潜力的兑现还是赢者的诅咒——来自跨区域能源项目电价反向招标的证据(2006—2020年)北大核心CSCDCSSCI

能源项目反向招标作为替代统一上网电价的市场自由化政策在全球范围内有效提高了各类能源的降本效率,但近年来项目投标运营主体却陷入了盈利瓶颈。针对这一现象,该研究修正关联价值模型,构建动态竞标决策框架,评估项目成本和产出不确定时能源投资企业附加动态预期的最优投标电价决策,并利用2006—2020年欧美和亚太地区3000余个大型电站电价招标及项目后期运营的样本数据进行检验。结果显示:①几乎全球能源投资企业都会陷入“过分乐观”预期导致的“赢者诅咒”怪圈,最终所持项目的实际运营收益远低于预期。投标主体往往更容易低估项目建设和运营的成本压力和风险,并高估项目的电力产出和收入稳定性,尤其在联合投标机制被取消和禁止以后,招标结果甚至变得更加激进。由于经历过超预期技术进步的持续修正,过度乐观的预期超越了行业内生性的技术进步,成为持续施压电价下降的重要动力。②当前的能源产业特别是风、光新能源未能有效发挥行业潜力,随着新能源行业技术革新,它较之火电项目表现出更加激进的竞标策略。在内卷化竞标压力下,内生性的成本优化阻碍了新能源项目的潜力发挥,当期成本是导致其陷入“赢者诅咒”的最重要原因。③在考虑学习曲线效应等诸多因素以后,除了企业的融资成本优势以外,样本数据并未发现包括经验、市场环境等内外部因素能使企业跳出这一怪圈。甚至在过去的5年左右时间里,“赢者诅咒”导致的项目投资利润下降超过市场技术进步因素,一度成为风电和太阳能项目电力价格下降的最主要因素。因此,健康可持续的能源产业政策需要立足于上游持续的技术革新,完善绿色金融为基础的资本市场体系,确保提供优质项目服务能源消费者,并为能源项目投资者提供来自资本市场的认可和支持。     

应用均生函数预测营口市大气污染趋势

通过分析营口市４种主要大气污染物浓度的四季变化主要特征，建立均生函数预测模型，拟合及预报试验表明，该预测模型不但可以很好地拟合大气污染物，而且还能对未来时段的大气污染浓度做出较符合实际的预报。     

交通安全对策的关联树法分析

分析了交通安全的影响因素,结合系统工程理论,建立了道路交通安全对策关联树,并计算了指标的重要度,为提出合理的交通安全对策提供了理论依据.     

常州市臭氧污染传输路径和潜在源区

利用NCEP全球再分析资料和HYSPLIT4模式,计算了2013—2015年常州市臭氧(O_3)超标日的气流后向轨迹。结合聚类分析方法和常州市PM2.5、PM10、SO2、NO2、O_3数据,分析了O_3超标日不同类型气团来源对各污染物浓度的影响,并利用引入权重因子后的潜在污染源贡献函数分析了影响常州市O_3超标的潜在污染源区分布特征。结果表明:常州市O_3超标期间易受到东南和西南方向气流影响,其中从东海和黄海途经浙江东北部、上海、江苏南部等地的东南气流占比达50%以上。自内陆途经黄山-湖州-宜兴到常州的气流对应的O_3平均质量浓度最高,为116μg/m3。自山东经枣庄-宿迁-淮安-泰州-苏州-无锡到常州的气流对应的O_3平均质量浓度最低,为78μg/m3,但该气流对应的SO2和NO2平均值为各聚类中的最高。影响常州市O_3的潜在污染源区主要在常州周边200 km以内的区域,且集中在从南京至上海的长江下游沿线区域和杭州湾区域;其中太湖湖区为重点污染源源区之一。O_3超标日影响常州NO2的潜在污染源区主要集中在江苏南部、浙江东北部和上海3个区域,太湖周边的常州、无锡、苏州和湖州等几个临近城市为潜在的重点污染源区。与影响常州O_3的WPSCF高值区相比,影响NO2的高值区分布范围更大、距离更远。影响常州O_3的潜在污染源区分布,与长江三角洲地区人为源大气污染物的高排放区域较为一致,说明长江三角洲地区的O_3污染与本区域的人为源大气污染物排放有着极为密切的关联。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。     

汾河着生硅藻种间关联和相关分析

通过对汾河12个采样点，21个优势种的关联和相关分析，它们中66％呈正相关，根据spearman秩相关系数计算结果．21个优势种可被分为4个生态种组，分别指示不同的环境条件。眼斑小环藻等可成为清洁水体的优势种；微小异极藻、谷皮菱形藻等为多污带指示生物，且耐污性强，亚平滑曲壳藻、冬季等片藻等种为α-中污带指示生物，具一定的耐污性；箱形桥弯藻、尖针杆藻等为β-中污带和清洁带的指示生物，对污染敏感。