CN113592278A - 考虑非期望产出的sbm水环境承载力评价方法 - Google Patents
考虑非期望产出的sbm水环境承载力评价方法 Download PDFInfo
- Publication number
- CN113592278A CN113592278A CN202110839082.9A CN202110839082A CN113592278A CN 113592278 A CN113592278 A CN 113592278A CN 202110839082 A CN202110839082 A CN 202110839082A CN 113592278 A CN113592278 A CN 113592278A
- Authority
- CN
- China
- Prior art keywords
- water environment
- bearing capacity
- model
- output
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 100
- 238000011156 evaluation Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000003911 water pollution Methods 0.000 claims abstract description 16
- 238000000611 regression analysis Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 16
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 238000005311 autocorrelation function Methods 0.000 claims description 6
- 238000005314 correlation function Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- 239000010865 sewage Substances 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 238000013112 stability test Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000003973 irrigation Methods 0.000 claims description 2
- 230000002262 irrigation Effects 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims 1
- 238000011161 development Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 2
- 241000282465 Canis Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 239000003403 water pollutant Substances 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑非期望产出的基于松弛变量测度模型(slacks‑based measure,SBM)的水环境承载力评价方法,旨在为区域水环境管理与保护提供科学依据。包括以下步骤:(1)选择投入要素指标、期望产出指标和非期望产出指标,构建流域水环境承载力投入产出指标体系;(2)应用考虑非期望产出的SBM模型进行水环境承载力评价;(3)应用自回归滑动平均模型(auto regressive moving average,ARMA)进行水环境承载力预测;(4)运用Tobit回归分析判断影响因子对水环境承载力的影响方向和强度。本发明首次将考虑非期望产出的SBM模型引入水环境承载力评价,利用水污染排放绩效来反映水环境承载力。
Description
技术领域
本发明涉及一种考虑非期望产出的SBM水环境承载力评价方法,属于水利综合评价技术领域。
背景技术
水环境承载力研究方法主要包括指标体系法、系统动力学和多目标规划法。其中,指标体系法应用最为广泛,评价方法有向量模法、模糊综合评价法、主成分分析等。指标体系法评价结果综合反映了地区一定阶段内的经济社会与水环境协调发展水平。学者们在此领域开展了众多研究,取得了丰富的成果。但通过水污染物排放绩效来反映区域经济社会与水环境的协调发展水平的研究尚不多见。
发明内容
本发明旨在提供一种考虑非期望产出的基于SBM模型的水环境承载力评价方法,通过考核区域的水污染排放绩效来反映经济社会发展水平与水环境之间的协调程度,对水环境承载力评价有很好的参考价值。
低投入、高产出、低排放是社会发展的理想状态。但在现实生活中,除了GDP等期望产出外,还会伴随各种废水、废气、固体废物的产出,这些经济增长中的副产品是“非期望”的。对于水环境而言,人类利用水资源满足经济增长和社会发展的需求,同时也对水环境产生污染。所以,可以综合考虑处理投入、产出、污染三者之间的关系,进行水环境承载力评价。考虑非期望产出的SBM模型将水与社会经济系统分为“投入+产出”系统,考核决策单元的水污染排放绩效,提供了水环境承载力评价的新视角。
本发明提供了一种基于考虑非期望产出的SBM模型的水环境承载力评价方法,具体过程如下:
步骤一:从投入要素、期望产出和非期望产出三方面选取指标,建立水环境承载力投入产出指标体系;
步骤二:结合步骤一中所建立的水环境承载力投入产出指标体系,通过考虑非期望产出的SBM模型计算水污染排放绩效,以此来反映区域水环境承载力;
步骤三:将ARMA模型与步骤二所得的评价结果相结合,进行水环境承载力预测;
步骤四:考虑水环境承载力的可能影响因子,建立水环境承载力影响因子指标体系;
步骤五:采用Tobit回归分析模型,结合步骤二所得的评价结果,对步骤四中的影响因子进行分析,判断其对水环境承载力的影响方向和强度。
上述步骤一中,所述投入要素指标包括用水总量、人口总量、固定资产投资总额、耕地面积,期望产出指标包括地区GDP总量、粮食总产量,非期望产出指标包括化学需氧量排放总量、污水排放总量。
步骤二的具体过程为:
假设有n个决策单元的生产系统,每个决策单元由投入、期望产出和非期望产出三个向量构成,使用m单位投入产生S1的期望产出和S2的非期望产出。三个投入产出向量表示为:x∈Rm,yg∈RS1,yb∈RS2。其中矩阵X、Yg、Yb的定义如下:X=[x1,x2,…xn]∈Rm×n,
假设X>0,Yg>0,Yb>0,则生产可能性集可定义为:
P={(x,yg,yb)x≥Xθ,yg≥Ygθ,yb≥Ybθ,θ≥0}
式中:θ为决策单元的权重向量;实际的期望产出低于前沿理想期望产出水平,实际非期望产出高于前沿的非期望产出水平。基于生产可能性集,考虑非期望产出的超效率SBM模型为:
式中:S=(S-,Sg,Sb)表示投入、期望产出和非期望产出的松弛量;ρ*是决策单元的效率值。
上述步骤三中,首先对步骤二所得的评价结果时间序列进行平稳性检验,如果不平稳,则通过取对数和差分的方式将其转化为平稳序列;其次对该平稳序列的自相关函数和偏相关函数进行分析,若都呈现出拖尾特性,则采用ARMA模型进行预测。然后采用AIC(Akaike informationcriterion)准则对模型进行定阶,确定自回归滞后阶数p和滑动平均滞后阶数q。估计模型参数,并对模型进行检验。最后,采用ARMA(p,q)进行水环境承载力预测。
上述步骤四中,可能的影响因子从经济社会、水资源和水环境三方面考虑,经济社会层面包括城镇化水平和第三产业GDP占比;水资源层面包括人均水资源量、城镇居民生活用水量、农田灌溉用水量;水环境层面考虑污水处理率和森林覆盖率。
步骤五的具体过程为:
Tobit模型的基本形式如下:
在Tobit回归模型中,水污染排放效率值作为因变量均取正值,属于截断的离散分布数据,因此将截断点a设置为0。用最大似然法对模型参数进行估计。
本发明的有益效果:
(1)首次将考虑非期望产出的SBM模型引入水环境承载力评价,利用水污染排放绩效来反映水环境承载力;
(2)该方法从投入要素、期望产出、非期望产出三方面建立投入产出指标体系,相较于其他指标体系建立方法更加反映了水环境承载力的内涵;
(3)通过Tobit回归分析对水环境承载力的影响因素进行检验,可以衡量影响因子对水环境承载力的影响强度和方向。
附图说明
图1是本发明的流程图。
具体实施方式
下面通过实施例来进一步说明本发明,但不局限于以下实施例。
在经济发展过程中,劳动力,资本,水资源的投入不仅会带来经济效益,也会伴随水污染的排放,及非期望产出。与传统的数据包络模型相比,基于非期望产出的SBM模型一方面可以解决投入产出的松驰性问题,另一方面也解决了非期望产出存在下的效率分析问题。
本发明通过水污染排放绩效来表征区域社会经济发展水平与水环境的协调程度,以此来反映区域水环境承载力,是对水环境承载力研究的一种补充。
步骤1:从投入要素、期望产出和非期望产出三方面选取指标建立水环境承载力投入产出指标体系。投入要素指标层选择用水总量、人口总量、固定资产投资总额和耕地面积。其中,用水总量反映水资源投入,人口总量反映劳动力投入,固定资产投资总额反映资本投入,耕地面积反映土地资源投入。期望产出指标层选择地区GDP总量和粮食总产量,其中地区GDP总量反映经济效益产出,粮食总产量反映农业生产水平。非期望指标层选择化学需氧量排放总量和污水排放量,反映社会经济发展对水环境的压力。指标体系见表1。
表1
步骤2:结合步骤1中所建立的水污染排放效率投入产出指标体系,通过考虑非期望产出的SBM模型计算水污染排放绩效,以此来反映区域水环境承载力。
假设有n个决策单元的生产系统,每个决策单元由投入、期望产出和非期望产出三个向量构成,使用m单位投入产生S1的期望产出和S2的非期望产出。三个投入产出向量表示为:x∈Rm,yg∈RS1,yb∈RS2。其中矩阵X、Yg、Yb的定义如下:
假设X>0,Yg>0,Yb>0,则生产可能性集可定义为:
P={(x,yg,yb)|x≥Xθ,yg≥Ygθ,yb≥Ybθ,θ≥0}
式中:θ为决策单元的权重向量;实际的期望产出低于前沿理想期望产出水平,实际非期望产出高于前沿的非期望产出水平。基于生产可能性集,考虑非期望产出的超效率SBM模型为:
式中:S=(S-,Sg,Sb)表示投入、期望产出和非期望产出的松弛量;ρ*是决策单元的效率值。
步骤3:将ARMA模型与步骤2所得的评价结果相结合,进行水环境承载力预测。
ARMA模型的具体形式如下:
式中:p,q分别为自回归滞后阶数和滑动平均滞后阶数:μt为白噪声序列:和θ1、θ2、…θq分别为子回归系数和移动平均系数,均是模型的待估参数;yt为评价结果时间序列;c为yt的均值,t为时间序列的长度。
ARMA方法主要针对平稳时间序列,所以首先对步骤2所得的评价结果时间序列进行平稳性检验。平稳性检验方法采用ADF检验。如果评价结果时间序列不平稳,则通过取对数和差分的方式将其转化为平稳序列;其次对该平稳序列的自相关函数和偏相关函数进行分析,若都呈现出拖尾特性,则采用ARMA模型进行预测。然后采用AIC(Akaike informationcriterion)准则对模型进行定阶,确定自回归滞后阶数p和滑动平均滞后阶数q。估计模型参数,并对模型进行检验。最后,采用ARMA(p,q)进行水环境承载力预测。
步骤4:考虑水环境承载力的可能影响因子,建立水环境承载力影响因子指标体系。水环境与社会经济、水资源相结合形成的是一个不断发展的、综合的、复杂的系统,水环境承载水平与水资源、水环境状况以及社会经济系统对水资源、水环境的开发利用方式与水平直接相关。因此可能的影响因子从经济社会、水资源和水环境三方面考虑。经济社会层面包括城镇化水平和第三产业GDP占比,考虑产业结构对水环境承载力的影响;水资源层面包括人均水资源量、城镇居民生活用水量、农田灌溉用水量,考虑用水方式对水环境承载力的影响;水环境层面考虑污水处理率和森林覆盖率。
步骤5:采用Tobit回归分析模型,结合步骤2所得的评价结果,对步骤4中的影响因子进行分析,判断其对水环境承载力的影响方向和强度。
Tobit模型的基本形式如下:
在Tobit回归模型中,水污染排放效率值作为因变量均取正值,属于截断的离散分布数据,因此将截断点a设置为0。用最大似然法对模型参数进行估计。
Claims (7)
1.考虑非期望产出的SBM模型的水环境承载力评价方法,其特征在于包括以下步骤:
步骤一:从投入要素、期望产出和非期望产出三方面选取指标,建立水环境承载力投入产出指标体系;
步骤二:结合步骤一中所建立的水环境承载力投入产出指标体系,通过考虑非期望产出的SBM模型计算水污染排放绩效,以此来反映区域水环境承载力;
步骤三:将ARMA模型与步骤二所得的评价结果相结合,进行水环境承载力预测;
步骤四:考虑水环境承载力的可能影响因子,建立水环境承载力影响因子指标体系;
步骤五:采用Tobit回归分析模型,结合步骤二所得的评价结果,对步骤四中的影响因子进行分析,判断其对水环境承载力的影响方向和强度。
2.根据权利要求1所述的考虑非期望产出的SBM模型的水环境承载力评价方法,其特征在于:步骤一中,所述投入要素指标包括用水总量、人口总量、固定资产投资总额、耕地面积,期望产出指标包括地区GDP总量、粮食总产量,非期望产出指标包括化学需氧量排放总量、污水排放总量。
3.根据权利要求1所述的考虑非期望产出的SBM模型的水环境承载力评价方法,其特征在于:步骤二的具体过程为:
假设有n个决策单元的生产系统,每个决策单元由投入、期望产出和非期望产出三个向量构成,使用m单位投入产生S1的期望产出和S2的非期望产出;
假设X>0,Yg>0,Yb>0,则生产可能性集P定义为:
P={(x,yg,yb)|x≥Xθ,yg≥Ygθ,yb≥Ybθ,θ≥0}
式中:θ为决策单元的权重向量;实际的期望产出低于前沿理想期望产出水平,实际非期望产出高于前沿的非期望产出水平;基于生产可能性集,考虑非期望产出的超效率SBM模型为:
式中:S=(S-,Sg,Sb)表示投入、期望产出和非期望产出的松弛量;ρ*是决策单元的效率值。
4.根据权利要求1所述的考虑非期望产出的SBM模型的水环境承载力评价方法,其特征在于:步骤三中,首先对步骤二所得的评价结果时间序列进行平稳性检验,如果不平稳,则通过取对数和差分的方式将其转化为平稳序列;其次对该平稳序列的自相关函数和偏相关函数进行分析,若都呈现出拖尾特性,则采用ARMA模型进行预测;然后采用AIC准则对模型进行定阶,确定自回归滞后阶数p和滑动平均滞后阶数q;估计模型参数,并对模型进行检验;最后,采用ARMA(p,q)进行水环境承载力预测。
6.根据权利要求1所述的考虑非期望产出的SBM模型的水环境承载力评价方法,其特征在于:步骤四中,可能的影响因子从经济社会、水资源和水环境三方面考虑,经济社会层面包括城镇化水平和第三产业GDP占比;水资源层面包括人均水资源量、城镇居民生活用水量、农田灌溉用水量;水环境层面考虑污水处理率和森林覆盖率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110839082.9A CN113592278A (zh) | 2021-07-23 | 2021-07-23 | 考虑非期望产出的sbm水环境承载力评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110839082.9A CN113592278A (zh) | 2021-07-23 | 2021-07-23 | 考虑非期望产出的sbm水环境承载力评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113592278A true CN113592278A (zh) | 2021-11-02 |
Family
ID=78249480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110839082.9A Pending CN113592278A (zh) | 2021-07-23 | 2021-07-23 | 考虑非期望产出的sbm水环境承载力评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592278A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115860527A (zh) * | 2022-11-23 | 2023-03-28 | 中国科学院地理科学与资源研究所 | 城市水环境影响定量监测方法及装置 |
CN115936950A (zh) * | 2022-12-21 | 2023-04-07 | 中国科学院地理科学与资源研究所 | 一种基于资源环境承载和污染排放多维度的生态效率评估方法 |
CN116680518A (zh) * | 2023-08-04 | 2023-09-01 | 北京市智慧水务发展研究院 | 用于地表水环境的时空态势分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570634A (zh) * | 2016-10-28 | 2017-04-19 | 中国科学院地理科学与资源研究所 | 城市群经济环境效率评估方法 |
JP2018143318A (ja) * | 2017-03-02 | 2018-09-20 | 大学共同利用機関法人自然科学研究機構 | 環境共有レベル判定装置 |
CN108564229A (zh) * | 2018-04-26 | 2018-09-21 | 广东省广业科技集团有限公司 | 一种基于arima模型的工业污水进水量预测的方法 |
CN110598315A (zh) * | 2019-09-10 | 2019-12-20 | 太原理工大学 | 变化条件下流域非一致性设计洪水的不确定性分析方法 |
-
2021
- 2021-07-23 CN CN202110839082.9A patent/CN113592278A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570634A (zh) * | 2016-10-28 | 2017-04-19 | 中国科学院地理科学与资源研究所 | 城市群经济环境效率评估方法 |
JP2018143318A (ja) * | 2017-03-02 | 2018-09-20 | 大学共同利用機関法人自然科学研究機構 | 環境共有レベル判定装置 |
CN108564229A (zh) * | 2018-04-26 | 2018-09-21 | 广东省广业科技集团有限公司 | 一种基于arima模型的工业污水进水量预测的方法 |
CN110598315A (zh) * | 2019-09-10 | 2019-12-20 | 太原理工大学 | 变化条件下流域非一致性设计洪水的不确定性分析方法 |
Non-Patent Citations (6)
Title |
---|
丁绪辉;贺菊花;王柳元;: "考虑非合意产出的省际水资源利用效率及驱动因素研究――基于SE-SBM与Tobit模型的考察", 中国人口・资源与环境 * |
刘丹 等: "基于ARMA模型的水环境承载力超载预警研究", 水资源保护 * |
刘渝, 宋阳: "基于超效率SBM的中国农业水资源环境效率评价及影响因素分析", 中国农村水利水电 * |
赵良仕;孙才志;郑德凤;: "中国省际水资源利用效率与空间溢出效应测度", 地理学报 * |
郭彬;逯雨波;: "我国中部六省节能减排效率测评及其影响因素分析――基于超效率DEA模型和Tobit模型", 技术经济 * |
陈敏娜;: "基于SBM模型的水污染物排污指标分配实证研究", 大学数学 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115860527A (zh) * | 2022-11-23 | 2023-03-28 | 中国科学院地理科学与资源研究所 | 城市水环境影响定量监测方法及装置 |
CN115936950A (zh) * | 2022-12-21 | 2023-04-07 | 中国科学院地理科学与资源研究所 | 一种基于资源环境承载和污染排放多维度的生态效率评估方法 |
CN115936950B (zh) * | 2022-12-21 | 2023-09-01 | 中国科学院地理科学与资源研究所 | 一种基于资源环境承载和污染排放多维度的生态效率评估方法 |
CN116680518A (zh) * | 2023-08-04 | 2023-09-01 | 北京市智慧水务发展研究院 | 用于地表水环境的时空态势分析方法 |
CN116680518B (zh) * | 2023-08-04 | 2023-10-20 | 北京市智慧水务发展研究院 | 用于地表水环境的时空态势分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113592278A (zh) | 考虑非期望产出的sbm水环境承载力评价方法 | |
Yuan et al. | How does manufacturing agglomeration affect green economic efficiency? | |
Sun et al. | Optimizing China’s energy consumption structure under energy and carbon constraints | |
Ding et al. | Forecasting Chinese CO2 emissions from fuel combustion using a novel grey multivariable model | |
Phimphanthavong | The impacts of economic growth on environmental conditions in Laos | |
Makridou et al. | A two-stage approach for energy efficiency analysis in European Union countries | |
CN112633645B (zh) | 一种河源干旱区水资源挖潜与高效利用效果的社会经济效益核算方法 | |
CN111242270A (zh) | 基于改进的多目标差分优化回声状态网络的时间序列预测模型 | |
CN109697566A (zh) | 机电产品加工工艺评价系统及其评价方法 | |
CN110738353A (zh) | 基于人水耦合互馈系统动力学演化模型的预测方法和系统 | |
CN112132481A (zh) | 一种区域能效综合评价方法 | |
CN113344449B (zh) | 一种预测月尺度工业需水量的方法 | |
Najafabadi et al. | An investigation of the relationship among economic growth, agricultural expansion and chemical pollution in Iran through decoupling index analysis | |
Liu et al. | A comparison analysis of the decoupling carbon emissions from economic growth in three industries of Heilongjiang province in China | |
Kamisan et al. | Forecasting Wind Speed Data by Using a Combination of ARIMA Model with Single Exponential Smoothing. | |
Guo et al. | Heterogeneity study on mechanisms influencing carbon emission intensity at the county level in the Yangtze River Delta urban Agglomeration: A perspective on main functional areas | |
CN116663699A (zh) | 一种森林碳汇价值潜力预测方法 | |
CN115759327A (zh) | 一种城市碳排放预测方法、装置、设备和可读存储介质 | |
CN115358587A (zh) | 区域多部门协同的基础设施规划方法及系统 | |
Liu et al. | Evaluating the development efficiency of cultural industry by a bilateral SFA model. | |
CN108364136B (zh) | 一种基于证据推理的水资源短缺风险分析方法及系统 | |
Dou et al. | Optimized urban water security regulation schemes driven by industrial development pattern | |
Niu et al. | The prediction of carbon emissions from construction land in central Yunnan urban agglomeration area based on multiple linear regression model | |
Xu et al. | Energy-environmental efficiency of clean energy in China: Integrated analysis with regional green growth | |
CN118037002B (zh) | 水网系统中调水工程年度水资源调度计划编制方法及系统 |
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 |