摘要：文章介绍了中国gep核算推行的背景及实施进程,阐述了国内外gep概念的提出和研究进展,以及SEEA框架下的生态系统核算概念。文章指出:由于没有涉及编制价值量生态系统资产账户、没有扣除生态系统服务供应中产生的任何相关生态系统退化,gep核算不能反映生态系统资产是否实现可持续利用或生态产品流量供给在数量或质量上是否可持续。文章认为:生态产品就是SEEA框架下的生态系统服务。由于对生态产品等关键概念界定不严谨,没有考虑“供给=使用”核算原则,对按交换价值进行估值等基本核算原则考虑不足,导致gep核算实物量核算范围过大、价值量核算取价过高。文章特别指出《生态产品总值核算规范》在供给服务指标设计中缺失“供水”这一重要指标。文章结合gep试算工作中反映出来的部分问题,就中国生态产品价值核算应依据的标准、执行主体、数据来源、核算方法、发展方向与核算重点,给出了针对性的政策建议。

摘要：各地积极践行“两山”理念,探索出许多创新举措和应用案例,生态系统生产总值(Gross Ecosystem Product,gep)核算有助于提高人们主动参与生态系统保护行动、提高人们自然生态保护意识,受到广泛关注。浙江西南山区受制于交通不便、建设用地局促、生态保护红线的制约,是名副其实的生态高地,经济发展洼地。本次以丽水瓯江河川公园规划为例,以“gep”增值为导向探讨多要素的规划方法,结合全域水网建设背景和山水单元特点,集合多维要素,统筹考虑防洪防枯、滨水休闲开发、美丽乡村、水环境管理、智慧工程规划、基础设施工程等,为地区发展赋能,推进资源换资产,资产变资本,完善政策体系设计,拓展延伸生态产品价值链。

摘要：近年来,我国生态文明建设顶层设计日趋完善、制度建设纲举目张,推动生态环境质量持续改善。在此背景下,作为量化生态文明建设重要抓手的绿色核算迫在眉睫,gep(生态产品总值)。

摘要：生态系统生产总值(gep)是我国生态文明建设的重要载体,其定量化核算结果是探索生态产品价值转化路径的基础和关键,对推动经济可持续高质量发展具有重要意义。从gep精准、高效核算的需求出发,基于Browser/Server、Python等前后端软件开发技术构建了针对长江经济带城市的自动核算平台,通过底层数据库组和web端空间运算的功能设计优化了数据冗余、预处理程度深等问题。系统运行结果表明:吴江区2020年gep价值总量为3439.86亿元,其中调节服务3187.33亿元,占比92.66%,文化服务215.12亿元,占比6.25%,物质产品37.41亿元,占比1.09%,价值高地集中分布于东太湖、同里湖等水域。

摘要：基于一种新的自动程序设计方法基因表达式程序设计(gep),通过设计适应函数、初始化群体的优化、增加新的遗传算子以及采用演化策略中的(λ+μ)淘汰策略等对原始gep算法进行有效的改进,设计出一种新的数据挖掘算法。采用UCI机器学习知识库中的数据集对该算法进行了实验,并通过与C4.5及文献[3]的比较,检验了该算法的准确性。

摘要：简要介绍了基因表达式程序设计方法的基本原理,利用VC++和C#混合编程方法编制了其求解反问题的实验平台,在分析了传统K表达式求值算法的利弊后给出了一种新的K表达式快速求值算法Kquick,并对其进行时间、空间复杂度分析,结果显示其明显优越于传统算法;在gep的程序实现上,采用了单指令多数据(SIMD)技术,充分发挥了算法内含的并行性,设计出了基于gep的PSS系统,PSS将大大有助于进一步的反问题求解研究。

摘要：基因表达式程序设计(简称gep)是一种新型的遗传算法,它继承了遗传程序设计(简称GP)和遗传算法的优点并且具有更高的效率和更强的搜索能力,但同时也存在缺乏学习机制,搜索过于盲目的缺点,针对其缺点对其进行了如下改进:(1)改变了gep的基因表达式结构,将原来的“头+尾”结构改成了“头+身+尾”结构,以利于其引进学习机制;(2)同源基因也采用“头+身+尾”结构,以利于增强其搜索能力;用其实现复杂函数的自动建模,实例测试的结果表明用改进的基因表达式程序设计得到的模型比传统方法得到的模型要好,甚至优于用遗传程序设计和基本的基因表达式程序设计得到的模型。

摘要：为了对变压器的运行状态和潜伏性故障进行有效预测,提出了基于基因表达式程序设计(Gene Expression Programming,gep)滑动窗口预测模型的变压器油中溶解气体浓度的预测方法。根据变压器油中溶解气体量的变化特点,选择合适的嵌入维度、终结点集、函数集等gep运行参数后由适应度函数驱动进行遗传操作,演化出各气体的预测模型。结合变压器运行实例,给出了7种主要气体的预测结果以及H2含量的预测公式,并与MGM(1,7)模型进行比较。对比结果表明,该方法能有效地提高预测精度。

摘要：利用Markov链与谱分析理论研究基于精英保留策略的基因表达式程序设计算法(ME-gep)的收敛速度,获得了以下结果:(1)ME-gep算法依概率收敛到全局最优解;(2)ME-gep算法的收敛速度由算法对应的Markov链的状态转移矩阵的修正谱半径决定;(3)给出了修正谱半径的一个上界;(4)作为文中理论成果的应用,分析了多项式函数建模问题的ME-gep算法的收敛速度,进一步证实了算法收敛速度与算法参数的依赖关系。

摘要：在对变压器的故障类型和常用的诊断办法进行全面总结的基础上,提出了通过基因表达式程序设计算法进行变压器故障诊断的新思路,并完成了相应的软件设计。