煤礦區(qū)生態(tài)環(huán)境損害量預測研究——以陜西省榆林市為例

吳文潔 解竹青

(西安石油大學油氣資源經(jīng)濟與管理研究中心，陜西 西安710065)

0 引言

目前，已有不少學者在環(huán)境污染物排放量和煤炭產(chǎn)量的預測方面進行了研究。如環(huán)境污染物排放量方面，李磊等人通過構(gòu)建一種基于時間序列的多元非線性回歸預測模型，對上海市工業(yè)廢水排放量進行預測［1］110－115;張永帥等人通過探討灰色預測模型在城市降塵環(huán)境污染中的可行性，結(jié)合實例，應用灰色預測模型對城市降塵環(huán)境污染進行了預測，并對其精確度進行了檢驗［2］241－243;宋宇辰等人通過運用 BP 神經(jīng)網(wǎng)絡法和時間序列法，對包頭市的二氧化硫、二氧化氮和可吸入微粒的年份濃度值和月份濃度值進行了預測［3］65－70。而在煤炭產(chǎn)量預測方面，馮新舟通過建立時間序列模型，即ARIMA模型對我國未來的煤炭產(chǎn)量進行了預測［4］62－64;黃佐钘采用分段線性回歸模型和自回歸模型對國有重點和國有地方煤礦原煤產(chǎn)量進行預測，具有很高的預測精度［5］101－106;陳宛庚通過對數(shù)據(jù)進行二次指數(shù)平滑，建立了煤炭產(chǎn)量的趨勢模型，對貴州省的煤炭產(chǎn)量進行了預測［6］231－232。上述研究多用單一模型做預測，精確度不是很高。本文將采用新的方法來預測煤炭開采區(qū)生態(tài)環(huán)境的損害量。具體如下:通過將ARIMA指數(shù)平滑和趨勢模型進行組合，建立新的模型，預測煤炭產(chǎn)量;應用協(xié)整理論分析煤炭產(chǎn)量與生態(tài)環(huán)境損害量之間的關系，得出影響系數(shù);根據(jù)煤炭產(chǎn)量和影響系數(shù)，預測出煤礦區(qū)各項生態(tài)環(huán)境的損害量。

1 煤炭產(chǎn)量預測模型構(gòu)建

本文以陜西省榆林市為例。榆林全市有54%的地下含煤，其儲量約占全國儲量的五分之一。近年來，由于大量的煤炭開采，對該地區(qū)的生態(tài)環(huán)境造成了嚴重破壞。對榆林煤礦區(qū)生態(tài)環(huán)境損害量進行預測，為制定科學合理的生態(tài)環(huán)境損失價值補償標準，保護和改善生態(tài)環(huán)境，實現(xiàn)煤礦區(qū)可持續(xù)發(fā)展具有重要的現(xiàn)實意義。①本文相關數(shù)據(jù)來源于《榆林市統(tǒng)計年鑒》(1991－2011年)。

1.1 ARIMA預測模型構(gòu)建

ARIMA模型是由統(tǒng)計學家Box和Jenkins提出的，用于非平穩(wěn)時間序列預測的模型，其模型的一般形式如下:

根據(jù)ARIMA建模原理，對煤炭產(chǎn)量序列取對數(shù)后，用ADF方法對其進行單位根檢驗。結(jié)果表明，原始序列存在單位根，為非平穩(wěn)序列。然后通過采用一階差分方法對其平穩(wěn)化處理。ADF檢驗結(jié)果表明，煤炭產(chǎn)量的一階差分序列式是平穩(wěn)的，因此，能夠?qū)Υ私?ARIMA 模型［7］106－134。根據(jù)樣本相關圖和AIC準則，確定模型形式為ARIMA(1，1，1)。用 EViews對煤炭產(chǎn)量進行建?？傻?

通過分析上述模型的各項檢驗值，其各項參數(shù)的T檢驗值都在5%的顯著水平下通過檢驗;方程的擬合優(yōu)度值達到45.2%，具有可行的解釋力;其殘差檢驗值Q也在5%的水平下通過檢驗，說明該方程的殘差序列是一個白噪聲序列。因此，建立的ARIMA模型是有效的，可以用來預測未來的煤炭產(chǎn)量值。

1.2 指數(shù)平滑預測模型構(gòu)建

根據(jù)平滑次數(shù)的不同，可將指數(shù)平滑法分為一次、二次和三次指數(shù)平滑法等。根據(jù)需要本文選用二次指數(shù)平滑法來預測。二次指數(shù)平滑不能單獨進行預測，必須與一次指數(shù)平滑法配合，建立預測的數(shù)學模型，然后運用數(shù)學模型確定預測值。二次指數(shù)平滑值、兩個參數(shù)及預測值計算公式如下:

將1993—2011年的榆林地區(qū)的煤炭產(chǎn)量原始數(shù)據(jù)取對數(shù)后，采用EViews6.0軟件對處理過的數(shù)據(jù)做指數(shù)平滑，并利用公式(3)得到擬合后的指數(shù)平滑預測公式為:

1.3 趨勢預測模型構(gòu)建

根據(jù)序列隨時間變動的線性和非線性，可將趨勢模型分為線性趨勢模型:

非線性趨勢模型:

其中，可將式(6)轉(zhuǎn)化為對數(shù)形式:

趨勢模型的建模過程可分為如下三個方面:

(1)做時間序列趨勢圖。根據(jù)圖判斷該時間序列屬于線性變動還是非線性變動，以此來確定應該選擇哪種趨勢模型合適;

(2)估計模型的未知參數(shù)，并檢驗參數(shù)的顯著性以及模型本身的合理性。對模型進行診斷分析，以實證所得模型確實與所觀察到的數(shù)據(jù)特征相符;

(3)用建立的趨勢模型進行預測。

根據(jù)以上原理，繪制煤炭產(chǎn)量時間序列圖(見圖1):

圖1 1991—2011年榆林市煤炭產(chǎn)量變動趨勢

從圖1可以得出，1991—2011年榆林煤炭開采區(qū)煤炭產(chǎn)量呈非線性趨勢增長，即榆林煤炭開采區(qū)每年煤炭產(chǎn)量以遞增速度增長，說明該時間序列屬于非線性變動。因此，對本文的研究而言，應選用非線性趨勢模型(6)對煤炭產(chǎn)量進行預測，應用EViews6.0軟件對煤炭產(chǎn)量進行建模:

通過分析上述模型的各項檢驗值，其各項參數(shù)的T檢驗值都在5%的顯著水平下通過檢驗，方程的擬合優(yōu)度值達到97.6%，具有可行的解釋力。因此，建立的趨勢預測模型是有效的，可以用來預測未來的煤炭產(chǎn)量。

1.4 組合預測模型構(gòu)建

對于組合預測，常用的方法包括各模型預測結(jié)果的加權(quán)平均法和簡單平均法。因為簡單平均法是將各個模型的預測結(jié)果求簡單算術平均作為最終的組合預測值，它不能反映預測效果較好的模型和預測效果不好的模型的差異，故本文選用加權(quán)平均法。以加權(quán)平均值作為組合預測值，計算公式如下:

模型i的權(quán)重計算公式如下:

σi為單個模型預測誤差的標準差。

ARIMA模型、指數(shù)平滑模型和趨勢模型的預測誤差的標準差分別為:σ1=0.169 3，σ2=0.197 7和σ3=0.209 3;根據(jù)(10)式計算出三個模型在組合預測模型中的權(quán)重ω1=0.788 0，ω2=0.114 2，ω3=0.098 2，從而可以建立組合預測模型:

2 模型預測效果比較及煤炭產(chǎn)量預測

2.1 四種模型預測效果的比較

為了煤炭產(chǎn)量預測值的準確性，本文盡可能選擇預測精度較高的模型來預測煤炭產(chǎn)量，現(xiàn)用上述所建立的ARIMA模型、指數(shù)平滑模型、趨勢模型和組合預測模型，對1993—2011年的煤炭產(chǎn)量作預測(詳見表1)。

表1 1993—2011年榆林煤炭產(chǎn)量預測結(jié)果及精確度比較

續(xù)表1

根據(jù)表1數(shù)據(jù)，選擇RMSE、MAE和MPE三個指標值對不同預測模型的預測精確度進行比較，其中指標值越小說明精確度越高。由表1數(shù)據(jù)不難發(fā)現(xiàn)，組合預測模型的 RMSE、MAE和MPE值均小于其他三個模型，可見組合預測模型的預測精確度較其他模型更優(yōu)。

2.2 煤炭產(chǎn)量的預測

通過上述比較，發(fā)現(xiàn)組合模型的預測精度相比其他模型更加精確，因此本文選擇用組合預測模型來預測榆林地區(qū)2013—2022年的煤炭產(chǎn)量。預測結(jié)果見表2。

表2 2013—2022年榆林煤炭產(chǎn)量預測值

3 生態(tài)環(huán)境損害量預測

本文通過協(xié)整理論研究了煤炭產(chǎn)量與各生態(tài)環(huán)境損害量之間存在的相關關系，最后結(jié)合煤炭產(chǎn)量預測值和各相關系數(shù)，預測出2013—2022年期間由于煤炭開采而給當?shù)卦斐傻耐恋厮菝娣e(TX)、工業(yè)二氧化硫排放量(SO)、工業(yè)煙塵排放量(YC)、工業(yè)粉塵排放量(FC)、工業(yè)廢水排放量(FS)、工業(yè)固體廢棄物排放量(FW)等生態(tài)環(huán)境損害情況。

3.1 煤炭產(chǎn)量與各生態(tài)環(huán)境損害量之間的協(xié)整分析

檢驗煤炭產(chǎn)量與各生態(tài)環(huán)境損害量之間是否存在協(xié)整關系，從而獲取相關系數(shù)，可由以下兩個步驟實現(xiàn)。

(1)數(shù)據(jù)的平穩(wěn)性檢驗。用EViews6.0軟件對各項時間序列進行ADF檢驗。檢驗結(jié)果見表3。

表3 各變量數(shù)據(jù)平穩(wěn)性檢驗

根據(jù)表1可以發(fā)現(xiàn)，除lnFW外，lnMT、lnTX、lnSO、lnYC、lnFC和lnFS都是非平穩(wěn)的;但經(jīng)過差分后，lnMT(1)、lnTX(1)、lnSO(1)、lnYC(1)、lnFC(1)、lnFS(1)和lnFW(1)序列都是一階平穩(wěn)序列。

(2)采用E－G協(xié)整檢驗法，建立回歸方程。利用OLS對其進行回歸，得到殘差序列值;通過判斷是否平穩(wěn)判定煤炭產(chǎn)量與各生態(tài)環(huán)境損害量之間是否存在協(xié)整關系，同時得出相關系數(shù)。檢驗結(jié)果見表4。

表4 煤炭產(chǎn)量和各項生態(tài)環(huán)境損失的協(xié)整殘差序列單位根ADF檢驗結(jié)果

根據(jù)上述結(jié)果，各殘差項平穩(wěn)。因此，lnMT分別于 lnTX、lnSO、lnYC、lnFC、lnFS 和 lnFW 之間存在穩(wěn)定的協(xié)整關系，即煤炭產(chǎn)量和各項生態(tài)環(huán)境損失之間存在著長期穩(wěn)定的均衡關系，由此可以得到煤炭產(chǎn)量與各變量之間的相關系數(shù)。如表5所示。

表5 各項生態(tài)環(huán)境損失與煤炭產(chǎn)量的相關系數(shù)

3.2 預測各生態(tài)環(huán)境損害量

由以上研究可以得出，榆林地區(qū)煤炭產(chǎn)量與各生態(tài)環(huán)境損害量之間存在著長期均衡的關系，也就是說該地區(qū)的生態(tài)環(huán)境損害量變動長期受到煤炭產(chǎn)量的影響，煤炭產(chǎn)量的不斷上升加劇了當?shù)厣鷳B(tài)環(huán)境的惡化?？梢?，用煤炭產(chǎn)量和相關系數(shù)來預測各生態(tài)環(huán)境損害量是可行。下面是用這種方法預測的2013—2022年間由于煤炭開采而造成的生態(tài)環(huán)境損害量。預測結(jié)果見表6。

表6 2013—2022年間各項生態(tài)環(huán)境損害量預測值

4 結(jié)論及建議

應用組合模型有效提高了煤炭產(chǎn)量預測值的精確度;通過協(xié)整理論研究煤炭產(chǎn)量與煤礦區(qū)各項生態(tài)環(huán)境損害量之間的相關關系，確定相關系數(shù);利用煤炭產(chǎn)量與相關系數(shù)相結(jié)合的方法預測出煤礦區(qū)各項生態(tài)環(huán)境損害量，從而使得基于煤炭產(chǎn)量的煤礦區(qū)生態(tài)環(huán)境損害量的預測值也更為精確，為煤礦區(qū)生態(tài)環(huán)境價值損失補償標準的制定提供更為準確的數(shù)量依據(jù)。以陜西省榆林市作為實例進行研究，預測出該地區(qū)土地塌陷面積、工業(yè)二氧化硫排放量、工業(yè)煙塵排放量、工業(yè)粉塵排放量、工業(yè)廢水排放量和工業(yè)廢棄物排放量將分別達到 40 484公頃，113.18萬噸、76.03萬噸、81.48 萬噸、10 141.53萬噸和 46 965.14 萬噸，分別以平均每年22.37%、16%、18.94%、22.2%、6.8%和38.21%的速度快速增加。在證明預測方法可行的同時，發(fā)現(xiàn)必須馬上制定合理的煤礦區(qū)生態(tài)環(huán)境價值損失補償標準，保護和改善煤礦區(qū)生態(tài)環(huán)境，確保該區(qū)域可持續(xù)發(fā)展。

［1］李磊，閆蕊，潘慧玲.上海市工業(yè)廢水排放量的多元非線性回歸預測［J］.數(shù)學的實踐與認識，2011，41(22).

［2］張永帥，云梁，方志剛，等.基于灰色理論的城市降塵環(huán)境污染預測模型［J］.中國農(nóng)學通報，2009，25(06).

［3］宋宇辰，甄莎.時間序列模型在包頭市空氣質(zhì)量預測中的應用［J］.干旱區(qū)資源與環(huán)境，2013，27(7).

［4］馮新舟，任伯虎，齊晶晶.ARIMA模型在我國原煤生產(chǎn)預測中的應用分析［J］.未來與發(fā)展，2009(7).

［5］黃佐钘，邵汝軍.中國煤炭產(chǎn)量預測［J］.工業(yè)技術經(jīng)濟，2007，26(5).

［6］陳宛庚，袁梅.指數(shù)平滑法在貴州省煤炭產(chǎn)量預測中的應用初探［J］.煤炭技術，2012，31(12).

［7］易丹輝.數(shù)據(jù)分析與 EViews應用［M］.北京:中國人民大學出版社，2008.