特征系数

关键词：

特征系数（精选八篇）

特征系数篇1

关键词：构造煤,扩散率,扩散模型,扩散系数,衰减系数

0 引言

构造煤是在构造应力作用下,煤体发生脆性破碎或韧性变形及流变迁移的产物,其具有煤质松软、瓦斯放散速度快,突出危险性强的特点。在一些矿区,构造煤的瓦斯突出预测指标K1值在安全范围内,煤巷掘进时却发生了动力现象。例如,贵州省桂箐煤矿9号煤层的坚固性系数仅为0.16,煤质松软,为典型的V类构造煤。测定的K1值仅为0.3,在突出临界值以下,但出现了强烈的动力现象。据矿方资料,瓦斯压力仅为0.3~0.6 MPa时,发生了强烈的喷孔现象。该矿小构造较发育,结构复杂,瓦斯压力不易测准,故目前该矿采用含量和K1值作为预测和效检指标,而准确测定构造煤瓦斯含量和K1值的首要前提是揭示构造煤瓦斯扩散特征。

构造煤的瓦斯扩散特征受瓦斯压力、温度、水分、煤阶、粒度等多种因素的影响[1,2,3,4]。其中,构造煤松软,颗粒极细是其区别于原生结构煤的主要特征,也是导致瓦斯解吸扩散较快的主要原因之一。因而,研究不同粒径下构造煤的瓦斯扩散特征对认识构造煤瓦斯扩散的特殊性具有积极意义。

目前虽有不少文献对构造煤瓦斯扩散特性进行了研究[5,6,7,8],但关于不同粒径下构造煤的瓦斯扩散特征的认识还不够深入。主要原因是,目前采用的经典扩散模型[9,10,11]无法准确地描述构造煤的瓦斯扩散全过程,误差极大。杨其銮、王佑安[12,13]认为经典扩散模型不能描述强烈破坏构造煤的瓦斯扩散过程;郝吉生等[14]和魏建平等[15]从现象上定性描述了构造煤瓦斯扩散规律,但尚不能从定量角度深入认识构造煤瓦斯扩散特征。富向等[16]和李云波、张玉贵等[17]认为构造煤瓦斯扩散初期更符合文特式,对全程扩散则未能给出分析;贾东旭等[18]得到了推算强烈破坏煤瓦斯损失量的经验公式,但因这些经验公式的参数不具有明确物理意义,因而无法阐明构造煤的瓦斯扩散特征,进而更无法探明不同粒径构造煤的瓦斯扩散特征。

李志强等[19,20]提出了煤粒多尺度孔隙中瓦斯扩散的新物理模型,并用新模型阐述了煤中瓦斯扩散的机理。新模型参数的物理意义明确,比之经典扩散模型,在精确性、预测性、解释性、简单性方面具有较大的优势,这为研究构造煤的瓦斯扩散特征提供了新方法。因而,本文采用此新模型来研究粒径对构造煤瓦斯扩散全过程的影响机理,以期更深入的理解超细颗粒状态下的构造煤瓦斯扩散特征。

1 构造煤瓦斯扩散实验

1.1 实验样品制备及实验装置

1)煤样制备。实验煤样采自贵州省桂箐煤矿M9煤层,该煤层为V类构造煤发育的突出煤层。M9煤层灰分(Aad)为8.96%,水分(Mad)为0.64%,真密度为1.47(g/cm3),视密度为1.41(g/cm3),孔隙率为4.08%,可燃基a值为30.96(cm3·g-1·r-1),b值为1.785(M·Pa-1·r-1)。在井下现场测定瓦斯含量时,取井下原煤样分为两份,一份进行现场瓦斯解吸,一份用于实验室瓦斯解吸。实验室采用粒径分别为1~3 mm、60~80目、混合粒径原煤。

2)实验装置由真空抽气系统、充气系统、吸附-解吸系统、温度控制系统和瓦斯扩散测量系统构成。真空抽气系统由真空泵实现,充气装置由甲烷(浓度为99.99%)钢瓶及高压管线组成,吸附-解吸系统由不锈钢煤样罐提供,温控由恒温水浴控制,瓦斯扩散测量由瓦斯扩散解吸仪测定。

1.2 实验方法

1)现场瓦斯解吸试验。井下现场打底板巷穿层孔,在孔口取新鲜钻屑,利用排水集气法进行现场解吸,并按照一定时间间隔记录时间与扩散量。

2)根据实验需求将所取的原煤样制备成1~3 mm、60~80目粒径煤样,同时将这两种粒径的煤样和混合原煤样分别装入三个煤样罐,并检查气密性,真空抽气至10 Pa。

3)开启恒温水浴,设定水浴温度为30℃,往吸附罐内依次充入纯度为99.99%的CH4,使其达到吸附平衡后接近设定压力值。原煤设定平衡压力为1 MPa和2MPa;粒径为60~80目、1~3 mm煤样设定平衡压力为1、2和3 MPa。

4)打开煤样罐阀门的同时开始计时,放出游离瓦斯,当表压为0 MPa时,迅速将放气管和解吸仪相连接,同时开始读数,并记录扩散损失时间。利用排水集气法测定瓦斯扩散量,并按照设定的时间间隔记录累计瓦斯扩散量。

2 实验结果分析

2.1 实验数据处理

将在实验条件下测得的累计瓦斯扩散量(含损失量)换算成在物理标况(0℃,1 atm)下单位质量煤的瓦斯扩散量Qt,并将Qt与可解吸扩散量Q∞相比,得到扩散率(Qt/Q∞)。

因本实验采用排水集气法测定瓦斯扩散量,所以扩散出的瓦斯不与大气直接接触,当水两侧的气压平衡时扩散即认为终止,故可解吸扩散量按Q∞=Q-Qa计算。实验条件下的Q、Qa均按下式计算:

式中:Q为初始吸附平衡时的总瓦斯含量,cm3/g;a、b为吸附常数,p为吸附平衡压力,MPa;Ad为灰分,%;Mad为水分,%。ρ为煤视密度,g/cm3;为孔隙率;tw为解吸仪中水的温度,℃。计算大气压下的终态平衡含气量Qa时,以大气压力代替式(1)中的压力p。

2.2 动(态)扩散系数新模型及扩散特征参数

将粒径为1~3 mm(0.85 MPa)、60~80目(1.00MPa)和现场(0.91 MPa)、实验室混合粒径原煤(0.90MPa)的瓦斯扩散率(Qt/Q∞)随时间的变化关系绘制成图1。

图1显示,现场解吸煤样的扩散率和实验室原煤的扩散率基本重合;扩散前期原煤的扩散率比60~80目的扩散率大,三者最后趋于重合;在前期以上三者的扩散率均比1~3 mm大,随着时间的无限延长,四者的扩散率最终趋于平缓,且构造煤的扩散率在初期增长迅速,而后期增长趋于平缓。以上只是实验外在现象的定性分析,尚不能深入分析出各类粒径构造煤的瓦斯扩散特征。

对于煤粒瓦斯扩散过程,国内外常采用菲克经典扩散模型来描述。经典扩散模型(unipore model)认为煤粒中孔隙结构由孔径大小均一的单一孔隙构成,扩散阻力恒定,故扩散系数为常数。

然而,早在上世纪70年代,国外研究者发现经典扩散模型不能准确描述瓦斯扩散全过程,其仅能描述原生结构煤(硬煤)前10 min的扩散过程,对于构造煤而言,甚至不能准确描述前3 min的扩散过程。为此,李志强近期提出了新的动扩散系数新模型,可准确描述各类煤种各种条件下的瓦斯扩散全过程。新模型的数学表达式如下:

式中:Qt为t时刻的累计瓦斯扩散量,cm3/g;Q∞为标况下可解吸瓦斯量,cm3/g;D0为t=0+时的初始扩散系数,cm2/s;r0为煤颗粒半径,cm;β为衰减系数,s-1;t为时间,s。

新模型提出了新的假设,认为煤中孔隙结构由孔径大小不一的多尺度孔隙构成,且由表及里,孔径逐级递减,扩散阻力逐级加大,进而造成扩散系数也逐级递减。扩散初期,瓦斯先从扩散系数较大的大孔隙逸出,中后期瓦斯从扩散系数较小的中小孔隙逸出,直至深达微孔内部,宏观上表现为扩散系数随时间延长而减小,即扩散系数是随时间而动态衰减的,这与以往的常扩散系数经典扩散模型不同。

式(2)中Qt/Q∞为实验实测值,某粒径某时刻时,由初始扩散系数D0及其衰减系数β决定,而D0、β反映了煤粒瓦斯的扩散特征,同时也反映了煤粒孔隙的物理结构特征,即外部孔隙的孔径越大,则D0越大,孔隙孔径递减越大,则β也越大。若考虑粒径大小的影响,本文定义De0=D0/r02为有效初始扩散系数。若考虑时间对扩散系数的影响,本文定义D(t)为动(态)扩散系数,De(t)=D(t)/r02为有效动(态)扩散系数。

采用新扩散模型对不同粒径不同压力下的构造煤瓦斯扩散率数据进行计算,得到瓦斯扩散特征参数,如表1所示。为显示新模型的可靠性,现对不同煤样的实验数据分别采用经典模型和新模型进行对比。限于篇幅,仅选取表1中实验室原煤(0.9 MPa)和现场原煤解吸数据进行拟合,其他实验数据同样得到类似结果。拟合结果如图2、图3所示。

从图2、3中拟合结果对比可知,经典模型的误差达40%,而新扩散模型的误差仅为3.6%,具有更高的精确性,更能准确的揭示构造煤的瓦斯扩散特征。

因新模型能够从数学上较准确描述构造煤瓦斯扩散全过程,并能够从物理上给予合理解释,因而讨论新模型中参数D0、De0、β、D(t)、De(t)的变化即能反映出构造煤的瓦斯扩散特征。然而,以上参数本质上是由煤粒的孔隙结构决定的,故在讨论这些参数之前首先需要研究构造煤的孔隙分布特征,为后文结合孔径分布探讨构造煤的瓦斯扩散特征提供依据。

2.3 构造煤的孔径结构分析

图4为构造煤现场原煤的低温氮吸/脱附曲线,其反映了低温氮在各类孔隙中的吸附凝聚与脱附蒸发过程,同时也反映了各类孔隙的形态。

图4的低温液在孔隙中的吸/脱过程为:吸附开始时,液氮在低压下(相对压力p/p0<0.4)首先在内部微孔中凝聚,其次在小孔中凝聚;随着相对压力的升高,液氮在高压下(p/p0>0.4)中孔中凝聚,最后在最外部的大孔中凝聚,在相对压力p/p0=1时达到吸附饱和。随后开始脱附,与吸附凝聚过程相反,脱附时,首先从最外部大孔中脱附蒸发,其次从中孔中蒸发,再后从小孔中蒸发,最后从最内部的微孔中蒸发。吸/脱附回线反映了各类孔隙的形态,从图4中看出,在相对压力较低的微、小孔段,吸/脱附曲线近乎重合,不形成吸附回线,这意味着微孔、小孔段为一端封闭的不透气死孔。而相对压力较高的中、大孔段,形成较大的吸附回线,这意味着中、大孔段为透气性极好的开放孔。在相对压力为0.45~0.55的过渡孔段,脱附曲线突降,意味着过渡孔中存在透气性差的墨水瓶孔。以上各类孔隙决定了瓦斯扩散难易程度。

3 不同粒径构造煤的瓦斯扩散特征

将表1中的初始扩散系数D0、有效初始扩散De0系数及其衰减系数β与粒径r0的关系绘制成图5~7。

依据以上动扩散系数新模型计算出的扩散特征参数D0、De0、β、D(t)、De(t)及扩散物理原理,并结合图4的构造煤孔径分布,可进一步分析粒径对构造煤瓦斯扩散的影响机理。

由图4的分析可知,煤孔隙最外部为孔径较大的大孔,其次为内部孔径较小的中孔、小孔,最内部为孔径最小的微孔。在瓦斯扩散的整个过程中,扩散初始时,瓦斯先从孔径最大,阻力最小的大孔扩散出来,此时的扩散系数最大,为D0。随后从孔径较小的中孔、小孔扩散出来,最后逐渐向孔径最小,阻力最大的微孔扩散发展。整个扩散过程表现为扩散系数随时间而逐渐衰减,这是构造煤瓦斯扩散的一般特征。

由表1及图5、7可以看出,相近压力下,1~3 mm粒径煤样的初始扩散系数D0远大于60~80目粒径煤矿的D0值,前者是后者的近10倍,这表明1~3 mm粒径煤样的包含了更多的大孔隙,且其外部大孔隙的孔径要远大于60~80目的外部大孔隙孔径。然而,1~3 mm粒径煤样的扩散系数衰减系数β值要小于60~80目的β值,这表明,粒径增大后,包含的大孔隙增多,而大孔隙的尺寸减小程度较小,而60~80煤样颗粒中孔径较小,但减小剧烈。虽然1~3 mm粒径煤样的D0值是60~80目粒径煤样的10倍,但前者的颗粒半径r0是后者的9.33倍,采用De0=D0/r02计算后得到有效初始扩散系数De0值,前者要远小于后者,在图6中显示为1~3mm的De0值远低于60~80目的De0值。

从1~3mm和60~80目的对比分析可知,粒径越小,D0越小,而De0和β值越大。而实验室和现场混合粒径原煤的De0和β值均远大于1~3 mm和60~80目的De0和β值,可以推断混合粒径原煤的初始扩散系数D0要小于60~80目的D0值,这也表明混合粒径原煤具有比60~80目更小的粒径,而正是由于构造煤这种超细的粒径导致了更大的有效初始扩散系数De0和更大的衰减系数β值。

瓦斯扩散全过程中的动(态)扩散系数D(t)随时间衰减关系可用式(3)表示,若考虑粒径则有效动(态)扩散系数De(t)可用式(4)表示:

式中参数意义同前。

因混合粒径原煤的粒径未知,无法得到其D0值,故选取表1中不同粒径但压力相近(0.85~1.00 MPa)煤样的有效初始扩散系数De0和衰减系数β,代入式(4)。分别绘制出有效动(态)扩散系数随时间的变化过程,如图8所示。

图8显示,随构造煤粒径减小,初始有效扩散系数De0在增大,而其衰减系数β值也在增大,这导致了粒径越小的混合粒径构造煤的有效动(态)扩散系数随时间衰减越剧烈,而从式(2)来看,扩散率最终由有效动(态)扩散系数De(t)控制(由De0和β共同反映),正是这种机理导致了图1中超细的混合粒径原煤的扩散率初期增长迅速,后期增长趋于平缓。而V类超细构造煤的这种扩散特征,决定了其更快的放散速度,更大的突出危险性,更大的瓦斯损失量,也导致了经典模型计算的瓦斯含量和K1值测值偏低。

4 结论

1)开展了不同标准粒径和混合粒径原煤样的构造煤瓦斯扩散实验。实验发现,同时刻下,粒径越小,扩散率越大。全扩散过程中,粒径越小,扩散率初期增长更快,而后期增长趋于平缓。

2)采用动扩散系数新模型拟合了构造煤瓦斯扩散全过程,其精度高于经典模型。采用新模型计算的瓦斯扩散特征参数D0、De0、β、D(t)、De(t)、r0表明,构造煤粒径r0越小,则初始扩散系数D0越小,而有效初始扩散系数De0和衰减系数β值越大,共同决定了粒径越小的构造煤的有效动(态)扩散系数初期较大,后期衰减迅速的特征。也正是由于这种特征决定了混合粒径超细构造煤的瓦斯扩散率初期增长较快,后期增长趋于平缓的特性。

盘点二项式系数与项的系数篇2

一、混淆“二项式系数”与“项的系数”

2.利用二项式定理采用“赋值法”求系数之和，是研究二项展开式系数性质的重要方法，同学们要用心感情。实际上赋值法所体现的是从一般到特殊的转化思想，在高考题中屡见不鲜，特别是在二项式定理中的应用尤为明显，巧赋特殊值可减少运算量。

二、混淆“二项式系数最大项”与“系数最大项”

求二项展开式中系数最大的项时，除了采用列不等式，解不等式组的方法外，还有其他方法吗？我们来思考下面的两道例题，培养我们的创造性思维。

点评二项展开式中系数最大的项也可通过对问题的分析和推理，缩小比较的范围，使解题过程得到简化，聪明的你想到了吗？

2.本题解法“一题两制”：对于问题（1），我们运用例3的一般方法进行推导；对于问题（2），我们运用认知、枚举、比较的方法导出结论，特别地，当指数n数值较小时，（2）的解法颇为实用.

由例3、例4、例5，可归纳出求系数最大项的方法：

1.当二项式幂指数不是很大时，可由二项式定理一一展开得到，此为列举法；

2.可通过对题目的分析和推理，再通过作差或作商进行比较得到，此为夹逼法；

3.当幂指数较大时，宜采用列出不等式组的方法获得，这是通法.

同学们有没有思考过下面的问题：当所列不等式组无解时，难道二项展开式中没有系数最小（大）项吗？当然不是，有限项中，肯定有最小（大）项。其实认真想下就会明白：不等式组无解，这就意味着系数最小（大）项不在中间，也就是只可能在首尾取得。

特征系数篇3

小波分析理论可以用来处理基因芯片数据, 小波分解后的低频近似系数和高频细节系数能够表征基因的特征信息。本文选取haar小波基函数对前列腺癌基因芯片数据进行多尺度分解降维处理, 并提取3-4层的低频近似系数和高频细节系数来逼近或表示样本。

1 材料

前列腺组织样本来自做过前列腺手术的235例患者, 是美国成人肿瘤科的专家Dinesh Singh和美国麻省理工学院基因组研究中心的Phillip.G.Febbo等人收集的[3], 选取有效的136个 (77个前列腺癌和59个非前列腺癌) 样本制作基因芯片, 每个基因芯片上取12600个高品质属性。

2 方法

2.1 小波分析特征提取方法

小波变换在时域和频域内都具有表征信号局部特征的能力。小波变换通过伸缩平移运算对信号进行多尺度细化。小波分析的过程是将原始小波信号送入滤波器, 由滤波器完成对原始基因数据的降维和特征提取, 然后进行二元下抽样, 得到低频系数和高频系数。设f (x) =A 1+D 1, A 1是一层分解的近似部分, D 1是一层分解的细节部分。在第i层上, 滤波器将第i-1层的近似系数值作为源矩阵进行进一步分解, 分解成第i层的近似系数值和细节系数值, 如此重复i次分解后得到原始信号多尺度分解的递推公式:

2.2 构建支持向量机分类器模型

本文应用支持向量机理论构建分类器模型, 分析和鉴别前列腺癌基因芯片数据两个诊断类别:癌症、非癌症。分类器分类示意图如下:

圆形和三角形代表两类样本, P代表最优超平面, 离最优超平面最近的特殊样本叫支持向量。P1、P2是经过支持向量并且平行最优超平面的直线, 两线与分类面的距离叫分离边缘。

2.3 交叉验证过程

本文用k-fold cross-validation交叉验证方法, 选取有效的136个前列腺患者组织样本制作基因芯片, 根据基因表达方式的不同分为77个前列腺癌基因芯片和59个非前列腺癌基因芯片。将136个 (77个前列腺癌和59个非前列腺癌) 样本打乱顺序, 选择k折交叉验证方法, 划分训练集和测试集。在k折交叉验证中, 按照特定的划分机制, 将其分成训练集和测试集。例如k=10, 将数据集分成十份, 轮流将其中9份作为训练数据集, 1份作为测试数据集, 对分类器进行10次训练和测试。每次试验都会得出相应的正确分类率。取10次正确分类率的平均值, 作为最终的正确分类率。

3 实验及结果分析

以下为Haar小波3-4层分解前列腺基因芯片数据的低频近似系数、高频细节系数图像:

观察图3-7, 横坐标表示特征数目, 随着分解层数的增加, Haar小波三层分解和四层分解的信号波形图与原始信号波形图相比, 发生了一定的变化, 说明信号的信息丢失随之增加。

4 讨论与结论

采用haar小波对前列腺癌基因芯片数据进行分解、降维、低频、高频系数特征提取, 送入支持向量机分类器分类, 比较分类结果, 可以看出两种特征提取方法的正确分类率相差不大, 两种分类方法都有较好的分类效果。基于两种特征提取方法, 分类器给出正确分类率的波动范围即稳定性不同, 基于低频系数特征提取, 给出的正确分类率稳定性比高频高3%左右, 可以得出, 低频系数特征提取效果好于高频系数。但是高频系数特征提取也出现过最高正确分类率93.31%, 可见, 高频系数也含有较高品质基因属性。

参考文献

[1]Y.Liu.Feature extraction for DNA microarray data in Proc[C].20th IEEE International Symposium on Computer-Based Medical Systems, 2007:371-376.

[2]V.Vapnik.The Nature of Statistical Learning Theory[M].Springer Verlag, 1995:123-128.

[3]D.Singh, P.G.Febbo, K.Ross, D.G.Jackson, J.Manola, C.Ladd, P.Tamayo, A.A.Renshaw, A.V.D'Amico, J.P.Richie, E.S.Lander, M.Loda, P.W.Kantoff, T.R.Golub, W.R.Sellers.Gene expression correlates ofclinical prostate cancer behavior[J].Cancer cell, 2002, 1 (2) :203-9.

特征系数篇4

本文从我国电力消费的角度, 基于各类统计数据估算了我国1980—2007年的单位发电CO2排放系数, 并在省级尺度上估算我国2007年电力消费的CO2排放情况, 得出我国电力消费的CO2排放分布特征, 进而对我国将来的产业格局调整、节能减排规划提供参考。

1 数据与方法

1.1 数据来源

本文利用的数据有1980—2007年全国30个省市 (除西藏、香港、澳门和台湾) 的电力消费量, 包括生产电力消费量、居民生活电力消费量、煤炭平衡表、电力平衡表、各地区国内生产总值、各地区人口总数与构成、发电 (供电) 煤耗等。上述数据均来源于历年《中国统计年鉴》、《中国能源统计年鉴》和各省市统计年鉴。

1.2 数据处理方法

供电煤耗是指火力发电厂每向外提供1kW·h电能平均耗用的标准煤量, 是火电厂的重要考核指标之一。通常估算的标煤CO2排放量是按照与标煤的能量比较接近的某种燃料 (如焦炭) 来计算的, 因此数据会有差异。单位标煤CO2排放系数是指1t标煤排放的CO2, 一般1t标煤估计排放的CO2为2.66—2.72t。

单位煤耗CO2排放系数是指由单位供电煤耗所产生的CO2排放量, 其计算公式为:

单位煤耗CO2排放系数=供电煤耗×单位标煤CO2排放系数 (1)

电力行业CO2排放总量是指燃烧用于火力发电的煤炭和原油所产生的CO2总量, 这里所指的煤炭和原油的量是按照折算系数折算成标准煤的总量, 其计算公式为:

电力行业CO2排放总量=电力行业消耗总标煤×单位煤耗CO2排放系数 (2)

单位发电CO2排放系数是指由火力发电所产生的CO2总排放量与总发电量的比值, 它应是一个变量, 受每年的供电煤耗、火电能源消费结构和电力生产结构的影响, 其计算公式为:

单位发电CO2排放系数

undefined

产业电力CO2排放总量是指一定时期内, 某地区产业因电力消耗所排放的CO2总量, 其计算公式为:

产业电力CO2排放总量=产业电力消费总量×单位发电CO2排放系数 (4)

生活电力CO2排放总量是指某地区生活电力所致CO2排放总量, 计算公式为:

生活电力CO2排放总量=生活电活电力消费×单位发电CO2排放系数 (5)

单位地区生产总值电耗CO2排放量是指一定时期内, 某地区利用电力消费生产一个单位的国内生产总值排放的CO2, 可按下式计算:

单位地区生产总值电耗CO2排放量

undefined

人均生活电力CO2排放量是指人均生活电力消费量所产生的CO2, 公式为:

人均生活电力CO2排放量

undefined

按照上述公式计算, 将得到各种所需的数据。本文对所得数据进行分析与讨论, 以便发现我国电力CO2排放的状况与问题。

2 结果与分析

2.1 我国单位煤耗CO2和单位发电CO2排放系数

我国火电发电量比重在80%以上, 火电比重过大不利于电力系统经济运行。在我国历年供电煤耗中[5], 2007年全国供电煤耗为357g/kW·h, 比2000年降低了35g/kW·h。供电煤耗逐年下降的原因是, 发电机组效率和技术水平的不断提高, 使单位煤耗CO2排放系数呈现连年下降的趋势。

根据本文收集的数据及计算公式 (1) 、 (2) 和 (3) , 得出我国近年来的单位煤耗CO2排放系数和单位发电CO2排放系数 (表1) 。通过表1可见, 我国单位煤耗CO2排放系数2000年比1980年下降了12.5%;2007年与1980年相比, 其降幅约为20.4%;单位发电CO2排放系数2000年比1980年下降了23%, 2007年比1980年下降了27%。我国电力行业1980年的CO2排放总量仅为322406700 t, 1990年为570158700t, 2000年CO2排放总量为1117669400 t, 2007年达到2542424200t。我国火电发电量的逐年增加, 导致电力所耗能源呈上升态势, 致使电力行业CO2的排放总量也不断攀高。

从图1可见, 我国单位煤耗CO2排放系数和单位发电CO2排放系数呈降低趋势。其原因, 一方面是因为发电技术和发电机组效率的提高, 使供电煤耗不断下降;另一方面, 电力结构的变化使火力发电所产生的CO2在总发电量中所占比重下降, 但电力行业的CO2排放总量一直呈上升趋势。因此, 在降低单位发电CO2排放系数和单位煤耗CO2排放系数的同时, 更应加大力度控制电力行业CO2排放总量, 以达到节能减排的目的。

2.2 电力消费的CO2排放特征

我国历年电力消费结构的变化和省级电力消费的空间特征是影响我国节能减排工作的重要因素。通过统计相关数据, 发现截止到2007年我国第二产业电力消费量仍然占据我国电力消费总量的70%以上, 因此调整我国产业结构和提高第二产业生产技术水平对节能减排具有重要意义。

根据相关统计数据和公式 (4) 、 (5) , 可得到2007年我国各地区产业和生活电力CO2排放总量 (表2) 。从表2可见, 河北第一产业CO2排放总量最高, 中南地区的排放总量也较高, 西南地区排放总量较低;华东地区 (除江西) 第二产业CO2排放总量整体较高, 西北地区整体较低。第三产业CO2排放总量较高的是广东、上海和北京, 排放总量较低的是西北和西南地区。在生活电力CO2排放总量方面, 排放总量较高的是华东和中南地区, 较低的是西北地区。

由于各地区的经济发展水平、产业技术水平和居民生活水平不同, CO2排放总量不能反映所有问题, 因此需要根据各地区的国内生产总值和居民总数进行对比分析。根据前面所得计算结果、相关统计数据以及计算公式 (6) 、 (7) , 可得到2007年省级电力CO2排放的空间分布特征 (图2) 。

从图2 (a) 可见, 在2007年各地区第一产业单位生产总值电耗CO2排放量中, 单位排放最大的是甘肃 (1.054t/万元) , 其次是北京 (1.023t/万元) 和宁夏 (0.822t/万元) , 最小的是重庆 (0.031t/万元) 。图2 (b) 中, 2007年各地区第二产业单位生产总值电耗CO2排放最高的是宁夏, 较大的是青海和贵州, 最小的是北京。图2 (c) 中, 2007年各地区第三产业单位生产总值电耗CO2排放, 排放量最大的是甘肃 (0.241t/万元) , 较大的有山西 (0.217t/万元) 和陕西 (0.202t/万元) , 最小的是云南 (0.062t/万元) 。可以看出, 第一产业单位生产总值电耗CO2排放较大的主要集中在西部地区一带, 这些地区产业生产总值较低是造成第一产业单位生产总值电耗CO2排放较高的主要原因;第二产业单位生产总值电耗CO2排放较高的是西北和西南地区一带, 主要原因是这些地区的第二产业产能较低, 工业技术水平较落后;第三产业单位生产总值电耗CO2排放较大的地区也是主要集中在西部地区, 第三产业生产总值较低是导致其第三产业单位生产总值电耗CO2排放较大的主要原因。在2007年各地区居民人均电耗CO2排放中 (图2 (d) ) , 人均排放量最大的是上海 (550.45kg) , 排放量较大的还有北京 (509.56kg) 和福建 (355.21kg) , 排放量最小的是甘肃 (108.19kg) 。可以看出, 居民人均电耗CO2排放较大的是东部沿海地区, 主要是因为这些地区经济较发达, 居民生活水平较高, 生活用电器的数量也较多。

3 结论

根据相关数据资料, 得到我国历年单位煤耗CO2排放系数和单位发电CO2排放系数。我国1980年单位煤耗CO2排放系数为1.21kg/kW·h, 单位发电CO2排放系数为1.07kg/kW·h;2007年的单位煤耗CO2排放系数为0.96kg/kW·h, 单位发电CO2排放系数为0.78kg/kW·h, 降幅分别为21%和27%。此外, 还发现省级电力消费和居民电耗CO2排放的空间特征。第一产业单位生产总值电耗CO2排放西北地区相对较高, 第二产业单位生产总值电耗CO2排放系数以西北和西南地区最高, 第三产业单位生产总值电耗CO2排放系数东部发达地区比西部地区低。从居民生活用电空间分布来看, 华东地区人均电耗CO2排放最高, 其次是华北和中南地区, 最低的是西北地区。通过本研究, 明确了我国电力行业CO2排放的基本特征, 为我国能源利用和资源开发政策的制订提供基础性参考数据, 以便更好地实现节能减排的科学发展观。

参考文献

[1]师华定, 齐永青, 梁海超, 等.电力行业温室气体排放核算方法体系研究[J].气候变化研究进展, 2010, 6 (1) :40-46.

[2]王铮, 朱永彬.我国各省区碳排放量状况及减排对策研究[J].战略与决策研究, 2008, 23 (2) :109-115.

[3]主春杰, 马忠玉, 王灿, 等.中国能源消费导致的CO2排放量的差异特征分析[J].生态环境, 2006, 15 (5) :1029-1034.

[4]邹秀萍, 陈劭锋, 宁淼, 等.中国省级区域碳排放影响因素的实证分析[J].生态经济, 2009, (3) :34-37.

[5]陈洪博, 姜英.中国单位GDP能耗与供电煤耗分析[J].煤质技术, 2009, (1) :43-44.

[6]中国统计年鉴[EB/OL].http://www.stats.gov.cn/tjsj/ndsj.

特征系数篇5

近几十年,涡度相关技术被广泛用于湖泊与大气之间的动量和水热交换观测研究[6,7,8,9,10,11,12,13,14,15]。但受制于仪器安装和维护难度,湖泊模型[4,16]中仍广泛使用质量传输方程计算动量、感热以及潜热通量,而交换系数的取值偏差直接影响通量的计算结果。以往研究中,湖泊模型的动量和水热交换系数多采用海洋大气边界层参数化方案[16],但因湖泊和海洋存在水文、动力和热力特征差异,采用海洋参数化方案常高估湖-气界面通量,如对太湖年蒸发量的高估比例达40%[11]。近年,已有研究直接利用涡度相关观测资料计算湖-气界面的动量和水热交换系数[6,12,17,18],并从风速、大气稳定度等方面分析了其影响因素[14,19,20]。刘辉志,等[12]研究指出云贵高原上洱海湖-气界面湍流交换系数呈现夏秋较大、冬春季较小的时间变化特征,并认为风速造成的浪高变化是引起其季节变化的主要原因。Li等[14]认为湖-气界面动量交换系数与大气稳定度的关系因湖面粗糙度变化而存在很大不确定性。由于湖泊气候条件、周边环境和形态特征存在差异,以上研究结果是否适用于亚热带大型浅水湖泊(如太湖)还不得而知。

太湖是典型的大型浅水湖泊,东西最大宽度56km,南北长约68 km,水域面积达2 400 km2,平均水深仅1.9 m,最大深度不超过3.5 m。南京信息工程大学于2013年6月在太湖建成了全球首个湖泊中尺度涡度通量网[21],采用涡度相关法对湖泊与大气之间的动量、能量和物质通量进行长期观测研究。现选取太湖中尺度通量网中风浪区最为开阔(>14.1 km)的平台山观测站,基于该站2014年全年的小气候和涡度相关观测资料,首先分析了太湖湖-气界面动量和水热交换系数的时间变化特征;其次对交换系数与风速、浪高和稳定度之间的关系进行了研究;最后,将得到的太湖湖-气交换系数结果与其他湖泊研究结果进行了比较,以期为湖泊模型的通量参数化方案研究提供参考。

1 研究方法

1.1 站点和仪器介绍

研究的试验站点为太湖中尺度通量网中的平台山观测站(31°24'N,120°13'E),该站位于太湖中心区域,离岸最近距离为14.1 km,观测站周边平均水深约为2.8 m。

平台山所有观测设备均架设在4.1 m×4.1 m的平台上,包括涡度相关系统、小气候观测系统、四分量辐射计和水温梯度观测系统。涡度相关系统由三维超声风速计(CSAT3,Campbell Scientific)和开路式CO2/H2O红外气体分析仪(EC150,Campbell Scientific)组成,观测高度为8.5 m。小气候观测系统由温湿度传感器(HMP155A,Vaisala)、风速风向计(05103,R M Yong Company)组成,观测高度为8.5 m。四分量净辐射计(CNR4,Kipp&Zonen)用于观测向下短波辐射、向上短波辐射、向下长波辐射和向上长波辐射。水温梯度观测系统(109-L,Campbell Scientific)用于测量20 cm,50 cm,100 cm和150 cm深处水温以及底泥温度。

采用平台山站2014年全年观测数据30 min平均值,对通量数据进行后处理,包括二次坐标旋转、超声虚温订正和密度效应校正(WPL校正)[22],剔除降水等天气因素影响时刻的数据,并对数据进行了质量控制[23]。为尽可能减少平台装置和仪器支架的干扰,只选取了风向在45°~225°之间的数据。

1.2 数据分析方法

在湖泊模型中,湍流通量通过质量传输方程获得。

式中,τ、H、LE分别为动量通量[kg/(s2·m)]、感热通量(W/m2)和潜热通量(W/m2),CD、CH、CE分别为动量、感热和水汽交换系数,ρa为空气密度(kg/m3),u为参考高度风速(m/s),Ta为参考高度气温(K),Ts为湖面温度(K),qa、qs分别为参考高度和水面的比湿(kg/kg)[24]。

使用质量传输方程计算通量,最关键的是交换系数的确定。Garratt等[32]给出了交换系数与粗糙度长度之间的关系。

式中,z为观测高度,d为零平面位移(湖面为0 m),κ(0.4)为von Karman常数,z0、zh、zq分别为动量、感热和潜热粗糙度长度(m)。大气稳定度参数的普适函数ψm、ψh和ψq通过以下公式计算得到。

式中,

ζ为大气稳定度参数,通过奥布霍夫长度L计算得到

式中,为超声虚温(K);u*为摩擦风速(m/s)。

为了便于不同湖泊之间进行对比,同时为湖泊模型提供参数化方案,将交换系数订正为10 m高度处中性条件下的交换系数:

式中,CD10N、CH10N、CE10N分别为10 m高度处中性条件下动量、感热和水汽交换系数。

此外,由于平台山站缺少浪高的长期连续观测资料,采用Davidan等[25]提出的浪高模型计算浪高。

式(16)中,D为水深(m),Hw为模拟浪高(m)。

鉴于该模型存在模拟误差,特将太湖风浪观测站的实测浪高数据与该模型计算得到的浪高进行对比分析,得到实测浪高h与模型模拟浪高Hw的线性关系(图1),并用此关系来校正平台山站模拟的浪高数据。

2 结果与讨论

2.1 基本气象要素变化特征

图2给出了2014年平台山站湖面基本气象要素的日平均值变化特征。平台山站全年平均气温为17℃,日平均最低气温为-1.25℃,出现在2月10日,日平均最高气温为31.7℃,出现在8月4日。湖面温度和气温的差值ΔT=(Ts-Ta)全年平均值为0.74℃,季节变化特征不明显,除少数日期能达到±3~±4℃,绝大部分都在±2℃之间变化,但全年有83%时间为正值,表明大部分时间是湖面加热大气。

湖面上方8.5 m处平均风速为4.65 m/s,在1月(3.95 m/s)和8月(4.26 m/s)较小,而在2月(5.2 m/s)和9月(5.19 m/s)达到最大。受台风影响,7月24日前后(台风“麦德姆”)以及8月1日前后(台风“娜基莉”)太湖出现大风,日平均风速可高达8 m/s。但7、8月太湖地区主要受副热带高压控制,大风天气较少,故月平均风速不高。

太湖地区2014年降水量为1 304.6 mm,最大降水出现在6,7月份,梅雨带来的日降水量(6月26日)最大可多达80 mm,呈现出春夏多、秋冬少的季节变化特征。湖面与大气之间的水汽压差Δe的大小反映了湖面的蒸发能力,年均值为6.09 h Pa,季节变化特征明显,Δe在7月份达到最大(8.38 h Pa),2月份最低(1.82 h Pa)。6月份由于降水日数较多、空气湿度大,Δe较7月份小0.49 h Pa。

受太阳高度角、大气状况和天气条件的影响,太湖地区太阳向下短波辐射K↓波动明显。K↓全年日平均值为147.72 W/m2,呈现夏高、冬低的季节变化特征,K↓在2月份处于最低值(91 W/m2),最高值则出现在5月份(202.46 W/m2),6月份因降水较多,太阳短波辐射较5月份少36.46 W/m2。

u为8.5 m高处风速,Ta为气温,ΔT为湖-气温差,Δe为湖-气水汽压差,K↓为向下短波辐射,Rain为日降水量)

2.2 湍流通量与气象要素的关系

从物质传输原理来看,风速、温度和湿度的垂直梯度是湖泊与大气之间动量、感热和潜热交换的基础,风速大小影响着通量交换快慢[26]。风的垂直切变是形成动量通量的基础,同时也对感热和潜热通量的变化有着重要影响。湖-气温差和湖-气比湿差又分别是感热通量和潜热通量的主要控制因子。图3给出了摩擦速度(代表动量通量)、感热通量、和潜热通量与这些气象环境因子之间的关系和回归结果。10 m风速可以解释摩擦风速71%的变化,10 m风速与湖-气温差的乘积可以解释感热通量79%的变化,而潜热通量76%的变化可由10 m风速与湖-气比湿差共同驱动。可见,湖面与大气之间的湍流通量与这些环境因子存在显著线性相关,该相关关系可由质量传输方程式(1)~式(3)刻画。

湍流交换不仅受气象要素控制,还受到交换系数(粗糙度长度)的影响[27],图3中线性回归关系的截距和离散点的存在也证明了这一点。这些交换系数本质上决定了不同下垫面上湍流交换的能力,是建立湍流交换参数化方案的关键因素。式(1)~式(3)反映了u*与u10、H与u10(Ts-Ta)以及LE与u10(qs-qa)之间关系的非线性部分主要是受交换系数的影响,式(4)~式(6)反映了湖-气界面动量和水热交换系数受到湖面空气动力学粗糙度和大气层结稳定度的影响。因此,分析湖-气界面交换系数的时间变化特征及其影响因素对于湖泊通量研究极为重要。

2.3 交换系数时间变化特征

图4给出了太湖平台山站10 m高度处中性条件下动量、感热以及水汽交换系数(CD10N,CH10N,CE10N)的月优化值季节变化特征。动量交换系数CD10N整体呈现冬春高、夏秋低的季节变化特征,12~6月相对较大,数值均大于1.37×10-3,7~11月较低,数值低于1.35×10-3,除8月CD10N略有增加。感热交换系数CH10N则呈现出先升再降,然后趋于平缓的季节变化特征,月优化最大值出现在6月(1.44×10-3)。冬季(12~2月)值波动较大。水汽交换系数CE10N全年季节变化特征不显著,波动幅度在0.1×10-3内。可以看出,CD10N,CH10N和CE10N在数值上虽存在差异,但大体上都呈现出冬春高,夏秋低的季节变化特征。这种变化特征可能与全年月平均风速变化较小有关。平台山站平均风速(图4)的数值(3.92~5.2 m/s)处在湖面动力学平滑和粗糙两种流体特征转换风速范围内(2.5~5.5 m/s)[18]中,造成交换系数值存在较大的波动特征。

采用平台山站全年通量观测数据对交换系数进行优化,得到CD10N,CH10N和CE10N分别为1.39×10-3,1.31×10-3,1.0×10-3。从数值来看,CD10N值的范围与CH10N更为接近,CE10N相对较小,这与Xiao等[18]的研究结果一致。Xiao等[18]在太湖其他站点的研究结果也表明动量交换系数更大(除了有沉水植物影响的避风港观测站),感热交换系数次之,水汽交换系数最小。而在海洋和深水湖泊的研究中,感热交换系数和水汽交换系数大小相近,很多时候认为两者相等[17]。可见,以往的海洋交换系数参数化方案和深水湖泊研究结果并非适用于太湖。

2.4 交换系数影响因子分析

2.4.1 交换系数和风速的关系

图5表示的是10 m高度处中性条件下湍流交换系数(风速段内平均)随风速的变化,可以看出动量交换系数CD10N,感热交换系数CH10N,水汽交换系数CE10N均随风速增大而减小。弱风(u10<4 m/s)条件下交换系数随风速增加迅速减小至最低值,如CD10N从6.23×10-3减少到1.26×10-3,CH10N从2.56×10-3减少到1.12×10-3,CE10N从2.0×10-3减少到0.97×10-3。三者达到最低值的风速大小有所区别,CD10N在u10处于5~6 m/s时达到最小,随后趋于稳定(1.5×10-3);而CH10N和CE10N分别在u10处于3~4 m/s和4~5 m/s时达到最小,随后随着风速增加而缓慢增大,但CH10N在u10>4 m/s后的增幅更为明显。

CD10N主要由风速(u10)[式(1)]以及湖面状况(z0)[式(4)]两个因素决定。在风速逐渐增大过程中,湖-气相互作用的驱动力逐渐由表面张力波向重力波过渡[28],本研究中主导因素转换风速区在5~6 m/s之间,此时动力粗糙度长度z0最小,即CD10N最小。强风条件下(u10>6 m/s),z0主要由重力波产生的风浪浪高决定。但在弱风条件下,表面张力波成为主导因素,从式(17)中可以看出这一点[29,30,31]。

式(17)中,α(=0.011)是Charnock常数,ν是运动学黏性系数。

图5中虚线表示的是Garratt等[32]从海洋研究中得到的交换系数随风速变化的经验公式,表明太湖交换系数随风速的变化特征与海洋研究结果类似。由于风速较小、风浪区有限以及湖水较浅等缘故,湖泊风浪发展受到抑制,而湖泊上发展中的风浪和破碎风浪相较于海洋中发展较为成熟的风浪更为粗糙[20]。综上可见,太湖湖-气界面交换系数整体大于海洋的数值,以弱风条件下为甚,Garratt等[32]水面交换系数参数化方案并非适用于太湖,误差在弱风条件下可高达4.7×10-3。

2.4.2 交换系数与浪高的关系

湖面风浪的发展状况对交换系数有着重要影响,对动量交换系数CD10N的影响更为显著[33]。影响风浪发展的因素包括风速、风浪区大小以及水深。以往研究多直接用风速和动量交换系数之间的线性关系来计算动量交换系数[34,35]。而对于太湖这样的大型浅水湖泊而言,水深也是制约湖泊风浪发展的重要因素[33,36]。本文采用浪高表征湖面风浪发展状况,浪高的计算采用的是Davidan等[25]提出的模型,综合考虑了风速和水深对浪高的影响。

图6给出了平台山站10 m高度处中性条件下湍流交换系数随浪高的变化特征,在浪高<0.3 m时,CD10N和CE10N随浪高增加而迅速减小,在浪高处于3~4 m之间时达到最低值,随后随着浪高的继续增加而趋于平稳。在低风速条件下,CH10N变化特征与CD10N类似,但在达到最低值后随着浪高增加而略有上升。强风条件下(u10>5 m/s),即浪高>0.3m/s时,重力波是摩擦速度的主要影响因素,风浪浪高决定了粗糙度长度和动量交换系数的大小。受水深限制,虽然风速增大导致风浪继续发展,但风浪的倾斜度以及破碎程度的发展受到制约,CD10N趋于稳定,与实际情况相符。浪高<0.3 m(u10<5 m/s)时,湖面张力波和毛细波成为湖面粗糙度的主导因素,且风速越小湖面粘性特征对粗糙度影响越大,逐渐超过重力波(风浪)的影响,使得交换系数与浪高之间的变化关系变得复杂。

圆圈和误差线分别为1 m/s风速段内交换系数优化值和一倍标准差;虚线为Garratt海洋参数化方案

2.4.3 大气稳定度对交换系数的影响

湖泊上方的大气稳定度状况对于湖-气界面交换系数有着极为重要的影响[37]。本文计算交换系数所采用的数据中,大气层结不稳定(ζ<-0.04,即湖面温度高于气温),中性(-0.04≤ζ≤0.04)以及稳定(ζ>0.04)[38]所占比例分别为68.5%,14.3%,17.2%。本文计算了三种大气稳定度条件下观测高度处交换系数(CD、CH、CE)的平均值和标准差(表1)。无论是动量交换系数CD、感热交换系数CH还是水汽交换系数CE,大气稳定条件下的数值最低。中性条件下,CD的数值要高于不稳定条件下的数值,但CH和CE的数值在大气不稳定时最高。以往研究也得到了与本文相同的结果[14,39]。

图7描述了不同稳定度条件下观测高度处(8.5m)交换系数随风速的变化图。由于湍流产生的动力和热力条件,一般而言,极弱风条件(<1 m/s)下大气主要处于不稳定状态;大风条件(>6 m/s)下大气层结多为中性;稳定条件下的风速主要在1~6m/s。可以看出,CD在稳定条件下的数值明显低于不稳定和中性条件下的数值;而在4~9 m/s风速段内,中性条件下高值明显偏多。Li等[14]认为,在相似理论中,动量交换系数是稳定度参数和粗糙度长度z0的函数,而湖泊表面z0是不断变化的,并不是像陆面一样近似于定值。动量交换系数随大气稳定度的变化会受到不断变化的粗糙度长度的影响,使得这种变化关系不确定性增加。CH和CE则随大气不稳定度增加而逐渐增大,相对而言,CH的增幅大于CE。

2.5 与其他湖泊研究结果的比较

由于环境条件、气候特征以及自身形态和水文特征存在诸多不同,本文得到的交换系数值与其他湖泊的研究结果存在差异,表2综述了国内外湖泊通量观测研究得到的10 m高度处中性交换系数结果。其中Lake Valkea-Kotinen等人[5],Lake Tmnaren等人[6],Great Slave Lake[7]属于高纬地区湖泊,冬季湖面会结冰,选择无冰期进行研究;鄂陵湖[14]和洱海[12]分别位于青藏高原和云贵高原上,属于中低纬高海拔地区大型湖泊,其中鄂陵湖选取7~11月无冰期;而太湖[11]和Ross Rarnett Reservoir[9]则属于中低纬低海拔地区湖泊。

各个湖泊计算得到的CD10N,CH10N和CE10N值的变化范围分别为(1.21~2.51)×10-3,(0.49~1.49)×10-3,(0.82~1.44)×10-3,平均值分别为1.7×10-3,1.17×10-3,1.11×10-3。从表2中可以看出,虽然湖泊位置、形态和水文特征存在很大差异,大部分湖泊在三种不同交换系数的结果上较为接近。需要注意的是,个别湖泊的交换系数结果与其他湖泊交换系数值相差较大。如表中唯一的大型深水湖泊Great Slave Lake,无冰期湖面上方大气大部分时间处于稳定层结,使得其CH10N值远低于其他湖泊结果,仅为0.49×10-3。而在青藏高原上鄂陵湖的CD10N数值明显高于其他湖泊。若考虑剔除Great Slave Lake的结果,得到新的CD10N,CH10N,CE10N值的范围为(1.39~2.02)×10-3,(1.02~1.47)×10-3,(0.88~1.36)×10-3,而平均值分别为1.65×10-3,1.24×10-3,1.11×10-3。

3 结论与讨论

通过分析2014年太湖平台山观测站的小气候和涡度相关观测数据,可以得到以下结论。

(1)太湖湖面平均风速在1月和8月较小,在2月和9月较大,夏季台风来临前后最大日平均风速达8 m/s。湖-气界面年平均温差为0.74℃,季节变化特征不明显,全年有83%的时间湖面温度高于气温。湖-气界面水汽压差年均值为6.09 h Pa,最大和最小值分别出现在7月(8.87 h Pa)和2月(1.82h Pa)。

(2)动量、感热以及水汽交换系数都呈现冬春高、夏秋低的季节变化特征。10 m中性条件下动量交换系数(CD10N)、感热交换系数(CH10N)和水汽交换系数(CE10N)的全年优化值分别为1.39×10-3、1.31×10-3、1.0×10-3。

(3)CD10N、CH10N和CE10N随风速增加而减小,弱风(u10<4 m/s)条件下减小迅速,之后随风速增加而趋于稳定或略有增加。交换系数随浪高的变化特征类似于和风速的关系,浪高<0.3 m时,CD10N、CH10N和CE10N随浪高增加而迅速减小,但受水深限制,风浪的发展受到制约,交换系数随风速继续增大而趋于稳定。随着大气不稳定度增加,CH和CE逐渐增大,受变化的湖面粗糙度影响,CD随大气稳定度的变化特征不明显,但大气不稳定或中性条件下的CD明显大于大气稳定时的结果。

(4)本文得到的太湖平台山站动量交换系数优化值与其他6个内陆湖泊研究结果接近,感热以及水汽交换系数与除Great Slave Lake之外的其他5个湖泊相近。除Great Slave Lake,这6个湖泊交换系数CD10N,CH10N,CE10N的平均值分别为1.65×10-3、1.24×10-3、1.11×10-3。

本文仅分析了太湖中尺度通量网中平台山站单个站点的动量和水热交换系数,因太湖面积较大、港湾较多,不同区域在湖泊生物物理特性等方面可能存在空间差异,动量和水热交换系数是否存在空间差异还需进一步研究。

摘要：利用2014年太湖平台山站的涡度相关和小气候观测资料,优化得到(最小均方差原则)10 m中性条件下的动量交换系数(CD10N)、感热交换系数(CH10N)和水汽交换系数(CE10N),分析了其季节变化特征及其与10 m高度风速(u10),浪高和大气稳定度的关系,并与其他湖泊研究结果进行了对比分析。结果表明,太湖交换系数呈现冬春高、夏秋低的季节变化特征。在u10<4 m/s时,交换系数随风速增加而迅速减小,在u10=5~6 m/s时达到最小值后趋于稳定。受水深和风浪区限制,相同风速条件海洋参数化方案会低估太湖交换系数,低风速条件下低估更为明显。交换系数与浪高的关系类似于风速,但受水深限制,风浪发展受到制约,交换系数随浪高增加而趋于稳定。随着大气不稳定度增加,感热和水汽交换系数逐渐增大,大气不稳定或中性条件下的动量交换系数明显大于大气稳定时的结果。7个湖泊研究结果对比分析表明,湖泊形态特征对交换系数的影响较小,除Great Slave Lake外,6个内陆湖泊交换系数CD10N、CH10N和CE10N的平均值分别为1.65×10-3、1.24×10-3、1.11×10-3。

特征系数篇6

关键词：移动通信,波动系数,不均衡系数

1 波动系数统计方法探讨

现实网络的系统忙时话务量随着时间在不断变化, 这种变化的规律, 以及针对这种变化规律推理出来的统计方式是人们研究系统忙时话务量的变化的时候关注的主要问题。

图1中显示了某市1月份到11月份系统忙时话务量的变化情况, 从图1可见, 该市的系统忙时话务量在逐步增加的同时也表现出较大的波动性。

从长期变化趋势来看, 系统忙时话务量的变化主要是由用户量的增长的因素引起的 (图中的直线是采集数据的拟合曲线) ;但从短期变化趋势来看, 用户量的变化并不是影响系统忙时话务量变化的主要因素, 而是用户话务行为的变化。不计短期内用户的增长, 将系统忙时话务量按每周统计归一化, 得到用户话务行为的变化特征如图2所示。从图2可以看出, 该市系统忙时话务量的波动比较大。这里使用波动系数来表征这种系统忙时话务量的变化。

在目前针对波动系数的研究过程中, 主要使用下面两种波动系数的定义方法。设小区话务量矩阵:

1) 方法一

定义:日小区忙时话务量:

设有n个小区, 在d天n个小区0~23点内产生最大话务量的合计, 定义为日小区忙时话务量, 如下所示:

定义:月小区忙时话务量:

设有n个小区, 统计时间为1~d天。将月小区忙时话务量定义为在统计时间内日小区忙时话务量的加权平均:

公式:

2) 方法二

定义:系统最大忙时话务量:

统计时间内系统忙时话务量的最大值:

定义:系统平均忙时话务量:

统计时间内系统忙时话务量的平均值:

公式:

在网络规划和配置过程中, 这里的统计时间段通常取每个月的一周, 然后将一年的波动系数取平均值作为波动系数的最终取值。

3) 两种波动系数定义方法的比较

从以上两种波动系数的计算公式中, 可以归纳出以下几点:

a、统计特性方面

方法一中, 月小区忙时话务量考虑了小区忙时话务量的统计特性, 将小区忙时话务量近似为正态分布函数, 从而将月小区忙时定义为各小区忙时的统计平均值。这种方法比较贴近小区忙时话务量的实际情况。

方法二中, 将波动系数定义为最大系统忙时话务量和平均系统忙时话务量的比值, 这种方法在短期统计计算过程中, 与实际系统忙时话务量的趋势相差较大。

b、统计精度方面

方法一中, 虽然方法一针对短期数据的统计方法比较切合分布特性, 但由于只是针对一年中某两个星期波动系数的计算, 与长期波动系数的变化趋势差别较大。比如, 如果取值的时间段接近春节, 波动系数将明显偏大, 如果取值时间段接近年中, 波动系数将明显偏小。

方法二中, 由于方法二考虑的是最大系统忙时话务量和平均系统忙时话务量的比值, 所以从短期计算来看, 波动系数的取值明显偏差较大, 但由于计算时间考虑了一年, 这种偏差的影响能够从一定程度上得到消除。

c、计算效率方面

方法一需要对每天的小区忙时话务量进行计算和统计, 如果和方法二取值时间相同, 方法一明显需要更长时间, 但方法一只是针对一年中的两周进行统计, 而方法二针对一年中每个月的一周进行统计, 所以综合下来, 两者的计算时间相当。

两种方法各自有自己的优点和缺点, 课题研究的目标就是试图找到一个更接近系统忙时话务量变化规律, 又运算效率高的方法。

2 不均衡系数统计方法探讨

与固定用户不同, 移动用户总是处于移动状态, 用户在网络中移动造成了各小区之间的实际忙时以及忙日并不一致。由于小区的配置是以实际忙时为准, 而网络是由多个小区构成, 因此网络实际所配置的无线容量需要大于系统忙时的容量需求。

定义:系统忙时话务量

统计时间段上某天全网统计产生最大话务量所对应时刻的话务量, 如下所示:

用户移动性导致同一小区的不同时间、以及不同小区之间话务量相差较大, 对于用户移动性较强的地区, 这种差别就更加明显。通过引入小区话务部平衡系数指标能够客观反映用户的移动性。

小区话务部平衡系数=小区忙时话务量/系统忙时话务量-1

用公式表示为:

该参数的比值越大, 说明各小区忙时多不一致, 用户的移动性较强。

这种方法能够考虑小区忙时话务量和系统忙时话务量的差别, 但无法从统计特性上更准确的把握用户移动性的本质特性。下面结合各方面理论和实践分析, 探讨更为精确的定义方法。

3 新型统计方法探讨

本文在分析了大量现网数据的基础上, 对由于系统忙时话务量本身的波动和由于用户移动而造成的小区实际忙时与系统忙时不统一分别进行了分析和定义。

3.1 波动系数的定义和分析方法

从图2中可见, 该市用户话务行为的波动比较大。通过对数据进行归一化的分析, 得出均值为1, 标准方差为0.23。统计的归一化用户行为和对应的正态分布的累积分布曲线和概率分布图。统计的数据和对应正态分布的累计分布概率的相关性达到0.968, 通过对其它城市的数据分析, 发现二者的相关性一般也在0.93以上, 因此可以用正态分布函数来拟合用户话务行为的波动性。

根据前面分析, 为表征用户话务行为的变化情况, 定义系统忙时波动系数为归一化系统忙时话务量的标准方差。即:归一化系统忙时话务量的标准方差为系统忙时波动系数:

由于可以用正态分布函数来拟合用户话务行为的波动性, 而系统忙时话务量是用户数和单用户话务量乘积, 因此可以用tsAV和σs来表征系统忙时话务量的波动情况。实际统计中, 采用1+σs所达到的统计概率为84%左右, 而采用1+1.5σs所达到的统计概率为93%左右。利用tsAV和σs可以估计未来系统所承担的最大忙时话务量, 从而为交换网和无线网的配置提供依据。

1.2不均衡系数的定义和计算方法

为了表征用户的移动特性, 我们引入不均衡系数的概念。

定义:小区最大话务量:指各小区在统计时间1~d天内实际忙时话务量的最大值。

在实际采集数据进行分析时, 某个小区可能在数据采集的时间内具有较高的话务量而在其他相当长的时间内话务量偏低, 此时若采用采集时间内的最大值则可能使得容量偏大, 从而降低了实际网络利用率。

本文选择某市2010年12月1号~2010年12月7号7天时间内, 采集到有效数据的240个小区作为考察对象。为了准确配置小区, 我们对该地区的小区数据进行分析, 首先对每个小区7天内的最大值进行归一化处理, 然后对归一化数据进行统计分析。统计分析结果如下图所示:

根据统计, 该市240个小区归一化数据的统计结果与正态分布累积分布概率的相关性为0.997, 二者相关性在1+标准方差后几乎为1。据此, 我们认为可以采用正态分布来拟合小区间话务量不均衡情况。

定义:小区统计话务量:指各小区每天实际忙时话务量的均值+α*各小区每天实际忙时话务量标准偏差 (α值得不同代表不同的统计概率, 下面计算中采用α=1, 统计概率84%左右) 。

定义:不均衡系数αUm-M:以小区承担的最大话务量计算。

定义:用户移动性因子αUm-s:以小区承担的统计话务量计算。

通过以上对历史数据的计算, 得到了σs、αUm-M和αUm-s, 即波动系数和不均衡系数。从而可以得到小区忙时话务量:

由于在规划或可研的过程中可以得到未来系统需要承载的话务量 (可认为是tsAV) , 而σs及αUm可以通过统计得到, 因此可以用公式 (7) 预测未来无线网络的小区忙时话务量。

4 实际计算验证新方法和原方法的差别

本文选用2010年12月1日~12月7日, 某市240个有效小区作为考察对象, 分析现在使用的计算波动系数和不均衡系数的方法和新型计算方法计算出来的数值有多大程度的差别。

使用波动系数方法一和原不均衡系数的计算方法, 得到的波动系数和不均衡系数的变化趋势如图3所示。

7天时间统计平均, 波动系数的平均值为0.155, 不均衡系数的平均值为0.137, (1+波动系数) * (1+不均衡系数) 的7天平均值为1.313.

使用本文探讨的新型统计方法, 7天波动系数为0.082;不均衡系数:使用所有小区承担的最大话务量计算为0.206;使用所有小区承担的统计话务量计算为0.162, 平均值为0.184。 (1+波动系数) * (1+不均衡系数) 的7天平均值:使用所有小区承担的最大话务量计算为1.305;使用所有小区承担的统计话务量计算为1.258, 平均值为1.282。图4是两种统计方法对比图:

从以上针对同样数据, 使用原有和新型统计方法的计算结果可以看出:单纯考察波动系数和不均衡系数, 两种方法的差别比较大, 原因是两种计算方法的统计方式和统计规律不同;但综合考察忙时话务量和小区忙时话务量的差别, 即 (1+波动系数) * (1+不均衡系数) 可以看出, 原有计算方法得到的平均值为1.313, 新型计算方法得到的平均值为1.282, 差别不大。但由前面的分析可以看出, 本文研究的统计方法更符合话务量的实际分布情况。

参考文献

[1]陈向阳.网络工程规划与设计[M].北京:清华大学出版社, 2010.

[2]陈德荣, 刘永乾, 蒋丽.移动通信网络规划与工程设计[M].北京:北京邮电大学出版社, 2010.

[3]徐华林.专用无线通信系统话务量的计算[J].邮电设计技术, 2004, 52 (5) :950-954.

特征系数篇7

十八大报告中强调了推进经济结构战略性调整的重要性,指出这是加快转变经济发展方式的主攻方向。提出必须以改善需求结构、优化产业结构、促进区域协调发展、推进城镇化为重点,着力解决制约经济持续健康发展的重大结构性问题。同时,也强调了要全面提高开放型经济水平,加快走出去步伐,增强企业国际化经营能力,培育一批世界水平的跨国公司。

“十一五”期间,我国对外直接投资年均增速达到34.3%。截至2011 年底我国对外直接投资累计3 823 亿美元,当年共对全球132 个国家和地区投资651 亿美元,居发展中国家首位。

2011 年国内生产总值471 564 亿元,比上年增长9.2%。其中,第一产业增加值47 712 亿元,增长4.5%;第二产业增加值220 592 亿元,增长10.6%;第三产业增加值203 260 亿元,增长8.9%。第一产业增加值占国内生产总值的比重为10.1%,第二产业增加值比重为46.8%,第三产业增加值比重为43.1%。

对外直接投资是指企业以跨国经营的方式所形成的国际间资本转移。一般认为,对外直接投资是一国投资者为取得国外企业经营管理上的有效控制权而输出资本、设备、技术和技能等无形资产的经济行为。1从整个国民经济的产业结构变化看,产业结构升级是指国民经济重心由第一产业向第二产业,进而向第三产业的升级。2加快产业结构调整,是经济发展到一定阶段的客观要求。经济发展的核心是产业结构的高级化。从根本上说,经济不断发展的过程就是产业结构逐步优化升级的过程。产业结构升级的主要原因是技术进步和比较优势的变化,而对外直接投资对于母国技术进步有促进作用,这样就使对外直接投资对产业结构升级具有促进作用。

一、相关理论

对于这一问题的争论,国内外学者提出了很多不同的观点,从理论上主要可以概括为“产业升级论”与“产业空心化论”之争。

首先介绍国外的观点。日本学者小岛清(Kojima,1976)提出了边际产业扩张论,提出一国应从处于比较劣势的产业(即边际产业)开始开展对外直接投资,进而将资源用于优势产业来促进国内产业结构升级。弗农(ver-non,1966)的产品生命周期理论指出,一国根据产品生命周期的不同,通过对外直接投资将成熟产业向低成本国家转移,自身则从事高新技术产品的研发与生产,这必然会导致投资母国产业结构的调整与升级。坎特威尔与托兰惕诺(Eantwell,Tolentino,1990)的技术创新产业升级理论认为,发展中国家的对外直接投资开始是在周边国家进行,随后为了获得较为复杂的技术会向发达国家投资,可以获得逆向技术溢出,从而促进母国的产业升级。

相反观点的主要有如下一些代表。产业空心化理论开始形成是在20 世纪60 年代。当时,美国为了绕开欧洲市场的关税壁垒,将汽车、电机等产业向西欧国家直接投资。这些行业在西欧迅速发展,最终导致美国对西欧国家的出口减少,并且要进口西欧的产品。于是,一些美国学者认为,美国出现了产业的“空心化”。Pain&Barrell(1997)对欧洲国家的研究,发现ODI对母国的贸易和就业产生负面影响。Cowling&Tom-linson(2000)的研究发现日本的跨国公司对外投资有利于大的跨国公司,但是却影响了日本国内的工业部门,导致产业的“空心化”现象。

一些中国学者对中国的对外直接投资和产业结构升级的关系进行了研究。范飞龙(2002)提出,在区位比较优势的前提下,优先选择产品供求链长、产业内贸易量大的产业进行对外直接投资以发挥其对国内产业升级的拉动效应。范欢欢和王相宁(2006)利用自回归分布滞后模型对中国ODI进行研究,发现ODI与第二产业结构正相关,与第一、三产业结构无关。冯志坚(2008)分析了发展中国家通过对外直接投资提高产业竞争力的4 个途径,提出按照梯度转移原则,实现流出FDI的产业化和国际化,将国内制造业中的成熟产业转移至其他发展中国家,为高新技术产业的发展提供空间。江东(2010)基于我国部分省份面板数据的实证分析表明,O-DI与投资省份的产业结构升级存在正相关关系,且与投资规模有关。

也有部分学者得出相反的结论。樊纲(2003)认为,当原有产业逐渐衰退时,为了生存向后进国家转移,而新的产业还没有发展,补不上转移出去的缺口,这就会形成产业空心化现象。汪琦(2004)认为,ODI引发的无序产业外移,会导致海外生产替代国内生产,使国内生产能力下降,从而产生技术流失、就业水平下降、税源转移等现象,进而造成国内产业衰退。

综上所述,国内外已有的研究对对外直接投资与母国产业结构调整的关系从不同角度作了理论与实证分析,其结论大多是对外直接对母国产业结构调整具有显著作用。但其影响到底是正向还是负向的观点不同。

二、对外直接投资对产业结构升级作用机理

对外直接投资对母国产业结构升级的影响途径可以分为以下三大类:一是通过资源寻求型对外直接投资获取海外丰富的自然资源,从而促进国内产业结构升级。首先,通过对外直接投资,能保障我国资源能源供应的战略安全,可以为整体产业升级提供资源保障和支持,从而促进产业结构升级。其次,能缓解国内资源型企业原料能源供应紧张的压力,直接增强其生产能力。再次,资源型企业获得了更好的发展后,有更多的机会向产业链更高的部门转移。

二是通过战略资产寻求型对外直接投资,促进国内产业结构升级。对发达国家的高新技术产业进行投资,获取先进技术及管理经验,通过逆向技术外溢效应,使母公司获得相关技术及管理经验,再通过示范效应和竞争效应促进国内产业内的技术升级,最后通过行业间的波及效应使前后相关联产业技术得到提升,从而促进国内产业结构升级。

三是效率寻求性和市场寻求性对外直接投资可以促进母国产业结构升级。扩大对外直接投资,转移国内产能过剩产业和边际产业到生产要素价格更加低廉的国家或地区,这可以更加有效率的配置资源,提升国际竞争力。企业在他国生产销售并出口,还可以规避国际贸易壁垒,从而寻求更大的市场。此外,由于将过剩产能转移到其他国家,国内也可将有限资源集中到更高级的产业,促进国内产业结构优化。

还有,国家的对外直接投资政策和对外直接投资的收益回馈也能促进国内产业结构的升级。尽管存在上述机理,但实践中两种相反的影响是客观存在的,理论上也有两种相反的声音。因此,采用新的方法来实证对外直接投资增长对于产业结构升级的影响就有了必要。

三、模型和数据

本文选取了2004—2011 年的对外直接投资数据,数据来源是商务部网站。与之对应,产业结构方面的数据也是这8 年的,数据来源于国家统计局。

本文对产业结构水平的衡量借鉴了产业结构层次系数,1并对之进行了改造。中国现在正处于工业化中后期阶段,第二产业的带动作用是整个经济增长的决定主力因素。考虑到中国的第三产业中传统部门占有较大比重,所以给三产过高的权数不符合中国的实际状况,有高估中国产业结构之嫌。因此,对原公式进行更合理的修改,将第二产业和第三产业赋予相同的权数为2。因此,改造后的产业结构层次系数为y=2q(3)+2q(2)+q(1)。

为了研究对外直接投资和产业升级的关系,创造了对外直接层次系数,这一系数根据中国可能获得的逆向技术溢出效应的大小而构造。公式为x=∑ab,a为地区权数,b为该地区的中国对外直接投资额在中国对外直接投资总额中的比重。权数的赋予主要根据这些地区和中国人均GDP的关系,参考在这些地区的投资行业而确定。北美和欧洲权数为10,大洋洲为8,亚洲和拉美为2,非洲为0.5。模型设定为:Y=α+βX+μ,

x和y都是二阶单整序列,存在协整关系。样本可决系数为0.711908,t检验和F检验都通过,回归结果为:y=177.1971+4.676531x。

四、结论

特征系数篇8

理想的接收机它只放大天线所输入的信号和噪声, 但在实际情况下, 接收机内部会产生噪声, 所以在输出的噪声中当中, 除了天线的热噪声外, 还有接收机自身的噪声, 为了衡量接收机的内部噪声大小, 引入“噪声系数”这个参量。接收机噪声系数NF的定义是指接收机输入端信噪比与输出端信噪比的比值:/ÁÁS NÁS/ÁN

它表示信号通过接收机以后, 信号噪声坏了多少倍数, 噪声系数通常用分贝来表示:

如果接收机是个理想的无噪声网络, 那么其输入端的信号与噪声得到得到同样放大, 也就是输出端的信噪比与输入端的信噪比一样NF (d B) =0d B。若接收机本身有噪声, 输出的噪声功率则是放大后的输出噪声功率与接收机本身噪声功率之和。显然, 经接收机放大后, 输出端的信噪比比输入端的信噪比低, 即NF>1[1]。

1 Y系数法

噪声系数是表征雷达接收机的一项重要技术性能指标, 它表征了接收机检测弱信号的能力。噪声系数的测试方法非常多, 如功率倍增法、中频衰减法、冷热负载法和自动测试法等。但是其测试的理论基础都是Y系数法。本文主要结合某型接收机介绍具体的噪声系数测试实现方法[2]。

Y系数法测试噪声系数的原理框图如图1所示。

在测量噪声系数时, 输入信号为噪声发生器的输出功率。当不启动噪声发生器时, 从指示器上读出的指示值为;启动噪声发生器时从指示器上读出的指示值为N0。两次指示功率的比值为:

式中, NF为接收机的噪声系数 (d B) ;ENR (Excess Noise Radio) 为噪声发生器的超噪比 (d B) ;Y为两次测量功率比值的倍数。

2某型号接收机噪声系数测试方法的实现

该测试方法Y系数法为基础, 简化了噪声系数测试仪器, 通过噪声源在开关两种状态下的统计数值, 根据公式得出噪声系数值。通过VC++编程, 采用软件实现的办法, 程序流程图如图2所示。

在计算公式中, Y为两次测量功率比值的倍数, 这里具体计算公式为:

这是由于在噪声源开或者关的情况下所采集到的量值Y或X是信号幅度值, 而不是功率值, 所以在公式中有平方的关系。

结束语

本文给出了基于Y系数法测试噪声系数的计算公式, 与此同时结合了某型号接收机给出了具体实现方法。并给出了VC++程序的流程框图, 为其他型号的接收机测试噪声系数提高了参考和借鉴。

摘要：噪声系数是表征雷达接收机的一项重要技术性能指标, 它表征了接收机检测弱信号的能力。本文利用Y系数法测试噪声系数的原理, 推导出噪声系数的计算公式, 同时结合某型接收机, 给出具体实现方法。