基于功能分区的南京玄武湖绿带开发与保护

利用AHP法分析影响廊道功能的指标，得出生态敏感性、人文景观资源和城市建设潜力等要素及其影响因子；再利用地理数据空间分析方法，对各因子的影响进行空间定量化分析，进而对绿带按不同功能的比重进行分区，并对各段功能定位和规划措施提出了建议。      

南京市溧水区万元GDP用水量影响因子研究

本文研究了溧水区万元GDP用水量的影响因子,通过理论分析及专家咨询确定了14个影响因子,并构建评价指标体系。在收集溧水区2005—2015年各指标数据基础上,运用主成分分析和逐步回归的方法,建立溧水区万元GDP用水量与其影响因子的数学模型,找出5个最重要影响因子并进行分析总结。     

周公宅水库拱坝变形回归分析

针对宁波市周公宅水库大坝垂线观测资料进行了计算分析,研究了拱坝变形的一般规律,并采用逐步回归方法分析了水位、温度及时效因子对拱坝变形的影响。从统计模型、工程概况、测点布置、回归成果分析几个方面介绍并分析了各因子影响大坝位移的程度,得出了大坝位移主要受温度影响的结论。     

棉花滩水电站坝体闸墩应力监测资料分析

基于棉花滩水电站坝体闸墩应力监测资料,对坝体闸墩应力变化规律及变化趋势进行了分析,并采用逐步回归方法建立了闸墩应力与各预测因子之间的统计模型,并对各预测因子对闸墩应力变化的影响效应作出了评价。结果表明:温度分量对闸墩应力变化影响较大,水压分量及时效分量的影响次之。     

湘江长沙段饮用水源水除藻工艺研究

文章分析了湘江长沙段水源水藻类的主要特征及其影响因子,研究了常规处理、臭氧生物活性炭深度处理组合;臭氧氧化、常规混凝沉淀处理及生物活性炭深度处理组合;陶粒滤池生物预处理、常规处理及活性炭深度处理组合三种组合除藻工艺对某自来水厂的藻类去除效果。     

溧水区万元GDP用水量影响因子研究

研究溧水区万元GDP用水量的影响因子,通过理论分析以及专家咨询确定了14个影响因子,并构建评价指标体系。在收集溧水区2005-2015年各指标数据基础上,运用主成分分析和逐步回归的方法,建立溧水区万元GDP用水量与其影响因子的数学模型,找出5个最重要影响因子并进行分析总结。     

基于博弈论赋权信息量模型的滑坡易发性评价

针对利用信息量模型进行滑坡易发性区划时,直接将各影响因子的信息量相加或乘以单一权重相加,未同时考虑因子的主、客观权重的问题,提出基于博弈论赋权信息量模型的滑坡易发性评价方法。首先采用层次分析法(AHP)计算出主观权重,通过变异系数法确定客观权重,然后利用博弈论原理进行主、客观权重的优化组合,得到组合权重;基于组合权重对各评价因子的信息量图层进行加权求和,通过自然间断点法将评价结果分为5类。最后以陕西山阳县为研究区,分别从滑坡易发性区划图、分区点密度及ROC曲线,将所提模型与单一权重的信息量模型进行了对比。结果表明,所提方法的准确性、可靠性优于传统的加权信息量法。     

基于GIS与层次分析法的地下水资源分区研究

提出了基于GIS和层次分析法的地下水资源分区方法,选取降水量、流域水系、蒸发量、含水层富水性、地形地貌、包气带岩性为分析因子,应用层次分析法确定各因子的权重,并结合GIS空间分析功能,得到中牟县地下水资源分区结果。结果表明:基于GIS和层次分析法的地下水资源分区方法是合理和可行的。     

辽河昌图县河段河道综合治理工程社会影响评价

文章从自然资源利用、社会、经济与环境等方面的影响选取评价因子,按照梯阶层次框架构建社会影响评价体系,各指标权重考虑采用组合赋权法求解,并运用灰色聚类评价模型科学分析了辽河昌图县河段河道综合治理工程。     

冲淤河道水位流量关系单值化初探

为了探讨冲淤河道水位流量关系单值化问题,笔者在分析受冲淤影响较大的测站的水位流量关系的基础上,提出了通过组合因子与水力因素建立相应关系进行单值化处理的方法。该方法经分析论证后,具有简便易行的特点,并能保证一定的精度。笔者把此方法叫组合因子法。一、组合因子的选定在选定组合因子时,主要考虑如下几点:(1)所选因子应能较灵敏地反映测验河段冲淤变化的情况;(2)根据简化测验的需要,所选因子在平时观测工作中较易取得;(3)尽量避免选用影响因素较复杂的     

冲积河流河道演变的水沙因子指标研究进展

水沙条件对冲积河流河道演变起着至关重要的作用,典型水沙因子的选取及其对河床冲淤的影响是河流地貌及河流工程学科的重点,影响着河相关系的研究进展。历年来,不同领域的学者开展了大量相关研究,取得了丰硕成果。分别从流量、含沙量以及水沙组合3方面对水沙因子指标的研究现状进行了总结分析。结果表明:早期学者多以流量或者含沙量单一影响因子对河道冲淤变化规律进行讨论研究,后续研究发现单一影响因子与河床形态没能形成稳定的对应关系,进而指出河床冲淤受水沙组合关系的影响。近期一些水沙组合指标的提出,对滩槽冲淤的定量研究起到了重大作用。类似研究目前多集中在大江大河,较为成熟的研究成果多是以黄河流域为研究对象,在其它流域的应用及修正有待更深入的开展。     

基于GA-SVR-C的城市暴雨洪涝灾害危险性预测——以深圳市为例

为了准确评估暴雨事件对人类社会带来的影响,需充分考虑暴雨序列的不确定性特征。运用云模型对城市暴雨灾害进行危险性评估能够很好地解决暴雨灾害评估中的不确定性问题。选取深圳市4种暴雨致灾因子历史序列(2002～2012年)作为评价指标,运用组合赋权法计算各因子权重,通过云模型算法得到历史危险性评估结果。使用基于遗传算法参数优化的支持向量回归机模型(GA-SVR)预测2013～2016年各致灾因子值,并结合云模型(GA-SVR-C)预估预测年份的危险性等级,并与SVR(支持向量回归机模型)及BP人工神经网络的预测结果进行对比分析。结果表明:GA-SVR-C模型在评价因子的预测精度上整体要优于其他两个模型,得到的危险性评估结果与实际结果基本一致,很好地反映了城市暴雨灾害的风险水平。     

剩余污泥减量化技术研究进展与发展趋势

按照物理、化学、生物及组合工艺的分类对污泥减量技术的研究发展状况进行了分析,并 通过污水处理效果来评价各污泥减量工艺。总结出污泥减量化的两个发展趋势:通过调整反应器和 工艺参数实现在污泥产生过程中减少污泥产量;在污泥回流过程中通过细胞溶解实现在污泥产生后 减少污泥外排量。     

基于PCA-MDBN模型的开都河年径流预测

河川径流预测对于干旱区水库调度、防汛抗旱及水资源优化配置具有重要意义。由于河川径流变化影响因子众多,且各因子之间相互关联并呈现非线性变化,采用数学方法及传统神经网络很难精准预测,且在进行数据训练时存在局部收敛和计算效率差的问题。针对上述问题,本文首先通过主成分分析筛选影响径流变化的主要因子作为模型输入,利用小波阈值方法实现噪声消除。然后,提出基于粒子群优化算法并结合多变量深度信念网络(BP-MDBN),对河川径流进行预测,并与传统BP神经网络、DBN模型进行比较分析。结果表明:本文方法平均百分比误差为6.2,与BP、DBN方法进行对比,其MAPE分别降低0.077、0.10;BP-MDBN模型的RMSE和MAE值也明显小于其他两种方法。此方法具有较高的预测精度及泛化性能,研究成果可为河川径流精准预测提供理论支撑。     

有限供水对玉米干物质积累影响的研究

在东北半干旱地区，研究有限供水对干物质积累及产量性状的影响。分析了不同供水水平对产量及产量性状的影响并建立了各参数的数学模型，研究叶面积在整个生育期内的变化及干物质的积累与生育期内的分配。     

因子选择对回归分解的影响

本文分析了回归分解的内在机理。提出了外因子贡献的概念,提出并证明了外因子贡献是引起分解不正确的根本原因这一论述。讨论了因子个数,因子间相关性和随机因子对回归分解的影响。议论了组合因子对分解的影响,得出确定性模型不能保证分解正确的结论。     

黄河下游平滩流量影响因子相关分析

选取影响黄河下游平滩流量的诸多影响因子并加以分类,应用人工神经网络方法,建立了各影响因子与平滩流量的BP模型。分析结果表明:平滩流量计算时应考虑汛期及非汛期来水来沙影响因子、前期水沙条件的累计影响因子与其他因子;考虑汛期、非汛期水沙条件以及上一年汛后平滩流量等影响因子的同时,再加入洪峰流量和中值粒径影响因子,计算的平滩流量与实测值更加符合。     

组合因子回归-综合相似长期预报方法及应用

500 hPa格点资料是长期水文气象预报中的重要资料之一.采用回归-综合相似分析方法,从500 hPa高度场上挑选出关键区因子,对因子的组合方法加以改进,并结合综合相似分析方法应用于瀑布沟水电站工程施工期长期水文气象预报.以石棉站7月最高水位预报为例,详细介绍了应用北半球500 hPa格点资料进行相关普查、持续性和稳定性检验、组合因子改进及回归、综合相似分析及综合预报等过程.此方法预报效果好,值得推广.     

济宁地下水水质脆弱性研究

地下水水质脆弱性研究是合理开发利用和保护地下水资源的基础。本文以国内外广泛应用的DRASTIC模型为基础,结合济宁市的水文地质特征,提出了适用于济宁市山前冲积平原的城市地下水水质脆弱性评价模型——DRAIQC模型。并根据济宁市的实际状况,建立了适合济宁市的地下水水质脆弱性评价体系,应用GIS技术绘制实测和分析模拟的各影响因子空间分布及评分图,并对研究区地下水水质脆弱性进行了综合评价。     

人工智能冰情预报的预报因子确定

以黑龙江上游漠河站开河日期预报为例,对利用人工智能技术进行冰情预报过程中预报因子的确定方法进行了研究。在成因分析的基础上,先对各影响因素进行适当的概化及量化处理,得出足够数量的影响因子作为待选因子,再采用逐步回归分析法对待选因子进行筛选,即可得到较为理想的预报因子。