基于人工神經(jīng)網(wǎng)絡的污染減排預警系統(tǒng)研究

李婷

摘 要： 在可持續(xù)發(fā)展、復雜系統(tǒng)和預警理論的基礎上，根據(jù)我國經(jīng)濟、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，構建了污染減排預警指標體系，并對我國污染減排體系進行了應用性預警研究，最后針對預警結果中存在的問題提出了對策及建議。

關鍵詞： 污染減排； 預警； 人工神經(jīng)網(wǎng)絡； 指標體系

中圖分類號： TN711?34； TM417 文獻標識碼： 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

當今社會，我國經(jīng)濟增長的速度越來越快，同時人口的數(shù)量也急劇增長，進一步導致了我國在能源方面的消費總量越來越高，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)在了當下的中國，使得在社會經(jīng)濟的發(fā)展過程中，環(huán)境污染的問題愈發(fā)嚴重[1]。本文針對我國的實際情況，全面深入分析影響我國污染減排的相關因素，建立我國污染減排預警指標體系、預警方法與模型，并對我國各省市污染減排預警進行應用性研究，進而提出對策及建議，具有很強的現(xiàn)實意義。

1 污染減排預警指標體系

1.1 預警指標體系選取原則

預警指標體系的選擇標準對于選取較為完善的預警指標有著非常重要的指導意義。污染減排預警指標的選擇應根據(jù)歷史資料分析與我國污染減排相關的因素，尋找既能反映當前又能預測未來我國污染減排形勢的指標，因此選擇污染減排預警指標應遵循科學性、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 污染減排預警指標體系的構建

基于污染減排的復雜性和多面性，影響污染減排的因素很多，主要有經(jīng)濟因素、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，因此，污染減排預警涉及的指標很多，在界定了污染減排預警指標特點和指標體系構建原則的基礎上，根據(jù)“十一五”前期完成的工作，分析在社會經(jīng)濟中與COD和SO2的減排目標切實相關的因素，通過廣泛查閱資料并咨詢專家意見，再將各類污染減排預警指標分類進行歸整，從而搭建出一個條理清晰、主次分明的我國污染減排預警指標框架體系。COD減排系統(tǒng)具體從社會子系統(tǒng)、經(jīng)濟子系統(tǒng)和環(huán)境子系統(tǒng)三個方面選取了10個指標，見圖1。

SO2減排系統(tǒng)從社會子系統(tǒng)、經(jīng)濟子系統(tǒng)、環(huán)境子系統(tǒng)以及能源子系統(tǒng)四個方面對11個預警指標進行分析，具體如圖2所示。

（1） 環(huán)境子系統(tǒng)。環(huán)境預警指標主要反映的是環(huán)境治理以及環(huán)境污染排放的強度。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施比例。

（2） 經(jīng)濟子系統(tǒng)。經(jīng)濟預警指標選取的宗旨是為了反映各省市的相對經(jīng)濟增長速率、經(jīng)濟增長主要來源與潛力、環(huán)境保護投資力度等。本研究主要選用GDP增長率地區(qū)的經(jīng)濟速度來衡量某個地區(qū)在某個時段的經(jīng)濟發(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)濟結構；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)。社會預警指標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。

（4） 能源子系統(tǒng)。經(jīng)濟增長過程中有關能源消耗強度具體表現(xiàn)的結構是能源預警指標主要反映的問題。主要選取單位GDP電耗和單位GDP能耗兩個指標。

2 污染減排預警的技術方法

2.1 人工神經(jīng)網(wǎng)絡法

2.1.1 人工神經(jīng)元模型

運用大量神經(jīng)元搭建成的非線性系統(tǒng)被稱為人工神經(jīng)網(wǎng)絡[3]，因此神經(jīng)網(wǎng)絡的信息處理通過神經(jīng)元的相互作用來實現(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、連接強度的表現(xiàn)方式是根據(jù)每一個處在連接上的權值判斷，一般情況下，權值是負數(shù)代表抑制，權值是正數(shù)代表激勵。

（2） 加權和或者線性組合關于各求和單元用來得出每一個輸入信息的結果。

（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)絡計算原理

將人工神經(jīng)網(wǎng)絡的有關學習功能加以充分利用，對具體的神經(jīng)元網(wǎng)絡運用大量的樣本進行訓練，對它的閾值和連接權值進行調(diào)整后，便可以利用之前搭建好的模型來預測結果。例如圖3中的三層前向神經(jīng)網(wǎng)絡，網(wǎng)絡中輸入的是。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，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)元的連接權值、隱含層神經(jīng)元和輸入層神經(jīng)元的連接權值以及組成的相應參數(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)關系，即可求出網(wǎng)絡對應的輸出值。

然后通過對各層神經(jīng)元之間的連接權和網(wǎng)絡參數(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)絡的學習過程。

2.2 BP神經(jīng)網(wǎng)絡

2.2.1 BP神經(jīng)網(wǎng)絡結構

BP神經(jīng)網(wǎng)絡在結構上包括輸入層、隱含層和輸出層[4?5]，具體來說，BP網(wǎng)絡的中間層是一種基本的BP網(wǎng)絡模型。在上述三層BP網(wǎng)絡的拓撲結構中，各神經(jīng)元與下一層所有的神經(jīng)元聯(lián)結，同層各神經(jīng)元之間無聯(lián)結，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系。也就是說，改變隱含層的權系數(shù)可以改變整個神經(jīng)網(wǎng)絡的性能。

2.2.2 BP神經(jīng)網(wǎng)絡算法

BP算法中，在信號正向傳播與誤差逆向傳播的權值不斷修改的過程，也就是網(wǎng)絡的學習過程。具體算法為：

期望輸出與網(wǎng)絡輸出不等時，存在輸出誤差量如下所示：

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

2.3 指標權重方法的確定

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

由于污染減排體系是一個非常復雜的開放型系統(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)驗的專家、決策者通過在該領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法進行加權求和來確定評價指標的權重。

3 我國污染減排預警應用研究

綜合預警理論和預警方法，構建我國污染減排預警系統(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)進行預警的主要步驟有：污染減排指標值預測；污染減排評價；污染減排預警。

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警安全指數(shù)污染減排預警安全指數(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報風險隱患變化的一種綜合性數(shù)量化表達值，它是0～1之間的一個數(shù)。對照環(huán)境系統(tǒng)綜合指數(shù)預警級別標準，把污染減排預警安全指數(shù)做如下界定：

0～0.20，污染減排形勢嚴峻，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)境預警系統(tǒng)中比較常用的評價方法是加權法。根據(jù)標準化處理后的數(shù)據(jù)，利用綜合加權的方法計算我國各省份污染減排預警安全指數(shù)，即：

式中：為SO2系統(tǒng)或COD系統(tǒng)的總預警安全指數(shù)；為SO2系統(tǒng)或COD系統(tǒng)選取的具體指標數(shù)；為第個預警指標在SO2或COD整個系統(tǒng)中所占的權重；為第個預警指標的標準化處理值。

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

3.2 污染減排系統(tǒng)預警

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

3.3 預警結果分析

3.3.1 SO2警情分析

根據(jù)實驗結果，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)，煤炭的消費比例嚴重，再加上這些地區(qū)產(chǎn)業(yè)集中度低，技術裝備相對落后，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)結構的調(diào)整，堅決關停小火電等高耗能、高污染產(chǎn)業(yè)，加大基礎環(huán)境設施投資比重等措施，有可能會影響其減排目標的實現(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)，并且其預警安全指數(shù)呈現(xiàn)不斷上揚趨勢。與SO2減排預警趨勢不同的是，除了天津市預警安全指數(shù)在2005—2010年微微有所下降，其余省市的預警安全指數(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，預警安全性也將會不斷增強。

3.4 對策與建議

從總的SO2和COD預警結果看，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)，預警安全指數(shù)趨勢的上揚說明全國范圍內(nèi)的減排力度都在加大，減排形勢也在不斷的好轉(zhuǎn)。對此，基于全國減排預警的結果，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對策和建議：

（1） 認真落實減排目標責任制考核。

（2） 大力推進結構減排、工程減排和管理減排三大減排措施。

（3） 繼續(xù)實行有利于減排的環(huán)境經(jīng)濟政策。

（4） 要強化技術創(chuàng)新。

（5） 不斷完善法律法規(guī)，加快法規(guī)和標準建設。

4 結 論

建立污染減排預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、復雜系統(tǒng)和預警理論的基礎上，基于我國經(jīng)濟、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，構建了污染減排預警指標體系，利用該模型對我國污染減排體系進行了綜合評價預警，最后針對預警結果中存在的問題，提出了對策及建議。

參考文獻

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

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

[3] 楊航，李敏，俞國平.基于人工神經(jīng)網(wǎng)絡的市政管網(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].西南民族大學學報（人文社會科學版）2012（8）：134?137.

[5] 徐建新，嚴勇，嚴富海.指數(shù)平滑法在典型城市GDP預測中的應用[J].水利科技與經(jīng)濟，2008，14（7）：551?554.

[6] 王敏，鄒濱，郭宇，等.基于BP人工神經(jīng)網(wǎng)絡的城市PM2.5濃度空間預測[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，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，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遇挑戰(zhàn)及政策建議[J].江蘇大學學報（社會科學版），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，2014，37（3）：141?143.