为优化地下水水质监测方案,确定北京顺平岩溶水系统岩溶水水质的主要控制指标,快速掌握地下水水质变化,基于2022年顺平岩溶水系统49件岩溶水样品,综合运用统计分析、Piper三线图和熵权水质指数(entropy weight water quality index,EWQI...为优化地下水水质监测方案,确定北京顺平岩溶水系统岩溶水水质的主要控制指标,快速掌握地下水水质变化,基于2022年顺平岩溶水系统49件岩溶水样品,综合运用统计分析、Piper三线图和熵权水质指数(entropy weight water quality index,EWQI)分析研究区水化学和水质特征,并耦合逐步多元线性回归分析,探讨能代表研究区岩溶水水质的关键指标。结果显示:①顺平岩溶水系统岩溶水具有微碱性、低盐度的特征,水化学类型主要为HCO_(3)^(-)—Ca^(2+)·Mg^(2+)型(73.47%)。超标指标为N_(an)(NH_(3)或NH_(4)^(+)中的N,即氨氮以氮计)、pH值、Fe、Mn和F^(-),超标率分别为10.20%、4.08%、4.08%、4.08%和2.04%。②研究区EWQI平均值为26.33,水质“极好”,其中极好和良好所占比例分别为91.84%和8.16%。③基于地下水水质数据构建的EWQI_(min)模型筛选的关键指标为N_(an)、Fe、Mn、N_(ntr)(硝氮以氮计,硝酸盐中N)和F^(-),其决定系数(R^(2))和百分比误差(PE)分别为0.986和3.88%。表明,EWQI_(min)模型优选指标可以代表顺平岩溶水系统的水质状况,对优化水质监测网等水资源管理提供了参考价值。展开更多
为解决因排查效率低、数据更新不及时等因素导致低压配电网户变关系连接形式与实际不符的问题,提出一种基于角度分段线性近似(anglepiecewiselinearrepresentation,APLR)和改进密度峰值聚类(improved clustering by fast search find of...为解决因排查效率低、数据更新不及时等因素导致低压配电网户变关系连接形式与实际不符的问题,提出一种基于角度分段线性近似(anglepiecewiselinearrepresentation,APLR)和改进密度峰值聚类(improved clustering by fast search find of density peaks,ICFSFDP)相结合的户变关系识别方法。首先,根据电压曲线中相邻线段的角度变化量提取曲线的转折点,利用APLR对曲线进行自适应降维重构;随后,使用ICFSFDP算法对降维数据组展开聚类分析,在决策图中由拟合函数与坐标轴围成面积的最小值得到最优类簇数目,进而得到聚类和非聚类中心用户;最后,使用动态时间弯曲(dynamic time warping,DTW)距离计算聚类和非聚类中心用户之间的距离相似度,进而得到户变关系。将所提方法应用于模拟和真实数据中,均可证实所提方法的有效性。算例分析结果表明:该方法能够对时间间隔不同、不等维的序列进行分析,且不需要人为设定聚类算法的参数,户变关系识别准确率高。展开更多
文摘为优化地下水水质监测方案,确定北京顺平岩溶水系统岩溶水水质的主要控制指标,快速掌握地下水水质变化,基于2022年顺平岩溶水系统49件岩溶水样品,综合运用统计分析、Piper三线图和熵权水质指数(entropy weight water quality index,EWQI)分析研究区水化学和水质特征,并耦合逐步多元线性回归分析,探讨能代表研究区岩溶水水质的关键指标。结果显示:①顺平岩溶水系统岩溶水具有微碱性、低盐度的特征,水化学类型主要为HCO_(3)^(-)—Ca^(2+)·Mg^(2+)型(73.47%)。超标指标为N_(an)(NH_(3)或NH_(4)^(+)中的N,即氨氮以氮计)、pH值、Fe、Mn和F^(-),超标率分别为10.20%、4.08%、4.08%、4.08%和2.04%。②研究区EWQI平均值为26.33,水质“极好”,其中极好和良好所占比例分别为91.84%和8.16%。③基于地下水水质数据构建的EWQI_(min)模型筛选的关键指标为N_(an)、Fe、Mn、N_(ntr)(硝氮以氮计,硝酸盐中N)和F^(-),其决定系数(R^(2))和百分比误差(PE)分别为0.986和3.88%。表明,EWQI_(min)模型优选指标可以代表顺平岩溶水系统的水质状况,对优化水质监测网等水资源管理提供了参考价值。
文摘为解决因排查效率低、数据更新不及时等因素导致低压配电网户变关系连接形式与实际不符的问题,提出一种基于角度分段线性近似(anglepiecewiselinearrepresentation,APLR)和改进密度峰值聚类(improved clustering by fast search find of density peaks,ICFSFDP)相结合的户变关系识别方法。首先,根据电压曲线中相邻线段的角度变化量提取曲线的转折点,利用APLR对曲线进行自适应降维重构;随后,使用ICFSFDP算法对降维数据组展开聚类分析,在决策图中由拟合函数与坐标轴围成面积的最小值得到最优类簇数目,进而得到聚类和非聚类中心用户;最后,使用动态时间弯曲(dynamic time warping,DTW)距离计算聚类和非聚类中心用户之间的距离相似度,进而得到户变关系。将所提方法应用于模拟和真实数据中,均可证实所提方法的有效性。算例分析结果表明:该方法能够对时间间隔不同、不等维的序列进行分析,且不需要人为设定聚类算法的参数,户变关系识别准确率高。
