85.44003745 46 46 196 1448 130 82 24 132.196823 85.44003745 46 46 196 1407 128 70 28 131.0267148 75.3923073 54 54 196 1454 110 70 28 113.507709 75.3923073 54 54 196 1674 133 85 23 134.9740716 88.05679985 44 44 195 331 80 78 25 83.81527307 81.90848552 48 48 195 343 80 78 25 83.81527307 81.90848552 48 48 195 134 116 75 26 118.8780888 79.37883849 50 50 195 560 120 65 30 123.6931688 71.58910532 58 58 195 561 120 65 30 123.6931688 71.58910532 58 58 195 563 120 65 30 123.6931688 71.58910532 58 58 195 651 97 65 30 101.5332458 71.58910532 58 58 195 929 90 65 30 94.86832981 71.58910532 58 58 195 1283 120 65 30 123.6931688 71.58910532 58 58 195 1856 126 65 30 129.5221989 71.58910532 58 58 195 1866 120 65 30 123.6931688 71.58910532 58 58 195 1900 120 65 30 123.6931688 71.58910532 58 58 195 1901 120 65 30 123.6931688 71.58910532 58 58 195 44 128 81 24 130.2305648 84.48076704 46 46 194 100 128 81 24 130.2305648 84.48076704 46 46 194 1180 111 81 24 113.5649594 84.48076704 46 46 1941240 130 81 24 132.196823 84.48076704 46 46 194 1247 128 81 24 130.2305648 84.48076704 46 46 194 1875 130 81 24 132.196823 84.48076704 46 46 194 1688 126 72 27 128.8603896 76.89603371 52 52 194 1239 120 67 29 123.454445 73.00684899 56 56 194 194 115 77 25 117.686023 80.95677859 48 48 192 663 111 77 25 113.7804904 80.95677859 48 48 192 1479 125 77 25 127.4754878 80.95677859 48 48 192 1646 137 77 25 139.2623424 80.95677859 48 48 192 114 115 74 26 117.9025021 78.4346862 50 50 192 101 128 80 24 130.2305648 83.52245207 46 46 192 119 127 80 24 129.247824 83.52245207 46 46 192 716 130 80 24 132.196823 83.52245207 46 46 192 1047 120 80 24 122.3764683 83.52245207 46 46 192 1523 128 80 24 130.2305648 83.52245207 46 46 192 1558 128 80 24 130.2305648 83.52245207 46 46 192 579 132 64 30 135.3661701 70.68238819 58 58 192 621 120 64 30 123.6931688 70.68238819 58 58 192 1345 98 64 30 102.4890238 70.68238819 58 58 192 1752 98 64 30 102.4890238 70.68238819 58 58 192 1753 97 64 30 101.5332458 70.68238819 58 58 192 597 102 71 27 105.5130324 75.96051606 52 52 191 1893 110 71 27 113.2651756 75.96051606 52 52 191 722 127 87 22 128.8914272 89.73850901 42 42 191 1794 125 66 29 128.3199127 72.09022125 56 56 191 33 132 91 21 133.6600165 93.39164845 40 40 191 248 118 83 23 120.2206305 86.127812 44 44 190 949 121 83 23 123.1665539 86.127812 44 44 190 1401 135 95 20 136.4734406 97.08243919 38 38 190 626 125 76 25 127.4754878 80.00624976 48 48 190 738 126 76 25 128.4562182 80.00624976 48 48 190 1324 125 76 25 127.4754878 80.00624976 48 48 190 1341 125 76 25 127.4754878 80.00624976 48 48 190 377 115 86 22 117.0854389 88.76936408 42 42 189 315 125 70 27 127.8827588 75.02666193 52 52 189 590 95 70 27 98.762341 75.02666193 52 52 189 1038 120 70 27 123 75.02666193 52 52 189 1140 115 70 27 118.1270502 75.02666193 52 52 189 970 130 63 30 133.4166406 69.7782201 58 58 189 1302 129 111 17 130.1153335 112.2942563 32 32 188764 130 82 23 132.018938 85.16454661 44 44 188 793 130 82 23 132.018938 85.16454661 44 44 188 1445 130 82 23 132.018938 85.16454661 44 44 188 1649 138 82 23 139.9035382 85.16454661 44 44 188 1681 135 82 23 136.9452445 85.16454661 44 44 188 1289 120 65 29 123.454445 71.1758386 56 56 188 1498 110 67 28 113.507709 72.61542536 54 54 187 281 116 75 25 118.6633895 79.0569415 48 48 187 1633 125 75 25 127.4754878 79.0569415 48 48 187 1679 130 75 25 132.3820229 79.0569415 48 48 187 1755 116 75 25 118.6633895 79.0569415 48 48 187 1819 126 75 25 128.4562182 79.0569415 48 48 187 1820 125 75 25 127.4754878 79.0569415 48 48 187 1162 117 72 26 119.8540779 76.55063684 50 50 187 1435 120 72 26 122.7843638 76.55063684 50 50 187 1641 131 72 26 133.555232 76.55063684 50 50 187 1726 120 72 26 122.7843638 76.55063684 50 50 187 971 130 110 17 131.1068267 111.3058848 32 32 187 1111 126 110 17 127.1416533 111.3058848 32 32 187 137 137 89 21 138.6001443 91.44397192 40 40 186 653 137 81 23 138.9172416 84.20213774 44 44 186 728 131 81 23 133.0037593 84.20213774 44 44 186 301 127 69 27 129.838361 74.09453421 52 52 186 36 97 62 30 101.5332458 68.87670143 58 58 186 874 115 64 29 118.6001686 70.26378868 56 56 185 575 112 66 28 115.4469575 71.69379332 54 54 184 1014 125 71 26 127.6753696 75.61084578 50 50 184 1189 105 71 26 108.1711607 75.61084578 50 50 184 1528 112 71 26 114.9782588 75.61084578 50 50 184 1254 136 92 20 137.4627222 94.14881837 38 38 184 408 137 80 23 138.9172416 83.24061509 44 44 184 580 137 80 23 138.9172416 83.24061509 44 44 184 1467 135 80 23 136.9452445 83.24061509 44 44 184 1569 125 80 23 127.0983871 83.24061509 44 44 184 1583 125 80 23 127.0983871 83.24061509 44 44 184 1876 136 80 23 137.9311422 83.24061509 44 44 184 676 101 61 30 105.3612832 67.9779376 58 58 183 1147 126 61 30 129.5221989 67.9779376 58 58 183 795 130 83 22 131.8483978 85.86617495 42 42 182 796 130 83 22 131.8483978 85.86617495 42 42 1821 120 76 24 122.3764683 79.69943538 46 46 182 222 136 76 24 138.101412 79.69943538 46 46 182 751 136 76 24 138.101412 79.69943538 46 46 182 1880 130 76 24 132.196823 79.69943538 46 46 182 1025 116 70 26 118.8780888 74.67261881 50 50 182 732 125 65 28 128.097619 70.77428912 54 54 182 1288 120 65 28 123.2233744 70.77428912 54 54 182 1358 120 65 28 123.2233744 70.77428912 54 54 182 1723 130 86 21 131.6852308 88.52683209 40 40 180 730 132 82 22 133.8207757 84.89994111 42 42 180 1660 130 82 22 131.8483978 84.89994111 42 42 180 378 104 75 24 106.7333125 78.74642849 46 46 180 1207 105 75 24 107.7079384 78.74642849 46 46 180 239 124 72 25 126.4950592 76.21679605 48 48 180 81 130 60 30 133.4166406 67.08203932 58 58 180 559 120 60 30 123.6931688 67.08203932 58 58 180 1312 123 60 30 126.6056871 67.08203932 58 58 180 1903 125 60 30 128.5496013 67.08203932 58 58 180 664 123 78 23 125.1319304 81.32035416 44 44 179 1686 135 78 23 136.9452445 81.32035416 44 44 179 667 126 69 26 128.6545763 73.73601562 50 50 179 1035 111 69 26 114.0043859 73.73601562 50 50 179 1414 116 64 28 119.3314711 69.85699679 54 54 179 1593 116 85 21 117.8855377 87.55569656 40 40 178 681 126 81 22 127.9062156 83.93449827 42 42 178 1010 136 81 22 137.7679208 83.93449827 42 42 178 478 117 74 24 119.4361754 77.79460136 46 46 177 1505 121 71 25 123.5556555 75.27283707 48 48 177 1542 130 77 23 132.018938 80.36168241 44 44 177 1561 130 77 23 132.018938 80.36168241 44 44 177 1694 130 77 23 132.018938 80.36168241 44 44 177 247 119 84 21 120.8387355 86.58521814 40 40 176 1601 137 80 22 138.7551801 82.96987405 42 42 176 1817 97 65 27 100.6876358 70.38465742 52 52 175 381 130 70 25 132.3820229 74.33034374 48 48 175 635 85 70 25 88.60022573 74.33034374 48 48 175 1210 126 70 25 128.4562182 74.33034374 48 48 175 1716 110 70 25 112.8051417 74.33034374 48 48 175 1740 110 70 25 112.8051417 74.33034374 48 48 175 1746 107 70 25 109.8817546 74.33034374 48 48 175。