新疆喀什地区城镇化过程中用水量预测

发布时间：2018-07-21 13:20

【摘要】：根据新疆喀什地区城镇化过程中用水量的变化特征,应用系统动力学理论,以仿真模拟技术为手段,以2002-2010年的统计数据为依据,通过模拟,设计出喀什地区城镇化过程中的用水量系统模型,设定了低、中、高三种城镇化发展速度模式,预测未来30年喀什地区用水量及其产业结构的水资源开发利用率。结果表明:喀什地区不宜采取低速和高速的城镇化模式,而适合采取中速城镇化发展模式。通过分析认为,走中速城镇化发展道路,能够保证城镇化发展过程中水资源的可持续利用。
[Abstract]:According to the changing characteristics of water consumption in the urbanization process of Kashi region, Xinjiang, the theory of system dynamics is applied, the simulation technology is used as the means, and the statistical data from 2002 to 2010 are taken as the basis. This paper designs a water consumption system model in the urbanization process of Kashi area, sets up three kinds of urbanization development speed models of low, middle and high levels, and predicts the utilization rate of water resources in Kashi area and its industrial structure in the next 30 years. The results show that the low speed and high speed urbanization mode is not suitable for Kashi region, but suitable for medium speed urbanization. Through the analysis, it is concluded that the sustainable utilization of water resources can be ensured in the course of urbanization development by taking the road of medium speed urbanization.
【作者单位】： 新疆大学资源与环境科学学院/绿洲生态教育部重点实验室;新疆师范大学地理科学与旅游学院/丝绸之路经济带城市发展研究中心;新疆教育学院;
【基金】：国家自然科学基金项目(41261036)资助
【分类号】：TV213.4

【相似文献】

相关期刊论文 前10条

1 陈金锥;王峰;魏忠庆;;用水量预测模型的灰色综合评价与择优[J];水科学与工程技术;2007年02期

2 任加锐,唐德善;新疆地区用水量现状调查及预测分析[J];西北水电;2005年02期

3 陈南祥;徐海洋;;模糊线性回归法在用水量预测中的应用[J];人民黄河;2007年05期

4 高晓冬;耿雷华;刘恒;姜蓓蕾;童坤;;“十二五”全国万元工业增加值用水量目标可达性分析[J];水利经济;2013年05期

5 张智;陈金锥;魏忠庆;谷尘勇;刘亚丽;;城市年用水量的分类预测探析[J];水科学与工程技术;2006年04期

6 范通达;江兵;范戊均;方韬;;基于主成分分析的多元线性回归用水量模型研究——以安徽省为例[J];基建优化;2007年02期

7 王春超;王丽萍;曹云慧;朱艳霞;张验科;;改进多变量灰色模型在城市用水量预测中的应用[J];水电能源科学;2013年02期

8 王同生;对九十年代太湖流域实际和预测用水量的一些分析[J];水利规划设计;2001年03期

9 徐得潜;;城市用水量预测[J];水资源与水工程学报;1992年03期

10 杨雪菲;粟晓玲;马黎华;;基于人工神经网络模型的关中地区用水量的预测[J];节水灌溉;2009年08期

相关会议论文 前1条

1 熊建秋;邹长武;李祚泳;徐婷婷;汪嘉杨;;基于支持向量机的人均综合用水量预测[A];中国环境保护优秀论文集（2005）（上册）[C];2005年

相关硕士学位论文 前3条

1 艾萨迪拉·玉苏甫;新疆喀什地区城市化过程中用水量预测研究[D];新疆师范大学;2016年

2 李贺;基于自组织数据挖掘方法的区域用水量预警分析[D];华北电力大学(北京);2016年

3 周戎星;区域用水量驱动因子识别及其预测研究[D];合肥工业大学;2014年

，

本文编号：2135654