某智慧城市运营平台持续监测全市供水管网在连续 N=200 天内各区域的日总供水量(单位万吨，数值通常分布在 100.00 至 500.00 之间)，数据已按日期先后排列。
因传感器故障，共有 M 处(M 的范围是 20 到 30)记录丢失，依次编号为 Gap_1, Gap_2, ..., Gap_M。
已知首日和末日的监测数据一定完整(即第 1 天和第 N 天不会出现丢失)。 你的目标是：对每一处丢失记录，利用其前后最近的连续真实数据段，构建二阶多项式岭回归模型来估算缺失值。
区间确定规则
假设某个丢失记录位于全局第 pos 天：
前方区间 [left_start, pos-1]：从 pos-1 向前(朝第 1 天方向)逐天检查，碰到的第一个丢失记录(Gap_1 到 Gap_M 中任何一个)所在天数的下一天即为 left_start。若一路到第 1 天都没有碰到其他丢失记录，则 left_start 为第 1 天。
后方区间 [pos+1, right_end]：从 pos+1 向后(朝第 N 天方向)逐天检查，碰到的第一个丢失记录所在天数的前一天即为 right_end。若一路到第 N 天都没有碰到其他丢失记录，则 right_end 为第 N 天。
模型构建
将上述前方区间与后方区间中所有真实记录汇总作为训练样本 (x, y)，其中 x 为天序号(1, 2, ..., N)，y 为对应供水量。
使用二阶多项式岭回归拟合模型： y = _2 x^2 + _1 x + _0
回归系数通过以下矩阵公式求解： = (X^T X + I)^-1 X^T y
各符号含义如下：
beta 是 3*1 列向量，包含待求系数 [beta_2, beta_1, beta_0]。
X 是 n*3 的设计矩阵(n 为训练样本数)。
对训练集中每个天序号 x_i，矩阵 X 的对应行为 [x_i^2, x_i, 1]。
y 是 n*1 列向量，存储训练集中各样本点的供水量。
X^T 为 X 的转置。
lambda 为正则化系数，本题统一取 lambda=0.1。
I 为 3*3 单位矩阵。
(.)^{-1} 表示矩阵求逆运算。第 1 行：两个整数 M 和 N，以空格分隔。M 表示丢失记录总数(范围 20 到 30)，N 表示后续数据行数(固定为 200)。 第 2 行到第 N+1 行：每行一个值，可能是： 一个浮点数，代表当天实际供水量。 一个字符串 Gap_i(i 从 1 到 M），表示该天数据丢失。
共 M 行，严格按 Gap_1, Gap_2, ..., Gap_M 的顺序输出。 每行格式为 Gap_i: xxx.xx，即标签、冒号、空格、预测值(保留两位小数)。
22 200 205.58 Gap_1 195.99 196.40 219.39 219.44 230.46 200.62 216.35 202.94 212.72 226.35 209.29 218.21 238.21 235.88 Gap_2 241.13 251.54 220.93 254.31 251.30 238.17 231.86 Gap_3 240.91 231.89 232.65 263.17 253.78 262.16 259.18 251.43 268.77 244.72 251.28 261.87 252.80 261.78 249.54 253.65 226.20 232.28 Gap_4 223.62 228.22 221.33 226.69 239.20 226.48 224.73 216.26 216.45 241.07 227.29 Gap_5 203.59 223.54 198.50 204.70 226.64 Gap_6 204.36 206.96 210.80 205.63 181.27 170.94 Gap_7 175.53 170.90 197.86 192.93 168.25 Gap_8 167.25 185.99 165.82 156.21 153.71 164.61 151.08 162.47 173.61 152.40 144.02 174.09 153.63 136.06 133.60 135.51 155.76 162.00 146.98 132.54 145.30 170.04 151.64 Gap_9 165.84 Gap_10 161.65 160.98 Gap_11 146.50 Gap_12 142.85 157.21 159.51 Gap_13 179.76 157.07 168.46 157.56 188.97 189.41 168.71 Gap_14 185.66 169.76 196.53 190.02 202.04 194.57 Gap_15 Gap_16 181.62 220.50 220.98 221.57 203.06 195.50 230.70 235.81 203.67 221.94 207.47 237.27 239.56 216.06 231.86 236.68 227.05 Gap_17 236.61 229.63 244.09 252.98 232.98 238.44 266.71 253.70 245.92 249.67 234.25 238.72 243.45 253.53 239.15 238.58 232.31 254.29 237.65 264.04 261.42 228.96 234.63 250.73 231.30 226.67 Gap_18 241.21 235.63 246.36 245.45 218.85 213.12 224.42 221.99 Gap_19 229.77 225.24 235.32 197.50 207.25 202.27 220.69 193.68 188.85 196.68 193.12 184.90 181.28 Gap_20 184.14 Gap_21 183.69 Gap_22 197.09 188.37
Gap_1: 194.99 Gap_2: 235.41 Gap_3: 249.49 Gap_4: 246.24 Gap_5: 220.04 Gap_6: 206.00 Gap_7: 189.12 Gap_8: 171.16 Gap_9: 146.06 Gap_10: 163.92 Gap_11: 153.00 Gap_12: 146.94 Gap_13: 160.31 Gap_14: 181.80 Gap_15: 203.39 Gap_16: 203.64 Gap_17: 230.94 Gap_18: 235.83 Gap_19: 222.33 Gap_20: 179.61 Gap_21: 183.92 Gap_22: 188.19
考点：模拟
限制 1 秒 / 256MB ｜ 标准输入输出
推荐方向：模拟
本题切入点
对每处缺失按其前后最近连续真实段做二阶多项式岭回归：构造 x 的 1/2 次幂特征并带正则项，预测该天补值后按 Gap 顺序两位小数输出。
不涉及复杂算法，把题目描述的流程原样翻译成代码逐步执行即可。
思路框架（模拟 通法 · 非本题专属）
实现要点：结构上通常是一个外层循环包住若干 if/else 分支；只要状态定义清楚，正确率很高。
复杂度：时间 O(操作次数) ｜ 空间 O(状态数)
该范式的通法易错点
样例 1：输入 22 200 / 205.58 / Gap_1 / 195.99 / 196.40 / 219.39 / 219.44 / 230.46 / 200.62 / 216.35 / 202.94 / 21 → 输出 Gap_1: 194.99 / Gap_2: 235.41 / Gap_3: 249.49 / Gap_4: 246.24 / Gap_5: 220.04 / Gap_6: 206.00 / Gap_
以 Gap_1 为例：Gap_1 位于第 2 天。前方区间为 [1, 1]，即只有第 1 天的数据。后方区间为 [3, 16] 之前，由于第 17 天是 Gap_2，所以后方区间为 [3, 16]，共 14 天数据。将这些点作为训练集，构建二阶多项式岭回归模型，代入 x=2 得到预测值 194.99。
解析由校招宝本地引擎整理（依据源站考点标签 / 人工判题标注 / 题面规模信号），非官方题解，仅供思路参考。
本题来源：2026年-华为-3月4号AI岗。