1) water demand prediction
需水量预测
1.
Based on multiple regression,neural network and grey system models for regional water demand prediction,a combined prediction model for regional water demand using set pair analysis is presented.
在建立区域需水量预测的多元回归、神经网络和灰色系统模型的基础上,提出基于集对分析的区域需水量组合预测模型(SPA-CF),从同、异、反3个方面对各单个预测模型的预测精度进行定性和定量的综合分析,合理确定各单个预测模型的权重。
3) prediction of water demand
需水量预测
1.
The prediction of water demand is necessary for understanding the requirement and supply of water resources,and for planning the development of city and economy to keep the sustainability of water resources.
天津市是严重资源型缺水城市,科学、有效的需水量预测研究就尤为重要。
4) water demand forecasting
需水量预测
1.
The select of forecasting method is also important for scientific and accurate water demand forecasting.
需水量预测是城市供水和节水系统规划和建设发展的主要依据,其预测方法又是科学准确预测需水量的重要手段。
5) forecasting demand
预测需水量
6) water need forecast and prediction
需水量预测预报
补充资料：植物需水量
植物全生育期内总吸水量与净余总干物重（扣除呼吸作用的消耗等）的比率。由于植物所吸收的水分绝大部分用于蒸腾，所以需水量也可认为是总蒸腾量与总干物重的比率。如用每形成 1克干物质需要蒸腾水分的克数表示，则称蒸腾系数。如稻的蒸腾系数为680,小麦为540，玉米为370（见表）。系数愈大则水分利用效率愈低。蒸腾系数的倒数，即植物每蒸腾失水1000克所形成干物质的克数称蒸腾效率，其值越大则水分利用效率越高。一般植物的蒸腾效率为1～8。各种作物的水分利用效率不同。一般四碳植物的需水量低于三碳植物。这与两者的地理起源不同，形态、结构、生理、生化特性以及由此所决定的光合效率不同有关(见光合作用)。四碳植物由于有较高的光合固碳效率,一般气孔频率低于三碳植物，因而增大了气孔对水分的阻力，减少了蒸腾失水，提高了水分利用效率。同一种作物的需水量,还常因其他条件变化而异,如在土壤缺乏氮、磷、钾等无机营养时，水分利用效率降低，需水量增加。参与水分代谢的水分称生理需水。由于土面或棵间蒸发以及因径流与渗漏等而需要消耗的一定量水分，则并不被吸入植物体内参与水分代谢，只具有调节生态环境中水平衡的作用，因而可称为生态需水。灌溉时计算的作物需水量实际上是生理需水与生态需水的总量。作物需水量的测定，对计算农业用水、灌溉定额以及选择适合干旱地区栽培的作物类型等都具有重要意义。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条