CN112052999A - 一种基于熵权topsis模型的页岩气开发生态承载力评价方法 - Google Patents
一种基于熵权topsis模型的页岩气开发生态承载力评价方法 Download PDFInfo
- Publication number
- CN112052999A CN112052999A CN202010949048.2A CN202010949048A CN112052999A CN 112052999 A CN112052999 A CN 112052999A CN 202010949048 A CN202010949048 A CN 202010949048A CN 112052999 A CN112052999 A CN 112052999A
- Authority
- CN
- China
- Prior art keywords
- shale gas
- index
- ecological
- carrying capacity
- evaluation
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 111
- 238000011161 development Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000003912 environmental pollution Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000004519 manufacturing process Methods 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000001744 unit root test Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 8
- 239000010791 domestic waste Substances 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000010865 sewage Substances 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 239000003672 gas field water Substances 0.000 claims description 3
- 239000002440 industrial waste Substances 0.000 claims description 3
- 239000008235 industrial water Substances 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 abstract description 4
- 239000007789 gas Substances 0.000 description 77
- 238000010276 construction Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000011497 Univariate linear regression Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Agronomy & Crop Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，具体步骤如下：步骤一、确定页岩气开发所在区域基本生态概况；步骤二、建立页岩气开发生态承载力评价指标体系；步骤三、收集近十年数据，构建基于熵值法的TOPSIS模型；步骤四、对数据进行归一化处理；步骤五、通过熵值法确定各二级指标客观权重，通过TOPSIS模型确定生态承载力值；步骤六、运用回归模型预测页岩气开发生态承载力，得到页岩气开发生态承载力的动态评价结果。本发明确定了评价指标体系，结合了熵权TOPSIS模型与回归模型，能更好的得到页岩气开发生态承载力的动态评价结果，指导页岩气的绿色开发。
Description
技术领域
本发明属于页岩气开发施工技术领域，特别涉及一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法。
背景技术
近年来，我国页岩气勘探开发取得重大突破，成为北美之外第一个实现规模化商业开发的国家。我国页岩气总量约为134×1012m3，是常规天然气总量的2.4倍，其中可开采量达到25×1012m3。如此丰富的页岩气资源，其有效开发是加快建设清洁低碳、安全高效的现代能源体系的必由之路，也是化解能源约束、改善大气质量、实现绿色低碳发展的有效途径。页岩气开发项目不同于一般的建设项目，它属于生态影响和环境污染型项目，具有区域广、环境影响范围大等特点。大规模的页岩气开发会造成水资源消耗、水体污染、地表和植被破坏、温室气体排放等不利于生态环境的影响。为避免页岩气开发对生态环境造成的不利影响，需开展页岩气开发生态承载力研究，指导页岩气的绿色开发和可持续发展。
目前，对于生态承载力主要的评价方法有生态足迹法、综合评价法、生态环境质量指数评价法、数理模型法等，而生态系统具有非线性和混沌特征，生态承载力评价的各项指标彼此间存在非线性的联系，这些方法对于评价指标权重的确定存在主观成分。且多数研究基于地区或开采类项目展开生态承载力的评价，专门针对页岩气开采生态承载力的研究较少。
发明内容
本发明提供了一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，用以解决页岩气开发过程中的生态承载力评价的指标体系建立、评价和动态分析以及实际应用等技术问题。
为实现上述目的，本发明采用如下技术方案：
一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，具体步骤如下：
步骤一、根据页岩气开发所在区域，确定开发区的现有资源、环境和生态弹性等基本生态环境状态；
步骤二、进一步结合页岩气开发产生的资源与环境影响，建立页岩气开发生态承载力评价指标体系，指标体系包含资源供给、资源消耗、环境纳污、环境污染和生态弹性共五个一级指标分类，以及五个指标分类各对应的二级评价指标；
步骤三、收集页岩气开发生态承载力评价指标体系中各二级评价指标至少十年的数据，且十年数据为近十年数据；基于近十年各二级评价指标数据，构建基于熵值权重的TOPSIS模型，计算页岩气开发生态承载力；
步骤四、对二级评价指标数据，采用最大最小方法对数据进行归一化处理，其中二级评价指标数据分别对于正向指标和对于逆向指标，并分别通过最大最小方法对数据进归一化处理；
步骤五、运用熵权法，计算各二级评价指标的特征比重以及信息熵，从而确定各指标客观权重；基于TOPSIS模型，建立加权评价矩阵，确定正、负理想解，计算距离以及表示页岩气开发生态承载力大小的贴近度；
步骤六、根据基于熵权TOPSIS的页岩气开发生态承载力评价模型计算结果，得到近十年页岩气开发生态承载力的时间序列，进而运用回归模型来预测页岩气开发生态承载力，得到页岩气开发生态承载力的动态评价结果。
进一步的，资源供给对应的二级评价指标包含：人均水资源量、工业用水量、人均耕地面积和动用页岩气储量；
资源消耗对应的二级评价指标包含：页岩气产能、采气耗水量和页岩气开发土地占用量；
环境纳污对应的二级评价指标包含：地表水水质达标率、污水处理率、空气质量优良率、生活垃圾无害化处理率和工业垃圾综合利用率；
环境污染对应的二级评价指标包含：生活污水产生量、气田水产生量、压裂液返排量、NOx排放量、钻井岩屑产生量和生活垃圾产生量；
生态弹性对应的二级评价指标包含生物丰度、森林覆盖率、全年降雨量和环保投资占比。
进一步的，对于步骤二中，生态承载力评价指标体系包含目标层、准则层和指标层；其中目标层为页岩气开发生态承载力，准则层为资源供给、资源消耗、环境纳污、环境污染和生态弹性共五个；指标层包含资源供给、资源消耗、环境纳污、环境污染和生态弹性分别对应的二级评价指标。
进一步的，对于步骤五中，正向指标为对页岩气开发生态承载力提供支撑力的指标，负向指标为对页岩气开发生态承载力产生压力的指标；
对于正向指标(指标指向为+)，采用下式进行标准化；
对于逆向指标(指标指向为－)，采用下式进行标准化；
式中：vij为第i个指标第j年的初始值；rij为第i个指标第j年的标准化值；i为评价指标数；j为评价年份数。
进一步的，对于步骤五中，计算二级评价指标的特征比重fij，计算公式如下：
计算各二级评价指标的信息熵Hi，系统越有序，熵值越低，反之则越高，计算公式如下：
熵值法确定指标权重的公式如下：
式中：n为评价对象个数；i为指标个数；wi为承载力指标权重。
进一步的，对于步骤五中，建立加权评价矩阵，计算公式如下：
Y＝|yij|m×n＝|wi×rij|m×n
设Y+为评价数据中第i个指标在第j年内的最大值，即正理想解，计算方式如下：
设Y-为评价数据中第i个指标在第j年内的最小值，即负理想解，计算公式如下：
进一步的，对于步骤五中，采用欧式距离计算生态环境承载力各指标到正、负理想解的距离，计算公式如下：
贴近度Cj计算公式如下：
其中，贴近度Cj取值范围介于[0，1]，Cj越大，表明该年页岩气开发生态承载力越接近承载力最优水平。
进一步的，对于步骤六中，回归模型为一元线性REGRESS回归模型，并在于一元线性REGRESS回归模型使用时通过单位根检验检查原始数据序列的平稳性。
进一步的，通过单位根检验检查原始数据序列的平稳性，首先对生态承载力的原数据进行平稳性检验，在Eviews操作系统中，原假设H0为时间序列至少存在一个单位根，为非平稳序列，故当伴随概率p<α时，设定α值且α为百分数，既显著性水平α条件下，应拒绝原假设，认为序列平稳，反之则应认为序列为非平稳，还需进一步考虑一阶差分序列进行单位根检验已以判定是否平稳，直到序列平稳为止，以消除伪回归现象，以此类推。
本发明的有益效果体现在：
1)本发明构架页岩气开发生态承载力评价指标体系，可更有针对性的适用于页岩气开发生态承载力评价，能反映页岩气实际开发情况下的生态承载力变化趋势；为页岩气开发可持续发展进行评估和指导；
2)本发明使用熵权TOPSIS模型对页岩气开发生态承载力进行评价，使评价结果更加客观准确；
3)本发明在页岩气开发生态承载力现状评价的基础上，运用REGRESS回归模型进行预测分析，动态评价页岩气开发生态承载力，使评价结果更具有参考意义与指导意义。
附图说明
图1是水资源承载力评价方法技术路线图；
图2是模型拟合图。
具体实施方式
以我国西南某地区页岩气开发为例，结合图1和图2，进一步说明基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其中图1是生态承载力评价方法技术路线图；具体步骤如下：
步骤一、根据页岩气开发所在区域，确定开发区的资源、环境和生态弹性等基本生态环境状态；
此页岩气开发区位于四川盆地东南部，建产区总面积595km2，所在地区行政总面积9766km2，总人口约760万。水和页岩气资源丰富，地区内多条大江大河穿过，人均水资源量是全国平均水平的2倍，已探明页岩气储量超过2000亿方。自2009年开钻了第一口页岩气评价井并取得重大突破后，陆续钻探了一批评价井均成功获气，至2016年实现年产量11.8亿立方米。
步骤二、进一步结合页岩气开发产生的资源与环境影响，建立页岩气开发生态承载力评价指标体系，指标体系包含资源供给、资源消耗、环境纳污、环境污染和生态弹性共五个一级指标分类，以及五个指标分类各对应的二级评价指标；
其中，资源供给对应的二级评价指标包含：人均水资源量、工业用水量、人均耕地面积和动用页岩气储量；
资源消耗对应的二级评价指标包含：页岩气产能、采气耗水量和页岩气开发土地占用量；环境纳污对应的二级评价指标包含：地表水水质达标率、污水处理率、空气质量优良率、生活垃圾无害化处理率和工业垃圾综合利用率；环境污染对应的二级评价指标包含：生活污水产生量、气田水产生量、压裂液返排量、NOx排放量、钻井岩屑产生量和生活垃圾产生量；生态弹性对应的二级评价指标包含生物丰度、森林覆盖率、全年降雨量和环保投资占比。
生态承载力评价指标体系包含目标层、准则层和指标层；其中目标层为页岩气开发生态承载力，准则层为资源供给、资源消耗、环境纳污、环境污染和生态弹性共五个；指标层包含资源供给、资源消耗、环境纳污、环境污染和生态弹性分别对应的二级评价指标。
生态环境受到人口、社会和经济发展的影响与制约，因此生态承载力评价是一个复杂的系统，而在页岩气开发区域，由于页岩气开采会造成大规模的资源消耗和环境污染，所以在指标选取时结合页岩气开发特点，确定由22个因子构成的指标体系，详见表1。
表1页岩气开发生态承载力评价指标体系
注：生物丰度指数＝(BI+HQ)/2
式中：BI为生物多样性指数；HQ为生境质量指数；当生物多样性指数没有动态更新数据时，生物丰度指数变化等于生境质量指数的变化。
生境质量指数＝Abio×(0.35×林地+0.21×草地+0.28×水域湿地+0.11×耕地+0.04×建设用地+0.01×未利用地)/区域面积
式中：Abio——生境质量指数的归一化系数，参考值为511.2642131067。
步骤三、收集页岩气开发生态承载力评价指标体系中各二级评价指标至少十年的数据，且十年数据为近十年数据，详见表2；基于近十年各二级评价指标数据，构建基于熵值权重的TOPSIS模型，计算页岩气开发生态承载力。
步骤四、对步骤三的二级评价指标数据，采用最大最小方法对数据进行归一化处理，对于正向指标，采用如下公式进行标准化；
对于逆向指标，采用如下公式进行标准化。
式中：vij为第i个指标第j年的初始值；rij为第i个指标第j年的标准化值；i为评价指标数；j为评价年份数。
步骤五、运用熵权法，计算各指标特征比重以及信息熵，从而确定各指标客观权重；并运用逼近于理想解的排序法，既TOPSIS模型，建立加权评价矩阵，确定正、负理想解，计算距离以及表示页岩气开发生态承载力大小的贴近度。
计算二级评价指标的特征比重fij，计算公式如下：
计算各二级评价指标的信息熵Hi，系统越有序，熵值越低，反之则越高，计算公式如下：
熵值法确定指标权重的公式如下：
式中：n为评价对象个数；i为指标个数；wi为承载力指标权重。
建立加权评价矩阵，计算公式如下：
Y＝|yij|m×n＝|wi×rij|m×n
设Y+为评价数据中第i个指标在第j年内的最大值，即正理想解，计算方式如下：
设Y-为评价数据中第i个指标在第j年内的最小值，即负理想解，计算公式如下：
采用欧式距离计算生态环境承载力各指标到正、负理想解的距离，计算公式如下：
贴近度Cj计算公式如下：
其中，贴近度Cj取值范围介于[0，1]，Cj越大，表明该年页岩气开发生态承载力越接近承载力最优水平。
具体结果详见表3、表4。
表2页岩气开发生态承载力指标权重
表4到正负理想解的距离和贴近度
结果显示，自2009年开挖第一口评价井十年以来，该地区页岩气开发生态承载力评价值维持在0.3908～0.5328，虽数值偏小，但除小幅度波动外整体趋势向上，表明整体生态承载力状况良好。
步骤六、根据基于熵权TOPSIS的页岩气开发生态承载力评价模型计算结果，得到近十年页岩气开发生态承载力的时间序列，进而运用REGRESS回归模型来预测页岩气开发生态承载力，得到页岩气开发生态承载力的动态评价结果。
根据基于熵权TOPSIS的页岩气开发生态承载力评价模型计算结果，得到2009～2018年威远区块页岩气开发生态承载力的时间序列，进而运用REGRESS回归模型来预测页岩气开发生态承载力。REGRESS模型一元线性回归克服了因子间关系导致多重共线性的不足，在对时间序列过去值和现值分析的基础上，考察了未来值的变化，是一种在短期预测中精度很高的预测方法。
单位根检验是时间序列分析中的重要内容,单位根就是指单位根过程，可以证明，序列中存在单位根过程就不平稳，会使回归分析中存在伪回归。首先对生态承载力的原数据进行平稳性检验，在Eviews操作系统中，原假设H0为时间序列至少存在一个单位根，为非平稳序列，故当伴随概率p<α时，本文选取α＝0.05，既显著性水平5％条件下，应拒绝原假设，认为序列平稳，反之则应认为序列为非平稳，还需进一步考虑一阶差分序列进行单位根检验已以判定是否平稳，直到序列平稳为止，以消除伪回归现象，以此类推。
本实施例中，检验结果显示，由于p＝0.8237>5％，故不能拒绝原假设H0：lny原序列至少存在一个单位根，应认为lny原序列为非平稳序列，考虑一阶差分序列。进行一阶差分后，由于p＝0.045<5％，故拒绝原假设H0：dlny原序列至少存在一个单位根，说明原数据集在一阶差分后数据平稳，完成平稳性检验(如表5、表6)。
表5原序列单位根检验结果
表6一阶差分序列单位根检验结果
经过Eviews6.0对模型逐个进行估计，选出最优模型为REGRESS线性回归，回归系数、标准差、T-统计量(t值)、伴随概率(p值)见表7。
表7页岩气开发生态承载力REGRESS适合度
回归系数代表对因变量生态承载力的影响系数，由于时间的p值为0.0347<0.05，故在5％的显著性水平下，时间变量显著影响生态承载力的大小，对于时间而言，每增加一年，生态承载力随之增加0.012个单位。
具体预测数值见表8。
表8 2009～2018年页岩气开发生态承载力实际值与预测值比较
如上表所示，并结合图2可以看出，页岩气开发生态承载力REGRESS模型的拟合相对误差均小于0.1，拟合度较好；图中横坐标为年份，纵坐标为生态承载力指数。与2009～2018年页岩气开发生态承载力的变化趋势相同，能很好的运用于对页岩气开发生态承载力的预测当中。模型对页岩气开发生态承载力预测的结果是趋势整体向上，预计到2028年该地区页岩气生态承载力达到0.6146，是2018年的1.15倍。现状评价及预测结果表明威远页岩气田生态环境状况良好处于可承载状态。
以上所述仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内所想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其特征在于，具体步骤如下：
步骤一、根据页岩气开发所在区域，确定开发区的现有资源、环境和生态弹性等基本生态环境状态；
步骤二、进一步结合页岩气开发产生的资源与环境影响，建立页岩气开发生态承载力评价指标体系，指标体系包含资源供给、资源消耗、环境纳污、环境污染和生态弹性共五个一级指标分类，以及五个指标分类各对应的二级评价指标；
步骤三、收集页岩气开发生态承载力评价指标体系中各二级评价指标至少十年的数据，且十年数据为近十年数据；基于近十年各二级评价指标数据，构建基于熵值权重的TOPSIS模型，计算页岩气开发生态承载力；
步骤四、对二级评价指标数据，采用最大最小方法对数据进行归一化处理，其中二级评价指标数据对应正向指标和逆向指标，分别通过最大最小方法对数据进归一化处理；
步骤五、运用熵权法，计算各二级评价指标的特征比重以及信息熵，从而确定各指标客观权重；基于TOPSIS模型，建立加权评价矩阵，确定正、负理想解，计算距离以及表示页岩气开发生态承载力大小的贴近度；
步骤六、根据基于熵权TOPSIS的页岩气开发生态承载力评价模型计算结果，得到近十年页岩气开发生态承载力的时间序列，进而运用回归模型来预测页岩气开发生态承载力，得到页岩气开发生态承载力的动态评价结果。
2.如权利要求1所述的一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其特征在于，资源供给对应的二级评价指标包含：人均水资源量、工业用水量、人均耕地面积和动用页岩气储量；
资源消耗对应的二级评价指标包含：页岩气产能、采气耗水量和页岩气开发土地占用量；
环境纳污对应的二级评价指标包含：地表水水质达标率、污水处理率、空气质量优良率、生活垃圾无害化处理率和工业垃圾综合利用率；
环境污染对应的二级评价指标包含：生活污水产生量、气田水产生量、压裂液返排量、NOx排放量、钻井岩屑产生量和生活垃圾产生量；
生态弹性对应的二级评价指标包含生物丰度、森林覆盖率、全年降雨量和环保投资占比。
3.如权利要求2所述的一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其特征在于，对于步骤二中，生态承载力评价指标体系包含目标层、准则层和指标层；其中目标层为页岩气开发生态承载力，准则层为资源供给、资源消耗、环境纳污、环境污染和生态弹性共五个；指标层包含资源供给、资源消耗、环境纳污、环境污染和生态弹性分别对应的二级评价指标。
4.如权利要求1所述的一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其特征在于，对于步骤五中，正向指标为对页岩气开发生态承载力提供支撑力的指标，负向指标为对页岩气开发生态承载力产生压力的指标；
对于正向指标(指标指向为+)，采用下式进行标准化；
对于逆向指标(指标指向为－)，采用下式进行标准化；
式中：vij为第i个指标第j年的初始值；rij为第i个指标第j年的标准化值；i为评价指标数；j为评价年份数。
5.如权利要求4所述的一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其特征在于，对于步骤五中，计算二级评价指标的特征比重fij，计算公式如下：
计算各二级评价指标的信息熵Hi，系统越有序，熵值越低，反之则越高，计算公式如下：
熵值法确定指标权重的公式如下：
式中：n为评价对象个数；i为指标个数；wi为承载力指标权重。
6.如权利要求5所述的一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其特征在于，对于步骤五中，建立加权评价矩阵，计算公式如下：
Y＝|yij|m×n＝|wi×rij|m×n
设Y+为评价数据中第i个指标在第j年内的最大值，即正理想解，计算方式如下：
设Y-为评价数据中第i个指标在第j年内的最小值，即负理想解，计算公式如下：
7.如权利要求6所述的一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其特征在于，对于步骤五中，采用欧式距离计算生态环境承载力各指标到正、负理想解的距离，计算公式如下：
贴近度Cj计算公式如下：
其中，贴近度Cj取值范围介于[0，1]，Cj越大，表明该年页岩气开发生态承载力越接近承载力最优水平。
8.如权利要求1所述的一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其特征在于，对于步骤六中，回归模型为一元线性REGRESS回归模型，并在于一元线性REGRESS回归模型使用时通过单位根检验检查原始数据序列的平稳性。
9.如权利要求8所述的一种基于熵权TOPSIS模型的页岩气开发生态承载力评价方法，其特征在于，通过单位根检验检查原始数据序列的平稳性，首先对生态承载力的原数据进行平稳性检验，在Eviews操作系统中，原假设H0为时间序列至少存在一个单位根，为非平稳序列，故当伴随概率p<α时，设定α值且α为百分数，既显著性水平α条件下，应拒绝原假设，认为序列平稳，反之则应认为序列为非平稳，还需进一步考虑一阶差分序列进行单位根检验已以判定是否平稳，直到序列平稳为止，以消除伪回归现象，以此类推。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010949048.2A CN112052999A (zh) | 2020-09-10 | 2020-09-10 | 一种基于熵权topsis模型的页岩气开发生态承载力评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010949048.2A CN112052999A (zh) | 2020-09-10 | 2020-09-10 | 一种基于熵权topsis模型的页岩气开发生态承载力评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112052999A true CN112052999A (zh) | 2020-12-08 |
Family
ID=73610527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010949048.2A Pending CN112052999A (zh) | 2020-09-10 | 2020-09-10 | 一种基于熵权topsis模型的页岩气开发生态承载力评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112052999A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI823816B (zh) * | 2023-05-11 | 2023-11-21 | 華邦電子股份有限公司 | 良率評估方法及良率評估裝置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106872658A (zh) * | 2017-01-22 | 2017-06-20 | 华南理工大学 | 一种基于向量时间序列模型的污水cod负荷预测的方法 |
| CN107679703A (zh) * | 2017-09-08 | 2018-02-09 | 天津大学 | 一种海岸带生态安全评价方法 |
| CN109003009A (zh) * | 2018-10-12 | 2018-12-14 | 中国水利水电科学研究院 | 一种用于河渠突发水污染应急调度方案的评价方法 |
| CN110297034A (zh) * | 2019-06-12 | 2019-10-01 | 重庆工商大学融智学院 | 一种城市生态环境的动态变化及预测方法 |
| RU2711492C1 (ru) * | 2019-08-14 | 2020-01-17 | Андрей Николаевич Глушко | Способ проведения экологического компьютерного мониторинга состояния объектов окружающей среды |
-
2020
- 2020-09-10 CN CN202010949048.2A patent/CN112052999A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106872658A (zh) * | 2017-01-22 | 2017-06-20 | 华南理工大学 | 一种基于向量时间序列模型的污水cod负荷预测的方法 |
| CN107679703A (zh) * | 2017-09-08 | 2018-02-09 | 天津大学 | 一种海岸带生态安全评价方法 |
| CN109003009A (zh) * | 2018-10-12 | 2018-12-14 | 中国水利水电科学研究院 | 一种用于河渠突发水污染应急调度方案的评价方法 |
| CN110297034A (zh) * | 2019-06-12 | 2019-10-01 | 重庆工商大学融智学院 | 一种城市生态环境的动态变化及预测方法 |
| RU2711492C1 (ru) * | 2019-08-14 | 2020-01-17 | Андрей Николаевич Глушко | Способ проведения экологического компьютерного мониторинга состояния объектов окружающей среды |
Non-Patent Citations (1)
| Title |
|---|
| 李柏山: "水资源开发利用对汉江流域水生态环境影响及生态系统健康评价研究", 《中国博士学位论文全文数据库 工程科技I辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI823816B (zh) * | 2023-05-11 | 2023-11-21 | 華邦電子股份有限公司 | 良率評估方法及良率評估裝置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101533000B (zh) | 一种构建水体富营养化风险分析模型的方法 | |
| CN106779069A (zh) | 一种基于神经网络的异常用电检测方法 | |
| CN110276556B (zh) | 一种基于多策略的环境承载力指标权重计算方法及装置 | |
| CN110033164B (zh) | 一种水库群联合防洪调度的风险评估与决策方法 | |
| CN106779129A (zh) | 一种考虑气象因素的短期电力负荷预测方法 | |
| WO2022110582A1 (zh) | 一种基于基流分割和人工神经网络模型的径流预报方法 | |
| CN106677763B (zh) | 一种基于动态集成建模的油井动液面预测方法 | |
| CN106503792B (zh) | 一种基于自适应模块化神经网络的瓦斯浓度预测方法 | |
| CN109858755B (zh) | 一种评价水体质量的方法 | |
| CN106203723A (zh) | 基于rt重构eemd‑rvm组合模型的风功率短期区间预测方法 | |
| CN102183802B (zh) | 一种基于卡尔曼滤波及演化建模的短期气候预测方法 | |
| CN110610209A (zh) | 一种基于数据挖掘的空气质量预测方法及系统 | |
| CN105868887A (zh) | 一种基于分项计量的楼宇综合能效分析方法 | |
| CN115329930A (zh) | 一种基于混合深度学习模型的洪水过程概率预报方法 | |
| CN110728409A (zh) | 一种洪水过程类型相似性挖掘与快速预测方法 | |
| CN104063609B (zh) | 一种利用神经网络辅助判定污染源监测数据有效性的方法 | |
| CN116989277A (zh) | 一种基于Adaboost与BP神经网络的动态供水管网漏损风险评估方法 | |
| CN112801344A (zh) | 基于dpsir模型的海岸带生态系统健康预测方法、电子设备及计算机可读介质 | |
| CN103898890A (zh) | 一种基于bp神经网络的双桥静力触探数据的土层量化分层方法 | |
| CN115713448A (zh) | 基于汇水单元的流域水污染常规因子快速溯源方法 | |
| CN112052999A (zh) | 一种基于熵权topsis模型的页岩气开发生态承载力评价方法 | |
| CN104036330A (zh) | 一种基于MapReduce的降雨量分类预测方法 | |
| CN113191540A (zh) | 一种产业链路制造资源的构建方法及装置 | |
| CN112381422A (zh) | 光伏电站性能的确定方法和装置 | |
| CN110991600A (zh) | 一种融合分布估计算法与极限学习机的干旱智慧预测方法 |
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 |