CN116205361B - 一种基于匹配度的工业用水效率分级预测方法 - Google Patents
一种基于匹配度的工业用水效率分级预测方法 Download PDFInfo
- Publication number
- CN116205361B CN116205361B CN202310208832.1A CN202310208832A CN116205361B CN 116205361 B CN116205361 B CN 116205361B CN 202310208832 A CN202310208832 A CN 202310208832A CN 116205361 B CN116205361 B CN 116205361B
- Authority
- CN
- China
- Prior art keywords
- matching degree
- index
- matching
- water efficiency
- industrial 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000008235 industrial water Substances 0.000 title claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000011161 development Methods 0.000 claims abstract description 38
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000011160 research Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于匹配度的工业用水效率分级预测方法,包括:获取工业用水效率指标和经济发展状况指标;将获取的指标进行数据预处理,并将处理好的样本点据绘制在平面坐标系上;计算指标匹配度;对指标匹配度进行分级,并对用水效率样本点进行分组;对同一分组的点簇采用曲线线型进行拟合,得到曲线参数;对逐年用水效率数据重复上述步骤,对同一分级内得到的各年曲线参数分别进行时间序列预测,得到相应匹配度分级下预测年份的曲线函数,代入预测的经济发展状况指标对工业用水效率预测。本发明主要服务于水资源规划管理,可以更加快速、准确地对工业用水效率进行预测,方便政策制订以及调控目标的可达性分析。
Description
技术领域
本发明属于水资源规划管理领域,具体涉及一种基于匹配度的工业用水效率分级预测方法,可用于城市或区域工业用水效率与工业需水预测。
背景技术
严格控制用水效率是实施最严格水资源管理制度的关键环节,直接关系到用水总量的控制和水功能区水质的达标。对用水效率的严格调控是进行区域水资源高效利用的主要工作内容。挖掘用水效率的关键影响因素、建立驱动因素与用水效率之间的关联模式、探究用水效率调控与预测的协同规则,是用水效率管控的重要理论基础,也是新时期水资源管理工作的重要抓手。
匹配度指标可以定量衡量系统间或系统各要素间的匹配程度,因而多用于研究要素间时空匹配相关问题。基于数列的匹配度计算方法可以根据要素大小的排序对两种变量之间的匹配关系进行定量分析,具有方法科学、数学机理缜密的特点,在水资源系统与经济社会发展时空匹配问题上被广泛应用。但在采用这种方法进行具体匹配度分析(例如,经济发展水平与用水效率间匹配度分析)时,若评价结果为不匹配,将可能包含两种相反的情况(经济发展水平滞后于用水效率水平、或用水效率水平滞后于经济发展水平),将两者归于一类,将有可能影响决策者对用水效率与经济发展匹配状况的判断。
国内外现有的用水效率相关研究多着重于用水效率的评价以及影响因素研究,对于用水效率预测的研究甚少。同时在以往的用水效率预测研究中,对于样本不进行分级,导致预测效果往往偏差;或者不以匹配度进行分级,精度提升效果不明显。
所以,需要一个新的技术方案来解决这些问题。
发明内容
发明目的:提供一种基于匹配度的工业用水效率分级预测方法,主要服务于水资源规划管理,可以更加快速、准确地对城市或区域工业用水效率进行预测,方便水资源管理政策制定以及调控目标的可达性分析。
技术方案:为实现上述目的,本发明提供一种基于匹配度的工业用水效率分级预测方法,包括如下步骤:
S1:获取工业用水效率指标和经济发展状况指标;
S2:将获取的指标进行数据预处理,并将处理好的样本点据绘制在平面坐标系上;
S3:计算指标匹配度;
S4:对指标匹配度进行分级,并对用水效率样本点进行分组;
S5:对同一分组的点簇采用曲线线型进行拟合,得到曲线参数;
S6:对逐年用水效率数据重复步骤S1~S5,对同一分级内得到的各年曲线参数分别进行时间序列预测,得到相应匹配度分级下预测年份的曲线函数,代入预测的经济发展状况指标对工业用水效率预测。
进一步地,所述步骤S1中以万元工业增加值用水量指标表征工业用水效率,人均GDP指标表征经济发展状况。
进一步地,所述步骤S2具体为:将万元工业增加值用水量和人均GDP指标做对数化处理,并以lg人均GDP为横轴,lg万元工业增加值用水量为纵轴,将样本点据绘制在平面坐标系上。
进一步地,所述步骤S3中采用改进的匹配度计算方法来计算指标匹配度,具体的计算过程为:假定研究空间上有N个单元,每个单元中分别有指标X、Y,X为自变量,Y为因变量,对N个单元的指标X值X1,X2,…,XN从小到大进行排序,对应的序号为x1,x2,…,xN;对N个单元的指标Y值Y1,Y2,…,YN从小到大进行排序,对应的序号为y1,y2,…,yN,可得到每个单元X、Y值对应的排序序号为(xi,yi),i=1,2,…,N;
当指标X与Y为正相关关系时:
X数值越大代表发展水平越高时,匹配度计算公式为:
X数值越小代表发展水平越高时,匹配度计算公式为:
当指标X与Y为负相关关系时:
X数值越大代表发展水平越高时,匹配度计算公式如下:
X数值越小代表发展水平越高时,匹配度计算公式如下:
由上述公式可以得到匹配度计算结果mi∈[-1,1]。
进一步地,所述步骤S4中对指标匹配度进行分级的方法为:
匹配度mi介于[-0.2,0.2)之间时,两指标在各自序列中水平相近,匹配程度高,定义为匹配状态;当匹配度介于[-1,-0.2)时,指标Y的发展水平均落后于指标X,定义为欠匹配状态;当匹配度介于[0.2,1]时,指标Y的发展水平均领先于指标X,定义为过匹配状态。
进一步地,所述步骤S4中在三种匹配状态分类的基础上,参考基尼系数划分方法,可对欠匹配与过匹配状态单元进行详细划分;同时,依据样本总体数目以及各匹配区间样本个数的多少,可以决定划分的粗细程度,便于后续拟合。
样本数大于设定值时,可划定匹配度介于[-1,-0.6)为极欠匹配,[-0.6,-0.4)为较欠匹配,[-0.4,-0.2)为相对欠匹配,[0.2,0.4)为相对过匹配,[0.4,0.6)为较过匹配,[0.6,1]为极过匹配;样本数小于设定值时,则划定[-1,-0.2)为欠匹配,[-0.2,0.2)为匹配,[0.2,1]为过匹配。
进一步地,所述步骤S5具体为:
每年的城市数据样本对应该年的匹配度计算结果,对每年的匹配度计算结果按照匹配度分级,相似匹配度的城市点据聚集在一组函数关系附近,同一分组的点簇分布符合如下的函数模型:
分别计算出不同年份对应的a,b,c的值;第i年第j匹配度等级的曲线对应的参数为aij,bij,cij。
本发明提出一种基于匹配度的工业用水效率分级预测方法,以万元工业增加值用水量指标表征工业用水效率,人均GDP指标表征经济发展状况,采用改进后的匹配度计算方法计算匹配度并进行匹配度的分级,以分级后的理论曲线拟合结果进行参数延展,对工业用水效率进行合理的预测,可以在更好的简化调控模型的复杂度的同时保证预测的精度,对工业用水效率进行可达性分析,为管理层政策制订提供参考。
有益效果:本发明与现有技术相比,对基于数列的两指标间匹配度计算方法进行了改进,使得计算出的匹配度可以在评价结果为不匹配时,区分经济发展水平滞后于用水效率水平和用水效率水平滞后于经济发展水平的情况,解决了现有方法只能将两者归于一类,将有可能影响决策者对用水效率与经济发展匹配状况的判断的问题。本发明与现有研究方法相比使用的指标更少,步骤更简明,可以更加方便的对工业用水效率进行预测,并同时保证预测的准确度,可以有效服务于水资源管理政策制定以及用水效率调控目标的可达性分析。
附图说明
图1为本发明具体实施方式的总体技术路线图;
图2为本发明具体实施方式中各匹配区间样本点据曲线拟合示意图;
图3为本发明具体实施方式中同一匹配度分级的样本点据曲线拟合示意图(以[0,0.2)区间为例);
图4为本发明具体实施方式中最终的预测结果图(以[0,0.2)区间为例);
图5为工业用水效率预测结果对比图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于匹配度的工业用水效率分级预测方法,如图1所示,包括如下步骤:
S1:获取工业用水效率指标和经济发展状况指标:
选取万元工业增加值用水量指标(单位:立方米/万元)表征工业用水效率,人均GDP指标(单位:元/人)表征经济发展状况。经济指标(人均GDP、工业增加值)需折算为同一年的可比价。对异常化的点需要进行差补。
S2:将获取的指标进行数据预处理,并将处理好的样本点据绘制在平面坐标系上:
将万元工业增加值用水量和人均GDP指标做对数化处理,并以lg人均GDP为横轴,lg万元工业增加值用水量为纵轴,将样本点据绘制在平面坐标系上,参照图2。
S3:计算指标匹配度:
采用改进的匹配度计算方法来计算指标匹配度,具体的计算过程为:假定研究空间上有N个单元,每个单元中分别有指标X、Y,X为自变量,Y为因变量,对N个单元的指标X值X1,X2,…,XN从小到大进行排序,对应的序号为x1,x2,…,xN;对N个单元的指标Y值Y1,Y2,…,YN从小到大进行排序,对应的序号为y1,y2,…,yN,可得到每个单元X、Y值对应的排序序号为(xi,yi),i=1,2,…,N;
当指标X与Y为正相关关系时:
X数值越大代表发展水平越高时,匹配度计算公式为:
X数值越小代表发展水平越高时,匹配度计算公式为:
当指标X与Y为负相关关系时:
X数值越大代表发展水平越高时,匹配度计算公式如下:
X数值越小代表发展水平越高时,匹配度计算公式如下:
由上述公式可以得到匹配度计算结果mi∈[-1,1]。
S4:对指标匹配度进行分级,并对用水效率样本点进行分组:
匹配度mi介于[-0.2,0.2)之间时,两指标在各自序列中水平相近,匹配程度高,定义为匹配状态;当匹配度介于[-1,-0.2)时,指标Y的发展水平均落后于指标X,定义为欠匹配状态;当匹配度介于[0.2,1]时,指标Y的发展水平均领先于指标X,定义为过匹配状态。
在三种匹配状态分类的基础上,参考基尼系数划分方法,可对欠匹配与过匹配状态单元进行详细划分;同时,依据样本总体数目以及各匹配区间样本个数的多少,可以决定划分的粗细程度,便于后续拟合。
样本数较多时(如大于300个城市),可划定匹配度介于[-1,-0.6)为极欠匹配,[-0.6,-0.4)为较欠匹配,[-0.4,-0.2)为相对欠匹配,[0.2,0.4)为相对过匹配,[0.4,0.6)为较过匹配,[0.6,1]为极过匹配;样本数较少时(如只有60个城市),则简单划定[-1,-0.2)为欠匹配,[-0.2,0.2)为匹配,[0.2,1]为过匹配。
S5:如图2所示,对同一分组的点簇采用曲线线型进行拟合,得到曲线参数:
每年的城市数据样本对应该年的匹配度计算结果,对每年的匹配度计算结果按照匹配度分级,相似匹配度的城市点据聚集在一组函数关系附近,同一分组的点簇分布符合如下的函数模型:
其中,各个年份对应的a,b,c值由对应年份所在匹配度分级下的样本点据,根据最小二乘法拟合得到;第i年第j匹配度等级的曲线对应的参数为aij,bij,cij。
S6:已知给定n年的城市数据,对逐年用水效率数据重复步骤S1~S5,对同一分级内得到的各年曲线参数分别进行时间序列预测,得到相应匹配度分级下预测年份(第n+1年)的曲线函数,同时,假定第n+1年各城市匹配度分级不变,代入第n+1年所预测的人均GDP数据即可计算对应年份的万元工业增加值用水量。
本实施例中以[0,0.2)区间为例,获取到该区间的样本点据曲线拟合图,具体如图3所示,并且最终获取到该区间的预测结果如图4所示。
为了体现本发明方法的预测效果,本实施例中将未进行匹配度分级的预测方法与进行了匹配度分级的预测方法二者的预测结果进行对比。
以2017年为例,以全国336个地级市1998-2016年的工业用水效率和经济发展水平样本数据为训练样本,现有工业用水效率预测方法与本发明的基于匹配度分级的方法预测结果对比如图5。现有预测结果相对误差为14.64%,本发明预测的结果其平均相对误差为2.85%。
以部分典型城市为例:如根据1998-2016年数据,采用目前国际主流用水效率预测模型WaterGAP提出的线型,对数据总体进行拟合得到线型为:
据此预测2017年南京市万元工业增加值用水量为43.15m3;
采用本专利S4步骤提出的步骤进行分级,南京市匹配度属于[-0.6,-0.4)级别;采用本专利S5步骤提出的线型,该匹配度分级下拟合得到的线型为:
据此预测2017年南京市万元工业增加值用水量为55.31m3。
南京市实际2017年万元工业增加值用水量为52.79m3,已有预测方法相对误差为-18.25%,本专利主张的基于匹配度分级的方法预测相对误差为4.76%。
由此可见,本发明方法能够对工业用水效率预测结果的准确度有较大提升。
Claims (6)
1.一种基于匹配度的工业用水效率分级预测方法,其特征在于,包括如下步骤:
S1:获取工业用水效率指标和经济发展状况指标;
S2:将获取的指标进行数据预处理,并将处理好的样本点据绘制在平面坐标系上;
S3:计算指标匹配度;
S4:对指标匹配度进行分级,并对用水效率样本点进行分组;
S5:对同一分组的点簇采用曲线线型进行拟合,得到曲线参数;
S6:对逐年用水效率数据重复步骤S1~S5,对同一分级内得到的各年曲线参数分别进行时间序列预测,得到相应匹配度分级下预测年份的曲线函数,代入预测的经济发展状况指标对工业用水效率预测;
所述步骤S3中采用改进的匹配度计算方法来计算指标匹配度,具体的计算过程为:假定研究空间上有N个单元,每个单元中分别有指标X、Y,X为自变量,Y为因变量,对N个单元的指标X值X1,X2,…,XN从小到大进行排序,对应的序号为x1,x2,…,xN;对N个单元的指标Y值Y1,Y2,…,YN从小到大进行排序,对应的序号为y1,y2,…,yN,可得到每个单元X、Y值对应的排序序号为(xi,yi),i=1,2,…,N;
当指标X与Y为正相关关系时:
X数值越大代表发展水平越高时,匹配度计算公式为:
X数值越小代表发展水平越高时,匹配度计算公式为:
当指标X与Y为负相关关系时:
X数值越大代表发展水平越高时,匹配度计算公式如下:
X数值越小代表发展水平越高时,匹配度计算公式如下:
由上述公式可以得到匹配度计算结果mi∈[-1,1];
所述步骤S5具体为:
每年的城市数据样本对应该年的匹配度计算结果,对每年的匹配度计算结果按照匹配度分级,相似匹配度的城市点据聚集在一组函数关系附近,同一分组的点簇分布符合如下的函数模型:
分别计算出不同年份对应的a,b,c的值;第i年第j匹配度等级的曲线对应的参数为aij,bij,cij。
2.根据权利要求1所述的一种基于匹配度的工业用水效率分级预测方法,其特征在于,所述步骤S1中以万元工业增加值用水量指标表征工业用水效率,人均GDP指标表征经济发展状况。
3.根据权利要求2所述的一种基于匹配度的工业用水效率分级预测方法,其特征在于,所述步骤S2具体为:将万元工业增加值用水量和人均GDP指标做对数化处理,并以lg人均GDP为横轴,lg万元工业增加值用水量为纵轴,将样本点据绘制在平面坐标系上。
4.根据权利要求1所述的一种基于匹配度的工业用水效率分级预测方法,其特征在于,所述步骤S4中对指标匹配度进行分级的方法为:
匹配度mi介于[-0.2,0.2)之间时,两指标在各自序列中水平相近,匹配程度高,定义为匹配状态;当匹配度介于[-1,-0.2)时,指标Y的发展水平均落后于指标X,定义为欠匹配状态;当匹配度介于[0.2,1]时,指标Y的发展水平均领先于指标X,定义为过匹配状态。
5.根据权利要求4所述的一种基于匹配度的工业用水效率分级预测方法,其特征在于,所述步骤S4中在三种匹配状态分类的基础上,参考基尼系数划分方法,对欠匹配与过匹配状态单元进行详细划分;同时,依据样本总体数目以及各匹配区间样本个数的多少,决定划分的粗细程度,便于后续拟合。
6.根据权利要求5所述的一种基于匹配度的工业用水效率分级预测方法,其特征在于,所述步骤S4中在三种匹配状态分类的基础上,对匹配度进行细划分,具体如下:
样本数大于设定值时,可划定匹配度介于[-1,-0.6)为极欠匹配,[-0.6,-0.4)为较欠匹配,[-0.4,-0.2)为相对欠匹配,[0.2,0.4)为相对过匹配,[0.4,0.6)为较过匹配,[0.6,1]为极过匹配;样本数小于设定值时,则划定[-1,-0.2)为欠匹配,[-0.2,0.2)为匹配,[0.2,1]为过匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310208832.1A CN116205361B (zh) | 2023-03-07 | 2023-03-07 | 一种基于匹配度的工业用水效率分级预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310208832.1A CN116205361B (zh) | 2023-03-07 | 2023-03-07 | 一种基于匹配度的工业用水效率分级预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116205361A CN116205361A (zh) | 2023-06-02 |
CN116205361B true CN116205361B (zh) | 2024-02-23 |
Family
ID=86518967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310208832.1A Active CN116205361B (zh) | 2023-03-07 | 2023-03-07 | 一种基于匹配度的工业用水效率分级预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205361B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022975A (zh) * | 2016-07-20 | 2016-10-12 | 中国水利水电科学研究院 | 一种水资源开发利用效率评价方法及其应用 |
CN106803211A (zh) * | 2017-01-12 | 2017-06-06 | 中国水利水电科学研究院 | 一种水土资源匹配度的评估方法和评估装置 |
CN107808211A (zh) * | 2017-09-15 | 2018-03-16 | 周亚岐 | 一种区域水资源需求预测方法 |
CN108897799A (zh) * | 2018-06-13 | 2018-11-27 | 郑州大学 | 一种基于Web GIS的水资源与经济社会匹配关系可视化系统 |
WO2020037466A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳配天智能技术研究院有限公司 | 一种图像匹配方法及视觉系统 |
CN110852477A (zh) * | 2019-10-08 | 2020-02-28 | 华中科技大学 | 一种基于系统动力学的生产需水预测方法 |
CN113344449A (zh) * | 2021-07-02 | 2021-09-03 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种预测月尺度工业需水量的方法 |
CN113706034A (zh) * | 2021-08-31 | 2021-11-26 | 武汉大学 | 基于秩次差异的水资源与社会经济匹配关系的确定方法 |
CN115293565A (zh) * | 2022-08-03 | 2022-11-04 | 成都涛骏交通设施有限公司 | 一种基于人工智能和物联网的用水管理方法 |
-
2023
- 2023-03-07 CN CN202310208832.1A patent/CN116205361B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022975A (zh) * | 2016-07-20 | 2016-10-12 | 中国水利水电科学研究院 | 一种水资源开发利用效率评价方法及其应用 |
CN106803211A (zh) * | 2017-01-12 | 2017-06-06 | 中国水利水电科学研究院 | 一种水土资源匹配度的评估方法和评估装置 |
CN107808211A (zh) * | 2017-09-15 | 2018-03-16 | 周亚岐 | 一种区域水资源需求预测方法 |
CN108897799A (zh) * | 2018-06-13 | 2018-11-27 | 郑州大学 | 一种基于Web GIS的水资源与经济社会匹配关系可视化系统 |
WO2020037466A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳配天智能技术研究院有限公司 | 一种图像匹配方法及视觉系统 |
CN110852477A (zh) * | 2019-10-08 | 2020-02-28 | 华中科技大学 | 一种基于系统动力学的生产需水预测方法 |
CN113344449A (zh) * | 2021-07-02 | 2021-09-03 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种预测月尺度工业需水量的方法 |
CN113706034A (zh) * | 2021-08-31 | 2021-11-26 | 武汉大学 | 基于秩次差异的水资源与社会经济匹配关系的确定方法 |
CN115293565A (zh) * | 2022-08-03 | 2022-11-04 | 成都涛骏交通设施有限公司 | 一种基于人工智能和物联网的用水管理方法 |
Non-Patent Citations (4)
Title |
---|
基于多角度的山西省水资源基尼系数分析;马艳红;牛娟;刘海龙;;山西师范大学学报(自然科学版)(02);全文 * |
基于时空维度的水资源与经济匹配分析;张国兴;徐龙;;水电能源科学(03);全文 * |
我国工业用水效率研究进展;余维;汪奎;赵远翔;;人民长江(S2);全文 * |
水资源空间均衡系数计算方法及其应用;夏帆;陈莹;窦明;韩宇平;;水资源保护(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116205361A (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115276006A (zh) | 一种用于电力集成系统的负荷预测的方法及系统 | |
CN103065042B (zh) | 基于情景的多目标综合决策评价方法 | |
CN108596369B (zh) | 一种基于多变量模型与盲数理论的空间负荷预测方法 | |
CN105844060B (zh) | 一种可评估结构非概率可靠度的安全系数设计方法 | |
CN110276116B (zh) | 一种煤矿突水水源判别方法及系统 | |
CN113393028A (zh) | 一种基于数据挖掘技术的负荷预测方法 | |
CN112001441A (zh) | 一种基于Kmeans-AHC混合聚类算法的配电网线损异常检测方法 | |
CN114707120A (zh) | 一种测算碳排放规模的统计学建模方法 | |
CN116520772A (zh) | 基于多任务迁移学习的薄板零件数控加工质量预测方法 | |
CN116187835A (zh) | 一种基于数据驱动的台区理论线损区间估算方法及系统 | |
CN112633556A (zh) | 一种基于混合模型的短期电力负荷预测方法 | |
Ye et al. | An interval efficiency evaluation model for air pollution management based on indicators integration and different perspectives | |
CN110533249B (zh) | 一种基于集成长短期记忆网络的冶金企业能耗预测方法 | |
CN111932081A (zh) | 一种电力信息系统运行状态评估方法及系统 | |
CN115423146A (zh) | 一种基于多因子最近邻抽样回归和支持向量机的自适应径流预报方法 | |
Fan | Research on deep learning energy consumption prediction based on generating confrontation network | |
CN117078114B (zh) | 引水工程影响下受水湖泊水质评价方法和系统 | |
CN108830405B (zh) | 基于多指标动态匹配的实时电力负荷预测系统及其方法 | |
CN116205361B (zh) | 一种基于匹配度的工业用水效率分级预测方法 | |
CN116304948A (zh) | 一种融合多尺度模糊信息粒的无监督用电异常检测方法 | |
CN115549082A (zh) | 基于负荷挖掘和lstm神经网络的电力负荷预测方法 | |
CN115564265A (zh) | 一种基于评价模型的电网企业数字化转型评价方法 | |
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 | |
CN106570618A (zh) | 一种基于聚类分析和神经网络的负荷同时系数预测方法 | |
CN114298246A (zh) | 一种基于模糊聚类分析类比的隧道地下水排放量确定方法 |
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 |