李婷

摘 要： 在可持續(xù)發(fā)展、復(fù)雜系統(tǒng)和預(yù)警理論的基礎(chǔ)上，根據(jù)我國經(jīng)濟(jì)、社會發(fā)展的基本情況以及“十一五”污染減排監(jiān)督管理工作面臨的主要態(tài)勢，構(gòu)建了污染減排預(yù)警指標(biāo)體系，并對我國污染減排體系進(jìn)行了應(yīng)用性預(yù)警研究，最后針對預(yù)警結(jié)果中存在的問題提出了對策及建議。

關(guān)鍵詞： 污染減排； 預(yù)警； 人工神經(jīng)網(wǎng)絡(luò)； 指標(biāo)體系

中圖分類號： TN711?34； TM417 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）09?0183?04

Abstract： On the basis of sustainable development， complex system and early?warning theory， the early?warning indicator system of pollution emission reduction was constructed according to the fundamental situations of China′s economy and society， and the main situation facing with the ″11th five?year plan″ pollution emission reduction supervision and management work. The application early?warning research was performed for the national pollution emission reduction system. The countermeasure and suggestion are proposed according to the problems existing in the early?warning results.

Keywords： pollution emission reduction； early?warning； artificial neural network； indicator system

0 引 言

當(dāng)今社會，我國經(jīng)濟(jì)增長的速度越來越快，同時人口的數(shù)量也急劇增長，進(jìn)一步導(dǎo)致了我國在能源方面的消費(fèi)總量越來越高，高耗能、高污染的產(chǎn)品產(chǎn)量也快速增長，經(jīng)濟(jì)發(fā)展與資源環(huán)境約束的矛盾日益突出。最明顯的表現(xiàn)是，在發(fā)達(dá)國家歷史上工業(yè)化發(fā)展時逐步顯現(xiàn)的社會環(huán)境問題集中的出現(xiàn)在了當(dāng)下的中國，使得在社會經(jīng)濟(jì)的發(fā)展過程中，環(huán)境污染的問題愈發(fā)嚴(yán)重[1]。本文針對我國的實(shí)際情況，全面深入分析影響我國污染減排的相關(guān)因素，建立我國污染減排預(yù)警指標(biāo)體系、預(yù)警方法與模型，并對我國各省市污染減排預(yù)警進(jìn)行應(yīng)用性研究，進(jìn)而提出對策及建議，具有很強(qiáng)的現(xiàn)實(shí)意義。

1 污染減排預(yù)警指標(biāo)體系

1.1 預(yù)警指標(biāo)體系選取原則

預(yù)警指標(biāo)體系的選擇標(biāo)準(zhǔn)對于選取較為完善的預(yù)警指標(biāo)有著非常重要的指導(dǎo)意義。污染減排預(yù)警指標(biāo)的選擇應(yīng)根據(jù)歷史資料分析與我國污染減排相關(guān)的因素，尋找既能反映當(dāng)前又能預(yù)測未來我國污染減排形勢的指標(biāo)，因此選擇污染減排預(yù)警指標(biāo)應(yīng)遵循科學(xué)性、重要性、系統(tǒng)性、靈敏性、可比性、簡潔性和易操作性的基本原則[2]。

1.2 污染減排預(yù)警指標(biāo)體系的構(gòu)建

基于污染減排的復(fù)雜性和多面性，影響污染減排的因素很多，主要有經(jīng)濟(jì)因素、社會因素、環(huán)境因素、能源因素等。這些因素中又包含若干指標(biāo)，因此，污染減排預(yù)警涉及的指標(biāo)很多，在界定了污染減排預(yù)警指標(biāo)特點(diǎn)和指標(biāo)體系構(gòu)建原則的基礎(chǔ)上，根據(jù)“十一五”前期完成的工作，分析在社會經(jīng)濟(jì)中與COD和SO2的減排目標(biāo)切實(shí)相關(guān)的因素，通過廣泛查閱資料并咨詢專家意見，再將各類污染減排預(yù)警指標(biāo)分類進(jìn)行歸整，從而搭建出一個條理清晰、主次分明的我國污染減排預(yù)警指標(biāo)框架體系。COD減排系統(tǒng)具體從社會子系統(tǒng)、經(jīng)濟(jì)子系統(tǒng)和環(huán)境子系統(tǒng)三個方面選取了10個指標(biāo)，見圖1。

SO2減排系統(tǒng)從社會子系統(tǒng)、經(jīng)濟(jì)子系統(tǒng)、環(huán)境子系統(tǒng)以及能源子系統(tǒng)四個方面對11個預(yù)警指標(biāo)進(jìn)行分析，具體如圖2所示。

（1） 環(huán)境子系統(tǒng)。環(huán)境預(yù)警指標(biāo)主要反映的是環(huán)境治理以及環(huán)境污染排放的強(qiáng)度。從單位GDP工業(yè)SO2排放量、單位GDP生活COD排放量、單位GDP生活SO2排放量、單位GDP工業(yè)COD排放量、城市污水處理率以及脫硫設(shè)施比例。

（2） 經(jīng)濟(jì)子系統(tǒng)。經(jīng)濟(jì)預(yù)警指標(biāo)選取的宗旨是為了反映各省市的相對經(jīng)濟(jì)增長速率、經(jīng)濟(jì)增長主要來源與潛力、環(huán)境保護(hù)投資力度等。本研究主要選用GDP增長率地區(qū)的經(jīng)濟(jì)速度來衡量某個地區(qū)在某個時段的經(jīng)濟(jì)發(fā)展活力；用第二、三產(chǎn)業(yè)比例、低COD排放行業(yè)工業(yè)增加值比重來反映地區(qū)的經(jīng)濟(jì)結(jié)構(gòu)；用環(huán)保投資比例來反映地區(qū)的環(huán)保投資力度。

（3） 社會子系統(tǒng)。社會預(yù)警指標(biāo)的選取主要是為了反映地區(qū)的城鎮(zhèn)化率。主要選取城鎮(zhèn)人口比例和城鎮(zhèn)人口增長率兩個指標(biāo)。

（4） 能源子系統(tǒng)。經(jīng)濟(jì)增長過程中有關(guān)能源消耗強(qiáng)度具體表現(xiàn)的結(jié)構(gòu)是能源預(yù)警指標(biāo)主要反映的問題。主要選取單位GDP電耗和單位GDP能耗兩個指標(biāo)。

2 污染減排預(yù)警的技術(shù)方法

2.1 人工神經(jīng)網(wǎng)絡(luò)法

2.1.1 人工神經(jīng)元模型

運(yùn)用大量神經(jīng)元搭建成的非線性系統(tǒng)被稱為人工神經(jīng)網(wǎng)絡(luò)[3]，因此神經(jīng)網(wǎng)絡(luò)的信息處理通過神經(jīng)元的相互作用來實(shí)現(xiàn)。神經(jīng)元模型如圖3所示。ANN的神經(jīng)元模型有三個基本要素：

（1） 一組連接權(quán)、連接強(qiáng)度的表現(xiàn)方式是根據(jù)每一個處在連接上的權(quán)值判斷，一般情況下，權(quán)值是負(fù)數(shù)代表抑制，權(quán)值是正數(shù)代表激勵。

（2） 加權(quán)和或者線性組合關(guān)于各求和單元用來得出每一個輸入信息的結(jié)果。

（3） 一個非線性的激勵函數(shù)起到的作用是非線性映射，而且神經(jīng)元的輸出幅度受限于一個固定的范圍，此范圍一般取值為（-1，+1）或者（0，1）之間。

2.1.2 人工神經(jīng)網(wǎng)絡(luò)計算原理

將人工神經(jīng)網(wǎng)絡(luò)的有關(guān)學(xué)習(xí)功能加以充分利用，對具體的神經(jīng)元網(wǎng)絡(luò)運(yùn)用大量的樣本進(jìn)行訓(xùn)練，對它的閾值和連接權(quán)值進(jìn)行調(diào)整后，便可以利用之前搭建好的模型來預(yù)測結(jié)果。例如圖3中的三層前向神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)中輸入的是。由該系統(tǒng)的基本原理可得，各神經(jīng)元在隱含層中輸入的內(nèi)容為：

式中：中，是輸出層神經(jīng)元和隱層神經(jīng)元的連接權(quán)，在輸出層神經(jīng)元中激勵函數(shù)用表示，與隱含層神經(jīng)元中激勵函數(shù)有較大的區(qū)別。在隱層神經(jīng)元的閾值、輸出層神經(jīng)元和隱含層神經(jīng)元的連接權(quán)值、隱含層神經(jīng)元和輸入層神經(jīng)元的連接權(quán)值以及組成的相應(yīng)參數(shù)集合被確定時，根據(jù)上述公式，能得出輸入輸出內(nèi)容間某種逼近的函數(shù)關(guān)系，即可求出網(wǎng)絡(luò)對應(yīng)的輸出值。

然后通過對各層神經(jīng)元之間的連接權(quán)和網(wǎng)絡(luò)參數(shù)集中各神經(jīng)元的閾值等參數(shù)的不斷調(diào)整，直到網(wǎng)絡(luò)輸出與期望的輸出之差在允許的誤差范圍之內(nèi)，這就是神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程。

2.2 BP神經(jīng)網(wǎng)絡(luò)

2.2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上包括輸入層、隱含層和輸出層[4?5]，具體來說，BP網(wǎng)絡(luò)的中間層是一種基本的BP網(wǎng)絡(luò)模型。在上述三層BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)中，各神經(jīng)元與下一層所有的神經(jīng)元聯(lián)結(jié)，同層各神經(jīng)元之間無聯(lián)結(jié)，用箭頭表示信息的流動，隱含層雖然和外界不連接，但是它們的狀態(tài)直接影響輸入輸出之間的關(guān)系。也就是說，改變隱含層的權(quán)系數(shù)可以改變整個神經(jīng)網(wǎng)絡(luò)的性能。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)算法

BP算法中，在信號正向傳播與誤差逆向傳播的權(quán)值不斷修改的過程，也就是網(wǎng)絡(luò)的學(xué)習(xí)過程。具體算法為：

期望輸出與網(wǎng)絡(luò)輸出不等時，存在輸出誤差量如下所示：

可見，網(wǎng)絡(luò)的輸入誤差是各層權(quán)數(shù)的函數(shù)，因此調(diào)整權(quán)值就可以改變誤差。

2.3 指標(biāo)權(quán)重方法的確定

指標(biāo)體系的評價方法中用得比較多的是加權(quán)法[6]，加權(quán)法可以根據(jù)實(shí)際情況分為主觀賦權(quán)法和客觀賦權(quán)法，其中客觀賦權(quán)法如主成分分析法、聚類分析法，熵值賦權(quán)法等。本文通過權(quán)衡兩類方法，最終選擇運(yùn)用組合賦權(quán)法。

由于污染減排體系是一個非常復(fù)雜的開放型系統(tǒng)，多種因素相互制約，相互影響，有許多因子其重要性必須要借助有經(jīng)驗(yàn)的專家、決策者通過在該領(lǐng)域十幾年以至幾十年的研究給出主觀的判斷，還要根據(jù)數(shù)據(jù)的客觀信息來反映其在某段時期內(nèi)的重要性。因此基于實(shí)際情況，采用基于信息熵法、專家咨詢法以及基于信息熵法和專家咨詢法組合賦權(quán)法進(jìn)行加權(quán)求和來確定評價指標(biāo)的權(quán)重。

3 我國污染減排預(yù)警應(yīng)用研究

綜合預(yù)警理論和預(yù)警方法，構(gòu)建我國污染減排預(yù)警系統(tǒng)流程如圖4所示。

根據(jù)圖4可知，對我國污染減排系統(tǒng)進(jìn)行預(yù)警的主要步驟有：污染減排指標(biāo)值預(yù)測；污染減排評價；污染減排預(yù)警。

3.1 污染減排綜合評價

在本次研究中的綜合評價值為污染減排預(yù)警安全指數(shù)污染減排預(yù)警安全指數(shù)是描述我國各省市或地區(qū)污染減排形勢安全程度和預(yù)報風(fēng)險隱患變化的一種綜合性數(shù)量化表達(dá)值，它是0～1之間的一個數(shù)。對照環(huán)境系統(tǒng)綜合指數(shù)預(yù)警級別標(biāo)準(zhǔn)，把污染減排預(yù)警安全指數(shù)做如下界定：

0～0.20，污染減排形勢嚴(yán)峻，警情為巨警；

0.2～0.4，污染減排形勢較差，警情為重警；

0.4～0.6，污染減排形勢一般，警情為中警；

0.6～0.8，污染減排形勢良好，警情為輕警；

0.8～1.0，污染減排形勢很好，警情為無警。

環(huán)境預(yù)警系統(tǒng)中比較常用的評價方法是加權(quán)法。根據(jù)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)，利用綜合加權(quán)的方法計算我國各省份污染減排預(yù)警安全指數(shù)，即：

式中：為SO2系統(tǒng)或COD系統(tǒng)的總預(yù)警安全指數(shù)；為SO2系統(tǒng)或COD系統(tǒng)選取的具體指標(biāo)數(shù)；為第個預(yù)警指標(biāo)在SO2或COD整個系統(tǒng)中所占的權(quán)重；為第個預(yù)警指標(biāo)的標(biāo)準(zhǔn)化處理值。

通過對各預(yù)警指標(biāo)熵值權(quán)重的計算，運(yùn)用式（7），最后可得出我國各省市2005—2010年各年度污染減排預(yù)警安全指數(shù)。

3.2 污染減排系統(tǒng)預(yù)警

在污染減排預(yù)警系統(tǒng)中，系統(tǒng)會根據(jù)不同的預(yù)警安全指數(shù)（即預(yù)警綜合評價值）顯示出不同的預(yù)警信號，表1給出了不同預(yù)警安全指數(shù)的減排狀況等級和預(yù)警信號。

3.3 預(yù)警結(jié)果分析

3.3.1 SO2警情分析

根據(jù)實(shí)驗(yàn)結(jié)果，整體上來說，除了北京、青海和寧夏三省市外，其他28省市的SO2減排系統(tǒng)都處于中警狀態(tài)，減排情況一般，從其趨勢上看，這28個省市在2005—2010年間的預(yù)警安全指數(shù)基本都處于黃燈區(qū)，其中天津、河北、內(nèi)蒙古、遼寧、吉林、廣西、重慶、四川、云南、陜西、甘肅和新疆等15個省、市、自治區(qū)的預(yù)警安全指數(shù)有下降趨勢，下降幅度很小，基本趨于穩(wěn)定，但仍然說明其SO2減排體系中存在著一定的風(fēng)險因素。從區(qū)域上看，這15個省市基本都處于東北、華北、西北以及西南地區(qū)，而這些地區(qū)絕大多數(shù)屬于重化工業(yè)和載能工業(yè)比重過大的地區(qū)，煤炭的消費(fèi)比例嚴(yán)重，再加上這些地區(qū)產(chǎn)業(yè)集中度低，技術(shù)裝備相對落后，環(huán)境管理水平比較低，因此會對SO2減排產(chǎn)生很大的壓力。如果不積極加快產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，堅決關(guān)停小火電等高耗能、高污染產(chǎn)業(yè)，加大基礎(chǔ)環(huán)境設(shè)施投資比重等措施，有可能會影響其減排目標(biāo)的實(shí)現(xiàn)。

3.3.2 COD警情分析

從全國范圍來看，COD減排體系整體處于中警狀態(tài)，除了遼寧、吉林、黑龍江、山東、河南、湖南、江西、廣西等10個省、市、自治區(qū)在2005—2008年部分年段中出現(xiàn)了重警，處于橙燈區(qū)，其余省市基本都處于中警狀態(tài)，減排形勢為一般。這說明我國COD排放量較大、污染較嚴(yán)重的省份主要集中在東北、華北、中南和沿海地區(qū)。北京市仍然是減排形勢最好的一個，其COD預(yù)警狀態(tài)除了2005年處于中警，其余年份都處于輕警、綠燈區(qū)，并且其預(yù)警安全指數(shù)呈現(xiàn)不斷上揚(yáng)趨勢。與SO2減排預(yù)警趨勢不同的是，除了天津市預(yù)警安全指數(shù)在2005—2010年微微有所下降，其余省市的預(yù)警安全指數(shù)在2005—2010年間都呈現(xiàn)上升趨勢，且上升趨勢比較穩(wěn)定，說明COD減排的力度在不斷加大，預(yù)警安全性也將會不斷增強(qiáng)。

3.4 對策與建議

從總的SO2和COD預(yù)警結(jié)果看，2005—2015年，除了北京處于輕警區(qū)，減排形勢較好外，我國絕大部分省、市的減排狀況基本都處于中警區(qū)，預(yù)警安全指數(shù)趨勢的上揚(yáng)說明全國范圍內(nèi)的減排力度都在加大，減排形勢也在不斷的好轉(zhuǎn)。對此，基于全國減排預(yù)警的結(jié)果，針對減排過程中存在的問題，對接下來的減排工作提出幾點(diǎn)對策和建議：

（1） 認(rèn)真落實(shí)減排目標(biāo)責(zé)任制考核。

（2） 大力推進(jìn)結(jié)構(gòu)減排、工程減排和管理減排三大減排措施。

（3） 繼續(xù)實(shí)行有利于減排的環(huán)境經(jīng)濟(jì)政策。

（4） 要強(qiáng)化技術(shù)創(chuàng)新。

（5） 不斷完善法律法規(guī)，加快法規(guī)和標(biāo)準(zhǔn)建設(shè)。

4 結(jié) 論

建立污染減排預(yù)警模型是一個極為重要而又充滿挑戰(zhàn)的重大課題。本文在可持續(xù)發(fā)展、復(fù)雜系統(tǒng)和預(yù)警理論的基礎(chǔ)上，基于我國經(jīng)濟(jì)、社會發(fā)展的基本情況以及“十一五”污染減排面臨的主要態(tài)勢，構(gòu)建了污染減排預(yù)警指標(biāo)體系，利用該模型對我國污染減排體系進(jìn)行了綜合評價預(yù)警，最后針對預(yù)警結(jié)果中存在的問題，提出了對策及建議。

參考文獻(xiàn)

[1] 姚誠.水污染現(xiàn)狀及其治理措施[J].污染防治技術(shù)，2009，22（2）：87?96.

[2] 石麗娜，趙旭東，韓發(fā).遙感技術(shù)在環(huán)境監(jiān)測中的應(yīng)用和發(fā)展前景[J].貴州農(nóng)業(yè)科學(xué)，2010，38（1）：175?178.

[3] 楊航，李敏，俞國平.基于人工神經(jīng)網(wǎng)絡(luò)的市政管網(wǎng)水質(zhì)模型研究[J].給水排水，2012，38（z1）：471?475.

[4] 楊春蓉，王毓.城市居民生活節(jié)能減排的政策探討[J].西南民族大學(xué)學(xué)報（人文社會科學(xué)版）2012（8）：134?137.

[5] 徐建新，嚴(yán)勇，嚴(yán)富海.指數(shù)平滑法在典型城市GDP預(yù)測中的應(yīng)用[J].水利科技與經(jīng)濟(jì)，2008，14（7）：551?554.

[6] 王敏，鄒濱，郭宇，等.基于BP人工神經(jīng)網(wǎng)絡(luò)的城市PM2.5濃度空間預(yù)測[J].環(huán)境污染與防治，2013，35（9）：63?66.

[7] 蔡凌曦.我國城市節(jié)能減排政策體系的評價研究[D].成都：西南交通大學(xué)，2015.

[8] 張彥峰，游永彬，魯艷玲.基于模糊綜合評價法的城市人居環(huán)境評價體系研究[J].現(xiàn)代電子技術(shù)，2014，37（3）：141?143.

[9] 楊丹輝，李鵬飛，張艷芳.“十二五”時期污染減排面臨的機(jī)遇挑戰(zhàn)及政策建議[J].江蘇大學(xué)學(xué)報（社會科學(xué)版），2012，14（5）：24?28.

[10] 張彥峰，游永彬，魯艷玲.基于模糊綜合評價法的城市人居環(huán)境評價體系研究[J].現(xiàn)代電子技術(shù)，2014，37（3）：141?143.