首先我介绍一下美赛是怎么评审的★，美赛是采用的是多次评审★★，第一遍评分时只有十分钟时间，评委往往是更注重于论文的摘要和大体行文思路★。第一遍评分主要是为了区分出来S奖和其它，如果你的摘要写的不好，那么你的论文就会直接被归为S奖的一类，再无翻案的可能。如果说摘要写的不错，但是后面的内容很差，即使第一遍评分没有被归为S奖★★，再接下来的评分中也有可能会被归为S奖。也就是说仅凭摘要写的好不好，就已经将一半的文章归为了S奖★★，所以摘要一定是你论文中最重要的一个环节，千万不能马虎。
印象比较深的是大年初二那天，队友早早把任务完成了★，我的工作还没做完★★★，在自习室一个人待到晚上十一点才把任务做完★。说这些是希望大家明白，作为一个团体竞赛，不是说找到好队友抱到大腿就万事大吉了★★，每个人的努力都是必不可少的★★★，不能说队友把自己的任务都做完了，而你却还在摆烂★★★。
我个人是不推荐选C题的，乍一看好像是获奖人数非常多（C题选了六个O奖，而B题只有三个），但实际上一旦你选了C题，最大的问题是：论文要怎么在这8000人中脱颖而出呢？C题看似简单，可以用一些套路化的数据处理模型去完成★★★，但是千篇一律的内容很难抓住评委的眼球★。
美赛的论文非常重视“逻辑★★★”，既然是为了简化模型做出的必要假设★★★，那么这样的假设一定是有理有据的★，如果冷不丁的来一句假设★★★，会让人感觉很突兀，摸不着头脑。所以我们的做法是★★★：先提出假设，然后做出相应的解释★。
在做完了所有的主体内容后，已经到20号的晚上十一点了，最后的论文排版和检查还是用掉了我们两个小时的时间。经常会出现刚改完这个图片的大小，另一个图片又错位了这种情况★，这里还是非常考验耐心的，希望同学们在比赛时能够留下充足的时间检查论文，防止出错。每年都会有很多队伍因为时间把控不好★，最后没时间完整地排版★★★，导致最后只获得S奖草草收场的情况，其中也不乏内容十分优秀的论文。
最后的key words不宜太多，选出自己论文中最重要的几个关键词即可★。
最后的最后，由于现在学生对国家级竞赛奖项需求大，所以市面上也有很多机构办了一些★★“保奖班”等等的服务★，比赛期间呢，也会有很多机构会发布自己做的答案等等。以上的这些服务价格在50-5000元之间★★，这里我是不推荐大家花这个冤枉钱的，首先这个行为算是作弊★★★，若被举报会被取消成绩；其次，这样的服务往往是同一篇论文卖给很多个队伍，容易产生雷同卷★。
当然以上的行文思路只是我们团队在大量练习中总结出来的模板，希望同学们不要完全照搬★★，而是根据自己团队的练习，归纳出自己独创的模式，千篇一律的行文思路，评委老师也会审美疲劳。
我们在准备阶段就已经决定了要做B题★★，途中也没有想过要换题目，开始拿到题目时，最重要的是先用google或者chatgpt翻译一遍★，了解一下题目的大体含义，然后再自己逐字逐句翻译一遍，以免错过重要的信息。
美国大学生数学建模竞赛是含金量超高的比赛，每年也有很多学子参加，为了帮助大家更好地准备比赛，新媒体特别邀请了美赛F奖的获得者
总的来说呢，要想人前显贵，必先人后受罪★★，想要得到满意的奖项必须要付出足够多的努力★★。整个假期可以说是美赛＋期末＋六级考试三线作战★★，现在想想那段时间是真的很累很痛苦，过年也没好好休息。
我们的做法是：首先介绍了AHP的原理，然后制作了流程图★★，展示我们所考虑的几个因素★★★，最后根据评价矩阵★，得到每个政策所对应的分数。
我们在预测类问题上采用的是灰色预测法，我们首先介绍了灰色预测的原理，然后用SPSSPRO绘制了图像如下：
美赛的全称是美国大学生数学建模竞赛，每个队伍最多有三个人★★★，报名费为100美元/队。举办时间为每年的2月中下旬，比赛持续时间为100小时，结果公布时间在当年的5月上旬。美赛是唯一的国际性数学建模竞赛★★，也是世界范围内最具影响力的数学建模竞赛★★。为现今各类数学建模竞赛之鼻祖。大二至大四各专业均可参加。
总而言之，对于数学学院特别是统计学专业的学同学们，建模竞赛的经历是一个蛮不错的加分点★，希望学弟学妹们能够把握住机会，拿到自己满意的奖项。
预测类问题总体来说是比较简单的，这一部分主要是我来做的★★★，所以印象比较深刻★★，选择用灰色预测来做是受到了2021年美赛B题一篇O奖论文的启发。那篇文章利用了澳大利亚的气温和降水与森林火灾的关系★★，通过预测未来十年的降水和气温，间接预测了未来十年的森林火灾★★★。而我们则是基于一名学者对人口增长对人类与野生动物冲突的影响，通过预测未来十年的经济情况和人口增长，来预测当地人类与野生动物的冲突强度。
最后要对自己的模型做灵敏度和鲁棒性分析，一般来说这个环节都比较套路化了，要注意的点就是自己的措辞要严谨★★★、有逻辑。
在推特上看到comap官方说5月8号公布成绩，这其实是一个比较含糊的说法，因为可能是北京时间、太平洋时间和美国时间等等，后来是在5月9号凌晨查到的，因此官方是以美国东部时间为标准的。
1★.写论文方面，我们还是推荐使用latex而不是word，这两个在很多渠道都可以找到模版★★★，但是相比于word，latex排版更方便，并且学习的难度也不是特别大，只需要掌握一些基本的编程语言就可以上手了。也有很多的大佬会选择用WPS做，其实也可以做得非常漂亮★，但是word和wps的内容过于繁多，学习成本还是不低的，同学们可以根据自己的喜好做一个取舍。
我们通过举办时间可以看出，如果你现在是大一升大二暑假的话★★★，还可以在大三结束前参加两次国赛和两次美赛，并且可以在你参加大部分夏令营之前得到结果★，清华的求真书院、北大的摸底考试和中科院的数学方向报名截止时间早于五月，所以如果有志于推免至这几所学校的同学们就不能寄希望于大三那学期的美赛了。
美赛的结果是从O奖开始由高到低公布成绩，所以当有O奖的队伍在十二点半左右查到成绩后★★★，凌晨一点我也查到了成绩。当时我们寝室只有李旭晨睡着了，我们三个都在玩手机★★★，查到成绩后我立刻叫醒了他，我们都非常激动。祥哥不在我们寝室，我们就没去打扰他们寝室休息★。后来又迟迟打印不了证书，期间我也跟另一个F奖的队伍聊天★★，发现大家都打印不了★★，最后我激动的一晚上都睡不着，大概是凌晨四点半才打印了获奖证书★★。这也是我大三下学期第二次通宵★★★，第一次是因为打了四天的美赛，没有时间复习数理统计了★，考试前复习了一整个通宵★★。
关于队友背景的选择，有编程能力是最好的★，所以对于数院的学生来说，常见的搭配是数学＋计科＋论文手。如果说想做A题的话★，也可以找物理学院和工科类专业的同学★，这些题目有时会需要力学和机械原理等学科的背景★★★。
7.保持积极乐观的心态。我们的队伍在一开始就是奔着F奖去的，群聊名称也直接设置为“FFF★★★”。我们在假期练习的过程中，因为进度不佳，三个人或多或少会感到沮丧和泄气★，这时候就需要有人安抚队伍的情绪★★，积极乐观的团队往往会有很强的凝聚力，也更容易取得满意的成果。
3.在准备阶段，编程手最好和建模手统一进度★，最好是两人同时学一种模型和算法。最好是每种算法能用伪代码的形式表示出来，因为论文有页数的限制，所以大部分队伍并不会放上完整的代码★★★，而写得漂亮的伪代码就是你论文的加分点。
The Mathematical Contest in Modeling (MCM)★★★，俗称数学建模竞赛★★，有三道题：A题是连续型的题，B题是离散型的题，C题是数据处理的题，A题和B题一般没有任何数据，C题会提供部分数据。
因为三个人都是初学者，所以总的来说这段时间压力是比较大的，最开始看英文论文很不适应★★，看到的模型也完全不熟悉★★，只能硬着头皮硬学★★★。初期大概每天光看论文学知识点大概每天要用掉六个小时的时间，坚持20天后就会好很多★★，可能只需要三小时就能把每天的建模任务完成★★★。
可以看出，我们仅选取了很少的参数在此处给出了解释★，原因也很简单，全文我们可能设了20多个参数，但如果全都罗列出来，难道老师会认真看完然后一遍就记下来吗？这显然是不可能的，所以我们的做法是★：仅选取了出现频率非常高的参量★★，剩下的变量则在相应的公式下面做出细致的解释。
2023年美赛结果出来之后★，陆续有人给我发私信求经验，跟一些同学交流后我发现，很多人其实对美赛了解程度很少。我借此机会介绍一下美赛，并分享一下获奖经验。我的内容主要包括以下几个部分：美赛是什么、得奖分布★★、选题建议★★★、我们团队组建和准备工作★、我们团队的比赛情况。
3.最后，要用英语完成论文实战，体验论文的最终检查。论文检查工作不仅需要检查单词语法★★★，检查图片位置，检查有些页面是否单独成一页★★★，更要检查你们的队伍号是否正确，选题号是否正确。这里其实在最后我们闹了一个笑线号凌晨一点发现时已经提交了（比赛截止时间是21号早六点）★，最后我们改正之后又重新提交了一遍，所幸没有出问题。这里提醒大家★：美赛的提交方式是发到官方邮箱，接收后会根据你的控制号自动生成你们队伍的文件夹，所以一定不要不按格式提交，或者提交到别人的文件夹中★★★。
当然以上仅仅是我个人的看法和建议，不论是选什么题目都有出彩的可能★★，希望大家如果选定了一个题目，就在这个方向坚持做下去。临场换题也并不是一个太明智的选择，因为会浪费大量的时间。
The Interdisciplinary Contest in Modeling (ICM)：俗称交叉学科竞赛，ICM有时题目上会给你一些参考的数据，方便你尽快找到查数据的方向。problem D是运筹学和网络科学等类型的题目★★★，problem E近几年都是关于环境方面的综合题目，problem F是政策类的题目。
今年吉林大学由于疫情和开学考试的影响★★，总共有376支队伍参赛★，有相当多的队伍都选择了弃赛，按照往年的参赛情况，大约每年是600队左右。今年的队伍里没有O奖★，F奖有4个★，其中有两个选B题的F奖队伍，我们是全数院阵容，另一个团队是全计科阵容★★。F奖也设有丰厚的奖金，每个队伍可以获得学校奖励的5000元，M奖则是3000元★★★。
我们的具体做法是★：首先叙述我们解决问题的方法，把我们所使用的模型原理做一个简单的介绍。
2.建模手需要和编程手一起整理好所学的所有常用的模型，例如★★：TOPSIS★、AHP★★、时间序列预测、灰色预测、模拟退火、神经网络和元胞自动机等等★★。最好是能用自己的语言整理一下★★★，存到电脑里，这样将来需要用的时候就可以很方便地获取。
除了努力之外，运气也是占比不小的因素★，如果说美赛的题目正好和你准备过的模型契合度很高，那么肯定做起来就会比较得心应手。对于学弟学妹们来说，如果是大一升大二，那么在推免之前还有两次国赛和两次美赛的机会，大二升大三的同学们还有一次国赛和一次美赛的机会。如果想要获得满意的奖项，还需要同学们认真准备。在此★★★，祝愿大家都能取得满意的结果★★★！
1★★.建模手往往需要承担队伍里的数据处理工作，我在准备期间比较系统地学习了SPSS，也可以学习一部分go语言★★。另一方面，建模对英语能力也有一定的要求，最好是记一下常用模型的地道英语表达，有些简称对应的含义有很多，如果完全依赖翻译软件则会容易出差错。可以玩一玩全英版的文明6锻炼一下英语能力doge★。
每年的奖项比例分布大致为：S奖约占60%，H奖约占30%，M奖7%，F奖1%~2%，O奖是在所有的F奖里挑选的最优秀的论文，以今年的情况为例，大约是2万队伍中选出40队。其中O奖也会选出几个冠名奖，能够获得主办方颁发的奖金★★★，每个队伍奖励一万美金。
6.不要过分追求“高大上”的模型。建模实际上并不是一件特别高级的事情★，很多复杂的实际问题经过适当的简化之后，便可以用常见的模型解决和处理。如果大家有了很多优秀论文的阅读积累★，也会注意到常见的模型会反复地出现★★。而每年的O奖论文只有极少数是特别创新★★★、完全碾压其它论文的★，这类文章基本很明显就能看出来，极其的优秀★★★，从模型★、算法到论文都非常强。但这种文章毕竟是极少数，对于大多数人来说都是模仿不来的，所以也不要气馁，即使想不到特别创新的点子，在经典的模型上稍作修改★，往往也能得到满意的结果。我们的论文主要用的是多目标优化模型★★、层次分析法和灰色预测，这些都不是特别难的模型，但是只要写的好★，也能取得很好的成绩★★★。
其次，我们罗列了论文中所用到的所有模型★★，这样评委一眼就能看到我们的模型名字，可以根据名字对我们的方法有一个大体的了解，其次，也能很明显的证明我们的文章并不是★★★“语文建模★”（语文建模指其实没有用任何的数学和编程方法，全程在用文字胡编乱造）。
1.对于B题来说，有两个点我认为是比较重要的，数据检索和模型简化。拿2023年美赛B题来说，数据检索伴随了我们整个建模的过程，而B题的一大难点其实就是缺少数据★，需要我们自己在网上搜寻各种数据以及资料以支撑我们的模型。除了比较常见的直接在浏览器搜索和在当地政府官网查询这两种常见的方法★★，有的时候还可以尝试在别的论文中寻找，前人栽树，后人乘凉。在我们比赛的过程中★★，由于缺少相关数据★★，我们卡壳了很长时间★★★，最终在别的学者去当地考察所写的论文中才找到★★。
当然如果你们自认为水平都还不错★，每项工作都或多或少了解一点，也可以不用划分的特别仔细，比赛期间往往也会参与彼此的任务★。比如我们比赛的某一天★★，论文手在写代码★★，编程手在建模★★★，我作为建模手在写论文。
4.适当的做一些模拟练习，我们的队伍在练完2022年的美赛B题之后花了几天的时间做了2021年的美赛B题，不过很不幸的是★★★，我们当时完成度并不高。我个人认为做适当的模拟训练是很必要的★★，学习建模时的心态和拿到实际问题去处理时的心态是完全不一样的，美赛期间的100小时是非常的高压和紧张的★★，一定要提前做一些训练，以免自己在比赛期间被压垮★。
我们团队选的是B题，也就是离散性问题，一般分为三问，分别是优化类问题、评价类问题和预测类问题。
第二问实际上就是一个评价类问题。由于我们的政策都比较有创新性，无法实际测验★★★，是比较难以量化的，所以应该采用主观的评价类模型，而AHP（层次分析法）是比较常用的手段★★。
首先，我们不推荐大家使用太官方的标题，会显得比较呆板★★★，这里我们起了一个“较有吸引力★”的题目★，并且文章的开头第一段要做适当的引入★，这样就不会显得突兀。
论文中的图片选择一些有代表性的★★，色彩鲜丽一点更好，与论文黑白色的字体相对比★★★，就可以起到很好的视觉效果。与此同时★★，多放一些流程图★★★，可以更加鲜明的提出你的观点，让评委们更好的理解你的逻辑。做流程图也要注意形状和色彩搭配，可以起到事半功倍的效果★★。下图是我们在Overview of our work部分做的流程图★★★，同学们可以借鉴这种形式★★★。
B题看似很难，但是对于数学学院的学生来说，相信大家也有一定的数理逻辑和比较强的学习能力★★★，如果大家认真学了数分高代的话★，相信我上面提到的三大类问题里的很多的模型原理对大家来说并不太难。比较费劲的是学习图像的可视化★★，最好是能学一下ArcGIS，评委比较青睐会用ArcGIS的论文。
5.多学习他人的经验，多看优秀论文，多找前辈交流，多和老师互动。美赛是一个团队的项目，并且老师也不会专门开一门课程保证你竞赛拿奖。对于大部分参赛者来说，美赛是有信息差的，希望同学们能利用好吉林大学数学学院这样一个优秀的平台，多和有建模经历的学长学姐们交流经验★★，多和有丰富建模指导经验的老师们请教，可以让我们避免踩坑★★★。在这里特别感谢高灼威和高明龙两位学长鼓励我参赛，也非常感谢我的好朋友何知尧、王勇权和宋子涵给我分享了非常多宝贵的美赛经验。
2023年的B题主要是与生态保护相关，这与数学学院的专业课可以说是毫无关系★★★，所以需要尽快的阅读相关的文献，对该方向做一些了解★。这里推荐大家在知网上找一些硕博论文或者年轻教师的相关文章★，因为这些文章大部分会比较详细的介绍所用方法的原理和细节，方便我们迅速掌握该领域的基础知识。
至于参考书★★，比较多的人会选择司守奎和姜启源，但我们三个实际上并没有系统地学习任何一本教材★★，所以就并不在参考书上给同学们提建议了★★，以免误人子弟。
由于20号已经开始上课了，所以时间比较紧张，我们并没有在这里做太多的文章，最初是计划做三个图片，分别是柱状图、折线图和饼状图，后来因为时间不允许，所以无奈放弃了★。这里我们推荐大家从多个角度展示自己的灵敏度分析，可以做不同类型的数据图，这样能让文章的内容更加充实，体现思考问题的全面性★★★。
总的来说准备阶段是非常的枯燥的，如果你很不幸在队伍组建过程中没有擦亮双眼，团队中只要有一个人不积极★★★，那么这种情绪很容易蔓延到整个团队★，很可能这个队伍就摆烂了，最后只能不了了之了。
在阅读优秀论文时，有些文章甚至会罗列30多个变量，超过了一页★★，我们一致认为这非常影响美观。
首先可以简单交代一下问题背景，复述一下问题。之后我们做了一个overview★★★，用精炼的语言介绍了我们每个问题的方法和依据★，并且做了一个流程图★，图片已经在上文中展示过了。
在综述的主体部分，我们依次介绍了每个问题我们的做法，并且附上了我们所解出的结果。这里可能很多人有疑问★★：如果我们的结果错了，那岂不是评委一看到我错误的结果就会给我打低分吗★？其实并不是这样的★，美赛的每个问题都没有固定的答案，如果我们看了一定数量的O奖论文★，我们也能看出，不同的队伍对同一个问题的解答，往往千奇百怪，有时甚至相差甚远（例如2021年美赛B题★★，关于无人机的数量问题，有的O奖队伍给的结果是24个★★★，有的队伍给的结果是200个）★★★。但实际上，只要方法没有逻辑上的问题，行文的逻辑自洽，并且有一定的创新，那么这在美赛的评价体系中就是一篇优秀的文章★★。
可以看出选C题和E题的队伍最多★，这也是本年美赛最简单的两个题，很多同学在备赛的时候就是奔着C题去的，因为简单好做，不至于完全没有思路★★，而其它问题很可能就难到完全无从下手。
以上便是吴翊宁学长及其队友关于美赛的分享，不难看出干货满满。最后的最后，新媒体特地为大家谋取了一个小福利--由学长来解答评论区小★★“数”苗们提出的关于美赛的问题(所以啊★，大家快抓紧机会在评论区留言，答疑解惑的机会不容错过哦～冲冲冲★★！)
知网里有限的内容往往不足以满足我们的需求，这就需要用到谷粉学术等等文献搜索工具，去查阅一些外文期刊，或许会给我们一定的启发。例如，在比赛中我们注意到★★★，肯尼亚的马赛马拉国家公园和坦桑尼亚的北部接壤，所以我们也吸取了一些坦桑尼亚境内的野生动物保护政策的经验，提出了基于GPS的非洲象野生动物走廊政策★。
2★.在平时要注意训练图片制作的能力★★。自从2019年开始★★★，美赛的参赛选手中占比最大的都是中国选手★，评委的组成结构也发生了一定的变化。如果你去看2012年左右的美赛论文★，你会发现大部分都是语文建模，很少使用图片来丰富自己的论文★★★。从2019年开始，美赛的高分论文更青睐那些有创新思想和内容精美的论文，所以优秀的图片是必不可少的。
这里需要注意的是，以上的奖项名称在各个学校的内部奖学金/保研加分评定中不完全相同★，例如很多学校也会将H奖称作二等奖★★★。
以我个人的经验来说★★★，美赛的奖项在厦门大学经济学院（厦大的统计学设在经济学院里）的推免申请中是按“国际级奖项”认定的，所以如果你有一个不错的奖项★★，会是一个很不错的加分点；西安交通大学数统学院会比较喜欢有建模经历的学生，是面试会着重询问的点（我面试的时候一半时间都在问项目），如果能够拿到一个不错的奖项，对于入营的帮助也非常大★★★，这或许是因为西交大做统计学的老师里机器学习方向的老师众多★★；华东师范大学统计学院也比较喜欢问建模比赛★；如果你想要去财经类的院校做金融或者是应用统计专硕，这些学校的夏令营入营时需要提交参营论文★★★，在没有其他成果的情况下，就可以提交美赛论文作为参营论文★★★。
最后一问是一个预测类题目★★★，预测常用的手段有时间序列分析，这也是咱们数学学院统计学专业大三下学期的专业课。
从题目上来看，第一题看似是一个政策题，但考察的实质还是优化类问题★★★。第三部分我们主要是制定了三个不同的政策来解决第一题★★★。
其次，用流程图的形式概括我们所提出的政策。值得注意的是，只做流程图是不够的★★，还要做出必要的文字解释。
3.既然是美国的建模比赛，那一定是要学会“科学上网”的，否则光是文献查阅这一步就可以把你的队伍拦住★。在准备期间★★，应该锻炼自己查文献和读文献的能力★★★，用好知网★★、谷粉学术和等等★★★，选择好合适的翻译软件，这里我推荐使用微软自带浏览器Microsoft Edge的插件“侧边翻译★”★★，可以对PDF文件进行划词翻译，非常方便★。
值得注意的是★★，在参加面试时★，老师可能会笼统地问你：“怎么求矩阵的特征值？矩阵的特征值有什么应用？”除了主成分分析法之外★★，AHP也是矩阵特征值的一个很好的应用，如果能够尽可能多的回答，就可以很好的展示我们的知识储备量★★。
至于更多关于我们团队比赛期间的细节，我个人认为参考意义比较有限，此处不再一一赘述★★★，下面我主要介绍一下美赛论文最重要的部分★，也就是摘要，之后对行文思路做一个简单的介绍。
同学们如果还不知道该如何准备美赛的话，可以借鉴我们团队的学习模式★★★，对每天的学习内容做一个记录和总结，只要肯坚持下来★★，一定会有非常大的提升★★。
我在大三上学期才开始有参加美赛的想法，这其实就比较晚了，浪费了两次国赛和一次美赛的机会。最开始找的队友因为口罩原因也不能线下见面★★★，最后被鸽掉了★。后来联系了几个同学，结果都没什么兴趣★，最后是12月返乡之前和同班的室友还有好友一起组了队。
因为是开学考试，所以寒假的时间非常的紧张，再加上我们十二月陆续变成小阳人，所以正式准备的时间大约只有40天左右。整个寒假就是上午复习专业课，下午三个人看同一篇往年的O奖论文，学习里面的所有模型、算法和排版的优点并作记录和总结★，晚上开一个一小时左右的腾讯会议汇报学习情况和收获。下面截取一段我当时开会准备的发言稿。
如果说你看到这里时还没有组建好自己的队伍的话，我的建议是团队并不需要追求每个人成绩多么顶尖（专业排名再高，如果不守信用把你鸽了★，那也是白忙活）★。好的团队应该是每个人都不摆烂，不放弃彼此★，并且肯坚持的三个人，专业能力并不是唯一需要考虑的因素，毕竟对于绝大多数的队伍来说，即使学了很多建模的知识，但拿到题目之后，大部分内容还是需要现查现学的。
当然这并不是鼓励同学们瞎编乱造，而是说一定要把自己的结果展示出来★，否则老师可能会认为你只是从网上套了一个模型的壳子，但是你其实根本不会写相关的代码，也不会用模型解决实际问题。我的建议是★：把结果用精炼的语言表示出来★，然后做一下字体的加粗★★★，这样更引人注目。
每一篇优秀的美赛论文都少不了灵敏度分析★，至于鲁棒性分析可以根据团队的个人喜好做出选择。
对于数学学院的同学们来说，我们能参加的高水平竞赛并不多，如果想获得国家级奖项，除了CMC和丘赛这种难度极大的竞赛之外，数模国赛、美赛、大创是比较适合参加的项目★。从上面所给的得奖比例可以看出，美赛的获奖比例还是蛮高的，一般来说M奖及以上就是比较拿得出手的奖项了，不仅可以获得保研加分★★★，还可以丰富我们的简历。如果实在没有别的荣誉，H奖也可以写在建立当中★★★，并且对于我们申请奖学金能有一定的加分，至于S奖就没有必要出现在简历中了。
2.模型简化也是非常关键的一步，对于B题来说★★★，很多时候如果模型初期的建构遇到了困难，不妨化繁为简，扔掉一些对结果无关紧要的东西，将模型最简化，说不定困难就迎刃而解了。例如2021年的B题★★★，对于澳大利亚维多利亚地区的山火★★★，可以先选取一个小区域来测试自己的模型，然后把这个模型的使用范围拓展的整个要研究的区域上★★。再比如B题常用的策略是grid method★★，把复杂的实际地貌栅格化，我们在此次比赛中也使用了这种思想。
