什么是思维结构呢？先说什么是结构，看图结构是指要素之间的连接关系。比如电子商务论文，老师提供的范文里有数据分析和案例模型，那你写论文的时候，就要注意论文本身不能写成纯文字，这样是不能通过的。所以模型，让你知道的是写这类论文的重点是什么，大的方向不要犯错，至于细节的问题，反复修改也是正常的，通过这种一稿、二稿、三稿直至通过，可以对我们以前学过的知识更加深刻，同时会学会很多新的知识，比如统计分析，他经常出现在数学论文和金融、心理学论文里。
什么是思维模型？
什么是思维结构呢？先说什么是结构，看图结构是指要素之间的连接关系。结构的表达原则思维的结构，要从要素与要素之间的关系，放在整体里去看。看清思维的结构，也就看清了秩序，看清了秩序，也就看明白了思维的运作原理。结构是通往形式。如何理解呢，形式是结构表现出来的外在表达。思维模型是指设计出一个简单的形式来表述一种理论。
简单的形式，是从人的认知视角来看要简单，虚拟设计出一种简单的形式来表述理论。由于形式是结构的外在表达，而结构是由要素的关系联接而成。因此要素的个数不能多，不然结构复杂，形式也会复杂。这个问题，比较抽象、不好讲，这样讲不是很容易明白，举一个例子来象征表达一下：超市排对结帐 结构就是直线看清结构，就可以看出秩序，秩序是后边来的插入队尾。
论文的模型是什么？
严格来说就是范文，也叫格式模板。有的学校老师会发上一届写得好的同学的范文给大家。范文的作用，不光是格式和排版，最重要的是他的结构形式，另外还有案例和数据分析。比如电子商务论文，老师提供的范文里有数据分析和案例模型，那你写论文的时候，就要注意论文本身不能写成纯文字，这样是不能通过的。所以模型，让你知道的是写这类论文的重点是什么，大的方向不要犯错，至于细节的问题，反复修改也是正常的，通过这种一稿、二稿、三稿直至通过，可以对我们以前学过的知识更加深刻，同时还会学会很多新的知识，比如统计分析，他经常出现在数学论文和金融、心理学论文里。
数学建模到底是学什么？
在之前的数模竞赛中，即便是美赛O奖的作品中，我们都能看到诸如灰色预测这样的用MATLAB实现的方法，实际上我们有时间序列，回归等一系列比较常用的预测方法。在18年前后，预测类数模问题变得较为尴尬，不是因为这些题目简单，是因为大家都有了一套两套现成的算法，拿题后只要找到数据就能很快跑程序出数据出图写论文。
所以那个时候基本上很少有预测的题目再出现了。实际上，评价类模型和预测类模型都是这样，因为人均都会，所以导致我们不会见到一整个大题全是讲预测的。在这之前，我们在国赛见过人口增加预测，长江水质预测，世博会影响预测等等，那个时候基本上都是用matlab去实现这些数据的处理和预测。说起来，在15年我本科入学的时候有个风潮，就是互联网 ，那个时候就是谁有着一个什么创新创业的点子，就可以去参加比赛拿拿奖。
我一看这还要做ppt路演，搞得比较商业，当时就没怎么关注，毕竟我只喜欢参加埋头做题的比赛。上台说话这种我比较怯场，不过我也不是没有改变自己，有一次我最终鼓起勇气去参加了学校一个英语辩论赛，初赛只有抽题观点陈述这一部分，不用和别的同学正面对抗，所以我侥幸侃侃而谈，成功入围复赛，高兴之余，也激动地和室友报喜，随后联系复赛管理人员说我不去了，名额因此也顺延给了后一名，不知道算不算得上一桩美谈。
扯远了，主要是那个时候搞互联网 ，什么东西都要加互联网，超市 互联网=做个订超市app，打车 互联网=打车软件。现在python很火，颇有一番人工智能 的趋势。在数模领域，除了matlab，学会python搞人工智能应用也将是一个趋势，不过吧，实际上MATLAB也能实现一部分。那么在预测类这方面，用python的话：LSTM：长短期记忆网络GRU：门控循环单元DBN：深度置信网络QNN：量子神经网络SVR：支持向量机XGBoost：极端梯度提升CNN：卷积神经网络ESN：回声状态网络……举例的这些方法都可以被应用到预测中，如果你搜索这些算法，你会发现有不少核心期刊论文，通篇运用这些方法来做预测。
