我国“十一五”节能目标的实现途径、条件与政策建议

本文包括两大部分:一是指出了部门能源强度的结构节能贡献与技术(效率)节能贡献之间的差别。二是通过调整最终产品(投资、消费、进出口)的比重以及部门间直接消耗系数的变化,应用投入产出模型,计算了2005～2010年5种(高、中、规划、粗放、20%节能)情景发展方案,得到的结果是:通过5年的努力,把投资与消费的比例调整到2000年水平,较大幅度提高产品的能源利用效率,优化产品结构,在此3个条件下,2010年20%节能目标是可以实现的。本文同时提出了实现此目标的若干政策建议。     

我国电力中长期发展战略研究

在预测中长期我国用电量需求的基础上,通过分析燃煤发电、水电、核电、非水可再生能源发电、天然气发电的供应能力,阐明了中长期我国电源发展的原则和目标,提出了中长期我国电网发展模式,并指出要以智能配用电、智能调度、大规模储能、超导电力、分布式供电等新型电力技术为支撑实现我国中长期电力发展战略。     

从曹操入仕看汉末孝廉察举之变化

孝廉察举是两汉人才选拔的一项重要举措,始终受到两汉统治者的重视,制度建设也在不断进行中.从曹操举孝廉的年龄及相关问题可以看出,汉末日益完善的孝廉察举制度与孝廉察举实际施行状况发生了严重背离.而这种背离正反映了汉魏之际国家权力与社会秩序间的某种变动关系.     

当前世界各国能源发展战略的特点及影响

不同经济发展阶段的国家,能源发展战略有其不同的立足点。各国政府依据本国经济发展和能源状况,阶段性地调整发展战略目标以及自身的能源政策。综合分析,发达国家的能源发展战略代表了世界能源发展的新潮流;发展中国家的能源发展战略存在着重视各自国情,积极跟踪世界潮流的共性。本文分析了当前世界各国能源发展战略的特点以及将产生的各种影响。     

华北电网地区饱和电力需求研究

分析了国内外不同发展阶段的国家电力需求发展历程,证实了一个国家在经济发展过程中存在电力需求增速由高到低的过程,存在饱和电力需求的事实;建立了适用于大区域饱和电力需求预测的指标评价体系;结合华北实际情况,研究分析了华北电网6省市区工业化过程中经济发展、产业结构、劳动力结构、城市化率、消费模式、人均收入水平等因素,运用系统动力学模型计算了华北电网六省市饱和电力需求达到时间及数量范围.     

节能的技术经济关注点

节能不是单纯地减少能源消费量,其追求的根本目标是低成本、高效益。节能的技术经济问题研究,是推动节能具有自主性、可持续性发展的关键。     

从利益相关者的角度分析我国智能电网发展模式

本文总结了智能电网的历史背景,进行了发展展望;在分析宏观、中观和微观因素的基础上,指出了智能电网发展的直接驱动力;讨论了我国发展智能电网的人口背景、资源背景和经济背景;分析了智能电网的利益相关者,并提出了我国发展智能电网应采用的模式。     

中国电力工业节能降耗影响因素分析

由于受诸多因素的影响,当前中国电力工业的运行水平和能源利用效率较低。在分析相关问题的基础上,提出了加强中国电力工业节能降耗工作的一系列建议与措施,包括改变能源利用结构、创新能源利用技术、调整政策导向等。     

社会水循环演变的经济驱动因素归因分析

本文利用水资源投入产出模型分析社会水循环演变的经济驱动因素。在水资源投入产出模型中,利用2008年经济普查数据进行了分行业用水量的推算,并开发出23个部门的水资源投入产出模型;改进了国内学者普遍使用的模型中,中间投入没有考虑进口产品对水资源投入影响的问题,另外在分析中考虑了经济发展方式转变对社会水资源通量演变的影响。最后得出,1992-2005年,节水型技术进步对社会水循环通量的增加贡献是1 037.39%,最终需求对社会水循环通量的贡献是-1 122.31%,中间投入技术进步贡献为-126.86%,需求结构变化贡献为190.97%,行业结构需求变化为120.81%。即在没有技术进步的情况下,最终需求的增加会使现在的社会水循环通量增加10倍以上。在1992的最终需求下,现有的节水技术进步使得社会水循环通量减少90%。     

基于非参数贝叶斯模型和深度学习的古文分词研究

古汉语文本中,汉字通常连续书写,词与词之间没有明显的分割标记,为现代人理解古文乃至文化传承带来许多障碍。自动分词是自然语言处理技术的基础任务之一。主流的自动分词方法需要大量人工分词语料训练,费时费力,古文分词语料获取尤其困难,限制了主流自动分词方法的应用。该文将非参数贝叶斯模型与BERT(Bidirectional Encoder Representations from Transformers)深度学习语言建模方法相结合,进行古文分词研究。在《左传》数据集上,该文提出的无监督多阶段迭代训练分词方法获得的F₁值为93.28%;仅使用500句分词语料进行弱监督训练时,F₁值可达95.55%,高于前人使用6/7语料(约36 000句)进行有监督训练的结果;使用相同规模训练语料时,该文方法获得的F₁值为97.40%,为当前最优结果。此外,该文方法还具有较好的泛化能力,模型代码已开源发布。