CN114418393A - 水资源利用效率计算系统及计算方法 - Google Patents
水资源利用效率计算系统及计算方法 Download PDFInfo
- Publication number
- CN114418393A CN114418393A CN202210060044.8A CN202210060044A CN114418393A CN 114418393 A CN114418393 A CN 114418393A CN 202210060044 A CN202210060044 A CN 202210060044A CN 114418393 A CN114418393 A CN 114418393A
- Authority
- CN
- China
- Prior art keywords
- module
- input
- efficiency
- water resource
- resource utilization
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 85
- 238000012216 screening Methods 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 230000008676 import Effects 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 15
- 238000012986 modification Methods 0.000 claims description 13
- 230000004048 modification Effects 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 claims description 2
- 238000003973 irrigation Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及水资源利用效率计算系统及计算方法,该系统包括:卫星影像显示模块、变量筛选模块、相对效率计算模块、绝对效率计算模块、可视化显示模块;其中,卫星影像显示模块,用于对卫星获取的影像信息进行显示;变量筛选模块,用于较多计算指标的选取,确定相关性好的变量组合;相对效率计算模块,用于计算项目的水资源利用相对效率,使用变量筛选模块所选取的变量指标进行水资源利用相对效率的计算;绝对效率计算模块,用于计算项目的水资料利用绝对效率;可视化显示模块,用于对相对效率计算模块、绝对效率计算模块计算的结果进行可视化显示,该系统的提供能够使水资源利用效率计算与水资源利用技术之间的交互更方便。
Description
技术领域
本发明涉及水资源利用效率计算领域,具体涉及一种可以集成计算水资源利用的相对效 率与绝对效率的计算系统及计算方法,该方法的提供能够为水资源的高效开发提供有利依据。
背景技术
水资源短缺和水生态环境恶化是目前制约中国的水资源利用两大主要问题。中国水资源 空间分布极不平衡,高寒地区的水资源的高效开发是解决水资源短缺的方法之一,提高水资 源利用效率则是解决中国水资源可持续利用问题的关键。然而,现有的水资源利用效率方法 是相互独立的,如果需要综合计算工作量很大,并且关于投入产出的指标选取没有明确的定 义,过多或过少的决策单元都会影响效率计算结果的准确性,计算过程繁琐复杂,很容易造 成很多不必要的失误。
发明内容
本发明的目的在于提供一种水资源利用效率计算系统,用以整合现有的水资源利用效率 算法,实现相对效率与绝对效率的快捷计算。该系统的提供能够使水资源利用效率计算与水 资源利用技术之间的交互更方便,能够有效的提高水资源利用技术的整合与优化。
为实现上述目的,本发明采用如下技术方案:
一种水资源利用效率计算系统,该系统包括:卫星影像显示模块、变量筛选模块、相对 效率计算模块、绝对效率计算模块、可视化显示模块;
其中,所述卫星影像显示模块,用于对卫星获取的影像信息进行显示;
所述变量筛选模块,用于较多计算指标的选取,确定相关性好的变量组合;变量筛选模 块包括数据导入模块、变量选择模块;所述数据导入模块,用于导入水资源利用效率计算时 涉及的投入指标、产出指标;所述变量选择模块,基于AIC赤池值算法建立多元线性回归模 型,AIC越小,越符合水资源利用效率的计算;AIC赤池值算法的数学表达式如下:
AIC=2p+n(log(SEE/n)) (1)
式(1)中,p是进入模型当中的自变量个数,n为样本量,SSE是残差平方和,在n 固定的情况下,p越小,AIC越小;SSE越小,AIC越小,而p越小代表着模型越简洁,SSE 越小代表着模型越精准,即拟合度越好,AIC越小,即模型就越简洁和精准;
所述相对效率计算模块,用于计算项目的水资源利用相对效率,使用变量筛选模块所选 取的变量指标进行水资源利用相对效率的计算;相对效率计算模块包括第一数据输入模块、 第一数据导入模块、第一删除模块、第一修改模块、第一计算模块;
其中,所述第一数据输入模块,用于手动输入相对效率计算时每个项目需要的多个投入 指标、多个产出指标和其所对应的地区名及年份;
所述第一数据导入模块,用于导入已有的或已编辑好的数据文件;
所述第一删除模块,用于对手动输入或导入的投入与产出指标进行删除;
所述第一修改模块,用于对手动输入或导入的投入与产出指标进行修改;
所述第一计算模块,用于根据手动输入或导入的投入与产出指标计算水资料利用相对效 率,计算公式为:
式(2)中,n为决策单元的个数,每个决策单元内有相同的m项投入和相同的s项产出;
第j决策单元的相对效率hj的表达式为:
式(3)中,xij为第j决策单元的第i项投入,yrj为第j决策单元的第r项产出;vi为第i项投入的权值,ur为第r项产出的权值;
所述绝对效率计算模块,用于计算项目的水资料利用绝对效率;绝对效率计算模块包括 第二数据输入模块、第二数据导入模块、第二删除模块、第二修改模块、第二计算模块;
其中,所述第二数据输入模块,用于手动输入数据,包括产出指标、投入指标、劳动力 指标、地区编号;
所述第二数据导入模块,用于导入已有的或已编辑好的数据文件;
所述第二删除模块,用于对手动输入或导入的数据进行删除;
所述第二修改模块,用于对手动输入或导入的数据进行修改;
所述第二计算模块,根据手动输入或导入数据,利用基于随机前沿分析的水资源利用效 率模型计算绝对效率;其中,基于随机前沿分析的水资源利用效率模型表达式如下:
lnyit=lnf(xit,β)+vit-uit (4)
式(4)中,yit、f(xit,β)分别表示第i个地区在第t时期的实际产出和给定投入情况下的 最佳产出水平,xit为第i个地区在第t时期的各项投入,β为待估参数;νit为噪声项,用于 判断测量误差和随机干扰因素的影响,服从正态分布,即νit~(0,σν2);uit为非负的技术 无效率项,反映第i个地区在第t时期距随机前沿面的距离;
选择超越对数生产函数作为随机前沿生产函数f(,),输入产出指标、投入指标和劳动 力指标时需要先进行对数运算,经过取对数处理,最终的表达式为:
lnyit=β0+β1lnLit+β2lnKit+β3lnEit+β4lnLitlnKit+β5lnLitlnEit+
β6lnEitlnKit+β7lnLit 2+β8lnKit 2+β9lnEit 2+vit-uit (5)
式(5)中,β0为常数项,β1、…、β9分别表示生产活动中劳动力投入、资本投入、水资源投入以及各二次项的回归系数;L、K和E分别是劳动力、资本以及水资源量三类投入要素;
水资源利用效率(EF)可以表示为t时期水资源利用实际产出的期望值与完全技术有效 时(uit=0)产出的期望值之比:
式(6)中,若uit=0,此时EF=1,表示决策单元的生产活动处于前沿面上,生产活动是有效的;若uit>0,则EF<1,表示决策单元的生产活动处于前沿面的下方,生产活动是 无效的,存在一定的效率损失;
所述可视化显示模块,用于对相对效率计算模块、绝对效率计算模块计算的结果进行可 视化显示,默认以折线图、柱状图等统计图形式展示,同时按照输入各项目对应的地区名将 相对效率值以分级色彩的形式展示在卫星影像显示模块显示的地图上。
作为本发明的优选,所述第一数据输入模块或第一数据导入模块输入项目时,采用单一 地区不同年份或不同地区同一年份两种格式;输入的顺序分别为地区、年份、产出指标和投 入指标;其中,所述投入指标包括总用水量、排灌动力机械个数、农林水事务支出总额;所 述产出指标包括农林牧渔总产值、规模以上工业总产值、人均居民生产总值。
本发明的第二个目的在于提供一种水资源利用效率计算方法,该方法包括以下步骤:
步骤S1、将水资源利用效率相关数据录入到水资源利用效率计算系统;
步骤S2、通过变量筛选模块进行自变量筛选,确定投入指标、产出指标相关性好的变量 组合,建立多元线性回归模型;
步骤S3、使用变量筛选模块所选取的变量指标,并通过相对效率计算模块进行水资源利 用相对效率的计算,并将计算结果进行可视化表达;
步骤S4、通过绝对效率计算模块计算项目的水资料利用绝对效率,并将计算结果进行可 视化表达;绝对效率计算时,利用基于随机前沿分析的水资源利用效率模型计算绝对效率。
本发明的优点和有益效果:
(1)本发明提供的水资源利用效率计算系统实现对变量的筛选功能,最大限度实现相 对效率与绝对效率的快捷计算,该系统的提供能够使水资源利用效率计算与水资源利用技术 之间的交互更方便,能够有效的提高水资源利用技术的整合与优化,为水资源的高效开发提 供有利依据。
(2)采用本发明提供的计算方法可以根据新开发水资源利用技术的实际情况,找出水资 源利用效率计算需要的投入指标和产出指标,同时还可以进行单项水资源利用技术的水资源 利用效率计算。
附图说明
图1为本发明水资源利用效率计算系统的系统框图;
图2为本发明水资源利用效率计算方法的流程图。
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做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。
另外,在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而, 本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可 以由其它方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描 述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详 细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即 可完整了解相关操作。
需要说明的是,在不冲突的情况下,本公开中的实施方式及实施方式中的特征可以相互 组合。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。 下面将参考附图并结合实施方式来详细说明本公开的技术方案。
实施例1
一种水资源利用效率计算系统,该系统包括卫星影像显示模块1、变量筛选模块2、相对 效率计算模块3、绝对效率计算模块4、可视化显示模块5;
其中,所述卫星影像显示模块1,用于对卫星获取的影像信息进行显示,显示时以行政 区为单位高亮显示;
所述变量筛选模块2,用于较多计算指标的选取,确定相关性好的变量组合;变量筛选 模块包括数据导入模块21、变量选择模块22;所述数据导入模块21,用于导入水资源利用 效率计算时涉及的投入指标、产出指标;所述变量选择模块22,基于AIC赤池值算法建立多 元线性回归模型,AIC越小,越符合水资源利用效率的计算;AIC赤池值算法的数学表达式 如下:
AIC=2p+n(log(SEE/n)) (1)
式(1)中,p是进入模型当中的自变量个数,n为样本量,SSE是残差平方和,在n 固定的情况下,p越小,AIC越小;SSE越小,AIC越小,而p越小代表着模型越简洁,SSE 越小代表着模型越精准,即拟合度越好,AIC越小,即模型就越简洁和精准;
所述相对效率计算模块3,用于计算项目的水资源利用相对效率,使用变量筛选模块所 选取的变量指标进行水资源利用相对效率的计算;相对效率计算模块3包括第一数据输入模 块31、第一数据导入模块32、第一删除模块33、第一修改模块34、第一计算模块35;
其中,所述第一数据输入模块31,用于手动输入相对效率计算时每个项目(决策单元) 需要的多个投入指标、多个产出指标和其所对应的地区名及年份;
所述第一数据导入模块32,用于导入已有的或已编辑好的数据文件;
第一数据输入模块或第一数据导入模块输入项目时,采用单一地区不同年份或不同地区 同一年份两种格式;输入的顺序分别为地区、年份、产出指标和投入指标;
所述第一删除模块33,用于对手动输入或导入的投入与产出指标进行删除;
所述第一修改模块34,用于对手动输入或导入的投入与产出指标进行修改;
所述第一计算模块35,用于根据手动输入或导入的投入与产出指标计算水资料利用相对 效率,计算公式为:
式(2)中,n为决策单元的个数,每个决策单元内有相同的m项投入和相同的s项产出;
第j决策单元的相对效率hj的表达式为:
式(3)中,xij为第j决策单元的第i项投入,yrj为第j决策单元的第r项产出;vi为第i项投入的权值,ur为第r项产出的权值;
所述绝对效率计算模块4,用于计算项目的水资料利用绝对效率;绝对效率计算模块4 包括第二数据输入模块41、第二数据导入模块42、第二删除模块43、第二修改模块44、第 二计算模块42;
其中,所述第二数据输入模块41,用于手动输入产出指标、投入指标、劳动力指标,以 及地区编号和截面数;
所述第二数据导入模块42,用于导入已有的或已编辑好的数据文件;
所述第二删除模块43,用于对手动输入或导入的投入与产出指标进行删除;
所述第二修改模块44,用于对手动输入或导入的投入与产出指标进行修改;
所述第二计算模块45,根据手动输入或导入数据,利用基于随机前沿分析的水资源利用 效率模型计算绝对效率;其中,基于随机前沿分析的水资源利用效率模型表达式如下:
lnyit=lnf(xit,β)+vit-uit (4)
式(4)中,yit、f(xit,β)分别表示第i个地区(或技术)在第t时期的实际产出和给定投 入情况下的最佳产出水平,xit为第i个地区(或技术)在第t时期的各项投入,β为待估参数;νit为噪声项,用于判断测量误差和随机干扰因素的影响,服从正态分布,即νit~(0,σν2); uit为非负的技术无效率项,反映第i个地区(或技术)在第t时期距随机前沿面的距离;
选择超越对数生产函数作为随机前沿生产函数f(,),输入产出指标、投入指标和劳动 力指标时需要先进行对数运算,经过取对数处理,最终的表达式为:
lnyit=β0+β1lnLit+β2lnKit+β3lnEit+β4lnLitlnKit+β5lnLitlnEit+
β6lnEitlnKit+β7lnLit 2+β8lnKit 2+β9lnEit 2+vit-uit (5)
式(5)中,β0为常数项,β1、…、β9分别表示生产活动中劳动力投入、资本投入、水资源投入以及各二次项的回归系数;L、K和E分别是劳动力、资本以及水资源量三类投入要素;
水资源利用效率(EF)可以表示为t时期水资源利用实际产出的期望值与完全技术有效 时(uit=0)产出的期望值之比:
式(6)中,若uit=0,此时EF=1,表示决策单元的生产活动处于前沿面上,生产活动是有效的;若uit>0,则EF<1,表示决策单元的生产活动处于前沿面的下方,生产活动是 无效的,存在一定的效率损失;
所述可视化显示模块5,用于对相对效率计算模块、绝对效率计算模块计算的结果进行 可视化显示,默认以折线图、柱状图等统计图形式展示,同时按照输入各项目对应的地区名 将相对效率值以分级色彩的形式展示在卫星影像显示模块显示的地图上。
进一步,本本发明中水资源利用效率计算指标的选取模式详见下表。
表1为水资源利用效率计算指标的选取模式
实施例2
采用实施例1提供的水资源利用效率计算系统进行效率计算的方法,包括以下步骤:
步骤S1、将水资源利用效率相关数据录入到水资源利用效率计算系统;
步骤S2、通过变量筛选模块进行自变量筛选,确定投入指标、产出指标相关性好的变量 组合,建立多元线性回归模型;
步骤S3、使用变量筛选模块所选取的变量指标,并通过相对效率计算模块进行水资源利 用相对效率的计算,并将计算结果进行可视化表达;
步骤S4、通过绝对效率计算模块计算项目的水资料利用绝对效率,并将计算结果进行可 视化表达;绝对效率计算时,利用基于随机前沿分析的水资源利用效率模型计算绝对效率。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发 明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、 变形或替换。
Claims (3)
1.一种水资源利用效率计算系统,其特征在于,该系统包括:卫星影像显示模块、变量筛选模块、相对效率计算模块、绝对效率计算模块、可视化显示模块;
其中,所述卫星影像显示模块,用于对卫星获取的影像信息进行显示;
所述变量筛选模块,用于较多计算指标的选取,确定相关性好的变量组合;变量筛选模块包括数据导入模块、变量选择模块;所述数据导入模块,用于导入水资源利用效率计算时涉及的投入指标、产出指标;所述变量选择模块,基于AIC赤池值算法建立多元线性回归模型,AIC越小,越符合水资源利用效率的计算;AIC赤池值算法的数学表达式如下:
AIC=2p+n(log(SEE/n)) (1)
式(1)中,p是进入模型当中的自变量个数,n为样本量,SSE是残差平方和,在n固定的情况下,p越小,AIC越小;SSE越小,AIC越小,而p越小代表着模型越简洁,SSE越小代表着模型越精准,即拟合度越好,AIC越小,即模型就越简洁和精准;
所述相对效率计算模块,用于计算项目的水资源利用相对效率,使用变量筛选模块所选取的变量指标进行水资源利用相对效率的计算;相对效率计算模块包括第一数据输入模块、第一数据导入模块、第一删除模块、第一修改模块、第一计算模块;
其中,所述第一数据输入模块,用于手动输入相对效率计算时每个项目需要的多个投入指标、多个产出指标和其所对应的地区名及年份;
所述第一数据导入模块,用于导入已有的或已编辑好的数据文件;
所述第一删除模块,用于对手动输入或导入的投入与产出指标进行删除;
所述第一修改模块,用于对手动输入或导入的投入与产出指标进行修改;
所述第一计算模块,用于根据手动输入或导入的投入与产出指标计算水资料利用相对效率,计算公式为:
式(2)中,n为决策单元的个数,每个决策单元内有相同的m项投入和相同的s项产出;
第j决策单元的相对效率hj的表达式为:
式(3)中,xij为第j决策单元的第i项投入,yrj为第j决策单元的第r项产出;vi为第i项投入的权值,ur为第r项产出的权值;
所述绝对效率计算模块,用于计算项目的水资料利用绝对效率;绝对效率计算模块包括第二数据输入模块、第二数据导入模块、第二删除模块、第二修改模块、第二计算模块;
其中,所述第二数据输入模块,用于手动输入数据,包括产出指标、投入指标、劳动力指标、地区编号;
所述第二数据导入模块,用于导入已有的或已编辑好的数据文件;
所述第二删除模块,用于对手动输入或导入的数据进行删除;
所述第二修改模块,用于对手动输入或导入的数据进行修改;
所述第二计算模块,根据手动输入或导入数据,利用基于随机前沿分析的水资源利用效率模型计算绝对效率;其中,基于随机前沿分析的水资源利用效率模型表达式如下:
lnyit=lnf(xit,β)+vit-uit (4)
式(4)中,yit、f(xit,β)分别表示第i个地区在第t时期的实际产出和给定投入情况下的最佳产出水平,xit为第i个地区在第t时期的各项投入,β为待估参数;νit为噪声项,用于判断测量误差和随机干扰因素的影响,服从正态分布,即νit~(0,σν2);uit为非负的技术无效率项,反映第i个地区在第t时期距随机前沿面的距离;
选择超越对数生产函数作为随机前沿生产函数f(,),输入产出指标、投入指标和劳动力指标时需要先进行对数运算,经过取对数处理,最终的表达式为:
lnyit=β0+β1lnLit+β2lnKit+β3lnEit+β4lnLitlnKit+β5lnLitlnEit+β6lnEitlnKit+β7lnLit 2+β8lnKit 2+β9lnEit 2+vit-uit (5)
式(5)中,β0为常数项,β1、…、β9分别表示生产活动中劳动力投入、资本投入、水资源投入以及各二次项的回归系数;L、K和E分别是劳动力、资本以及水资源量三类投入要素;
水资源利用效率(EF)表示为t时期水资源利用实际产出的期望值与完全技术有效时(uit=0)产出的期望值之比:
式(6)中,若uit=0,此时EF=1,表示决策单元的生产活动处于前沿面上,生产活动是有效的;若uit>0,则EF<1,表示决策单元的生产活动处于前沿面的下方,生产活动是无效的,存在一定的效率损失;
所述可视化显示模块,用于对相对效率计算模块、绝对效率计算模块计算的结果进行可视化显示,同时按照输入各项目对应的地区名将相对效率值以分级色彩的形式展示在卫星影像显示模块显示的地图上。
2.根据权利要求1所述的一种水资源利用效率计算系统,其特征在于,所述第一数据输入模块或第一数据导入模块输入项目时,采用单一地区不同年份或不同地区同一年份两种格式;输入的顺序分别为地区、年份、产出指标和投入指标;其中,所述投入指标包括总用水量、排灌动力机械个数、农林水事务支出总额;所述产出指标包括农林牧渔总产值、规模以上工业总产值、人均居民生产总值。
3.利用权利要求1所述的水资源利用效率计算系统计算水资源利用效率的计算方法,其特征在于,该方法包括以下步骤:
步骤S1、将水资源利用效率相关数据录入到水资源利用效率计算系统;
步骤S2、通过变量筛选模块进行自变量筛选,确定投入指标、产出指标相关性好的变量组合,建立多元线性回归模型;
步骤S3、使用变量筛选模块所选取的变量指标,并通过相对效率计算模块进行水资源利用相对效率的计算,并将计算结果进行可视化表达;
步骤S4、通过绝对效率计算模块计算项目的水资料利用绝对效率,并将计算结果进行可视化表达;绝对效率计算时,利用基于随机前沿分析的水资源利用效率模型计算绝对效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210060044.8A CN114418393A (zh) | 2022-01-19 | 2022-01-19 | 水资源利用效率计算系统及计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210060044.8A CN114418393A (zh) | 2022-01-19 | 2022-01-19 | 水资源利用效率计算系统及计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114418393A true CN114418393A (zh) | 2022-04-29 |
Family
ID=81274427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210060044.8A Pending CN114418393A (zh) | 2022-01-19 | 2022-01-19 | 水资源利用效率计算系统及计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114418393A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227961A (zh) * | 2022-12-05 | 2023-06-06 | 贝壳找房(北京)科技有限公司 | 一种资源分配方法、装置、设备及计算机可读存储介质 |
CN117010729A (zh) * | 2023-10-08 | 2023-11-07 | 北京国建联信认证中心有限公司 | 建材行业水资源利用效率的量化测量方法及系统 |
-
2022
- 2022-01-19 CN CN202210060044.8A patent/CN114418393A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227961A (zh) * | 2022-12-05 | 2023-06-06 | 贝壳找房(北京)科技有限公司 | 一种资源分配方法、装置、设备及计算机可读存储介质 |
CN116227961B (zh) * | 2022-12-05 | 2024-04-09 | 贝壳找房(北京)科技有限公司 | 一种资源分配方法、装置、设备及计算机可读存储介质 |
CN117010729A (zh) * | 2023-10-08 | 2023-11-07 | 北京国建联信认证中心有限公司 | 建材行业水资源利用效率的量化测量方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110352660B (zh) | 一种脱绒棉种活力快速无损检测信息处理方法和装置 | |
CN114418393A (zh) | 水资源利用效率计算系统及计算方法 | |
Sharma et al. | A review of production frontier analysis for aquaculture management | |
CN109858740A (zh) | 企业风险的评估方法、装置、计算机设备及存储介质 | |
Antuchevičiene et al. | Multiple criteria construction management decisions considering relations between criteria | |
Dong et al. | Measuring farm sustainability using data envelope analysis with principal components: The case of Wisconsin cranberry | |
Baloui Jamkhaneh et al. | Inspection error and its effects on single sampling plans with fuzzy parameters | |
CN110751355A (zh) | 一种科技成果评估方法和装置 | |
Kocisova et al. | Use of the DEA method to verify the performance model for hospitals | |
CN116109195B (zh) | 一种基于图卷积神经网络的绩效评估方法及系统 | |
CN110782131A (zh) | 一种农民用水合作组织绩效评价方法 | |
Wang et al. | Digital image processing technology under backpropagation neural network and K-Means Clustering algorithm on nitrogen utilization rate of Chinese cabbages | |
CN115018357A (zh) | 一种面向生产绩效提升的农户画像构建方法及系统 | |
CN113255999B (zh) | 基于多模型的农作物产量评估方法、装置、设备及介质 | |
Błażejczyk-Majka | Application of DEA for evaluating the efficiency of economic policy as exemplified by EU agriculture | |
CN113344391A (zh) | 基于dea改进模型的人工智能企业创新效率的评价方法 | |
CN116337146B (zh) | 基于改进遥感生态指数的生态质量评价与分区方法及装置 | |
Noora et al. | Ranking functions and its application to fuzzy DEA | |
Kim | Firm heterogeneity in sources of total factor productivity growth for Japanese manufacturing firms | |
CN107179297A (zh) | 一种智能红木种类鉴定方法及其平台 | |
Jackson et al. | An introduction to some concepts in statistical analysis and quantitative genetics for sugarcane breeding programs | |
CN111695533B (zh) | 冬小麦和夏玉米种植面积逐年自动监测的遥感制图方法 | |
Gehringer | Structure-based nonparametric target definition and assessment procedures with an application to riparian forest management | |
Fare et al. | Estimating capacity and efficiency in fisheries with undesirable outputs | |
CN116936103B (zh) | 一种基于同向网络的用户健康预测管理方法及系统 |
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 |