CN115130887A - 水库大坝环境影响评价方法和装置、电子设备和存储介质 - Google Patents
水库大坝环境影响评价方法和装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115130887A CN115130887A CN202210806381.7A CN202210806381A CN115130887A CN 115130887 A CN115130887 A CN 115130887A CN 202210806381 A CN202210806381 A CN 202210806381A CN 115130887 A CN115130887 A CN 115130887A
- Authority
- CN
- China
- Prior art keywords
- index
- influence
- target
- probability
- data set
- 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
- 230000007613 environmental effect Effects 0.000 title claims abstract description 169
- 238000011156 evaluation Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000006870 function Effects 0.000 claims description 65
- 238000004891 communication Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011158 quantitative evaluation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241000239290 Araneae Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241001286345 Cervaria rivini Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material 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
- 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
- G06Q50/08—Construction
-
- 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
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种水库大坝环境影响评价方法和装置、电子设备和存储介质,其中,该方法包括:获取待建水库大坝的多个待测属性指标;根据待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;获取关于待测属性指标的预设环境影响权重;根据目标条件概率、预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率。通过本申请,解决了相关技术中存在的环境影响识别范围不准确,且在得到较全面的环境影响数据时出现浪费过多物资的问题。
Description
技术领域
本申请涉及环境影响评价技术领域,具体涉及一种水库大坝环境影响评价方法和装置、电子设备和存储介质。
背景技术
环境影响评价,是指对规划和建设项目实施后可能造成的环境影响进行分析、预测和评估,提出预防或者减轻不良环境影响的对策和措施,进行跟踪监测的方法与制度。环境影响评价按时间顺序分为环境现状评价、环境影响预测与评价、环境影响后评价,规划和建设项目环境影响评价主要是开展环境影响预测与评价。水库大坝工程环境影响评价属于规划和建设项目环境影响评价,评价程序主要包括环境状况调查、环境影响识别、环境影响预测、综合评价等步骤,由于水库大坝工程规划、设计、建设、运行整个过程历时周期长、影响范围广、影响因素多,环境影响识别存在一定难度,研究多重点关注环境影响预测而对环境影响识别重视不足,例如,相关技术中公开有一种基于水库大坝数据的水环境质量评价方法。然而,作为环境影响预测的前置条件,如何科学、全面、准确、经济地开展环境影响识别,从水库大坝工程对河流生态系统功能的众多影响中识别主要影响,才是高效开展环境影响预测和综合评价的关键。
环境影响识别是在环境状况调查的基础上,根据工程与环境的特性,列出与工程有关的环境因子,识别影响性质,选出需要进行分析、预测、评价的主要环境因子,或由这些因子组成的主要环境问题。环境影响识别主要方法包括清单发、矩阵法、网络法、叠置法等四种。现有方法多为定性识别方法,主要依赖专家经验,没有充分参考和利用同类工程的历史数据,且往往由于一些难以判断的影响,导致识别的影响范围过大,同时为了得到较全面的环境影响数据,前期需要投入过度的财力、物力。
因此,相关技术中存在环境影响识别范围不准确,且在得到较全面的环境影响数据时出现浪费过多物资的问题。
发明内容
本申请提供了一种水库大坝环境影响评价方法和装置、电子设备和存储介质,以至少解决相关技术中存在环境影响识别范围不准确,且在得到较全面的环境影响数据时出现浪费过多物资的问题。
根据本申请实施例的一个方面,提供了一水库大坝环境影响评价方法,该方法包括:获取待建水库大坝的多个待测属性指标;根据所述待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;获取关于所述待测属性指标的预设环境影响权重;根据所述目标条件概率、所述预设环境影响权重,生成所述待建水库大坝对目标河流生态系统功能指标的影响概率。
根据本申请实施例的另一个方面,还提供了一种水库大坝环境影响评价装置,该装置包括:第一获取模块,用于获取待建水库大坝的多个待测属性指标;第一生成模块,用于根据所述待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;第二获取模块,用于获取关于所述待测属性指标的预设环境影响权重;第二生成模块,用于根据所述目标条件概率、所述预设环境影响权重,生成所述待建水库大坝对目标河流生态系统功能指标的影响概率。
可选地,该装置还包括:第三获取模块,用于在所述根据所述待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率之前,获取第一指标数据集、类别集以及第二指标数据集,其中,所述第一指标数据集为生态功能指标库,所述第二指标数据集为水库大坝工程环境影响评价指标库,所述第一指标数据集为所述第二指标数据集的子集,所述类别集用于表征河流生态分类;构建模块,用于根据目标算法、所述第二指标数据集以及目标约束条件,构建目标模型,其中,所述目标模型用于表征所述第二指标数据集中包含的各个指标的产出和投入的比率,并用于评判出有效指标;第三生成模块,用于根据所述目标模型、第一指标子数据集、第二指标子数据集,生成所述环境影响梯度关系、所述上限阈值影响关系表以及所述下限阈值影响关系表,其中,所述第一指标子数据集包含于所述第一指标数据集,第二指标子数据集包含于所述第二指标数据集。
可选地,构建模块包括:第一获取单元,用于获取所述第二指标数据集中包含的任一参考指标,其中,所述参考指标有m种输入,表示所述参考指标对资源的耗费,以及s种输出,表示所述参考指标消耗资源之后产生的成效;构建单元,用于根据所述参考指标的输入度量和输出度量,以及目标约束条件,构建所述目标模型,其中,所述目标约束条件为最优投入与产出比率。
可选地,在该装置中,对于参考指标有m种输入,表示所述参考指标对资源的耗费,以及s种输出,表示所述参考指标消耗资源之后产生的成效的表示公式如下:
其中,1≤j≤n,1≤i≤r,xij为第j个指标对第i种输入的投入量,xij>0,yij为第j个指标对第i种输出的产出量,yij>0,vi是第i种输入的一种度量,ui是第i种输出的一种度量。
可选地,在该装置中,构建单元的表示公式如下:
其中,j0为参考指标,上述公式用于对第j0个指标进行效率评价,1≤jo≤n,以v和u为变量,以第j0个指标的效率指数hj0为目标,以所有决策单元j的效率指数为目标约束条件,hj0≤1,j=1,2,……,n;v≥0表示对i=1,2,……,m,有vi≥0,至少存在某个i0,使vi0≥0,1≤io≤m,xij为第j个指标对第i个输入的投入量,yrj为第j个指标对第r种输出的产出量,xj0为第j0个指标的投入量,yj0为第j0个指标的产出量,xj和yj分别为决策单元j的输入向量和输出向量。
可选地,第三生成模块包括:第二获取单元,用于根据所述目标模型将所述第二指标子数据集作为水库大坝工程影响的预测变量,将所述第一指标子数据集作为水库大坝工程影响的条件概率,获取在同一所述条件概率下,不同预测变量分位数对应的数值,得到关于多个所述条件概率下的所述环境影响梯度关系;确定单元,用于确定对所述预测变量设置的关于所述条件概率的上限阈值和下限阈值;第一得到单元,用于根据所述上限阈值,得到位于所述上限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到所述上限阈值影响关系表;第二得到单元,用于根据所述下限阈值,得到位于所述下限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到所述下限阈值影响关系表。
可选地,第二生成模块的计算公式如下:
其中,为水库大坝工程对第j个河流生态系统功能指标影响的概率评分;为n个待测属性指标中第i个待测属性指标对第j个河流生态系统功能指标的影响概率,n=1,2,……,10;代表第i个待测属性指标对第j个河流生态系统功能指标影响的相对权重,
可选地,该装置还包括:第四获取模块,用于在所述根据所述目标条件概率、所述预设环境影响权重,生成所述待建水库大坝对目标河流生态系统功能指标的影响概率之后,获取所述目标条件概率的目标上限阈值和目标下限阈值;确定模块,用于根据所述目标上限阈值和所述目标下限阈值,确定所述影响概率的评分范围;发送模块,用于将所述评分范围发送至展示模块进行展示。
根据本申请实施例的又一个方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;其中,存储器,用于存储计算机程序;处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
根据本申请实施例的又一个方面,还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。
在本申请实施例中,通过获取待建水库大坝的多个待测属性指标;根据待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;获取关于待测属性指标的预设环境影响权重;根据目标条件概率、预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率。由于本申请实施例对已建同类水库大坝工程的历史数据进行分析和整理,得到环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,然后基于当前待建水库大坝的多个待测属性指标与已有的环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表进行结合,生成计算环境影响的目标条件概率,对水库大坝工程的主要影响开展半定量的评价,最后根据目标条件概率和待测属性指标的预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率,从而实现主要影响的科学快速识别,提高环境影响识别的技术经济性,为环境影响预测和综合评价提供支撑,进而解决了相关技术中存在的环境影响识别范围不准确,且在得到较全面的环境影响数据时出现浪费过多物资的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种可选的水库大坝环境影响评价方法的硬件环境的示意图;
图2是根据本申请实施例的一种可选的水库大坝环境影响评价方法的流程示意图;
图3是根据本申请实施例的一种可选的生态功能指标体系构建框架示意图;
图4是根据本申请实施例的一种可选的数据包络模型结果示意图;
图5是根据本申请实施例的一种可选的环境包络模型示意图;
图6是根据本申请实施例的一种可选的环境影响识别结果蜘蛛图示意图;
图7是根据本申请实施例的一种可选的环境影响识别结果柱状图示意图;
图8是根据本申请实施例的一种可选的水库大坝环境影响评价的整体系统框架图;
图9是根据本申请实施例的一种可选的水库大坝环境影响评价装置的结构框图;
图10是根据本申请实施例的一种可选的电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种水库大坝环境影响评价方法。可选地,在本实施例中,上述水库大坝环境影响评价方法可以应用于如图1所示的硬件环境中。如图1所示,终端102中可以包含有存储器104、处理器106和显示器108(可选部件)。终端102可以通过网络110与服务器112进行通信连接,该服务器112可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器112上或独立于服务器112设置数据库114,用于为服务器112提供数据存储服务。此外,服务器112中可以运行有处理引擎116,该处理引擎116可以用于执行由服务器112所执行的步骤。
可选地,终端102可以但不限于为可以计算数据的终端,如移动终端(例如手机、平板电脑)、笔记本电脑、PC(Personal Computer,个人计算机)机等终端上,上述网络可以包括但不限于无线网络或有线网络。其中,该无线网络包括:蓝牙、WIFI(Wireless Fidelity,无线保真)及其他实现无线通信的网络。上述有线网络可以包括但不限于:广域网、城域网、局域网。上述服务器112可以包括但不限于任何可以进行计算的硬件设备。
此外,在本实施例中,上述水库大坝环境影响评价方法还可以但不限于应用于处理能力较强大的独立的处理设备中,而无需进行数据交互。例如,该处理设备可以但不限于为处理能力较强大的终端设备,即,上述水库大坝环境影响评价方法中的各个操作可以集成在一个独立的处理设备中。上述仅是一种示例,本实施例中对此不作任何限定。
可选地,在本实施例中,上述水库大坝环境影响评价方法可以由服务器112来执行,也可以由终端102来执行,还可以是由服务器112和终端102共同执行。其中,终端102执行本申请实施例的水库大坝环境影响评价方法也可以是由安装在其上的客户端来执行。
以运行在服务器为例,图2是根据本申请实施例的一种可选的水库大坝环境影响评价方法的流程示意图,如图2所示,该方法的流程可以包括以下步骤:
步骤S201,获取待建水库大坝的多个待测属性指标;
步骤S202,根据待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;
步骤S203,获取关于待测属性指标的预设环境影响权重;
步骤S204,根据目标条件概率、预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率。
可选地,在本申请实施例中,服务器会获取到当前待建的水库大坝工程中多个待测属性指标,将多个待测属性指标作为预设变量,然后将已构建的环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表结合多个待测属性指标,得到每个目标条件概率ui值,比如预测变量需要至少输入2个指标数据,最多可输入10个指标数据,对于数据获取存在困难的可以根据实际情况确定需要输入指标数据的数量。本申请实施例以获得某水库大坝工程6项主要待测属性指标为例,见表1。
表1某水库大坝工程待测属性指标数据
然后本申请实施例采用层次分析法确定不同水库大坝工程属性指标的影响权重wi,为便于计算,本实施例在层次分析法中采用等权重的方式确定权重,即所有权重相同,得到每个待测属性指标的预设环境影响权重wi。
然后基于将目标条件概率ui和预设环境影响权重wi输入概率评分计算公式即可计算待建水库大坝工程对第j个目标河流生态系统功能指标影响的概率评分:
其中,为水库大坝工程对第j个河流生态系统功能指标影响的概率评分;为n个待测属性指标中第i个待测属性指标对第j个河流生态系统功能指标的影响概率,n=1,2,……,10;代表第i个待测属性指标对第j个河流生态系统功能指标影响的相对权重,
在本申请实施例中,通过获取待建水库大坝的多个待测属性指标;根据待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;获取关于待测属性指标的预设环境影响权重;根据目标条件概率、预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率。由于本申请实施例对已建同类水库大坝工程的历史数据进行分析和整理,得到环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,然后基于当前待建水库大坝的多个待测属性指标与已有的环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表进行结合,生成计算环境影响的目标条件概率,对水库大坝工程的主要影响开展半定量的评价,最后根据目标条件概率和待测属性指标的预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率,从而实现主要影响的科学快速识别,提高环境影响识别的技术经济性,为环境影响预测和综合评价提供支撑,进而解决了相关技术中存在的环境影响识别范围不准确,且在得到较全面的环境影响数据时出现浪费过多物资的问题。
作为一种可选实施例,在根据待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率之前,方法还包括:
获取第一指标数据集、类别集以及第二指标数据集,其中,第一指标数据集为生态功能指标库,第二指标数据集为水库大坝工程环境影响评价指标库,第一指标数据集为第二指标数据集的子集,类别集用于表征河流生态分类;
根据目标算法、第二指标数据集以及目标约束条件,构建目标模型,其中,目标模型用于表征第二指标数据集中包含的各个指标的产出和投入的比率,并用于评判出有效指标;
根据目标模型、第一指标子数据集、第二指标子数据集,生成环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,其中,第一指标子数据集包含于第一指标数据集,第二指标子数据集包含于第二指标数据集。
可选地,在本申请实施例中,需要对已建同类水库大坝工程的历史数据进行分析和整理,这时需要获取到第一指标数据集,即生态功能指标库,如有52个主要生态功能指标,覆盖流域、上游、库区和下游等不同空间范围,获取到河流生态分类的类别集(包括水文情势、水环境、地形地貌、连通性、生物多样性、景观格局等6个类)。参加图3,另具体指标参见表2:
表2河流生态系统功能指标体系模型
进一步,还需要通过检索全球水库大坝工程对河流生态功能影响研究相关的期刊论文、研究报告、政策、法规导则等资料,采用文献计量分析法分析提炼关键指标,并分类统计全球水库大坝工程对河流生态功能影响的相关指标和数值,得到第二指标集,表3所示的水库大坝工程环境影响评价指标库字段数据库。
表3水库大坝工程环境影响评价指标库字段示例
基于上述获取到的第二指标数据集,利用第二指标数据集的相关指标和数值作为驱动数据,利用目标算法(如数据包络分析法)对这些驱动数据做分析和计算,结合设定的目标约束条件,构建出目标模型(如数据包络模型)。
具体为,通过选取第二指标数据集中包含的任一参考指标,作为生产决策单元(Decision Making Units,DMU),提取对应的多项投入和产出数据,利用线性规划,以最优投入与产出作为目标约束条件,构建数据包络模型,从相对有效性的角度评价具有相同类型的多投入、多产出决策单元的技术与规模有效性。
进一步地,假设第二指标数据集中有n个评价对象,每个评价对象都可以看做是一个决策单元DMU(即任一参考指标),这样就有n个决策单元。每个决策单元都有m种输入,表示该决策单元对资源的耗费,以及s种输出,表示该决策单元消耗资源之后产生的成效。则可表示为:
其中,1≤j≤n,1≤i≤r,xij为第j个指标对第i种输入的投入量,xij>0,yij为第j个指标对第i种输出的产出量,yij>0,vi是第i种输入的一种度量,ui是第i种输出的一种度量。
进一步地,对第j0个决策单元进行效率评价,(1≤jo≤n),以v和u为变量,以第j0个决策单元的效率指数hj0为目标,以所有决策单元(包括第j0个决策单元)的效率指数为约束条件,即hj0≤1,j=1,2,……,n。则形成数据包络模型如下。
其中,j0为参考指标,上述公式用于对第j0个指标进行效率评价,1≤jo≤n,以v和u为变量,以第j0个指标的效率指数hj0为目标,以所有决策单元j的效率指数为目标约束条件,hj0≤1,j=1,2,……,n;v≥0表示对i=1,2,……,m,有vi≥0,至少存在某个i0,使vi0≥0,1≤io≤m,xij为第j个指标对第i个输入的投入量,yrj为第j个指标对第r种输出的产出量,xj0为第j0个指标的投入量,yj0为第j0个指标的产出量,xj和yj分别为决策单元j的输入向量和输出向量。
进一步地,根据构建的数据包络模型进行有效性判断。其中,有效点会位于前沿面上,效率指数值标定为1;无效点则会位于前沿面外,并被赋予一个大于0但小于1的相对的效率指数值(附图4)。若P的最优解hj0=1,则称决策单元j0为有效。
作为一种可选实施例,根据目标模型、第一指标子数据集、第二指标子数据集,生成环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表包括:
根据目标模型将第二指标子数据集作为水库大坝工程影响的预测变量,将第一指标子数据集作为水库大坝工程影响的条件概率,获取在同一条件概率下,不同预测变量分位数对应的数值,得到关于多个条件概率下的环境影响梯度关系;
确定对预测变量设置的关于条件概率的上限阈值和下限阈值;
根据上限阈值,得到位于上限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到上限阈值影响关系表;
根据下限阈值,得到位于下限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到下限阈值影响关系表。
可选地,在本申请实施例中,选取第一指标集中的部分子集,得到第一指标子数据集,选取第二指标数据集中的部分子集,得到第二指标子数据集,比如第二指标子数据集包括A1装机容量、A2坝高、A3库容、A4库容系数、A5正常蓄水位下的水库面积、A6坝址多年平均流量、A7保护区面积,以及A8鱼类、A9其他水生生物、A10陆生生物等保护目标数量共计10个指标,将第二指标子数据集作为水库大坝工程影响的预测变量vi;将第一指标子数据集作为DMU的产出,即水库大坝工程属性指标对河流生态系统功能指标影响的条件概率ui。
然后采用简约梯度算法获取在同一条件概率下,不同预测变量分位数对应的数值,进而得到关于多个条件概率下的环境影响梯度关系,如表4在Microsoft Excel中构建预测变量vi和条件概率ui的环境影响梯度关系。
表4环境影响梯度关系构建示例表
环境影响梯度关系,随着预测变量vi变化,河流生态系统功能指标受影响的条件概率ui呈非线性变化关系,本申请实施例通过梳理全球水库大坝工程对河流生态功能影响的相关指标和数值,将预测变量vi的指标数值进行归一化处理(比如无量纲化处理),并设定预测变量vi对河流生态系统功能指标影响的条件概率ui上限阈值和下限阈值。
根据上限阈值,得到位于上限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到上限阈值影响关系表,根据下限阈值,得到位于下限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到下限阈值影响关系表。
基于上述建立的第一指标子数据集和第二指标子数据集之间的定量影响关系,开发出环境包络模型,参见图5,本申请实施例将上限阈值设定为25%,这时,≥25%分位数预测变量对河流生态系统功能指标的影响概率为1,相应5%,10%,15%,20%分位数预测变量对河流生态系统功能指标的影响概率分别为0.2、0.4、0.6、0.8;本申请实施例将下限阈值设定为50%,这时,≥50%分位数预测变量对河流生态系统功能指标的影响概率为1,10%、20%、25%、30%、40%分位数预测变量对河流生态系统功能指标的影响概率分别为0.2、0.4、0.5、0.6、0.8。
通过确定上限阈值和下限阈值可以编制影响关系表,由于篇幅限制,本申请实施例以A1(装机容量MW)的上限阈值(表5)和下限阈值(表6)为例进行展示,确定不同分位数预测变量对河流生态系统功能指标的影响概率。
表5 A1上限阈值条件下的影响关系表
表6 A1下限阈值条件下的影响关系表
作为一种可选实施例,在根据目标条件概率、预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率之后,方法还包括:
获取目标条件概率的目标上限阈值和目标下限阈值;
根据目标上限阈值和目标下限阈值,确定影响概率的评分范围;
将评分范围发送至展示模块进行展示。
可选地,由于目标条件概率存在目标上限阈值和目标下限阈值,这时根据目标上限阈值和目标下限阈值即可确定出一个概率评分范围和将评分范围发送至展示模块(比如环境影响识别结果展示模块),通过Microsoft Excel中的VBA工具编程实现可视化,以蜘蛛图(图6)展示不同功能类别、不同指标评价结果,以柱状图(图7)展示不同指标评价结果的范围。
作为一种可选实施例,本申请实施例提出一种水库大坝环境影响评价的系统,其整体系统框架图参见图8,包括:S1水库大坝工程环境影响评价指标体系模块、S2环境包络模型构建模块、S3环境影响识别模块、S4环境影响识别结果展示模块,具体为:
S1水库大坝工程环境影响评价指标体系模块,用于表征水库大坝工程对河流生态系统功能的影响,由S1D1河流生态系统功能指标体系模型、S1D2水库大坝工程环境影响评价指标库构成,S1D1河流生态系统功能指标体系模型的指标来源于S1D2水库大坝工程环境影响评价指标库。
进一步地,S1D1河流生态系统功能指标体系模型,包括6个类别、52个主要生态功能指标。
S2环境包络模型构建模块,用于构建水库大坝工程对河流生态系统功能指标的影响关系,包括S2D1数据包络模型、S2D2水库大坝工程属性指标、S2D3河流生态功能指标、S2D4环境包络模型。其中,S2D2数据来源于S1D2,S2D3数据来源于S1D1。
进一步地,利用S1D2水库大坝工程环境影响评价指标库的相关指标和数值作为驱动数据,构建S2D1数据包络模型,结合S2D2水库大坝工程属性指标和S2D3河流生态功能指标和数值,建立S2D2水库大坝工程属性指标与S2D3河流生态功能指标的定量影响关系,开发S2D4环境包络模型。
S3环境影响识别模块,用于定量识别水库大坝工程对河流生态系统功能指标的影响概率,包括S3D1构建概率评分、S3D2求解条件概率、S3D3构建影响权重、S3D4计算环境影响等内容。
S4环境影响识别结果展示模块,用于展示水库大坝工程对河流生态系统不同功能、不同指标影响的评价结果。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述水库大坝环境影响评价方法的水库大坝环境影响评价装置。图9是根据本申请实施例的一种可选的水库大坝环境影响评价装置的结构框图,如图9所示,该装置可以包括:第一获取模块901,用于获取待建水库大坝的多个待测属性指标;第一生成模块902,用于根据待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;第二获取模块903,用于获取关于待测属性指标的预设环境影响权重;第二生成模块904,用于根据目标条件概率、预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率。
需要说明的是,该实施例中的第一获取模块901可以用于执行上述步骤S201,该实施例中的第一生成模块902可以用于执行上述步骤S202,该实施例中的第二获取模块903可以用于执行上述步骤S203,该实施例中的第二生成模块904可以用于执行上述步骤S204。
通过上述模块,对已建同类水库大坝工程的历史数据进行分析和整理,得到环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,然后基于当前待建水库大坝的多个待测属性指标与已有的环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表进行结合,生成计算环境影响的目标条件概率,对水库大坝工程的主要影响开展半定量的评价,最后根据目标条件概率和待测属性指标的预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率,从而实现主要影响的科学快速识别,提高环境影响识别的技术经济性,为环境影响预测和综合评价提供支撑,进而解决了相关技术中存在的环境影响识别范围不准确,且在得到较全面的环境影响数据时出现浪费过多物资的问题。
作为一种可选的实施例,该装置还包括:第三获取模块,用于在根据待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率之前,获取第一指标数据集、类别集以及第二指标数据集,其中,第一指标数据集为生态功能指标库,第二指标数据集为水库大坝工程环境影响评价指标库,第一指标数据集为第二指标数据集的子集,类别集用于表征河流生态分类;构建模块,用于根据目标算法、第二指标数据集以及目标约束条件,构建目标模型,其中,目标模型用于表征第二指标数据集中包含的各个指标的产出和投入的比率,并用于评判出有效指标;第三生成模块,用于根据目标模型、第一指标子数据集、第二指标子数据集,生成环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,其中,第一指标子数据集包含于第一指标数据集,第二指标子数据集包含于第二指标数据集。
作为一种可选的实施例,构建模块包括:第一获取单元,用于获取第二指标数据集中包含的任一参考指标,其中,参考指标有m种输入,表示参考指标对资源的耗费,以及s种输出,表示参考指标消耗资源之后产生的成效;构建单元,用于根据参考指标的输入度量和输出度量,以及目标约束条件,构建目标模型,其中,目标约束条件为最优投入与产出比率。
作为一种可选的实施例,在该装置中,对于参考指标有m种输入,表示参考指标对资源的耗费,以及s种输出,表示参考指标消耗资源之后产生的成效的表示公式如下:
其中,1≤j≤n,1≤i≤r,xij为第j个指标对第i种输入的投入量,xij>0,yij为第j个指标对第i种输出的产出量,yij>0,vi是第i种输入的一种度量,ui是第i种输出的一种度量。
可选地,在该装置中,构建单元的表示公式如下:
其中,j0为参考指标,上述公式用于对第j0个指标进行效率评价,1≤jo≤n,以v和u为变量,以第j0个指标的效率指数hj0为目标,以所有决策单元j的效率指数为目标约束条件,hj0≤1,j=1,2,……,n;v≥0表示对i=1,2,……,m,有vi≥0,至少存在某个i0,使vi0≥0,1≤io≤m,xij为第j个指标对第i个输入的投入量,yrj为第j个指标对第r种输出的产出量,xj0为第j0个指标的投入量,yj0为第j0个指标的产出量,xj和yj分别为决策单元j的输入向量和输出向量。
作为一种可选的实施例,第三生成模块包括:第二获取单元,用于根据目标模型将第二指标子数据集作为水库大坝工程影响的预测变量,将第一指标子数据集作为水库大坝工程影响的条件概率,获取在同一条件概率下,不同预测变量分位数对应的数值,得到关于多个条件概率下的环境影响梯度关系;确定单元,用于确定对预测变量设置的关于条件概率的上限阈值和下限阈值;第一得到单元,用于根据上限阈值,得到位于上限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到上限阈值影响关系表;第二得到单元,用于根据下限阈值,得到位于下限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到下限阈值影响关系表。
可选地,第二生成模块的计算公式如下:
其中,为水库大坝工程对第j个河流生态系统功能指标影响的概率评分;为n个待测属性指标中第i个待测属性指标对第j个河流生态系统功能指标的影响概率,n=1,2,……,10;代表第i个待测属性指标对第j个河流生态系统功能指标影响的相对权重,
作为一种可选的实施例,该装置还包括:第四获取模块,用于在根据目标条件概率、预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率之后,获取目标条件概率的目标上限阈值和目标下限阈值;确定模块,用于根据目标上限阈值和目标下限阈值,确定影响概率的评分范围;发送模块,用于将评分范围发送至展示模块进行展示。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本申请实施例的又一个方面,还提供了一种用于实施上述水库大坝环境影响评价方法的电子设备,该电子设备可以是服务器、终端、或者其组合。
图10是根据本申请实施例的一种可选的电子设备的结构框图,如图10所示,包括处理器1001、通信接口1002、存储器1003和通信总线1004,其中,处理器1001、通信接口1002和存储器1003通过通信总线1004完成相互间的通信,其中,
存储器1003,用于存储计算机程序;
处理器1001,用于执行存储器1003上所存放的计算机程序时,实现如下步骤:
获取待建水库大坝的多个待测属性指标;
根据待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;
获取关于待测属性指标的预设环境影响权重;
根据目标条件概率、预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率。
可选地,在本实施例中,上述的通信总线可以是PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线、或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM,也可以包括非易失性存储器(non-volatile memory),例如,至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
作为一种示例,如图10所示,上述存储器1003中可以但不限于包括上述水库大坝环境影响评价装置中的第一获取模块901、第一生成模块902、第二获取模块903、第二生成模块904。此外,还可以包括但不限于上述水库大坝环境影响评价装置中的其他模块单元,本示例中不再赘述。
上述处理器可以是通用处理器,可以包含但不限于:CPU(Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(DigitalSignal Processing,数字信号处理器)、ASIC(Application Specific IntegratedCircuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
此外,上述电子设备还包括:显示器,用于显示水库大坝环境影响评价结果。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图10所示的结构仅为示意,实施上述水库大坝环境影响评价方法的设备可以是终端设备,该终端设备可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图10其并不对上述电子设备的结构造成限定。例如,终端设备还可包括比图10中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图10所示的不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
根据本申请实施例的又一个方面,还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于执行水库大坝环境影响评价方法的程序代码。
可选地,在本实施例中,上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
获取待建水库大坝的多个待测属性指标;
根据待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;
获取关于待测属性指标的预设环境影响权重;
根据目标条件概率、预设环境影响权重,生成待建水库大坝对目标河流生态系统功能指标的影响概率。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例中对此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
根据本申请实施例的又一个方面,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中;计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述任一个实施例中的水库大坝环境影响评价方法步骤。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例水库大坝环境影响评价方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (11)
1.一种水库大坝环境影响评价方法,其特征在于,所述方法包括:
获取待建水库大坝的多个待测属性指标;
根据所述待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;
获取关于所述待测属性指标的预设环境影响权重;
根据所述目标条件概率、所述预设环境影响权重,生成所述待建水库大坝对目标河流生态系统功能指标的影响概率。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率之前,所述方法还包括:
获取第一指标数据集、类别集以及第二指标数据集,其中,所述第一指标数据集为生态功能指标库,所述第二指标数据集为水库大坝工程环境影响评价指标库,所述第一指标数据集为所述第二指标数据集的子集,所述类别集用于表征河流生态分类;
根据目标算法、所述第二指标数据集以及目标约束条件,构建目标模型,其中,所述目标模型用于表征所述第二指标数据集中包含的各个指标的产出和投入的比率,并用于评判出有效指标;
根据所述目标模型、第一指标子数据集、第二指标子数据集,生成所述环境影响梯度关系、所述上限阈值影响关系表以及所述下限阈值影响关系表,其中,所述第一指标子数据集包含于所述第一指标数据集,第二指标子数据集包含于所述第二指标数据集。
3.根据权利要求2所述的方法,其特征在于,所述根据目标算法、所述第二指标数据集以及目标约束条件,构建目标模型包括:
获取所述第二指标数据集中包含的任一参考指标,其中,所述参考指标有m种输入,表示所述参考指标对资源的耗费,以及s种输出,表示所述参考指标消耗资源之后产生的成效;
根据所述参考指标的输入度量和输出度量,以及目标约束条件,构建所述目标模型,其中,所述目标约束条件为最优投入与产出比率。
5.根据权利要求3所述的方法,其特征在于,在根据所述参考指标的输入度量和输出度量,以及目标约束条件,构建所述目标模型中,表示公式如下:
其中,j0为参考指标,上述公式用于对第j0个指标进行效率评价,1≤jo≤n,以v和u为变量,以第j0个指标的效率指数hj0为目标,以所有决策单元j的效率指数为目标约束条件,hj0≤1,j=1,2,……,n;v≥0表示对i=1,2,……,m,有vi≥0,至少存在某个i0,使vi0≥0,1≤io≤m,xij为第j个指标对第i个输入的投入量,yrj为第j个指标对第r种输出的产出量,xj0为第j0个指标的投入量,yj0为第j0个指标的产出量,xj和yj分别为决策单元j的输入向量和输出向量。
6.根据权利要求2所述的方法,其特征在于,所述根据所述目标模型、第一指标子数据集、第二指标子数据集,生成所述环境影响梯度关系、所述上限阈值影响关系表以及所述下限阈值影响关系表包括:
根据所述目标模型将所述第二指标子数据集作为水库大坝工程影响的预测变量,将所述第一指标子数据集作为水库大坝工程影响的条件概率,获取在同一所述条件概率下,不同预测变量分位数对应的数值,得到关于多个所述条件概率下的所述环境影响梯度关系;
确定对所述预测变量设置的关于所述条件概率的上限阈值和下限阈值;
根据所述上限阈值,得到位于所述上限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到所述上限阈值影响关系表;
根据所述下限阈值,得到位于所述下限阈值左侧和右侧的各个分位数预测变量对河流生态系统功能指标的影响概率,得到所述下限阈值影响关系表。
8.根据权利要求1至7任一所述的方法,其特征在于,在所述根据所述目标条件概率、所述预设环境影响权重,生成所述待建水库大坝对目标河流生态系统功能指标的影响概率之后,所述方法还包括:
获取所述目标条件概率的目标上限阈值和目标下限阈值;
根据所述目标上限阈值和所述目标下限阈值,确定所述影响概率的评分范围;
将所述评分范围发送至展示模块进行展示。
9.一种水库大坝环境影响评价装置,其特征在于,所述装置包括:
第一获取模块,用于获取待建水库大坝的多个待测属性指标;
第一生成模块,用于根据所述待测属性指标、环境影响梯度关系、上限阈值影响关系表以及下限阈值影响关系表,生成计算环境影响的目标条件概率;
第二获取模块,用于获取关于所述待测属性指标的预设环境影响权重;
第二生成模块,用于根据所述目标条件概率、所述预设环境影响权重,生成所述待建水库大坝对目标河流生态系统功能指标的影响概率。
10.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信,其特征在于,
所述存储器,用于存储计算机程序;
所述处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至8中任一项所述的方法步骤。
11.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现权利要求1至8中任一项中所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210806381.7A CN115130887B (zh) | 2022-07-08 | 2022-07-08 | 水库大坝环境影响评价方法和装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210806381.7A CN115130887B (zh) | 2022-07-08 | 2022-07-08 | 水库大坝环境影响评价方法和装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115130887A true CN115130887A (zh) | 2022-09-30 |
CN115130887B CN115130887B (zh) | 2023-08-22 |
Family
ID=83382512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210806381.7A Active CN115130887B (zh) | 2022-07-08 | 2022-07-08 | 水库大坝环境影响评价方法和装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115130887B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115931421A (zh) * | 2022-12-28 | 2023-04-07 | 中国长江三峡集团有限公司 | 一种获取大坝混凝土原状试样的方法、装置及电子设备 |
CN116227747A (zh) * | 2023-05-08 | 2023-06-06 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种用于流域特定区域生态系统服务功能评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120046620A (ko) * | 2010-11-02 | 2012-05-10 | 삼성중공업 주식회사 | 해양 환경 모니터링 시스템 및 방법 |
CN110610293A (zh) * | 2019-08-13 | 2019-12-24 | 中国人民解放军国防科技大学 | 基于改进型贝叶斯网络的海洋环境风险评估方法 |
US20200311319A1 (en) * | 2019-03-28 | 2020-10-01 | China Waterborne Transport Research Institute | Method for evaluating ecological environmental impact of channel project and countermeasures thereof based on mechanism analysis |
CN112801450A (zh) * | 2020-12-28 | 2021-05-14 | 西安理工大学 | 一种基于改进可变模糊集理论的溃坝环境影响评价方法 |
CN113919729A (zh) * | 2021-10-22 | 2022-01-11 | 周亚州 | 一种区域三生空间影响与协作水平评估方法及系统 |
-
2022
- 2022-07-08 CN CN202210806381.7A patent/CN115130887B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120046620A (ko) * | 2010-11-02 | 2012-05-10 | 삼성중공업 주식회사 | 해양 환경 모니터링 시스템 및 방법 |
US20200311319A1 (en) * | 2019-03-28 | 2020-10-01 | China Waterborne Transport Research Institute | Method for evaluating ecological environmental impact of channel project and countermeasures thereof based on mechanism analysis |
CN110610293A (zh) * | 2019-08-13 | 2019-12-24 | 中国人民解放军国防科技大学 | 基于改进型贝叶斯网络的海洋环境风险评估方法 |
CN112801450A (zh) * | 2020-12-28 | 2021-05-14 | 西安理工大学 | 一种基于改进可变模糊集理论的溃坝环境影响评价方法 |
CN113919729A (zh) * | 2021-10-22 | 2022-01-11 | 周亚州 | 一种区域三生空间影响与协作水平评估方法及系统 |
Non-Patent Citations (2)
Title |
---|
ANDREJ ŠOLTÉSZ等: "Environmental Impact Assessment and Hydraulic Modelling of Different Flood Protection Measures", 《WATER》, pages 1 - 24 * |
陈昂等: "基于水库生态系统演替的环境影响后评价技术体系研究", 《环境影响评价》, pages 41 - 44 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115931421A (zh) * | 2022-12-28 | 2023-04-07 | 中国长江三峡集团有限公司 | 一种获取大坝混凝土原状试样的方法、装置及电子设备 |
CN116227747A (zh) * | 2023-05-08 | 2023-06-06 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种用于流域特定区域生态系统服务功能评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115130887B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 | |
CN109858740B (zh) | 企业风险的评估方法、装置、计算机设备及存储介质 | |
Verbraken et al. | Development and application of consumer credit scoring models using profit-based classification measures | |
Marinoni et al. | The multiple criteria analysis tool (MCAT): A new software tool to support environmental investment decision making | |
CN115130887B (zh) | 水库大坝环境影响评价方法和装置、电子设备和存储介质 | |
CN109191282A (zh) | 一种基于行为模型的贷中监测评分方法以及系统 | |
CN108170909A (zh) | 一种智能建模的模型输出方法、设备及存储介质 | |
Mousavi et al. | Multi-criteria ranking of corporate distress prediction models: empirical evaluation and methodological contributions | |
CN108460521A (zh) | 审计对象的推荐方法和系统 | |
CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
Murugan | Large-scale data-driven financial risk management & analysis using machine learning strategies | |
US20240346531A1 (en) | Systems and methods for business analytics model scoring and selection | |
CN110888625A (zh) | 基于需求变更和项目风险对代码质量进行控制的方法 | |
CN112328869A (zh) | 一种用户贷款意愿的预测方法、装置及计算机系统 | |
Nasrabadi et al. | Robustness of efficiency scores in data envelopment analysis with interval scale data | |
ABIDAR et al. | Predicting Customer Segment Changes to Enhance Customer Retention: A Case Study for Online Retail using Machine Learning | |
CN110796381B (zh) | 风控模型的建模方法、装置、终端设备及介质 | |
CN113421014A (zh) | 一种目标企业确定方法、装置、设备和存储介质 | |
Lee et al. | An entropy decision model for selection of enterprise resource planning system | |
CA3160715A1 (en) | Systems and methods for business analytics model scoring and selection | |
CN107368941A (zh) | 一种湿地生态系统服务价值大数据评估方法及装置 | |
Lin et al. | Applying the random forest model to forecast the market reaction of start-up firms: case study of GISA equity crowdfunding platform in Taiwan | |
CN109829745A (zh) | 营收数据预测方法、装置、计算机设备和存储介质 | |
KR102543211B1 (ko) | 비정형 기업 데이터를 이용한 기업성장 예측 시스템 | |
CN112581250B (zh) | 模型生成方法、装置、计算机设备和存储介质 |
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 |