研究南水北调东线一期工程通水以来受水区生态环境效益的演变态势,对南水北调后续工程高质量建设、加快构建国家水网以及促进工程综合效益发挥有决策参考作用。以定性定量相结合的方式分析东线一期工程在优化水资源配置、保障饮水安全...研究南水北调东线一期工程通水以来受水区生态环境效益的演变态势,对南水北调后续工程高质量建设、加快构建国家水网以及促进工程综合效益发挥有决策参考作用。以定性定量相结合的方式分析东线一期工程在优化水资源配置、保障饮水安全、复苏河湖生态环境和畅通南北经济循环等方面的作用,进而结合层次分析法,从直接效益和间接效益2个方面,筛选构建东线一期工程受水区生态环境效益评价指标体系,主要包括工程年供水量、水质改善度、生态补水量、地下水压采量、地下水水位、水域面积、绿地面积和涵养水源等,并采用VlseKriterijumska Optimizacija I Kompromisno Resenje(VIKOR)多准则妥协解排序方法对南水北调东线一期工程通水以来即2013-2022年受水区生态环境效益演变态势进行分析。结果表明:南水北调东线一期工程通水的10年以来,受水区的生态环境整体复苏效果明显,近3年排序值保持在0.8以上;受降水偏枯进而影响地下水开采量和地下水水位等因素影响,2019年间接生态环境效益下降29.2%,之后迅速恢复并保持稳定。在分析直接效益和间接效益演变的基础上,从工程提质增效、提高工程水质状况以及完善体制机制建设等方面提出东线一期工程进一步促进受水区生态环境持续改善的策略和建议,以期为东线工程及受水区生态环境保护及高质量发展相关研究、决策制定等提供参考。展开更多
为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦...为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。展开更多
文摘研究南水北调东线一期工程通水以来受水区生态环境效益的演变态势,对南水北调后续工程高质量建设、加快构建国家水网以及促进工程综合效益发挥有决策参考作用。以定性定量相结合的方式分析东线一期工程在优化水资源配置、保障饮水安全、复苏河湖生态环境和畅通南北经济循环等方面的作用,进而结合层次分析法,从直接效益和间接效益2个方面,筛选构建东线一期工程受水区生态环境效益评价指标体系,主要包括工程年供水量、水质改善度、生态补水量、地下水压采量、地下水水位、水域面积、绿地面积和涵养水源等,并采用VlseKriterijumska Optimizacija I Kompromisno Resenje(VIKOR)多准则妥协解排序方法对南水北调东线一期工程通水以来即2013-2022年受水区生态环境效益演变态势进行分析。结果表明:南水北调东线一期工程通水的10年以来,受水区的生态环境整体复苏效果明显,近3年排序值保持在0.8以上;受降水偏枯进而影响地下水开采量和地下水水位等因素影响,2019年间接生态环境效益下降29.2%,之后迅速恢复并保持稳定。在分析直接效益和间接效益演变的基础上,从工程提质增效、提高工程水质状况以及完善体制机制建设等方面提出东线一期工程进一步促进受水区生态环境持续改善的策略和建议,以期为东线工程及受水区生态环境保护及高质量发展相关研究、决策制定等提供参考。
文摘为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。