Hermione Tsang每年美赛报名季，都会有一批队伍因为 A 题看起来“硬核”而选它，又因为做起来没有抓手而翻车。2026 年这道题落在智能手机电池消耗建模上，恰好就是典型：场景熟悉、名词不多、数据貌似我们每天都能摸到，可真到了写模型那一环，很多人就卡在“该预测什么”“要不要做机理模型”“耗电到底怎么归因”这三个问题上。这篇保姆级思路不是让你照抄代码，而是把 2026 MCM A 题的完整做题链条捋清楚：审题、数据、基线模型、灵敏度分析、论文表达。第一次参加美赛的本科生可以把它当导航，老队伍也可以拿它对照自己有没有遗漏重点。
先同步一个判断：这道题表面在谈电池、电量、物理损耗，实际重心更偏向“用户行为特征 + 电量时间序列 + 可解释预测模型”的组合问题。所以不要只抱着物理课本复习锂电池原理，更重要的准备工作是数据处理能力和模型解释能力。下面我按真正参赛时的顺序，拆开讲。
1. 审题逻辑：电池消耗建模不是一道纯物理题
1.1 拆掉双层外壳：从“续航时间”到“能耗归因”
很多队伍看到“电池消耗建模”就开始动笔写电池放电方程，这是第一个坑。美赛 A 题里如果只考你一个理想电池电压曲线，那训练赛题都可以直接抄书，不需要包装成智能手机场景。题目把电池装进智能手机，核心变量就发生了变化：电池自己不会决定消耗速度，是使用行为、屏幕亮度、网络状态、后台应用这些因素在影响放电曲线。
也就是说，真正有价值的问题有三层：
- 第一层，能不能预测某部手机在给定使用模式下还能用多久；
- 第二层，能不能识别出哪些行为或应用让电耗显著上升；
- 第三层，能不能在耗电过快时给出优化提醒或自动调节策略。
对应到建模上就是三个任务：时序预测、贡献度归因、策略建议。MCM 的 A 题爱考这类“物理对象 + 人类行为”的组合，因为既能检验你们对基础过程的理解，又能检验数据建模能力。所以审题时要主动把题干拆成“电量消耗速率模型”和“用户使用模式模型”两个子问题，而不是只盯着电池。
1.2 需要管理和预测的建模对象是什么
我建议拿到题目后在白板上写下一句话：响应变量是单位时间内的电池电量变化量，而不是最终续航的绝对数值。这句话看起来很基础，但几乎决定后面所有工作流。
如果直接预测“还能续航 35 小时”，你要面对的边界条件非常复杂：新手开机后的系统更新、不稳定的信号切换、后台推送频率、屏幕息屏策略都会导致极端非线性。可如果你把目标换成“亮度升高一档时，每小时放电速率平均增加多少”，这个问题就清晰得多。先把短时段的放电速率模型训练出来，再用仿真路径外推出剩余时间，是更符合计量逻辑的做法。
所以，审题后的第一个产出物应当是“建模对象定义表”：响应变量定义为分钟级放电速率，协变量分为屏幕状态、计算负载、通信负载、后台活动、环境和时间因子。这个定义表可以作为论文的问题重述和变量说明，越早写越不亏。
1.3 数据从哪来：自带数据、公开数据和自采数据的选择
2026 年这种赛题，官方大概率会提供一段模拟或实测记录，但格式不一定特别友好。如果没有给全量数据，需要自己准备候选数据集。我自己做类似题目时，见过最有用的公开来源是 Android 系统导出的电池历史记录，以及 Kaggle 上若干电池日志数据集。如果有条件，还可以几个人分头用同一型号手机连续记录三到五天，没有条件就退而求其次用公开