基于动态聚类模型的重金属水环境健康指标评价研究——以辽宁北部河流为例

文章结合动态聚类模型及水环境健康评价指标对辽宁北部6条河流重金属水环境健康进行指标评价。评价结果表明:2000~2016年辽宁北部河流水生态环境健康指标值均为超过最大指标值,处于中度污染水平。辽宁北部河流重金属水环境健康评价指标总体呈现逐年递增趋势,但在丰水期部分河流受上游水库生态调蓄作用影响,呈现一定的递减趋势。研究成果为辽宁北部河流水环境健康保护提供参考。

城镇土地级别划分的两个实用数学模型

提出了两个数学模型 ,即“离差极值模型”和“动态聚类模型”,并设计了其算法流程 ,给出了应用实例。离差极值模型是依据级别划分准则“级内离差最小 ,级间离差最大”建立的 ,后者则是依据数值分类学理论建立的。

基于机器学习方法的我国天然气进口预测

在“双碳”政策引导下,大力使用低碳、清洁的天然气资源是我国能源转型的重要举措,我国天然气供应主要依赖进口,准确预测天然气进口趋势对实现“双碳”目标具有重大意义。本文采用曲线投影寻踪动态聚类模型从经济发展、人口、天然气行业和能源消费4个方面确定天然气进口影响因素评价指标体系,分别构建多变量灰色GM(1,N)模型、支持向量机回归(SVR)、卷积神经网络(CNN)3种机器学习模型并对2006~2020年我国天然气进口数据进行拟合,对比拟合精度选取最优模型进行预测,以降低预测风险。研究结果表明:(1)曲线投影寻踪动态聚类模型不受指标数量和样本容量限制,按照影响因素的重要程度进行排序构建了天然气进口预测评价指标体系,剔除人为任意性因素的影响,实现预测指标体系的客观性;(2)CNN模型对天然气进口量的时间序列预测具有较高的预测精度;(3)2021~2026年我国天然气进口量呈上升趋势,增速下降,2026年天然气进口量突破2000亿立方米,预测结果与当前国内外能源政策导向吻合,最后针对预测结果提出相关建议。研究结论科学、可靠,可为我国天然气进口及风险管理提供一定的科学依据。