CN110852477A - 一种基于系统动力学的生产需水预测方法 - Google Patents
一种基于系统动力学的生产需水预测方法 Download PDFInfo
- Publication number
- CN110852477A CN110852477A CN201910950504.2A CN201910950504A CN110852477A CN 110852477 A CN110852477 A CN 110852477A CN 201910950504 A CN201910950504 A CN 201910950504A CN 110852477 A CN110852477 A CN 110852477A
- Authority
- CN
- China
- Prior art keywords
- water demand
- industrial
- water
- prediction
- industrial water
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种基于系统动力学的生产需水预测方法,属于需水预测领域,本发明分别建立了人类活动影响下多因子工业需水系统动力学预测模型,以及气候变化下基于用水机理预测法的农业需水系统动力学预测模型;针对工业需水预测部分,将传统工业需水定额法与系统动力学相结合;针对农业需水预测部分,建立了基于用水机理预测的系统动力学模型,并引入气候变化下不同碳排放情景下的未来降水量;本发明充分考虑经济驱动、社会影响、气候变化、政策制约等因素,从系统内部结构研究需水变化机理,解决了现有系统动力学方法在生产需水预测中存在的因子选择不全面以及模拟效佳果欠的问题,从模型结构和预测因子两方面提高了预测的有效性和准确性。
Description
技术领域
本发明属于需水预测领域,更具体地,涉及一种基于系统动力学的生 产需水预测方法。
背景技术
在自然环境和社会经济等复杂因素的影响下,水资源危机在一定程度 上会左右世界政治格局,威胁国家水安全以及制约国家经济发展。因此, 围绕变化环境下的未来需水量预测及开展系统深入地研究工作既是为了发 展需水预测研究理论,也是为了促使政府重视供需水规划工作,这涉及到 国家可持续发展等诸多方面。
生产需水预测主要包括工业需水预测和农业需水预测,其中,工业需 水预测传统方法有工业水价弹性系数法、万元产值工业用水定额法等,上 述方法进行需水能预测能反映需水平稳变化趋势,但预测过程仅考虑单一 影响因素,不能有效解释人类活动综合影响下工农业需水影响因子对需水 量的作用机理;农业需水预测主要采用基于用水机理法和灌溉需水定额法, 但进行农业需水预测时,未考虑气候变化对未来降雨的影响。此外,系统动力学方法也常被用来进行生产需水预测,在运用过程中存在以下缺陷, 第一,因子选择不全面,传统系统动力学方法进行工业需水预测时主要考 虑工业水价、万元工业增加值、用水重复率、工业用水技术等因素,没有 考虑工业需水强度、工业结构调整等因素的影响;第二,主要通过回归方 程实现关键因子的预测和估计,关键因子随时间的变化常常并不满足线性 回归关系;第三,默认各因子对需水结果有潜在影响,但未建立明确数学 表达式来量化因子对需水量的影响。
总体而言,现有生产需水预测存在考虑因素不全面、影响因子的预测 不符合实际,造成预测效果差、不能有效解释用水机理的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于系统动 力学的生产需水预测方法,其目的在于解决现有生产需水预测存在考虑因 素不全面、影响因子的预测不符合实际,造成预测效果差、不能有效解释 用水机理的技术问题。
为实现上述目的,本发明提供了一种基于系统动力学的生产需水预测 方法,包括:
(1)工业需水预测;
(1.1)收集工业需水预测影响因子;所述工业需水预测影响因子包括 万元工业增加值用水量、收入调节系数、工业用水重复率、人均GDP、工 业用水水价和工业用水技术;
(1.2)对每个影响因子分别建立用于反应其未来演化趋势的预测方程;
(1.3)根据各个影响因子对应的预测方程,对待预测区域建立工业需 水预测模型,并对所述工业需水预测模型进行有效性检验;
(1.4)采用经过检验的工业需水预测模型对待预测区域进行工业需水 预测,得到工业需水预测结果;
(2)农业需水预测;
(2.1)分别对选取的所有种类农作物全生育期需水量和有效降水量进 行预测;
(2.2)根据预测得到的农作物全生育期需水量和有效降水量,对农业 需水量进行预测,得到农业需水预测结果。
进一步地,步骤(1.2)具体包括:
(1.2.1)建立万元工业增加值用水量预测方程:
采用指数模型预测万元工业增加值用水量,得到万元工业增加值用水 量预测方程:
其中,J代表万元工业增加值用水量预测值;t代表时间,以T0年作为 基年准;A、B、f均为常数;
(1.2.2)建立收入调节系数预测方程;
采用环境库兹涅茨模型模拟研究区域未来收入调节系数,得到收入调 节系数预测方程:
其中,ξt表示第t年的收入调节系数,bi表示模型参数,ε表示随机误 差;
(1.2.3)建立工业用水重复率方程;
基于Logistic模型模拟工业用水重复率增长趋势,得到工业用水重复率 方程:
其中,Z是常数,依据各地的实际发展确定;ωt代表第t年工业用水重 复率;a表示工业用水重复率增长速率;
(1.2.4)建立人均GDP预测方程;
采用线性回归模拟人均GDP变化趋势,得到人均GDP预测方程:
GDPCt=GDPC0+k×(t-T0)
其中,GDPCt表示t年的人均GDP,GDPC0表示人均GDP初始值,k 表示人均GDP增长率;
(1.2.5)将工业用水水价视为常数;
(1.2.6)建立工业用水技术系数预测方程;
采用分段韩函数模拟各地工业发展情况的阶段性趋势,得到工业用水 技术系数预测方程:
式中,λ为工业用水技术系数;Ti、Tj为不同的时间节点;a1、a2、a3表 示不同阶段的工业用水技术系数。
进一步地,所述工业需水预测模型为:
式中,IWD表示工业需水,χ代表工业结构调整系数,N为常数;VAIO 代表工业产值增加值,P工代表工业用水水价;ρ代表工业用水水价弹性;ζ 表示工业重复用水影响系数,反映工业用水强度随工业用水重复率的变化。
进一步地,步骤(1.3)所述对所述工业需水预测模型进行有效性检验, 具体为:根据研究区域历史统计值和模拟值与之间的相对误差,对所述工 业需水预测模型进行有效性检验。
进一步地,每种农作物全生育期需水量预测方程为:
AWD*=Kini×ET1+Kgr×ET2+Kmid×ET3+Kend×ET4
其中,AWD*表示农作物全生育期需水量,Kini表示初始生长期作物系 数;Kgr表示快速发育期作物系数;Kmid表示生育中期作物系数;Kend表示成 熟期作物系数;ETi(i=1,2,3,4)分别表示农作物在初始生长期、快速发育 期、生育中期和成熟期的蒸散发量。
进一步地,所述有效降水量预测方程为:
Pa=σP
其中,Pa表示有效降雨量,P表示年降水量,σ表示年降水有效利用 系数。
进一步地,所述年降水量P的预测方法,具体包括:
(01)对研究区域的历史气候模式进行气候变化模拟;
(02)利用历史降水数据对模拟结果进行有效性评估;
(03)在不同碳排放模式下,利用经过评估的模拟结果对研究区域未 来年降水量进行预测。
进一步地,所述年降水有效利用系数表示为:
进一步地,步骤(2.2)所述根据预测得到的农作物全生育期需水量和 有效降水量,对农业需水量进行预测,具体为,采用如下农业需水预测方 程,对农业需水量进行预测:
其中,IrrWD表示农业需水量,单位为亿m3;表示单个种类农作 物全生育期需水量;代表单个农作物所占比例;D表示耕地面积;υ表 示农田灌溉水利用系数;θ表示农作物种类折算系数,依据选取代表性农作 物的种类而定。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够 取得下列有益效果:
本发明分别建立了人类活动影响下多因子工业需水系统动力学预测模 型,以及气候变化下基于用水机理预测法的农业需水系统动力学预测模型; 针对工业需水预测部分,采用传统工业需水定额法与系统动力学相结合的 技术;针对农业需水预测部分,建立了基于用水机理预测的系统动力学模 型,并引入气候变化不同碳排放情景下的未来预测降水量。本发明根据系 统内部各组成要素间的因果反馈关系,充分考虑经济驱动、社会影响、气 候变化、政策制约等因素,从系统内部结构发现需水变化的原因,解决了 系统动力学方法在生产需水预测运用中存在的因子选择不全面以及模拟效 佳果欠的问题,从模型结构和预测因子两方面提高了需水预测的有效性和 准确性。
附图说明
图1本发明的生产需水预测方法流程图;
图2本发明实施例提供的研究区域分区图;
图3工业需水预测模型结构图;
图4农作物全生育期需水估算流程图;
图5珠江上中游RCPs2.6情景下的2019-2050预测降水量;
图6农业需水预测模型结构图;
图7(a)-图7(c)表示珠江上中游各分区实际工业需水量、采用本发 明方法模拟结果以及采用现有工业需水定额法模拟结果的对比图;
图8(a)-图8(c)表示珠江上中游各分区实际农田灌溉需水量、采用 本发明方法模拟结果以及采用现有农业需水配额法模拟结果的对比图;
图9珠江上中游工农业总需水模拟结果与实际值对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图 及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体 实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的 本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可 以相互组合。
参考图1,本发明提供了一种基于系统动力学的生产需水预测方法,包 括:(1)工业需水预测;
(1.1)收集工业需水预测影响因子;
具体地,将研究区域内按省级行政区划分为3个部分,分别为广西、 云南、贵州三省,研究区域图如图2所示。模拟时间为2007至2050年, 其中2007年至2017年为模型验证阶段,2018年至2050年为模拟预测阶段, 每个阶段包含2个部分,分别为工业需水预测和农业需水预测,收集各部 分2007年至2017年的社会经济数据,其中,工业需水预测影响因子包括: 万元工业增加值用水量、收入调节系数、工业用水重复率、人均GDP、工 业用水水价和工业用水技术;并对各影响因子进行显著性分析和共线性诊 断。
(1.2)对每个影响因子分别建立用于反应其未来演化趋势的预测方程;
具体地,步骤(1.2)具体包括:
(1.2.1)建立万元工业增加值用水量预测方程:
采用指数模型预测万元工业增加值用水量,得到万元工业增加值用水 量预测方程:
其中,J代表万元工业增加值用水量预测值;t代表时间,以T0年作为 基年准;A、B、f均为常数;
(1.2.2)建立收入调节系数预测方程;
采用环境库兹涅茨模型模拟研究区域未来收入调节系数,得到收入调 节系数预测方程:
其中,ξt表示第t年的收入调节系数,bi表示模型参数,ε表示随机误 差;
(1.2.3)建立工业用水重复率方程;
基于Logistic模型模拟工业用水重复率增长趋势,得到工业用水重复率 方程:
其中,Z是常数,依据各地的实际发展确定;ωt代表第t年工业用水重 复率;a表示工业用水重复率增长速率;
(1.2.4)建立人均GDP预测方程;
采用线性回归模拟人均GDP变化趋势,得到人均GDP预测方程:
GDPCt=GDPC0+k×(t-T0)
其中,GDPCt表示t年的人均GDP,GDPC0表示人均GDP初始值,k 表示人均GDP增长率;
(1.2.5)将工业用水水价视为常数;
(1.2.6)建立工业用水技术系数预测方程;
采用分段韩函数模拟各地工业发展情况的阶段性趋势,得到工业用水 技术系数预测方程:
式中,λ为工业用水技术系数;Ti、Tj为不同的时间节点;a1、a2、a3表 示不同阶段的工业用水技术系数。
本发明实施例对珠江上中游建立上述预测方程,结果如下:
万元工业增加值用水预测方程:
工业用水技术系数预测方程:
其中,λgx代表广西工业用水技术系数;λyn代表云南工业用水技术系数; λgx代表贵州工业用水技术系数;
人均GDP预测方程:
(1.3)根据各个影响因子对应的预测方程,对待预测区域建立工业需 水预测模型,并对所述工业需水预测模型进行有效性检验;
具体地,根据上述预测方程,得到工业需水预测模型为:
式中,IWD表示工业需水,χ代表工业结构调整系数,N为常数;VAIO 代表工业产值增加值,P工代表工业用水水价;ρ代表工业用水水价弹性;ζ 表示工业重复用水影响系数,反映工业用水强度随工业用水重复率的变化。
模型建立后,根据研究区域历史统计值和模拟值与之间的相对误差, 对模型进行有效性检验。本发明实施例建立的工业需水预测模型如图3所 示。
(1.4)采用经过检验的工业需水预测模型对待预测区域进行工业需水 预测,得到工业需水预测结果;
(2)农业需水预测;
(2.1)分别对选取的所有种类农作物全生育期需水量和有效降水量进 行预测;
具体地,需要说明,农业需水包括农田灌溉需水和林牧渔需水,其中 林牧渔需水量在研究区内比重小,不作为本发明考虑对象,即本发明所指 农业需水仅表示农田灌溉需水量。现阶段,农作物需水量大多利用作物系 数和参考作物蒸散发进行计算,函数关系如下:
AWD=Kc×ETo
其中,AWD代表农作物需水量;Kc代表作物系数;ET0代表农作物蒸散量。 本发明中作物系数的确定采用FAO(Food andAgriculture Organization ofthe UnitedNations)推荐的84种作物的标准作物系数和修正公式,并根据当地 气候、土壤、作物和灌溉条件对其进行修正。FAO推荐采用单值平均法确 定作物系数,即把全生育期阶段的作物系数变化过程概化为4个阶段:初 始生长期、快速发育期、生育中期和成熟期,分别记上述4个阶段的作物 系数为:Kini、Kgr、Kmid、和Kend。采用彭曼公式估算农作物蒸散量,估算 系统流程如图4所示,具体表达式如下:
因此,某种农作物全生育期需水量可以表示为:
AWD*=Kini×ET1+Kgr×ET2+Kmid×ET3+Kend×ET4
其中,AWD*表示农作物全生育期需水量,Kini表示初始生长期作物系 数;Kgr表示快速发育期作物系数;Kmid表示生育中期作物系数;Kend表示成 熟期作物系数;ETi(i=1,2,3,4)分别表示农作物在初始生长期、快速发育 期、生育中期和成熟期的蒸散发量。
农作物需水量来源主要分为两个部分,一部分来自农田灌溉,另一部 分来自天然降水,因此,本发明将农田灌溉需水量与未来气候变化联系, 有效降水量预测方程为:
Pa=σP
其中,Pa表示有效降雨量,P表示年降水量,σ表示年降水有效利用 系数。对年降水量P的预测方法,具体包括:(01)对研究区域的气候模 式进行气候变化模拟;(02)利用历史降水数据对模拟结果进行有效性评 估;(03)在不同碳排放模式下,利用经过评估的模拟结果对研究区域未 来年降水量进行预测。本发明实施例对降水量的预测过程为:采集历史NCEP数据、流域历史降雨数据和未来不同RCP排放情景下的CMIP5单模 式(BCC_CSM1.1)预报因子数据;将历史NCEP数据、流域历史降雨数 据输入统计降尺度模型,从历史NCEP数据中优选预报因子,得到优选出 的预报因子与降雨间的统计关系;将CMIP5单模式(BCC_CSM1.1)优选 出的预报因子输入统计降尺度模型预测流域未来降雨量。
本发明实施例利用梧州断面内84个气象观测站1900年至2000年逐日 降水观测数据,对CMIP5单模式在梧州断面内的模拟效果进行评估,根据 CMIP5输出结果,以RCPs2.6情境下的碳排放模式为例,预测梧州断面内 2019至2050年月尺度降水量,结果如图5所示,通过经验公式计算年有效 降水量,其中月尺度的2007年到2018年的历史降雨量数据取自南北盘江、 红柳江、郁江等水资源二级流域内的水文观测站实测数据。
根据经验资料,年降水有效利用系数可表示为:
(2.2)根据预测得到的农作物全生育期需水量和有效降水量,对农业 需水量进行预测,得到农业需水预测结果。
具体地,采用如下农业需水预测方程,对农业需水量进行预测:
其中,IrrWD表示农业需水量,单位为亿m3;表示单个种类农作物全 生育期需水量;代表分项系数;D表示耕地面积;υ表示农田灌溉水利 用系数,υ是农作物灌溉水利用系数,其变化与时间有关,模拟函数如下: B代表调节常数;代表增长系数;θ表示农作物种类折算 系数,依据选取代表性农作物的种类而定。本发明实施例建立的农业需水 预测模型如图6所示。
将珠江上中游地区实际工业需水量、采用本发明方法模拟工业需水结 果与采用现有工业需水预测定额法模拟结果进行比较分析,结果如图7(a) -7(c);将珠江上中游地区实际农业需水量、采用本发明方法模拟农业需 水结果与采用现有工业需水预测定额法模拟结果进行比较分析,结果如图8 (a)-8(c),结果均表明本发明方法对历史数据拟合效果较好,且能表征 未来工农业需水的波动性变化,弥补了传统定额法只能反映需水平稳趋势 的缺陷;工农业总需水模拟结果如图9所示,可以看出珠江上中游未来工 农业需水情势稳定,这与未来建立节水型社会趋势一致。
需要说明,生产需水包括工业需水、农业需水和服务业需水,由于工 农业需水占据生产需水的绝大部分,服务业需水的比重较小,不作为本发 明考虑对象,即本发明所指生产需水只包括工业需水和农业需水。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已, 并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等 同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于系统动力学的生产需水预测方法,其特征在于,包括:
(1)工业需水预测;
(1.1)收集工业需水预测影响因子;所述工业需水预测影响因子包括万元工业增加值用水量、收入调节系数、工业用水重复率、人均GDP、工业用水水价和工业用水技术;
(1.2)对每个影响因子分别建立用于反应其未来演化趋势的预测方程;
(1.3)根据各个影响因子对应的预测方程,对待预测区域建立工业需水预测模型,并对所述工业需水预测模型进行有效性检验;
(1.4)采用经过检验的工业需水预测模型对待预测区域进行工业需水预测,得到工业需水预测结果;
(2)农业需水预测;
(2.1)分别对选取的所有种类农作物全生育期需水量和有效降水量进行预测;
(2.2)根据预测得到的农作物全生育期需水量和有效降水量,对农业需水量进行预测,得到农业需水预测结果。
2.根据权利要求1所述的一种基于系统动力学的生产需水预测方法,其特征在于,步骤(1.2)具体包括:
(1.2.1)建立万元工业增加值用水量预测方程:
采用指数模型预测万元工业增加值用水量,得到万元工业增加值用水量预测方程:
其中,J代表万元工业增加值用水量预测值;t代表时间,以T0年作为基年准;A、B、f均为常数;
(1.2.2)建立收入调节系数预测方程;
采用环境库兹涅茨模型模拟研究区域未来收入调节系数,得到收入调节系数预测方程:
其中,ξt表示第t年的收入调节系数,bi表示模型参数,ε表示随机误差;
(1.2.3)建立工业用水重复率方程;
基于Logistic模型模拟工业用水重复率增长趋势,得到工业用水重复率方程:
其中,Z是常数,依据各地的实际发展确定;ωt代表第t年工业用水重复率;a表示工业用水重复率增长速率;
(1.2.4)建立人均GDP预测方程;
采用线性回归模拟人均GDP变化趋势,得到人均GDP预测方程:
GDPCt=GDPC0+k×(t-T0)
其中,GDPCt表示t年的人均GDP,GDPC0表示人均GDP初始值,k表示人均GDP增长率;
(1.2.5)将工业用水水价视为常数;
(1.2.6)建立工业用水技术系数预测方程;
采用分段韩函数模拟各地工业发展情况的阶段性趋势,得到工业用水技术系数预测方程:
式中,λ为工业用水技术系数;Ti、Tj为不同的时间节点;a1、a2、a3表示不同阶段的工业用水技术系数。
4.根据权利要求1-3任一项所述的一种基于系统动力学的生产需水预测方法,其特征在于,步骤(1.3)所述对所述工业需水预测模型进行有效性检验,具体为:根据研究区域历史统计值和模拟值与之间的相对误差,对所述工业需水预测模型进行有效性检验。
5.根据权利要求1所述的一种基于系统动力学的生产需水预测方法,其特征在于,每种农作物全生育期需水量预测方程为:
AWD*=Kini×ET1+Kgr×ET2+Kmid×ET3+Kend×ET4
其中,AWD*表示农作物全生育期需水量,Kini表示初始生长期作物系数;Kgr表示快速发育期作物系数;Kmid表示生育中期作物系数;Kend表示成熟期作物系数;ETi(i=1,2,3,4)分别表示农作物在初始生长期、快速发育期、生育中期和成熟期的蒸散发量。
6.根据权利要求1所述的一种基于系统动力学的生产需水预测方法,其特征在于,所述有效降水量预测方程为:
Pa=σP
其中,Pa表示有效降雨量,P表示年降水量,σ表示年降水有效利用系数。
7.根据权利要求6所述的一种基于系统动力学的生产需水预测方法,其特征在于,所述年降水量P的预测方法,具体包括:
(01)对研究区域的历史气候模式进行气候变化模拟;
(02)利用历史降水数据对模拟结果进行有效性评估;
(03)在不同碳排放模式下,利用经过评估的模拟结果对研究区域未来年降水量进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910950504.2A CN110852477B (zh) | 2019-10-08 | 2019-10-08 | 一种基于系统动力学的生产需水预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910950504.2A CN110852477B (zh) | 2019-10-08 | 2019-10-08 | 一种基于系统动力学的生产需水预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852477A true CN110852477A (zh) | 2020-02-28 |
CN110852477B CN110852477B (zh) | 2022-09-27 |
Family
ID=69597618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910950504.2A Active CN110852477B (zh) | 2019-10-08 | 2019-10-08 | 一种基于系统动力学的生产需水预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852477B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344449A (zh) * | 2021-07-02 | 2021-09-03 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种预测月尺度工业需水量的方法 |
CN113435646A (zh) * | 2021-06-25 | 2021-09-24 | 中国水利水电科学研究院 | 基于年降雨长期预报方法的矿区生态需水量计算方法 |
CN113705657A (zh) * | 2021-08-24 | 2021-11-26 | 华北电力大学 | 一种基于差分法消除多重共线性的逐步聚类统计降尺度方法 |
CN114698535A (zh) * | 2022-04-06 | 2022-07-05 | 武汉禾大科技有限公司 | 农作物精准灌溉方法、系统、电子设备及存储介质 |
CN116205361A (zh) * | 2023-03-07 | 2023-06-02 | 河海大学 | 一种基于匹配度的工业用水效率分级预测方法 |
CN117196115A (zh) * | 2023-09-25 | 2023-12-08 | 中国科学院西北生态环境资源研究院 | 一种用水紧张程度的预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218536A (zh) * | 2013-04-26 | 2013-07-24 | 珠江水利委员会珠江水利科学研究院 | 跨越式发展地区需水预测方法 |
WO2016118686A1 (en) * | 2015-01-23 | 2016-07-28 | Iteris, Inc. | Modeling of crop growth for desired moisture content of targeted livestock feedstuff for determination of harvest windows using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states |
CN107491844A (zh) * | 2017-08-28 | 2017-12-19 | 中国水利水电科学研究院 | 农田灌溉层次需水量的分析方法 |
CN107808211A (zh) * | 2017-09-15 | 2018-03-16 | 周亚岐 | 一种区域水资源需求预测方法 |
CN110210688A (zh) * | 2019-06-18 | 2019-09-06 | 中国农业科学院农业资源与农业区划研究所 | 基于作物需水与土壤供水的农业干旱灾害监测预报方法 |
-
2019
- 2019-10-08 CN CN201910950504.2A patent/CN110852477B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218536A (zh) * | 2013-04-26 | 2013-07-24 | 珠江水利委员会珠江水利科学研究院 | 跨越式发展地区需水预测方法 |
WO2016118686A1 (en) * | 2015-01-23 | 2016-07-28 | Iteris, Inc. | Modeling of crop growth for desired moisture content of targeted livestock feedstuff for determination of harvest windows using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states |
CN107491844A (zh) * | 2017-08-28 | 2017-12-19 | 中国水利水电科学研究院 | 农田灌溉层次需水量的分析方法 |
CN107808211A (zh) * | 2017-09-15 | 2018-03-16 | 周亚岐 | 一种区域水资源需求预测方法 |
CN110210688A (zh) * | 2019-06-18 | 2019-09-06 | 中国农业科学院农业资源与农业区划研究所 | 基于作物需水与土壤供水的农业干旱灾害监测预报方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435646A (zh) * | 2021-06-25 | 2021-09-24 | 中国水利水电科学研究院 | 基于年降雨长期预报方法的矿区生态需水量计算方法 |
CN113344449A (zh) * | 2021-07-02 | 2021-09-03 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种预测月尺度工业需水量的方法 |
CN113344449B (zh) * | 2021-07-02 | 2023-08-29 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种预测月尺度工业需水量的方法 |
CN113705657A (zh) * | 2021-08-24 | 2021-11-26 | 华北电力大学 | 一种基于差分法消除多重共线性的逐步聚类统计降尺度方法 |
CN113705657B (zh) * | 2021-08-24 | 2024-01-19 | 华北电力大学 | 一种基于差分法消除多重共线性的逐步聚类统计降尺度方法 |
CN114698535A (zh) * | 2022-04-06 | 2022-07-05 | 武汉禾大科技有限公司 | 农作物精准灌溉方法、系统、电子设备及存储介质 |
CN114698535B (zh) * | 2022-04-06 | 2024-03-15 | 武汉禾大科技有限公司 | 农作物精准灌溉方法、系统、电子设备及存储介质 |
CN116205361A (zh) * | 2023-03-07 | 2023-06-02 | 河海大学 | 一种基于匹配度的工业用水效率分级预测方法 |
CN116205361B (zh) * | 2023-03-07 | 2024-02-23 | 河海大学 | 一种基于匹配度的工业用水效率分级预测方法 |
CN117196115A (zh) * | 2023-09-25 | 2023-12-08 | 中国科学院西北生态环境资源研究院 | 一种用水紧张程度的预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110852477B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852477B (zh) | 一种基于系统动力学的生产需水预测方法 | |
Simelton et al. | Typologies of crop-drought vulnerability: an empirical analysis of the socio-economic factors that influence the sensitivity and resilience to drought of three major food crops in China (1961–2001) | |
Mirzaei et al. | Water conflict management between agriculture and wetland under climate change: Application of economic-hydrological-behavioral modelling | |
Tol | The marginal costs of greenhouse gas emissions | |
Tang et al. | Smallholder farms’ adaptation to the impacts of climate change: Evidence from China’s Loess Plateau | |
Mehrazar et al. | Adaptation of water resources system to water scarcity and climate change in the suburb area of megacities | |
CN112765808B (zh) | 一种生态干旱的监测与评估方法 | |
CN103218669A (zh) | 一种智能的活鱼养殖水质综合预测方法 | |
Rowshon et al. | Modeling climate-smart decision support system (CSDSS) for analyzing water demand of a large-scale rice irrigation scheme | |
CN111191193A (zh) | 一种基于自回归滑动平均模型的长期土壤温湿度高精度预测方法 | |
Sellami et al. | Climate models and hydrological parameter uncertainties in climate change impacts on monthly runoff and daily flow duration curve of a Mediterranean catchment | |
CN102495937A (zh) | 一种基于时间序列的预测方法 | |
Bandara | Assessing irrigation performance by using remote sensing | |
CN116485584B (zh) | 高寒区大底坡河流wee协同调控方法及系统 | |
CN111915083A (zh) | 一种基于时间分层组合的风电功率预测方法及预测系统 | |
Gui et al. | Simulation-based inexact fuzzy semi-infinite programming method for agricultural cultivated area planning in the Shiyang River Basin | |
CN116244941A (zh) | 一种园区碳排放核算方法 | |
CN115034425A (zh) | 耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 | |
Suárez-Almiñana et al. | Integrating seasonal forecasts into real-time drought management: Júcar River Basin case study | |
Singha et al. | Analysis of factors influencing farmers’ knowledge on resource conservation technologies (RCTs) in rice (Oryza sativa L.) cultivation | |
Faiz et al. | Effects of land use and climate variability on the main stream of the Songhua River Basin, Northeast China | |
CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
Mather et al. | Climatology: the challenge for the eighties | |
Sun et al. | Evaluating the credibility of downscaling: integrating scale, trend, extreme, and climate event into a diagnostic framework | |
Zhao et al. | Carbon sink response of terrestrial vegetation ecosystems in the Yangtze River Delta and its driving mechanism |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |