CN114118808A - 一种水资源承载力评价方法 - Google Patents
一种水资源承载力评价方法 Download PDFInfo
- Publication number
- CN114118808A CN114118808A CN202111432349.9A CN202111432349A CN114118808A CN 114118808 A CN114118808 A CN 114118808A CN 202111432349 A CN202111432349 A CN 202111432349A CN 114118808 A CN114118808 A CN 114118808A
- Authority
- CN
- China
- Prior art keywords
- index
- indexes
- bearing capacity
- water resource
- clustering
- 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 92
- 238000011156 evaluation Methods 0.000 title claims abstract description 45
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 37
- 238000012360 testing method Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 3
- 238000012313 Kruskal-Wallis test Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003933 environmental pollution control Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000012795 verification Methods 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23211—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种水资源承载力评价方法,通过采集指定出处中出现的指标,并基于目标水资源区域指标数据的收集情况删减所述指标构成初始指标库,然后将初始指标库中的初始指标按照指标特征划分为不同的子系统指标,并将各子系统指标进行R聚类后通过指标变异系数筛选指标后得到评价指标,最后基于所述评价指标对所述目标水资源承载力进行评价,本发明对评价指标的选择更加客观,且评价过程符合水资源承载力评价的不确定性及模糊性特征,对水资源承载力的评价更加准确。
Description
技术领域
本发明属于水资源技术领域,具体涉及一种水资源承载力评价方法。
背景技术
由于人口增长、经济发展和消费方式转变等因素,全球对水资源的需求快速增长,且这 一增长速度在未来二十年内还将大幅加快,联合国粮食及农业组织预测,到2030年,47%的 世界人口将生活在严重缺水的地区,由此可见全球经济社会的快速发展对水资源承载能力造 成极大压力,供需矛盾十分突出,而确定水资源承载力和识别水资源状态是改进水资源状况 的前提和基础。
现有技术中通常是参照已有研究直接选取指标构建评价指标体系,但由于水资源承载力 涉及许多方面,容易出现指标纳入数量过多不便于研究的现象,因此在研究时通常会对指标 体系做降维处理,现有技术中通常是从压力承压、子系统间的相互关系、承载主体与承载客 体等角度构建指标体系。
虽然现在对水资源承载力的研究成果丰富多样且趋于成熟,但仍存在一些问题,首先是 在选择指标构建评价指标体系时主观影响较大,不同特征的研究区域之间指标直接移用存在 不合理,且缺少针对特定研究区域的水资源承载力指标选取方法,常用指标降维处理方法存 在缺陷,例如主成分分析法依赖于紧迫的数据质量,敏感性分析需要在降维指标之前计算出 承载力大小,层次聚类选取时对于聚类情况划分过于主观,从而导致水资源承载力的评价结 果不合理或误差较大的现象。
因此,如何准确地进行水资源承载力评价,是本领域技术人员有待解决的技术问题。
发明内容
本发明的目的是为了解决现有技术在进行水资源承载力评价时,构建评价指标体系易被 主观影响,评价结果不合理或误差较大,提出了一种水资源承载力评价方法。
本发明的技术方案为:一种水资源承载力评价方法,其特征在于,所述方法包括以下步 骤:
S1、采集指定出处中出现的初始指标,并基于目标水资源区域指标数据的收集情况删减 所述初始指标构成初始指标库;
S2、将所述初始指标库中的初始指标按照指标特征划分为不同的子系统指标,并将各子 系统指标进行R聚类后通过指标变异系数筛选指标后得到评价指标;
S3、基于所述评价指标对所述目标水资源承载力进行评价。
进一步地,所述指定出处具体为世界银行和中国水利部发布的相关文件,以及指定文献 网站中预设历史时间内的水资源承载力文献。
进一步地,所述步骤S2具体包括以下分步骤:
S21、通过离差平方和法对各子系统标准化后的指标进行R聚类得到对应聚类的聚类指 标,且聚类数目在4以内;
S22、通过K-W检验法判断同一聚类中的聚类指标是否通过显著性检验,若是,则执行 步骤S23,若否,则重复执行步骤S21和步骤S22,指导通过显著性检验;
S23、确定每一个聚类指标的变异系数,并在同一聚类中保留变异系数最大的聚类指标, 删除其余聚类指标。
进一步地,对初始指标标准化具体如下式所示:
正向指标:
负向指标:
式中,yij为标准化指标,xij为初始指标,i(i=1,...,13)为样本数,j(j=1,...,64)为指标个数。
进一步地,所述离差平方和法具体如下式所示:
进一步地,所述变异系数如下式所示:
式中,cvj为指标变异系数,xj为第j个指标的总体均值,sj为第j个指标的总体标准差。
进一步地,所述步骤S3具体包括以下分步骤:
S31、确定每一个评价指标的权重;
S32、根据预设等级表为每一个评价指标划分等级;
S33、基于所有评价指标及其等级构建正向云发生器;
S34、将所有评价指标的实际值和对应的权重代入至所述正向云发生器中确定目标水资源 承载力等级。
进一步地,在所述步骤S3之后,还包括:通过障碍度模型确定影响目标水资源承载力的 障碍因子,并根据所述障碍因子确定目标水资源的改进措施。
进一步地,所述障碍度模型具体如下式所示:
dij=1-yij
式中,Oij为单项指标对水资源承载力的障碍度,dij为指标偏度,fij为单一指标对水资源 承载力的贡献度,n为评价指标总数,yij为对应的评价指标,O为子系统对水资源承载力的障 碍度。
与现有技术相比,本发明具备以下有益效果:
(1)本发明通过采集指定出处的高频指标,并基于目标水资源区域指标数据的收集情况 删减所述高频指标构成初始指标库,然后将初始指标库中的指标按照指标特征划分为不同的 子系统指标,并将各子系统指标进行R聚类后通过指标变异系数筛选指标后得到评价指标, 最后基于所述评价指标对所述目标水资源承载力进行评价,本发明对评价指标的选择更加客 观,且评价过程符合水资源承载力评价的不确定性及模糊性特征,对水资源承载力的评价更 加准确。
(2)本发明还通过障碍度模型确定影响目标水资源承载力的障碍因子,并根据障碍因子 确定目标水资源的改进措施,为提高未来水资源管理水平、实现绿色可持续发展提出针对性 建议提供帮助。
附图说明
图1所示为本发明实施例提供的一种水资源承载力评价方法的流程示意图;
图2所示为本发明实施例中各年份对应的障碍因子示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描 述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请 中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例, 都属于本申请保护的范围。
本申请提出了一种水资源承载力评价方法,如图1所示为本申请实施例中一种水资源承 载力评价方法的流程示意图,该方法包括以下步骤:
步骤S1、采集指定出处中出现的指标,并基于目标水资源区域指标数据的收集情况删减 所述指标构成初始指标库。
在本申请实施例中,所述指定出处具体为世界银行和中国水利部发布的指定文件,以及 指定文献网站中预设历史时间内的水资源承载力文献。
具体的,世界银行和中国水利部是两个权威机构,也可选择其他的权威机构发布的与水 资源承载力相关的文件中水资源承载力相关指标,指定文件包括世界银行发表的《世界发展 指标》、水利部发表的《全国水资源承载能力检测预警技术大纲》及国内外已发表的14篇期 刊文献,指标共被划分为12个子系统。
然后会根据指标纳入的目的性、可观测性及层次性,并结合目标水资源区域指标数据的 收集情况删减高频指标得到初始指标库,其中,结合目标水资源区域指标数据的收集情况删 减高频指标具体为,目标水资源区中没有采集到的指标对应的数据,则将对应的指标进行删 除,例如目标水资源区为河南省,数据来源为河南省统计局公布的统计年鉴、河南省水利局 公布的水资源公报、河南省国民经济和社会发展统计公报等公开性文件。如果论文所述指标、 或文件所述指标的数据收集不到就将指标剔除。
步骤S2、将所述初始指标库中的指标按照指标特征划分为不同的子系统指标,并将各子 系统指标进行R聚类后通过指标变异系数筛选指标后得到评价指标。
具体的,每一个初始指标都有其对应的指标特征也即指标属性,比如水资源总量、年降 水量、产水模数、单位面积水资源量和人均水资源量,这都表明水资源的自然状况,都被划 分在水资源禀赋子系统中,其余初始指标和对应的子系统可如具体应用场景中的表1所示。
在本申请实施例中,所述步骤S2具体包括以下分步骤:
S21、通过离差平方和法对各子系统标准化后的指标进行R聚类得到对应聚类的聚类指 标,且聚类数目在4以内;
S22、通过K-W检验法判断同一聚类中的聚类指标是否通过显著性检验,若是,则执行 步骤S23,若否,则重复执行步骤S21和步骤S22,指导通过显著性检验;
S23、确定每一个聚类指标的变异系数,并在同一聚类中保留变异系数最大的聚类指标, 删除其余聚类指标。
具体的,K-W检验法是克鲁斯卡尔-沃利斯检验(Kruskal-Wallis test)法,R型聚类(R type cluster),是聚类分析方法的一种。根据不同变量之间相关程度高低进行分类。研究中, 若变量较多且相关较强时,可以使用R型聚类法把变量聚为几个大类,同一类变量之间有较 强相关性,不同类变量之间相关程度低,并可以从同类变量中找出一典型性变量作为代表, 最终减少变量个数达到降维目的。
在本申请实施例中,所述离差平方和法具体如下式所示:
具体的,在通过离差平方和法对各子系统指标进行R聚类得到对应聚类的聚类指标之前, 还包括先使用极差变换法将n项指标进行标准化处理,极差变换公式如下:
正向指标:
负向指标:
式中,yij为标准化指标,xij为初始指标,i(i=1,...,13)为样本数,j(j=1,...,64)为指标个数。
然后再用离差平方和法对标准化后的数据进行指标聚类,需要说明的是,使用K-W法检 验聚类数目是否合理,以α=0.05为给定的显著性水平值。当显著性系数Sig>0.05时,表明 同一聚类中指标间无显著性差异,聚类合理;当Sig<0.05时,表明同一聚类中指标间存在显 著性差异,聚类不合理。
在本申请实施例中,所述变异系数如下式所示:
式中,cvj为指标变异系数,xj为第j个指标的总体均值,sj为第j个指标的总体标准差。
步骤S3、基于所述评价指标对所述目标水资源承载力进行评价。
在本申请实施例中,所述步骤S3具体包括以下分步骤:
S31、确定每一个评价指标的权重;
S32、根据预设等级表为每一个评价指标划分等级;
S33、基于所有评价指标及其等级构建正向云发生器;
S34、将所有评价指标的实际值和对应的权重代入至所述正向云发生器中确定目标水资源 承载力等级。
具体的,确定每一个评价指标的权重可通过改进熵权法进行确定,也可由本领域技术人 员根据实际情况灵活选择方法确定,改进熵权法具体如下:
依据上述的极差变换法对评价指标进行标准化处理,进而确定出评价指标熵值Ej:
式中,i(i=1,...,n)为样本数,j(j=1,...,m)为指标个数,xij为对应的评价指标,k和pij为中 间变量。
然后确定评价指标的权重ωj:
其中,ωj∈[0,1],∑ωj=1。因此,得到指标权重,ω=[ω1,ω2,…,ωj]。
然后,依据预设等级表将每一个评价指标划分等级,也可参照目标水资源区域规划文件 及已发表文献来划分等级,并构建正向云发生器,对于等级取值范围为[Cmin,Cmax]的指标, 正向云模型特征值公式具体如下:
He=k
式中,Ex为均值,Cmin为指标等级值的下界,Cmax为指标等级值的上界,En为熵值,He为超熵,
均值Ex表示不同定性概念中最具代表性的样本点;熵En是定性概念的可度量程度,反 映了定性概念被接受的程度;超熵He是熵的不确定性,决定了云滴的凝聚程度;N为云滴数 量。
正向云发生器的构建步骤具体如下:
a.生成以En为均值,He2为方差随机数En’:En'=NORM(En,He2);
b.生成以Ex为均值,En’2为方差的随机数x:x=NORM(Ex,En'2);
d.具有确定度μ的元素x是U中的一个云滴;
e.重复a~d计算步骤,直至产生N个云滴。
在本申请实施例中,重复a~d计算步骤1000次,生成1000个云滴。
将所述指标值带入所述构建正向云发生器中,以输出的1000次隶属度平均值作为为所述 各项指标对各等级隶属度,结合改建熵权法指标权重结果对所述各项指标等级隶属度加权求 和得到所述研究区水资源承载力综合等级隶属度,进而确定水资源承载力等级。
在本申请实施例中,在所述步骤S3之后,还包括:通过障碍度模型确定影响目标水资源 承载力的障碍因子,并根据所述障碍因子确定目标水资源的改进措施。
在本申请实施例中,所述障碍度模型具体如下式所示:
dij=1-yij
式中,Oij为单项指标对水资源承载力也即下方表1中的目标层的障碍度,dij为指标偏度, 表示指标与最优目标之间的差距,以1与各项指标标准值之差表示,fij为单一指标对目标层 的贡献度,通常用权重ωij表示,n为评价指标总数,yij为对应的评价指标,O为子系统对目标 层的障碍度。
为验证本发明所提出的方法能够对特定研究区域书资源承载状况进行评估,选取河南省 为验证区域,作为本发明的具体应用场景,识别河南省2005-2017年水资源承载能力变化情 况。
依据收集高频指标结合河南省收集数据,选取64项指标构建初始指标库;并将指标细分 为水资源禀赋、供水能力等12个子系统。
使用离差平方和法对同一子系统中的初始指标进行聚类,并利用K-W法检验聚类数目合 理性,之后计算各聚类中指标变异系数,对变异系数最大的指标进行保留,其余指标删除, 如下初始指标库及指标筛选结果表1所示。
对筛选后的指标进行审查,将同一子系统下含义重复指标进行替换处理。
表1
对指标等级进行划分指标划分等级为五级(Ⅰ~Ⅰ级)分别代表“可承载、弱可承载、临界 承载、超载、严重超载”。
由指标等级划分标准计算指标的正向云特征值,如下表2所示,构建正向云模型。
表2
将指标值输入正向云发生器,以1000次正向云发生器输出隶属度平均值作为最终指标等 级度,结合改进熵权法计算的指标权重求得河南省水资源承载力综合等级隶属度,确定水资 源承载力等级,如下表3所示。
表3
利用障碍度模型计算河南省2005-2017年水资源承载力主要影响因子,主要为耕地面 积、环境污染治理投资占比、水功能区达标率、湿地比例、污径比、总人口等,各年份分布 如图2所示。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原 理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术 人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和 组合,这些变形和组合仍然在本发明的保护范围内。
Claims (9)
1.一种水资源承载力评价方法,其特征在于,所述方法包括以下步骤:
S1、采集指定出处中出现的指标,并基于目标水资源区域指标数据的收集情况删减所述指标构成初始指标库;
S2、将所述初始指标库中的初始指标按照指标特征划分为不同的子系统指标,并将各子系统指标进行R聚类后通过指标变异系数筛选指标后得到评价指标;
S3、基于所述评价指标对所述目标水资源承载力进行评价。
2.如权利要求1所述的水资源承载力评价方法,其特征在于,所述指定出处具体为世界银行和中国水利部发布的指定文件,以及指定文献网站中预设历史时间内的水资源承载力文献。
3.如权利要求1所述的水资源承载力评价方法,其特征在于,所述步骤S2具体包括以下分步骤:
S21、通过离差平方和法对各子系统标准化后的指标进行R聚类得到对应聚类的聚类指标,且聚类数目在4以内;
S22、通过K-W检验法判断同一聚类中的聚类指标是否通过显著性检验,若是,则执行步骤S23,若否,则重复执行步骤S21和步骤S22,指导通过显著性检验;
S23、确定每一个聚类指标的变异系数,并在同一聚类中保留变异系数最大的聚类指标,删除其余聚类指标。
7.如权利要求1所述的水资源承载力评价方法,其特征在于,所述步骤S3具体包括以下分步骤:
S31、确定每一个评价指标的权重;
S32、根据预设等级表为每一个评价指标划分等级;
S33、基于所有评价指标及其等级构建正向云发生器;
S34、将所有评价指标的实际值和对应的权重代入至所述正向云发生器中确定目标水资源承载力等级。
8.如权利要求1所述的水资源承载力评价方法,其特征在于,在所述步骤S3之后,还包括:通过障碍度模型确定影响目标水资源承载力的障碍因子,并根据所述障碍因子确定目标水资源的改进措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111432349.9A CN114118808A (zh) | 2021-11-29 | 2021-11-29 | 一种水资源承载力评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111432349.9A CN114118808A (zh) | 2021-11-29 | 2021-11-29 | 一种水资源承载力评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114118808A true CN114118808A (zh) | 2022-03-01 |
Family
ID=80371836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111432349.9A Pending CN114118808A (zh) | 2021-11-29 | 2021-11-29 | 一种水资源承载力评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114118808A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128261A (zh) * | 2023-04-18 | 2023-05-16 | 中关村科学城城市大脑股份有限公司 | 区域资源调度方法、装置、电子设备和计算机可读介质 |
-
2021
- 2021-11-29 CN CN202111432349.9A patent/CN114118808A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128261A (zh) * | 2023-04-18 | 2023-05-16 | 中关村科学城城市大脑股份有限公司 | 区域资源调度方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112966926B (zh) | 一种基于集成学习的洪水敏感性风险评估方法 | |
CN111861133A (zh) | 一种山洪灾害防治能力评价方法 | |
CN107965301B (zh) | 一种数字化油田注水过程的定量评价方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN110929939B (zh) | 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法 | |
CN112287018A (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及系统 | |
CN113807570A (zh) | 基于XGBoost的水库大坝风险等级评估方法及系统 | |
CN107122851A (zh) | 一种河湖水系连通工程方案优选模型灵敏度分析方法 | |
CN105678406A (zh) | 一种基于云模型的短期负荷预测方法 | |
CN112232561A (zh) | 基于约束并行lstm分位数回归的电力负荷概率预测方法 | |
CN114881396A (zh) | 一种基于ahp和topsis的隧道坍塌风险评估方法 | |
CN114118808A (zh) | 一种水资源承载力评价方法 | |
CN114723218B (zh) | 一种基于信息量-神经网络的油气管道地质灾害评价方法 | |
CN107194561A (zh) | 基于熵值法和灰色gm11模型预测房地产风险的方法 | |
CN110334773A (zh) | 基于机器学习的模型入模特征的筛选方法 | |
CN108898322A (zh) | 一种基于fcm算法的电网投资策略效益综合评价方法 | |
CN112906762A (zh) | 一种水资源系统临界状态的定义及辨识方法和系统 | |
CN117520871A (zh) | 一种基于大数据的配网故障分析方法 | |
CN116933139A (zh) | 一种综合隶属度数值、等级和序位的村庄分类方法 | |
CN115660221B (zh) | 基于混合神经网络的油气藏经济可采储量评估方法及系统 | |
CN116681205A (zh) | 一种夯土遗址冲沟病害发育程度评价及预测方法 | |
CN115984007A (zh) | 企业信用风险监测方法及装置、存储介质及电子设备 | |
CN106127606A (zh) | 一种勘探开发项目中油气指标数据的处理方法和装置 | |
Lou et al. | DMCDM: a dynamic multi criteria decision making model for sovereign credit default risk evaluation | |
Liu et al. | Comprehensive evaluation of urban livability |
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 |