CN116561393B - 基于用水量因素的万元gdp用水量可视化系统及方法 - Google Patents
基于用水量因素的万元gdp用水量可视化系统及方法 Download PDFInfo
- Publication number
- CN116561393B CN116561393B CN202310649397.6A CN202310649397A CN116561393B CN 116561393 B CN116561393 B CN 116561393B CN 202310649397 A CN202310649397 A CN 202310649397A CN 116561393 B CN116561393 B CN 116561393B
- Authority
- CN
- China
- Prior art keywords
- unit
- water consumption
- thousand
- main component
- gdp
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 188
- 238000012800 visualization Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000012423 maintenance Methods 0.000 claims abstract description 77
- 238000004364 calculation method Methods 0.000 claims abstract description 71
- 238000000611 regression analysis Methods 0.000 claims abstract description 47
- 238000012795 verification Methods 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 5
- 238000007794 visualization technique Methods 0.000 claims description 5
- 238000013079 data visualisation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000010276 construction 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
- 230000006870 function Effects 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- 238000012847 principal component analysis method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0751—Error or fault detection not based on redundancy
- G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0793—Remedial or corrective actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及GDP用水量技术领域，且公开了基于用水量因素的万元GDP用水量可视化系统及方法，包括采集单元、分析单元、模型单元、校验单元、计算单元、可视化单元、显示单元以及维护单元，采集单元用于采集用水量的影响因素，并将采集结果发送给分析单元，分析单元将采集单元所采集到的影响因素转化为两个主成分指标，模型单元接收主成分指标以及采集所采集的数据并建立主成分万元GDP用水量模型以及回归分析万元GDP用水量模型；本发明通过设有主成分万元GDP用水量模型，从而在各个方面上将用水量影响因素进行采集，进而提高后续处理的准确程度，主成分万元GDP用水量模型更加贴合实际，从而对万元GDP用水量进行准确的判断。
Description
技术领域
本发明涉及GDP用水量技术领域，更具体地涉及基于用水量因素的万元GDP用水量可视化系统及方法。
背景技术
水是事关国计民生的基础性自然资源和战略性经济资源，是生态环境的控制性要素，水资源经常出现人多水少，水资源时空分布不均，供需矛盾突出的问题，并且在水资源的使用上，全社会节水意识不强、用水粗放、浪费严重，因此水资源短缺已经成为生态文明建设和经济社会可持续发展的瓶颈制约，在加快建设资源节约型和环境友好型社会的背景下，需要进行水资源的可持续利用支撑经济社会的可持续发展。
在当前水资源供需形势下，缓解水短缺的关键在于提高用水效率，这也是节水型社会建设规划中提出的重要目标，万元GDP用水量是重要的水资源宏观定额指标，也是国际通用的水资源利用效率的比较指标，万元GDP用水量在横向上能宏观地反映国家、地区或行业总体经济的用水效率水平，纵向上可以反映国家、地区或行业总体经济用水效率的变化情况和节水发展成就，因此，聚焦万元GDP用水量对当前节水工作和水资源可持续发展具有十分关键的意。
因此亟须一种万元GDP用水量的可视化系统对元GDP用水量进行展示。
发明内容
为了克服现有技术的上述缺陷，本发明的实施条例提供基于用水量因素的万元GDP用水量可视化系统及方法，以解决背景技术中所提出的技术问题。
为实现上述目的，本发明提供如下技术方案：基于用水量因素的万元GDP用水量可视化系统，包括采集单元、分析单元、模型单元、校验单元、计算单元、可视化单元、显示单元以及维护单元，采集单元用于采集用水量的影响因素，并将采集结果发送给分析单元，分析单元将采集单元所采集到的影响因素转化为两个主成分指标，模型单元接收主成分指标以及采集所采集的数据并建立主成分万元GDP用水量模型以及回归分析万元GDP用水量模型，校验单元接收成分万元GDP用水量模型以及回归分析万元GDP用水量模型验证其模型对万元GDP用水量进行校验，校验单元校验通过后，计算单元计算万元GDP用水量，可视化单元将模型单元内的数据进行可视化处理，显示单元将可视化处理后的数据进行展示，维护单元采集校验单元与计算单元内的数据，并计算出维修值X，且维护单元依据维修值X与其内部阈值的对比结果对系统整体进行维修处理；
在一个优选的实施方式中，分析单元将采集单元所采集到的影响因素转化为两个主成分指标，即主成分一以及主成分二，且分析单元将主成分一与主成分二转化为主成分一的数据F1与主成分二的数据F2后输出给模型单元，模型单元包括主成分模块以及回归分析模块，主成分模块接收主成分一的数据F1与主成分二的数据F2，并进行主成分万元GDP用水量模型计算，主成分万元GDP用水量模型计算公式为：W1=285.142-3.381×F1+5.853×F2，式中W1为主成分万元GDP用水量。
在一个优选的实施方式中，回归分析模块接收采集单元所采集的数据，并进行回归分析万元GDP用水量模型计算，其计算公式为：W2=B×75.40+300.08，式中W2为回归分析万元GDP用水量，B为标准万元GDP用水量，且B=（0.080）×Z9+（-0.140）×Z14+（-0.414）×Z11+（0.615）×Z10，模型单元将主成分模块以及回归分析模块所计算出的W1与W2均发送给计算单元、校验单元以及可视化单元。
在一个优选的实施方式中，校验单元接收主成分模块以及回归分析模块所发送给的模型，并将两种模型对已有年份的万元GDP用水量进行计算，其计算结果误差均小于等于q时，q取10%；校验单元发送运行指令给计算单元，计算单元接收计算指令进行万元GDP用水量的计算，两种模型内任一模型的计算结果误差大于q时，校验单元发送调整指令给采集单元，采集单元重新进行影响因素采集。
在一个优选的实施方式中，计算单元接收运行指令并采用主成分万元GDP用水量模型计算与回归分析万元GDP用水量模型计算出W1与W2，并将其进行关联处理，其关联处理公式为，式中k1与K2均为权重，且k1=0.8，k2=0.2，W为计算单元所计算出的万元GDP用水量，且计算单元将万元GDP用水量W发送给可视化单元。
在一个优选的实施方式中，可视化单元将模型单元内的数据进行可视化处理，数据可视化处理过程为：
步骤A1、采用XML描述对图表模板进行定义，描述图表关联的数据源和样式设置；
步骤A2、Java语言搭建后台系统，读取数据后用ChartData进行储存并转为ChartGlyph对象，调取接口输出为JSON数据；
步骤A3、看板接收JSON数据，采用D3.js插件将数据以图表的形式进行展示。
在一个优选的实施方式中，可视化单元将数据进行可视化处理后发送给显示单元，显示单元将可视化后的数据进行展示，且可视化单元内的数据每24小时进行一次更新，显示单元内的展示画面随可视化单元的更新而进行更新。
基于用水量因素的万元GDP用水量可视化方法，包括以下步骤：
步骤S1、采集单元用于采集用水量的17种影响因素，并发送给分析单元与模型单元；
步骤S2、分析单元将采集单元所采集到的影响因素转化为两个主成分指标，并发送给模型单元内的主成分模块，主成分模块计算出主成分万元GDP用水量模型；
步骤S3、模型单元内的回归分析模块接收采集单元所采集的数据并计算出回归分析万元GDP用水量模型；
步骤S4、校验单元接收成分万元GDP用水量模型以及回归分析万元GDP用水量模型并对其结果进行校验；
步骤S5、可视化单元将模型单元内的数据进行可视化处理后发送给显示单元进行展示。
在一个优选的实施方式中，可视化单元将数据进行可视化处理后发送给显示单元，显示单元将可视化后的数据进行展示，且可视化单元内的数据每24小时进行一次更新，显示单元内的展示画面随可视化单元的更新而进行更新。
在一个优选的实施方式中，维护单元包括后期模块与维修模块，后期模块采集校验单元调整指令所发送的次数并形成次数数据信息CS，且后期单元采集计算单元所计算出的万元GDP用水量与实际元GDP用水量之间的误差值，并形成误差值数据信息WC，后期单元将次数数据信息CS与误差值数据信息WC进行关联并形成维修值X，其计算公式为，且后期模块将维修值X发送给维修单元。
在一个优选的实施方式中，维修模块接收维修值X并与其内部的阈值进行对比，阈值包括第一阈值Y与第二阈值-Y，第一阈值与第二阈值为相反数，维修值X＞第一阈值Y1或者维修值X小于第二阈值-Y时，此时将系统整体进行维修处理，第一阈值Y≥维修值X≥第二阈值-Y，此时系统正常运行。
基于用水量因素的万元GDP用水量可视化方法，其特征在于：包括以下步骤：
步骤S1、采集单元用于采集用水量的影响因素，并发送给分析单元与模型单元；
步骤S2、分析单元将采集单元所采集到的影响因素转化为两个主成分指标后发送给模型单元，模型单元内计算出主成分万元GDP用水量模型以及回归分析万元GDP用水量模型；
步骤S3、校验单元接收成分万元GDP用水量模型以及回归分析万元GDP用水量模型并对其结果进行校验；
步骤S4、校验单元校验通过后，计算单元计算出万元GDP用水量，可视化单元将模型单元内的数据进行可视化处理后在显示单元进行展示；
步骤S5、维护单元集校验单元与计算单元内的数据，并计算出维修值X，且维护单元依据维修值X与阈值的对比结果对系统整体进行维护
本发明的技术效果和优点：
本发明通过设有主成分万元GDP用水量模型，主成分万元GDP用水量模型内包括17种用水量影响因素，从而在各个方面上将用水量影响因素进行采集，进而提高后续处理的准确程度，所建立的主成分万元GDP用水量模型更加贴合实际，因此能够对万元GDP用水量进行准确的判断；
本发明通过设有维护单元，能够采集次数数据信息CS与误差值数据信息WC，因此最终的计算结果会在正数与负数之间变化，设有互为相反数的阈值，计算出的维修值X在正数或者负数之间变化时，当其误差较大，仍可及时进行调整，并且根据触发的阈值不同，可以了解其误差的出现方向，便于对系统进行调整；
本发明通过将数据进行可视化处理，此时可在显示单元内观察数据的变化情况，从而能够更加直观的了解到万元GDP用水量的变化情况，并且数据转化为图表后，当数据出现上升或者下降时，具有更加强烈的视觉效果。
附图说明
图1为本发明的整体系统组成示意图。
图2为本发明的万元GDP用水量可视化方法流程示意图。
图3为本发明的实际万元GDP用水量示意图。
实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本发明所涉及的基于用水量因素的万元GDP用水量可视化系统及方法并不限定于在以下的实施方式中记载的各结构，在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。
参照图1，本发明提供了基于用水量因素的万元GDP用水量可视化系统，包括采集单元、分析单元、模型单元、校验单元、计算单元、可视化单元、显示单元以及维护单元，采集单元用于采集用水量的影响因素，并将采集结果发送给分析单元，分析单元将采集单元所采集到的影响因素转化为两个主成分指标，模型单元接收主成分指标以及采集所采集的数据并建立主成分万元GDP用水量模型以及回归分析万元GDP用水量模型，校验单元接收成分万元GDP用水量模型以及回归分析万元GDP用水量模型验证其模型对万元GDP用水量进行校验，校验单元校验通过后，计算单元计算万元GDP用水量，可视化单元将模型单元内的数据进行可视化处理，显示单元将可视化处理后的数据进行展示，维护单元采集校验单元与计算单元内的数据，并计算出维修值X，且维护单元依据维修值X与其内部阈值的对比结果对系统整体进行维修处理；
采集单元采集的影响因素共有四类，分别为自然—社会—政府类、产业结构类、农业种植类以及用水管理类，自然—社会—政府类内包括有水资源总量、城镇人口比重、农林水支出占财政收入比重、科研经费支出占GDP比重以及节水措施投资占地方财政支出比重五种，产业结构类内包括有农业用水占用水总量比重、工业用水占用水总量比重以及生活用水占用水总量比重三种，农业种植类内包括有效灌溉面积、农业灌溉亩均用水量、水稻播种面积比重、玉米播种面积比重以及灌溉水利用系数五种，用水管理类内包括污水处理率、再生水利用率、管道漏损量以及城镇供水管网漏损率四种，因此四类影响因素共有17种。
本申请实施例中，当城市进行发展时，城镇内居民的用水量与社会居民的用水量不同，因此自然—社会—政府类虽未与用水量之间直接相关，但是仍对用水量起到较大的影响，本申请采集四种用水量影响因素，且四种用水量影响因素内包括有17种不同的类型，从而在各个方面上将用水量影响因素进行采集，进而提高后续处理的准确程度，所建立的模型更加贴合实际。
进一步的，分析单元将采集单元所采集到的影响因素转化为两个主成分指标，即主成分一以及主成分二，且分析单元将主成分一与主成分二转化为主成分一的数据F1与主成分二的数据F2输出给模型单元，模型单元包括主成分模块以及回归分析模块，主成分模块接收主成分一的数据F1与主成分二的数据F2，并进行主成分万元GDP用水量模型计算，主成分万元GDP用水量模型计算公式为：W1=285.142-3.381×F1+5.853×F2，式中W1为主成分万元GDP用水量；
主成分一的数据F1的转化公式为，F1=0.637×Z1+0.962×Z2+0.928×Z3+0.815×Z4+（-0.906）×Z5+0.974×Z6+（-0.979）×Z7+0.948×Z8+0.990×Z9+（-0.981）×Z10+0.813×Z11+0.587×Z12+0.989×Z13+0.974×Z14+0.762×Z15+0.911×Z16+0.669×Z17，主成分二的数据F2的转化公式为，F2=（-0.227）×Z1+（-0.232）×Z2+0.102×Z3+（-0.417）×Z4+（-0.262）×Z5+0.084×Z6+0.117×Z7+（-0.215）×Z8+0.113×Z9+0.132×Z10+0.478×Z11+0.750×Z12+（-0.083）×Z13+（-0.063）×Z14+（-0.449）×Z15+0.031×Z16+0.386×Z17，式中Z1～Z17为采集单元所采集的17种因素，其对应方式如下表：
影响因素对应表：
本申请实施例中，采用主成分分析法将17种因素进行降维，而主成分分析法在力保数据信息损失最少的原则下，可以把多个指标转化为少数几个综合指标的一种对多变量数据进行最佳综合简化，简化后进行计算更加快速，参照主成分分析可解释变量的总方差表，当17个因素简化成1个主成分时，该主成分可以解释所有变量总方差的77.7％，而当简化成2个主成分时可以解释所有变量总方差的87.2％因此，将原有17个指标转化为2个主成分指标可以解释大部分因素指标的信息，结果是可接受的，且计算结果如下表
主成分分析可解释变量的总方差表：
参照图3，回归分析模块接收采集单元所采集的数据，并进行回归分析万元GDP用水量模型计算，其计算公式为：W2=B×75.40+300.08，式中W2为回归分析万元GDP用水量，B为标准万元GDP用水量，且B=（0.080）×Z9+（-0.140）×Z14+（-0.414）×Z11+（0.615）×Z10，模型单元将主成分模块以及回归分析模块所计算出的W1与W2均发送给计算单元、校验单元以及可视化单元，目前节水工程进入一个稳定的发挥效益的阶段，在万元GDP用水量处于一个相对稳定的变化区间内，变化幅度较之前而言相对较小，所以，以总体数据为目标进行回归时导致对近几年的模拟效果较差，基于对后期预测工作精准度的考虑，故采用2012年至2022年近10年的数据继续进行分析，结果如图3所示，数据模拟评价指标R2达到0.894，总体效果较佳，而且对于近几年的模拟效果较好。
进一步的，校验单元接收主成分模块以及回归分析模块所发送给的模型，并将两种模型对已有年份的万元GDP用水量进行计算，其计算结果误差均小于等于q时，q取10%；校验单元发送运行指令给计算单元，计算单元接收计算指令进行万元GDP用水量的计算，两种模型内任一模型的计算结果误差大于q时，校验单元发送调整指令给采集单元，采集单元重新进行影响因素采集；
校验单元接收主成分模块以及回归分析模块所发送给的模型，并将两种模型对已有年份的万元GDP用水量进行计算，取2019年以及2020年进行万元GDP用水量计算，主成分模块的2019年模型计算结果误差为-3.4％，2020年模型计算结果误差为-9.2％，回归分析模块的2019年模型计算结果误差为-0.4％，2020年模型计算结果误差为-3.8％，两种模型的计算结果误差均在10％以内，均可进行使用，两种计算模型的验证如下表；
万元GDP用水量模型模拟验证表：
式中的2019年以及2020年均采用的黑龙江省在2019年以及2020年的完全GDP用水量，而万元GDP用水量模拟值与万元GDP用水量统计值的单位均为立方米，主成分模块以及回归分析模块均可计算，而回归分析模块内主要考虑的因素为四个，因此其进行计算时更加快速，而主成分模块内将全部的17个模块均进行考虑，因此可采用回归分析模块进行初步计算，计算出相应的结果，并根据结果做出判断后，再根据主成分模块的结果进行校验，从而提高判断的准确程度。
进一步的，计算单元接收运行指令并采用主成分万元GDP用水量模型计算与回归分析万元GDP用水量模型计算出W1与W2，并将其进行关联处理，其关联处理公式为，式中k1与K2均为权重，且k1=0.8，k2=0.2，W为计算单元所计算出的万元GDP用水量，且计算单元将万元GDP用水量W发送给可视化单元；
本申请实施例中，计算单元在进行结果输出时，将主成分模块以及回归分析模块的计算结果与权重进行相乘后作为最终的输出结果，两种模型的计算结果均较为准确，但是主成分模块内所考虑的用水量因素共有17中，而回归分析模块内考虑的用水量共有4中，因此二者的比列接近与4:1，因此W1与W2的权重便取0.8与0.2，其相加后为1，最终所计算出的万元GDP用水量W更加精确。
进一步的，可视化单元将模型单元内的数据进行可视化处理，数据可视化处理过程为：
步骤A1、采用XML描述对图表模板进行定义，描述图表关联的数据源和样式设置；
步骤A2、Java语言搭建后台系统，读取数据后用ChartData进行储存并转为ChartGlyph对象，调取接口输出为JSON数据；
步骤A3、看板接收JSON数据，采用D3.js插件将数据以图表的形式进行展示；
可视化单元将数据进行可视化处理后发送给显示单元，显示单元将可视化后的数据进行展示，且可视化单元内的数据每24小时进行一次更新，显示单元内的展示画面随可视化单元的更新而进行更新，将数据进行可视化处理后，此时可在显示单元内观察数据的变化情况，从而能够更加直观的了解到万元GDP用水量的变化情况，并且数据转化为图表后，当数据出现上升或者下降时，可以更加清楚地进行认知，图表相对于数据来说，视觉效果更加强烈。
进一步的，维护单元包括后期模块与维修模块，后期模块采集校验单元调整指令所发送的次数并形成次数数据信息CS，且后期单元采集计算单元所计算出的万元GDP用水量与实际元GDP用水量之间的误差值，并形成误差值数据信息WC，后期单元将次数数据信息CS与误差值数据信息WC进行关联并形成维修值X，其计算公式为，且后期模块将维修值X发送给维修单元，维修模块接收维修值X并与其内部的阈值进行对比，阈值包括第一阈值Y与第二阈值-Y，第一阈值与第二阈值为相反数，维修值X＞第一阈值Y1或者维修值X小于第二阈值-Y时，此时将系统整体进行维修处理，第一阈值Y≥维修值X≥第二阈值-Y，此时系统正常运行。
本申请实施例中，维护单元能够采集次数数据信息CS与误差值数据信息WC，而sgn自身为取整函数，因此输入正数时，其输出1，输入负数时其输出-1，因此当误差值数据信息WC进入到sgn内，此时会输出-1或者1，因此最终的计算结果会在正数与负数之间变化，而无论是负数还是正数时，其与0之间相差较大，则表示其出现的误差较大，因此设有互为相反数的阈值，计算出的维修值X在正数或者负数之间变化时，当其误差较大，仍可及时进行调整，并且根据触发的阈值不同，可以了解其误差的出现方向，便于对系统进行调整。
参照图2，基于用水量因素的万元GDP用水量可视化方法，包括以下步骤：
步骤S1、采集单元用于采集用水量的影响因素，并发送给分析单元与模型单元；
步骤S2、分析单元将采集单元所采集到的影响因素转化为两个主成分指标后发送给模型单元，模型单元内计算出主成分万元GDP用水量模型以及回归分析万元GDP用水量模型；
步骤S3、校验单元接收成分万元GDP用水量模型以及回归分析万元GDP用水量模型并对其结果进行校验；
步骤S4、校验单元校验通过后，计算单元计算出万元GDP用水量，可视化单元将模型单元内的数据进行可视化处理后在显示单元进行展示；
步骤S5、维护单元集校验单元与计算单元内的数据，并计算出维修值X，且维护单元依据维修值X与阈值的对比结果对系统整体进行维护。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质、光介质或者半导体介质。半导体介质可以是固态硬盘。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。
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。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.基于用水量因素的万元GDP用水量可视化系统，其特征在于：包括采集单元、分析单元、模型单元、校验单元、计算单元、可视化单元、显示单元以及维护单元，采集单元用于采集用水量的影响因素，并将采集结果发送给分析单元，分析单元将采集单元所采集到的影响因素转化为两个主成分指标，模型单元接收主成分指标以及采集所采集的数据并建立主成分万元GDP用水量模型以及回归分析万元GDP用水量模型，校验单元接收成分万元GDP用水量模型以及回归分析万元GDP用水量模型验证其模型对万元GDP用水量进行校验，校验单元校验通过后，计算单元计算万元GDP用水量，可视化单元将模型单元内的数据进行可视化处理，显示单元将可视化处理后的数据进行展示，维护单元采集校验单元与计算单元内的数据，并计算出维修值X，且维护单元依据维修值X与其内部阈值的对比结果对系统整体进行维修处理；
分析单元将采集单元所采集到的影响因素转化为两个主成分指标，即主成分一以及主成分二，且分析单元将主成分一与主成分二转化为主成分一的数据F1与主成分二的数据F2后输出给模型单元，模型单元包括主成分模块以及回归分析模块，主成分模块接收主成分一的数据F1与主成分二的数据F2，并进行主成分万元GDP用水量模型计算出主成分万元GDP用水量W1；
回归分析模块接收采集单元所采集的数据，并进行回归分析万元GDP用水量模型计算出回归分析万元GDP用水量W2，模型单元将主成分模块以及回归分析模块所计算出的W1与W2均发送给计算单元、校验单元以及可视化单元；
维护单元包括后期模块与维修模块，后期模块采集校验单元调整指令所发送的次数并形成次数数据信息CS，且后期单元采集计算单元所计算出的万元GDP用水量与实际元GDP用水量之间的误差值，并形成误差值数据信息WC，后期单元将次数数据信息CS与误差值数据信息WC进行关联并形成维修值X，其计算公式为且后期模块将维修值X发送给维修单元；
维修模块接收维修值X并与其内部的阈值进行对比，阈值包括第一阈值Y与第二阈值-Y，第一阈值与第二阈值为相反数，维修值X＞第一阈值Y1或者维修值X小于第二阈值-Y时，此时将系统整体进行维护处理，第一阈值Y≥维修值X≥第二阈值-Y，此时系统正常运行。
2.根据权利要求1所述的基于用水量因素的万元GDP用水量可视化系统，其特征在于：校验单元接收主成分模块以及回归分析模块所发送给的模型，并将两种模型对已有年份的万元GDP用水量进行计算，其计算结果误差均小于等于q时；校验单元发送运行指令给计算单元，计算单元接收计算指令进行万元GDP用水量的计算，两种模型内任一模型的计算结果误差大于q时，校验单元发送调整指令给采集单元，采集单元重新进行影响因素采集。
3.根据权利要求1所述的基于用水量因素的万元GDP用水量可视化系统，其特征在于：计算单元接收运行指令并采用主成分万元GDP用水量模型计算与回归分析万元GDP用水量模型计算出W1与W2，并将其进行关联处理，计算出的万元GDP用水量W，且计算单元将万元GDP用水量W发送给可视化单元。
4.根据权利要求1所述的基于用水量因素的万元GDP用水量可视化系统，其特征在于：可视化单元将模型单元内的数据进行可视化处理，数据可视化处理过程为：
步骤A1、采用XML描述对图表模板进行定义，描述图表关联的数据源和样式设置；
步骤A2、Java语言搭建后台系统，读取数据后用ChartData进行储存并转为ChartGlyph对象，调取接口输出为JSON数据；
步骤A3、看板接收JSON数据，采用D3.js插件将数据以图表的形式进行展示。
5.根据权利要求1所述的基于用水量因素的万元GDP用水量可视化系统，其特征在于：可视化单元将数据进行可视化处理后发送给显示单元，显示单元将可视化后的数据进行展示，且可视化单元内的数据可进行更新，显示单元内的展示画面随可视化单元的更新而改变。
6.基于用水量因素的万元GDP用水量可视化方法，其特征在于：包括以下步骤：
步骤S1、采集单元用于采集用水量的影响因素，并发送给分析单元与模型单元；
步骤S2、分析单元将采集单元所采集到的影响因素转化为两个主成分指标后发送给模型单元，模型单元内计算出主成分万元GDP用水量模型以及回归分析万元GDP用水量模型；
步骤S3、校验单元接收成分万元GDP用水量模型以及回归分析万元GDP用水量模型并对其结果进行校验；
步骤S4、校验单元校验通过后，计算单元计算出万元GDP用水量，可视化单元将模型单元内的数据进行可视化处理后在显示单元进行展示；
步骤S5、维护单元集校验单元与计算单元内的数据，并计算出维修值X，且维护单元依据维修值X与阈值的对比结果对系统整体进行维护；
分析单元将采集单元所采集到的影响因素转化为两个主成分指标，即主成分一以及主成分二，且分析单元将主成分一与主成分二转化为主成分一的数据F1与主成分二的数据F2后输出给模型单元，模型单元包括主成分模块以及回归分析模块，主成分模块接收主成分一的数据F1与主成分二的数据F2，并进行主成分万元GDP用水量模型计算出主成分万元GDP用水量W1；
回归分析模块接收采集单元所采集的数据，并进行回归分析万元GDP用水量模型计算出回归分析万元GDP用水量W2，模型单元将主成分模块以及回归分析模块所计算出的W1与W2均发送给计算单元、校验单元以及可视化单元；
维护单元包括后期模块与维修模块，后期模块采集校验单元调整指令所发送的次数并形成次数数据信息CS，且后期单元采集计算单元所计算出的万元GDP用水量与实际元GDP用水量之间的误差值，并形成误差值数据信息WC，后期单元将次数数据信息CS与误差值数据信息WC进行关联并形成维修值X，其计算公式为且后期模块将维修值X发送给维修单元；
维修模块接收维修值X并与其内部的阈值进行对比，阈值包括第一阈值Y与第二阈值-Y，第一阈值与第二阈值为相反数，维修值X＞第一阈值Y1或者维修值X小于第二阈值-Y时，此时将系统整体进行维护处理，第一阈值Y≥维修值X≥第二阈值-Y，此时系统正常运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310649397.6A CN116561393B (zh) | 2023-06-02 | 2023-06-02 | 基于用水量因素的万元gdp用水量可视化系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310649397.6A CN116561393B (zh) | 2023-06-02 | 2023-06-02 | 基于用水量因素的万元gdp用水量可视化系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116561393A CN116561393A (zh) | 2023-08-08 |
| CN116561393B true CN116561393B (zh) | 2024-01-30 |
Family
ID=87489920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310649397.6A Active CN116561393B (zh) | 2023-06-02 | 2023-06-02 | 基于用水量因素的万元gdp用水量可视化系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116561393B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105653650A (zh) * | 2015-12-28 | 2016-06-08 | 湖北工业大学 | 一种基于d3的研讨系统思维导图及其开发方法 |
| CN109115675A (zh) * | 2018-08-02 | 2019-01-01 | 贵州电网有限责任公司 | 一种基于主元分析法的土壤腐蚀性评价方法 |
| CN109636007A (zh) * | 2018-11-20 | 2019-04-16 | 佛山科学技术学院 | 一种基于大数据的用水量预测方法及装置 |
| CN111611545A (zh) * | 2020-05-18 | 2020-09-01 | 国网江苏省电力有限公司电力科学研究院 | 基于主成分分析和logistic回归的电缆老化状态评估方法和装置 |
| KR102226687B1 (ko) * | 2019-11-20 | 2021-03-11 | (주)위세아이텍 | 딥러닝을 활용한 시계열 예측 기반의 정비 주기 예측 장치 및 방법 |
| CN112766556A (zh) * | 2021-01-13 | 2021-05-07 | 北京交通大学 | 基于贝叶斯信息准则的铁路轨道历史维修自动识别方法 |
| CN113742927A (zh) * | 2021-09-08 | 2021-12-03 | 成都卡普数据服务有限责任公司 | 一种气象预报数据质量检测的方法 |
-
2023
- 2023-06-02 CN CN202310649397.6A patent/CN116561393B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105653650A (zh) * | 2015-12-28 | 2016-06-08 | 湖北工业大学 | 一种基于d3的研讨系统思维导图及其开发方法 |
| CN109115675A (zh) * | 2018-08-02 | 2019-01-01 | 贵州电网有限责任公司 | 一种基于主元分析法的土壤腐蚀性评价方法 |
| CN109636007A (zh) * | 2018-11-20 | 2019-04-16 | 佛山科学技术学院 | 一种基于大数据的用水量预测方法及装置 |
| KR102226687B1 (ko) * | 2019-11-20 | 2021-03-11 | (주)위세아이텍 | 딥러닝을 활용한 시계열 예측 기반의 정비 주기 예측 장치 및 방법 |
| CN111611545A (zh) * | 2020-05-18 | 2020-09-01 | 国网江苏省电力有限公司电力科学研究院 | 基于主成分分析和logistic回归的电缆老化状态评估方法和装置 |
| CN112766556A (zh) * | 2021-01-13 | 2021-05-07 | 北京交通大学 | 基于贝叶斯信息准则的铁路轨道历史维修自动识别方法 |
| CN113742927A (zh) * | 2021-09-08 | 2021-12-03 | 成都卡普数据服务有限责任公司 | 一种气象预报数据质量检测的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 溧水区万元GDP用水量影响因子研究;曹惠娟;黑龙江水利科技;第45卷(第7期);85页-124页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116561393A (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105574652B (zh) | 一种智能配电网规划大数据管控系统及方法 | |
| CN107330056A (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
| JP7161268B2 (ja) | 電力グリッド内の相互に依存する不確かな資源の組み合わされた影響の定量化 | |
| CN104504485A (zh) | 一种电力系统继电保护一体化整定计算方法 | |
| CN106067079A (zh) | 一种基于bp神经网络的灰霾预测的系统和方法 | |
| CN102096688A (zh) | 数据报表的生成方法及装置 | |
| CN106684915A (zh) | 一种风氢耦合发电系统的优化方法及装置 | |
| CN110928740A (zh) | 云计算中心运维数据集中可视化方法及其系统 | |
| CN115238959A (zh) | 一种面向用户侧能源综合利用的数字孪生系统和方法 | |
| Yang et al. | Increasing the energy efficiency of a data center based on machine learning | |
| CN112488502A (zh) | 一种标准的水资源管理一体化管控平台 | |
| CN111159154A (zh) | 一种能源数据仓库系统 | |
| CN102592251B (zh) | 地球系统模式的通用模块化并行耦合系统 | |
| CN116561393B (zh) | 基于用水量因素的万元gdp用水量可视化系统及方法 | |
| CN112862189A (zh) | 热源负荷预测方法、装置、设备、存储介质以及程序产品 | |
| Hargreaves et al. | Information standards to support application and enterprise interoperability for the smart grid | |
| CN111127186A (zh) | 一种基于大数据技术的客户信用等级评价体系的使用方法 | |
| CN103345485B (zh) | 一种大型主机平台动态报表自动生成方法及系统 | |
| CN116049285A (zh) | 一种基于流数据的实时指标计算方法、系统、设备及介质 | |
| Duan et al. | Multi-stage robust clearing model considering renewable energy output uncertainty and unit effective reserve calculation in electricity market | |
| Shang et al. | The grey Theta forecasting model and its application to forecast primary energy consumption in major industrial countries | |
| CN114676586A (zh) | 一种基于多维、多时空的数字模拟与仿真的建构方法 | |
| Xu et al. | Spatiotemporal evolution and the detection of key drivers in the resilience of cultivated land system in major grain‐producing regions of China | |
| CN109001985B (zh) | 一种基于编码的光伏电站建模方法及装置 | |
| CN113626477B (zh) | 基于水厂物联网系统的可配置报表系统及方法 |
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 |