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 PDF

Info

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
Application number
CN202111432349.9A
Other languages
English (en)
Inventor
王天姿
荐圣淇
王嘉仪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou University
Original Assignee
Zhengzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhengzhou University filed Critical Zhengzhou University
Priority to CN202111432349.9A priority Critical patent/CN114118808A/zh
Publication of CN114118808A publication Critical patent/CN114118808A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23211Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy 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

一种水资源承载力评价方法
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:
Figure BDA0003380549360000021
负向指标:
Figure BDA0003380549360000022
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:
Figure BDA0003380549360000023
Figure BDA0003380549360000024
式中,Sr为第r类的离差平方和,nr为第r类的指标个数,Xr (j)为第r类中的第j项指标 标准化后的标准值,
Figure BDA0003380549360000025
为第r类指标的平均值,S为所有k个类的总离差平方和。
进一步地,所述变异系数如下式所示:
Figure BDA0003380549360000026
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:
Figure BDA0003380549360000031
dij=1-yij
Figure BDA0003380549360000032
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:
Figure BDA0003380549360000051
Figure BDA0003380549360000052
式中,Sr为第r类的离差平方和,nr为第r类的指标个数,Xr (j)为第r类中的第j项指标 标准化后的标准值,
Figure BDA0003380549360000053
为第r类指标的平均值,S为所有k个类的总离差平方和。
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:
Figure BDA0003380549360000054
负向指标:
Figure BDA0003380549360000055
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:
Figure BDA0003380549360000061
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
Figure BDA0003380549360000062
其中,
Figure BDA0003380549360000063
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
Figure BDA0003380549360000064
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:
Figure BDA0003380549360000071
Figure BDA0003380549360000072
Figure BDA0003380549360000073
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);
c.计算云隶属度:
Figure BDA0003380549360000074
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:
Figure BDA0003380549360000075
dij=1-yij
Figure BDA0003380549360000081
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
Figure BDA0003380549360000082
Figure BDA0003380549360000091
Figure BDA0003380549360000101
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
Figure BDA0003380549360000111
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
Figure BDA0003380549360000112
Figure BDA0003380549360000121
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。
4.如权利要求3所述的水资源承载力评价方法,其特征在于,对初始指标标准化具体如下式所示:
正向指标:
Figure FDA0003380549350000011
负向指标:
Figure FDA0003380549350000012
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。
5.如权利要求3所述的水资源承载力评价方法,其特征在于,所述离差平方和法具体如下式所示:
Figure FDA0003380549350000013
Figure FDA0003380549350000021
式中,Sr为第r类的离差平方和,nr为第r类的指标个数,Xr (j)为第r类中的第j项指标标准化后的标准值,
Figure FDA0003380549350000022
为第r类指标的平均值,S为所有k个类的总离差平方和。
6.如权利要求3所述的水资源承载力评价方法,其特征在于,所述变异系数如下式所示:
Figure FDA0003380549350000023
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。
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。
9.如权利要求8所述的水资源承载力评价方法,其特征在于,所述障碍度模型具体如下式所示:
Figure FDA0003380549350000024
dij=1-yij
Figure FDA0003380549350000025
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。
CN202111432349.9A 2021-11-29 2021-11-29 一种水资源承载力评价方法 Pending CN114118808A (zh)

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)

* Cited by examiner, † Cited by third party
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

Cited By (1)

* Cited by examiner, † Cited by third party
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
US20230141886A1 (en) Method for assessing hazard on flood sensitivity based on ensemble learning
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
CN107544253A (zh) 基于改进模糊熵权法的大型导弹装备退役安全控制方法
CN106339536A (zh) 基于水污染指数法和云模型的水质综合评价方法
CN106022509A (zh) 考虑地域和负荷性质双重差异的配电网空间负荷预测方法
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
CN110110977A (zh) 一种基于改进主成分-层次分析的配电网评估方法
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
CN112287018A (zh) 一种台风灾害下10kV杆塔受损风险评估方法及系统
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
CN114118808A (zh) 一种水资源承载力评价方法
CN107256461A (zh) 一种充电设施建设地址评价方法及系统
CN115330130A (zh) 基于改进ahp-critic的农业园区综合能源系统评估方法
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
CN116933139A (zh) 一种综合隶属度数值、等级和序位的村庄分类方法
CN115660221A (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
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
CN108898322A (zh) 一种基于fcm算法的电网投资策略效益综合评价方法
CN114169699A (zh) 考虑不确定性和主客观权重结合的水资源系统可持续发展评价方法
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

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