数学建模论文-中国能源消费结构与空气质量关系的研究.pdf

中国能源消费结构与空气质量关系的研究 摘 要 能源消费所排放的二氧化硫和烟尘等废气严重影响了空气质量， 这一问题若 处理不当，就会使人类赖以生存的环境遭到破坏。因此，研究能源结构对空气质 量的影响，并预测未来的空气质量，在此基础上，合理评价我国节能减排取得的 成效，具有十分重要的意义。 针对问题一，建立灰色关联体系，研究各种能源对空气质量的影响程度。首 先计算各种能源对污染物排放量的关联度，并进行关联度分析，得到原煤的燃烧 是影响空气质量的最主要因素，天然气是最清洁的能源，他对空气污染的贡献最 小。最后建立综合评价体系，得到污染物排放量和各种能源的定量关系： 0.3830.2130.1990.205 (,)0.3860.2120.1980.204 0.3630.2190.2060.212 xxxx qqqqxxxx xxxx 原煤原油天然气电能 烟尘工业粉尘原煤原油天然气电能二氧化硫 原煤原油天然气电能 针对问题二，建立 dea 模型，利用超效率模式，分析节能减排的成效。在 分析节能减排的效益的基础上，定义规模效益值k。利用相关软件得到结果： 年份 节能减排效益 规模效益k 2005 0.71 0.7694 2009 1.21 0.8950 根据上表分析得到十一五期间节能减排效率整体较高，在此基础上，投入更 多的资金和人力，将会得到更好的成效。 针对问题三，建立灰色 gm 预测模型，预测未来十年的能源消耗总量和空 气质量。对于未来十年的能源消耗总量预测结果如下： 年份 2010 2011 2012 2013 2014 预测值 (万吨标准煤) 346171 378582 414028 452793 495186 年份 2015 2016 2017 2018 2019 预测值 (万吨标准煤) 541549 592253 647704 708347 774668 对于未来十年的污染物排放量预测结果(以二氧化硫为例)： 年份 2010 2011 2012 2013 2014 排放量 (万吨) 2096.5 1988.3 1885.7 1788.3 1696.0 年份 2015 2016 2017 2018 2019 排放量 (万吨) 1608.5 1525.5 1446.8 1372.1 1301.3 最后，根据本文建立的模型及分析，对于我国未来优化能源消费结构,改善 环境空气质量提出建设性意见和建议。 关键词：综合评价体系 灰色相关体系 超效率 dea 模型 灰色 gm 预测 1 1. 问题重述与分析 能源消费所排放的烟尘和二氧化硫等废气严重污染大气， 这一问题如处理不 当，就会使人类赖以生存的环境受到破坏和污染。为了更好得解决这一问题，建 立能源消费结构对环境空气质量的影响的定量数学模型， 分析能源结构对空气质 量的影响。十一五计划中，制定了节能减排的政策，通过对减排成绩的分析，为 下一步制定计划提出建设性的建议。进一步统计分析，预测未来能源消费总量以 及空气质量，掌握基本的发展趋势。基于以上的建模求解以及分析的过程，为我 国未来优化能源消费结构,改善环境空气质量提出意见和建议。 对于问题一，利用灰色相关体系分析法，将能源结构中的各种能源作为比较 序列 12 , i xxx，将各种污染物排放量作为母序列 0,10,20, , j xxx，首先计算 各种能源与某种污染物排放量的关联度，通过灰色相关序分析，得出不同能源对 污染物排放量得影响程度。最后构造综合评价模型，研究该模型衡量污染物排放 量与真实值的相对误差。 对于问题二，为了定量评价十一五期间节能减排的效率，建立相对效率评价 系统。运用数据包络分析(dea)，可以对每一年作为一个决策单元的系统分析。 选择超级效率模式，建立评价指标，以能源总量、so2排放量、烟尘排放量、工 业粉尘排放量作为投入指标，以 gdp、so2削减量、烟尘削减量、工业粉尘削减 量作为输出指标。通过计算分析节能减排效率值，定量给出十一五期间节能减 排取得的成绩。基于 dea 定义规模效益值k，定量分析十一五期间各年我国在 节能减排方面发展的潜力。 对于问题三， 对未来十年的能源消费量和空气质量的预测， 建立灰色 gm 预 测模型， 为了削弱数据的随机性， 保证序列的趋势性， 首先对数据进行平滑处理。 将预处理后的数据，代入到灰色模型中，利用最小二乘法，得到时间响应方程。 利用时间响应方程进行递推可以得到各年的预测值，并与真值比较，计算相对误 差。为了保证模型的准确性，对预测值进行后验差检验，计算小误差概率和原始 序列标准差与绝对误差序列比值，并查表对照。运用同样的方法对各种污染物排 放量预测，用 matlab 画各种污染物排放量变化趋势，分析空气质量的变化。 对于问题四，基于本文研究的问题，给出对我国能源结构的改进，节能减排 等方面的建议和意见。 2. 模型假设 1. 污染物排放量与燃料消耗量成正相关。 2. 前一年的污染物排放对下一年的空气质量无影响。 3. 假设可以用三种污染物的排放量来衡量空气质量。 4. se-dea 模型中 dmu 处于固定规模报酬情形下。 3. 符号说明 0,i x 各污染物排放量序列 2 i x 能源结构中各能源序列 0,i z 各污染物排放量无量纲化序列 i z 能源结构中各能源无量纲化序列 ( ) i y k 0,i z与 i z 在第k点的关联系数 y 能源消费序列 a 能源对污染物影响的权重矩阵 q 关于能源结构的综合评价模型 v 污染物排放量序列 污染物排放量与综合评价模型的比例 系数矩阵 污染物排放量与综合评价模型的矫正 向量 00 x 2000 至 2009 十年的能源消费总量为原 始观测值序列 0( ) x t t时间对原始序列值进行一次平滑后的 值 0 x 将原始数据一次平滑后的序列 1 x 将 0 x 一次累加后的序列 1( ) z n 关于 1 x 的紧密平均序列 a 发展系数 灰色作用量 0( ) i i年预测残差 0 预测残差均值 dmu 决策单元 节能减排效率 j x dea 模型中投入向量 3 j y dea 模型中输出向量 j h 决策单元 j dmu采用如下的评价指数 k 规模收益值 4. 问题一 4.1 灰色相关体系建立和求解 能源消费结构与空气质量关系并不明确， 运用纯粹的拟合将会带来较大的误 差，故用灰色相关体系1来进行研究。以各种污染物的排放量作为母序列 0,10,20, , j xxx，以各个能源结构作为比较序列 12 , i xxx，并对 0,i x、 i x 进 行无量纲化，得到 0,i z、 i z ，定义 0,i z与 i z 在第k点的关联系数( ) i y k 为： () ( ) ( ) i i ab y k kb (4.1.1) 其中： 0 ( ),1,2,;1,2, ikii kxxim kn； 1111 min min( ),maxmax( ) ii k nk mk nk m akbk 为分辨系数，一般取 0.5。 i z 与 0 z 之间的关联度为： 1 1 ( ),1,2, n ii k ry kim n (4.1.2) 通过关联度定义各种能源对污染物影响的权重： 12 / (),1,2, iim rrrrrim (4.1.3) 基于上述比重，构造综合评价模型： 1,12,2, ,1,2, kkkmk m qr xr xrxkm (4.1.4) 将各种污染物序列无量纲化， 由于能源结构的序列是消耗能源占总能源的比 例，量纲都为 1，因而可以直接代入运算。 运用 c+编程，计算得到各种污染物与能源结构的关联度表： 表 4.1.1 各种污染物与能源结构的关联度表 污染物 原煤 原油 天然气 其他能发电 对二氧化硫关联度 0.865 0.482 0.500 0.464 对烟尘关联度 0.764 0.420 0.393 0.405 4 对工业粉尘关联度 0.763 0.460 0.433 0.446 利用 4.1.3 计算各种能源对污染物影响的权重，如下表： 表 4.1.2 各种能源对污染物影响的权重 污染物 原煤 原油 天然气 其他能发电 对二氧化硫权重 0.383 0.213 0.199 0.205 对烟尘权重 0.386 0.212 0.198 0.204 对工业粉尘权重 0.363 0.219 0.206 0.212 4.2 灰色关联序分析 总体上我国主要能源品种的能源消费量与环境质量指标关联程度较大， 这些 能源的消费对环境质量的影响都是非常显著的。 通过以上计算得出的灰色关联度 表，我们可以通过灰色关联序分析2, 即将各种能源对二氧化硫，烟尘，工业粉 尘的影响程度进行灰色关联排序，并进行分析的方法。 1) 对于二氧化硫的排放： ()()()()rrrr原煤天然气原油其他能发电，其中原煤的相关度很大，在 0.85 以上，说明在我国能源消费中，原煤的大量燃烧是造成二氧化硫大量排放的 主要原因。 天然气， 原油， 其他能发电对二氧化硫排放量的关联度均在 0.5 左右， 说明这三类的能源消耗对二氧化硫排放的贡献量不大。 2) 对于烟尘的排放： ()()()()rrrr原煤原油其他能发电天然气，其中原煤的相关度最大，绝 对数值在 0.75 以上，说明我国能源消费中，原煤的燃烧是造成对烟尘的排放最 主要原因。天燃气的关联度很小，在 0.4 以下，显然天然气燃烧对烟尘排放贡献 很小。原油与其他能发电对烟尘的排放影响相当，程度较小。 3) 对工业粉尘的排放： ()()()()rrrr原煤原油其他能发电天然气，原煤的相关度最大，绝对数 值在 0.75 以上，说明我国能源消费中，原煤的燃烧是造成对工业粉尘排放最主 要原因。 天然气的关联度最小，因而天然气的燃烧对工业粉尘的排放贡献不大。原油 与其他能发电对工业粉尘的排放贡献相当，影响程度较小。 从上述关联序分析来看，相对其他能源而言，原煤的燃烧是影响空气质量的 最主要因素。天然气是最清洁的能源，它对空气污染的贡献最小。而影响因素中 的原油和其他能发电对空气污染物的排放贡献相当，影响程度不大。 4.3 综合评价模型求解和分析 基于灰色相关体系，构造综合评价模型： 5 1,12,2, ,1,2, kkkmk m qr xr xrxkm (4.3.1) 对于各种影响空气质量的能源消费序列()yxxxx 原煤原油天然气电能 ，以及能 源对污染物影响的权重矩阵a，得到关于能源结构的综合评价模型具体解 (,)qqqq 烟尘工业粉尘二氧化硫 ,计算式如下： *qya (4.3.2) 根据表 4.1.2 得到具体解，如下: 0.3830.2130.1990.205 0.3860.2120.1980.204 0.3630.2190.2060.212 t xxxx qxxxx xxxx 原煤原油天然气电能 原煤原油天然气电能 原煤原油天然气电能 (4.3.3) 根据假设 1，建立污染物排放量序列(,)vvvv 烟尘工业粉尘二氧化硫 与综合评价模 型转化方程： * +vq (4.3.4) 其中： = 二氧化硫 烟尘 工业粉尘 (4.3.5) = 二氧化硫 烟尘 工业粉尘 (4.3.6) 其中，为污染物排放量与综合评价模型的比例系数矩阵，为矫正向量。 二氧化硫、烟尘、工业粉尘分别为污染物排放量与综合评价模型转化比例系数， 二氧化硫、烟尘、工业粉尘分别为污染物排放量与综合评价模型矫正值。 利用各年的污染物排放量和对应的综合评价模型进行线性拟合得到系数矩 阵以及矫正向量，用 matlab 拟合发现 06 年十一五计划之后随着年份的增加， 污染物排放量递减，因此分成两段计算 11 、和 22 、，拟合结果得到： 1 1 = 0.01699,0.001016,-0.005115 = 1088.2 ,1027.6, 121.09 t t ， 2 2 = -0.02798,-0.01521,-0.01989 = 5146.1,2448.9,2519.6 t t 。 计算各年的污染物排放量序列v，计算误差值，如下表： 6 表 4.3.1 各年的污染物排放量计算值与真值相对误差表 二氧化硫 烟尘 工业粉尘 2000 -3.82% -7.53% -6.95% 2001 -0.06% 0.88% 1.80% 2002 3.86% 6.89% 5.51% 2003 -0.17% 4.11% -7.08% 2004 3.44% 0.68% -0.79% 2005 -3.22% -6.08% -5.75% 2006 0.44% 2.73% 1.49% 2007 7.61% -1.38% -2.69% 2008 5.44% 2.29% 5.22% 2009 6.33% -1.00% -2.23% 上表显示，综合评价模型 4.3.3 计算污染物排放量的相对误差都在 8%之内， 大部分相对误差在 5%以内，说明用该模型计算污染物的排放量吻合程度较好。 5. 问题二 5.1 节能减排效率指标评价体系的建立 基于 dea 模型定义减排效率评价指标5，首先明确评价目的为十一五期间 我国节能减排取得的效益。 这个问题是对我国在十一五期间 5 年时间里节能减排 效益的评价，因此将不同的年份作为决策单元(dmu)。 最关键的是要确定投入和输出指标，十一五节能减排的目的有两点，第一单 位 gdp 的能耗越少越好，第二在保证 gdp 的前提下，减少污染物的排放量。在 工业生产过程中，需要消耗能量同时排放污染物。十一五期间，污染物的减少量 可以和上一年对比作为指标。 鉴于以上分析，本文将能源、环境和经济作为一个系统，下表给出投入和输 出变量： 表 5.1.1 投入和输出指标 投入 投入变量 输出 输出变量 能源 能源消耗量 经济 gdp so2排放量 so2 削减量 烟尘排放量 烟尘削减量 环境容纳资源 工业粉尘排放量 环境质量 工业粉尘削减量 运用表中指标，建立扩展 dea 模型-超效率(super efficiency，以下简称 se-dea)评价模型，分析节能减排效率值。 5.2 se-dea 模型的建立和分析 十一五计划中明确指出对节能减排的措施， 本文仅对 06 年到 09 年我国节能 减排效益进行建模分析。 dea 模型有多种形式，本文采用超级效率模型(se-dea)。se-dea 是由 7 banker gifford(1988)首先提出的，se-dea 在进行相对效率评价时，对于处在有 效生产前沿面上的 dmu 所选择的参考集不再是全部的 dmu，而是排除被评价 的 dmu 本身的剩余 dmu 集合。 se-dea 模型的建立过程1如下： 假设有n个决策单元， 每个决策单元有m种投入指标和p中产出指标。 令 ij x 表示第j个 dmu 的第i种投入指标的投入量， ij y为第j个 dmu 的第i种产出指 标的产出量； i v 为第i种投入指标权重， r u 为第r种产出指标的权重，其中 1,2,im；1,2,jn；1,2,rp。这里， 12 (,) jjjmj xxxx； 12 (,) jjjpj yyyy为已知数据，可以根据历史资料得到： 12 ( ,) m vv vv； 12 ( ,) p uu uu为变量，对于每个决策单元 j dmu采用如下的评价指数： 1 1 1,2, p rrj r j m iij i u y hjn v x (5.2.1) 总可以适当选取权系数 1212 ( ,);( ,) mp vv vvuu uu使得满足 11,2, j hjn。对 00 (1)jjn个决策单元dmu进行效率评价：以权数 1212 ( ,);( ,) mp vv vvuu uu为变量；以第 0 j 个决策单元 0 j dmu的效率指数 0 j h为目标；以所有的决策单元的效率指数为约束，并运用数学规划的对偶理论， 得到线性规划形式： 0 1 0 1 min . . 0 0,0 n jjj j n jjj j j xsx xsy st ss (5.2.2) 其中变量(1,2,),(1,2,)ssssm ssssp 为松弛变量和剩 余变量，为决策单元的有效值。 8 基于决策单元的有效值定义规模收益值： 1 1 n j j k (5.2.3) 1k 时，表示dmu的规模收益值不变；1k 时，表示dmu的规模收益 值递增，加大投入量，产出量将会成比例递增；1k ，表示dmu的规模收益 值递减，增大投入量，产出量不会成比例增加，此时不宜增加投入量6。 根据 5.1 的分析，本文将能源以及环境容量资源的使用作为投入指标，这些 指标代表了经济发展中对于能源的投入及环境资源的投入； 产出指标反映了经济 是否发展，减排成果，以经济和环境质量指标作为产出指标。 投入指标名称：能源消费总量，s02排放量，烟尘产生量，工业粉尘产生量； 产出指标名称：国内生产总值，s02削减量，烟尘削减量，工业粉尘削减量。 根据中国统计年鉴数据并进行相关的整理得到下表数据： 表 5.2.1 se-dea 模型中投入产出数据表 年份 能耗 so2 排放 量 烟尘排放 量 工业粉尘 排放量 gdp so2 削减 烟尘削减 工业粉尘 削减 2005 235997 2549.3 1182.5 911.2 184937.4 -294.4 -87.5 -6.4 2006 258676 2588.8 1088.8 808.4 216314.4 -39.5 93.7 102.8 2007 280508 2468.1 986.6 698.7 265810.3 120.7 102.2 109.7 2008 291448 2321.2 901.6 584.9 314045.4 146.9 85 113.8 2009 306647 2214.4 847.2 523.6 340506.9 106.8 54.4 61.3 利用北大教授设计的计算 dea 问题的软件 mydea 1.0，选择 super efficiency 模式，计算结果如下表显示： 表 5.2.2 se-dea 模型计算结果 年份 节能减排效益 规模效益k 2005 0.71 0.7694 2006 1.02 0.9221 2007 1.19 0.9888 2008 1.36 0.9387 2009 1.21 0.8950 结果分析: 1) 除了 2005 年以外，我国节能减排效益值都大于零。对于1，dea 评价 有效。十一五计划是从 2006 年开始实施，说明十一五期间节能减排工作整 体效率较高，在保证经济发展的同时，能源得到充分利用，污染物的输出得 到有力的控制。从 2006 年到 2008 年我国节能减排效益值都在上升，而到 十一五后期有所下降， 说明十一五前期的节能减排工作做得较好， 到了后期， 9 虽然有效的进行了节能减排，但是效益不如前几年。 2) 上表显示规模收益值k均小于 1，说明我国的节能减排规模效益递增，成倍 增加节能减排的资金和力度，会带来成倍的节能减排效益。2005 年，十一五 实施的前一年，k值较小， 发展的潜力很大， 而在后一年国家的政策要求下， 投入了大量的资金，k增大，虽发展的潜力减小，但是还是可以通过投入的 增加来增加效益。在十一五的后期，k有所减小，说明国家给予的重视程度 下降，导致投入资金减少，发展潜力有所增加。 6. 问题三 6.1 基于灰色 gm 预测未来十年能源消耗量 对于短观测数据序列，由于获取的信息量少，难以发现数据变化规律，若用 统计分析方法建模，所作出的预测将不准确。灰色理论是处理少数据、不确定性 问题的理论。对此问题，建立灰色预测模型可以得到比较准确的结果。 定义 2000 至 2009 十年的能源消费总量为原始观测值序列： 0000( ) (1,2, )xxiin (6.1.1) 累加生成操作是灰色系统理论中重要的数据处理方法，通过累加生成，任意 非负数列、 摆动数列都可以转化为非减的递增数列， 从而削弱原始数据的随机性， 突出其趋势性，据此对数据进行原始观测序列平滑处理3。采用下式对上述原始 观测值序列进行一次指数平滑运算： 0000 ( )( )(1)(1)2,3,x txtx ttn (6.1.2) 由于从2000年至2009年能源消费总量的时间序列数据是上升的发展趋势类 型， 因此平滑系数的取值范围大致在 0.6 至 0.8 之间， 此时平滑指数模型是 “轻 老信息、重新信息”的，且灵敏度较高，能迅速跟上数据的变化。 进行平滑处理时，首先必须确定初始值 0(1) x。初始值的确定，即第一期的 预测值。一般原数列的项数较多时（大于 15 项） ，可以选用第一期的观察值或选 用比第一期前一期的观察值作为初始值。 如果原数列的项数较少时 （小于 15 项） ， 可以选取最初几期（一般为前三期）的平均数作为初始值。因此，选取最初三年 的平均能源消费总量作为初始值，即： 0000000 1 (1)(1)(2)(3) 3 xxxx (6.1.3) 平滑系数分别取 0.6,0.7,0.8 代入 6.1.2，得到一次平滑后序列： 0000 (1),(2),( )xxxx n (6.1.4) 将 0 x 经过一次累加，可以得到序列 1 x ，累加式如下： 10 1 ( )( ) (1,2, ) t i x tx iin (6.1.5) 10 用新的序列 1 x 可以表示紧密平均序列 1( ) z n ，表达式如下： 111 1 (1)( )(1) 2 z kx kx k (6.1.6) 由此可以定义灰微分方程： 01 ( )( )x taz t (6.1.7) 为了求得a、的最小二乘解，令： ( , )tja、 1 1 1 (2) 1 (3) 1 ( ) 1 z z b z n 、 0 0 0 (2) (3) ( ) x x y x n 根据最小二乘原理，得到j的解为： 1 () tt ab bb y (6.1.8) 解得a、的值之后，可以得到 1 x 序列的时间响应方程4： 11 (1)(1)/exp()/x kxaaka (6.1.9) 式中：参数a为发展系数，反映了 1 x 和 0 x 的发展态势；为灰色作用量。如 时间响应方程能通过精度检验，则可通过累减运算还原进行预测： 011 (1)(1)( ),1,2x kx kx kkn nn (6.1.10) 当0.6 0.7 0.8、 、时，分别计算a和值，计算结果如下表： 表 6.1.1 不同下的a、值表 进而根据上述方法进行预测，下表显示平滑系数分别取不同值及 2000 年至 2009 年各预测值与实际值的比较： 表 6.1.2 各平滑系数下能源消费总量 2000 至 2009 年预测值与实际值对照表 平滑系数为 0.6 平滑系数为 0.7 平滑系数为 0.8 年份 实际值 预测值 相对误差(%) 预测值 相对误差(%) 预测值 相对误差(%) 2000 145531 151789.33 -4.30 151789.33 -4.30 151789.33 -4.30 平滑系数 发展系数a 灰色作用量 0.6 -0.0893 130109.306 0.7 -0.0896 132247.466 0.8 -0.0895 134287.330 11 2001 150406 150273.98 0.09 152581.37 -1.45 154691.68 -2.85 2002 159431 164310.86 -3.06 166883.84 -4.67 169175.05 -6.11 2003 183792 179658.92 2.25 182526.99 0.69 185014.46 -0.67 2004 213456 196440.61 7.97 199636.46 6.47 202336.87 5.21 2005 235997 214789.86 8.99 218349.73 7.48 221281.13 6.24 2006 258676 234853.08 9.21 238817.11 7.68 241999.10 6.45 2007 280508 256790.39 8.46 261203.04 6.88 264656.83 5.65 2008 291448 280776.83 3.66 285687.35 1.98 289435.94 0.69 2009 306647 307003.80 -0.12 312466.74 -1.90 316535.05 -3.22 从表中可以看出，无论平滑系数取何值，预测值与实际值在 2004 至 2007 这几年，相对误差都比较大，而深入分析可得到，在 2004 年至 2007 年中，能源 消费总量增长的速度突然加快，因此，所得的预测值与真实值有较大偏差。但预 测值总体还是与实际值相符合的。 比较三组数据可得， 当平滑系数取 0.8 的时候， 预测结果较好，因此，可取平滑系数为 0.8，对未来 10 年的能源消费总量进行预 测。 对未来 10 年能源消费量预测，结果如下表所示： 表 6.1.3 未来 10 年能源消费量预测值表 年份 2010 2011 2012 2013 2014 预测值 346171 378582 414028 452793 495186 年份 2015 2016 2017 2018 2019 预测值 541549 592253 647704 708347 774668 用 matlab 作后十年能源总量预测值的趋势图： 2010201120122013201420152016201720182019 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 x 10 5 年份 能源消费量 图6.1.1 未来10年能源消费预测图 上图显示， 未来十年， 能源消费总量将逐年递增， 而且增长速度有上升趋势。 12 6.2 基于灰色 gm 预测未来十年空气质量 附件中给出 2000 年至 2009 年中国历年废气中主要污染物排放量统计， 该统 计数据能够较好的反应环境空气质量，即各污染物年排放量越小，环境空气质量 越好；因此，我们将对各主要污染物排放量的预测作为对空气质量预测的直观观 察值。 分析中国历年废气中主要污染物排放量统计表可以得到， 三种主要污染物年 排放量的变化在 2005 年之前和 2005 年之后是不一样的，在 2005 年之后，各污 染物年排放量均明显的逐年递减，结合实际分析，这是国家“十一五”计划中节 能减排政策起的作用。由于这个原因，我们在使用灰色 gm 模型对已知的十年 进行分析时，应略去前几年的数据，而仅从 2005 年开始考虑，这样得出的预测 结果才能更好的符合实际。由于 2005 年到 2009 年进行预测，数据少，相对的随 机性小，故不必要进行平滑处理，直接用灰色模型预测。 6.2.1 对未来十年二氧化硫排放量的预测 以 2005 年至 2009 年的二氧化硫排放量为原始数据，直接使用灰色 gm 模 型，求得发展系数0.0530a ，灰色作用量2795.796，进而运用该模型求得 05 年到 09 年的预测值，并求得相对误差，结果如下表： 表 6.2.1 二氧化硫排放量 05-09 年预测值与原始值对照表 年份 2005 2006 2007 2008 2009 原始排放量(万吨) 2549.3 2588.8 2468.1 2321.2 2214.4 拟合排放量(万吨) 2549.3 2591.4 2457.7 2330.9 2210.6 残差(万吨) 0 -2.6 10.4 -9.7 3.8 相对误差(%) 0 -0.102 0.422 -0.416 0.174 上表中的相对误差显示，运用该模型对已知年份的拟合度相当高，因此该模 型对未来十年的预测值有较强的说服力。 基于以上分析，对未来十年二氧化硫的排放量，结果如下表： 表 6.2.2 未来十年二氧化硫排放量预测结果表 年份 2010 2011 2012 2013 2014 排放量(万吨) 2096.5 1988.3 1885.7 1788.3 1696.0 年份 2015 2016 2017 2018 2019 排放量(万吨) 1608.5 1525.5 1446.8 1372.1 1301.3 用 malab 作后十年二氧化硫排放量预测的趋势图： 13 2010201120122013201420152016201720182019 1300 1400 1500 1600 1700 1800 1900 2000 2100 年份 二氧化硫排放量 图6.1.2 未来10年二氧化硫排放量预测图 上图显示，未来十年二氧化硫排放量逐年减小，而且减小的速度有变缓的趋 势。 6.2.2 对未来十年烟尘排放量的预测 以 2005 年至 2009 年的烟尘排放量为原始数据，直接使用灰色 gm 模型， 求得发展系数0.0854a ，灰色作用量1229.068，进而运用该模型求得 05 年 到 09 年的预测值，并求得相对误差，结果如下表： 表 6.2.3 烟尘排放量 05-09 年预测值与原始值对照表 年份 2005 2006 2007 2008 2009 原始排放量(万吨) 1182.5 1088.8 986.6 901.6 847.2 拟合排放量(万吨) 1182.5 1081.2 992.7 911.4 836.8 残差(万吨) 0 7.6 -6.1 -9.8 10.4 相对误差/% 0 0.697 -0.616 -1.086 1.232 上表显示， 运用灰色预测模型对已知年份的预测值与真实值之间的相对误差 很小，用此模型预测未来十年的烟尘排放量精度较高。 基于以上分析，对未来十年烟尘的排放量，结果如下表： 表 6.2.4 未来十年二氧化硫排放量预测结果表 年份 2010 2011 2012 2013 2014 排放量(万吨) 768.2 705.3 647.6 594.6 545.9 年份 2015 2016 2017 2018 2019 排放量(万吨) 501.2 460.1 422.5 387.9 356.1 用 malab 作后十年烟尘排放量预测的趋势图： 14 2010201120122013201420152016201720182019 350 400 450 500 550 600 650 700 750 800 年份 烟尘排放量 图6.1.3 未来10年烟尘排放量预测图 上图显示，未来十年烟尘排放量逐年减小，而且减小的速度有变缓的趋势。 6.2.3 对未来十年烟尘排放量的预测 以 2005 年至 2009 年的工业粉尘排放量为原始数据，直接使用灰色 gm 模 型，求得发展系数0.150a ，灰色作用量1003.909，进而运用该模型求得 05 年到 09 年的预测值，并求得相对误差，结果如下表： 表 6.2.5 工业粉尘排放量 05-09 年预测值与原始值对照表 年份 2005 2006 2007 2008 2009 原始排放量(万吨) 911.2 808.4 698.7 584.9 523.6 拟合排放量(万吨) 911.2 805.9 693.9 597.5 514.5 残差(万吨) 0 2.5 4.8 -12.6 9.1 相对误差(%) 0 0.315 0.687 -2.155 1.738 上表显示， 运用灰色预测模型对已知年份的预测值与真实值之间的相对误差 较小，可以用于对未来十年的预测。 基于以上分析，对未来十年工业粉尘的排放量，结果如下表： 表 6.2.6 未来十年工业粉尘排放量预测结果表 年份 2010 2011 2012 2013 2014 排放量(万吨) 443.0 381.5 328.5 282.8 243.6 年份 2015 2016 2017 2018 2019 排放量(万吨) 209.7 180.6 155.5 133.9 115.3 用 malab 作后十年烟尘排放量预测的趋势图： 15 2010201120122013201420152016201720182019 100 150 200 250 300 350 400 450 年份 工业粉尘排放量 图6.1.4 未来10年工业粉尘排放量预测图 上图显示，未来十年工业粉尘排放量逐年减小，而且减小的速度有变缓的趋 势。 综上，对三种污染物的变化趋势分析显示，污染物排放量逐年下降，不考虑 污染物累计效应， 空气质量逐年变佳。 排放量的趋势图显示， 递减速率逐年递减， 说明十一五对空气质量的改善影响力逐年减少。 6.3 对模型结果的诊断 为了分析模型的可靠性，必须对模型进行诊断。目前较通用的诊断方法，是 对模型进行后验差检验6，即先计算原始序列标准差： 2 00 1 ( ) 1 xix s n (6.3.1) 再计算绝对误差序列的标准差： 2 00 2 ( ) 1 i s n (6.3.2) 其中： 0( ) i 为i年预测残差， 0 为残差均值。 定义后验比c和小误差概率p： 2 1 s c s (6.3.3) 001 ( )0.6745ppis (6.3.4) 根据灰色精度等级表，如下： 16 表 6.3.1 灰色预测精度等级表 精度预测等级 好 合格 勉强 不合格 p 0.95 0.8p0.95 0.70p0.80 p0.7 c 0.35 0.35c0.50 0.50c0.65 c0.65 6.3.1 对能源消费量预测的精度等级分析： 对平滑系数为 0.7 的平滑灰色预测模型进行诊断，求得 c=0.1836，p=1.000， 当平滑系数为 0.8 时，c=0.1767，p=1；当平滑系数为 0.6 时，c=0.1949，p=1。 因此无论平滑系数取何值，模型的精度预测等级均为好，可以使用该模型进行预 测分析。又由于 c 越小，模型的预测精度越好，因此，当平滑系数取 0.8 的时候， 预测结果最好， 所以可取平滑系数为 0.8， 对未来 10 年的能源消费总量进行预测。 6.3.2 对污染物排放量的预测精度等级分析 采用后验差检验法对以上三个模型进行模型诊断，经计算得，对于二氧化硫 的排放量预测模型，c=0.0473，p=1.000；对于烟尘排放量的预测模型，c=0.0633 p=1.000；对于工业粉尘排放量的预测模型，c=0.0516 p=1.000；对照灰色模型 预测精度等级表可得，三个模型的模型精度等级均为好。 7. 问题四 对于我国未来优化能源消费结构,改善环境空气质量的意见和建议 十一五期间, 我国的能源节约效果比较显著,消费结构有所优化， 环境质量得 以提高。但是，目前形势还不容乐观，与一些发达国家还有很大差距，能源消费 结构与环境空气质量还存在许多迫切需要解决的问题， 进一步优化和改善的空间 还很大。鉴于此，我们针对本文研究的问题以及目前普遍存在的一些问题，给出 若干建议，具体如下： 1. 大力开发和使用新能源、清洁能源技术, 提高天然气替代煤和石油的比重。 目前，我国的能源消费结构中，原煤就占了百分之七十，根据第一小题的分 析可以得到，原煤的燃烧是影响空气质量的最主要因素，减少原煤的消费比 例，增加清洁能源的消费比例，也是改善环境空气质量的重要途径。 2. 进一步开发、引进和完善核电水电技术,大力发展核电水电工程。由于我国的 核资源、水资源比较丰富,核电水电技术比较成熟,因此大力发展核电水电, 是 我国目前比较可行的优化能源消费结构的重大举措之一。 3. 大力开发和使用节能降耗技术、煤液化、煤气化等技术,不断提高能源使用效 率，并进一步降低煤炭消费对环境的污染。 4. 加大能源勘探投入, 建立必要的战略储备。 对自给率低的能源, 加强国际合作, 拓展市场空间, 积极开发利用替代能源。 5. 进一步深化管理体制改革, 不断提高能源开发利用方面的技术和管理水平， 及时制定和实施科学的能源战略。在加强环保工作的基础上，加大投入，鼓 励研发，注重能源的开发、利用和保护工作。 17 6. 完善与能源相关的法律法规体系。国家财政、税收等要向节能降耗、环境保 护、能源技术创新、能源消费结构优化、可再生能源等方面倾斜, 建立和完 善奖惩、问责机制。 7. 加大工业污染防治力度，对重污染行业的新、扩、改建项目要严格控制。 淘汰落后设备和工艺，加快治理老污染源。 8. 调整工业布局。合理调整产业结构，淘汰高能耗、高污染的项目，减少环境 压力。并要在科学发展观的视角下有选择性地引进项目。 9. 削减电力、热力、化工等重点大气污染源的污染物排放量。提高能源利用效 率，实现污染物排放集中控制。 10. 通过政策引导，积极引进和使用电力、天然气，推广使用太阳能、风能、地 热能等可再生能源和清洁能源，优化能源结构，优化能源质量，提高清洁能 源比例。 11. 加快基础设施建设步伐，加强森林生态建设和生态环境保护，发展循环经济、 推行清洁生产。 12. 加大环境监督管理力度，提高环境管理成效采取切实措施督促企业污染治 理设施建设。 8. 模型优点与缺点 8.1 灰色相关体系 优点 1. 对于灰色体系，很难研究各个因素之间的关系，但是灰色相关体系提供 了一种很好的思路。 2. 通过拟合寻找各个因素和评价指标的关系时，需要寻找合适的函数，工 作量大，而灰色相关体系可以通过关联度直接得到综合评价模型。 缺点 1. 灰色相关体系存在灰色因素，对结果进行检验难度较大。 2. 建立综合评价模型时，很难将因素和评价指标建立起精确的函数关系， 虽有了权重，但是还要具体进行分析计算。 8.2 超效率 dea 模型 优点 1. 通过去除一些无效 dmu 来使最终的技术效率得到更加真实的反映。 2. 由于 dea 无需任何权重假设的特性， 在避免主观因素和简化运算、减 少误差等方面有着显著的优越性。 3. 克服传统模型增长的缺陷， 能对众多的 dmu 单元进行充分排序与评价的 dmu 本身的剩余 dmu 集合。 缺点 1. 这个模型相对难懂，对于模型的计算是一大难点。 2. 在节能减排分析时，只是对当年的进行投入产出分析节能减排的成效， 未进行纵向的比较。 18 8.3 灰色 gm 体系 优点 1. 采用平滑处理法，对数据进行预处理，减少数据的随机性，使得数据更 加具有趋势性，相对可以减少对结果造成的