全局论文关于区域环境质量全局评价预测模型运用论文范文参考资料

全局论文关于区域环境质量全局评价预测模型运用论文范文参考资料 (贵州工业职业技术学院经济管理学院,贵州贵阳550008) 摘要环境的系统表现呈多种多面,范围较广。这就造成了它会受到更多的外界影响,其中最大的影响是人类活动的影响。环境系统也有它的复杂性,它其中的元素较多,通过一般的数字建模,是不能很好的确定它的特征,因而我们需要使用一种新的方式去进行模型建造,这种新的模型就是灰色系统动态模型。此模型的应用,能够清晰的进行环境系统的建模,还能够减轻环境质量评价的工作量,给环境质量予以评价。文章对区域环境质量进行了全局评价预测模型及运用的分析。 关键词区域环境；质量；全局评价；预测模型；运用 DOI1013939/jkizgscxx30190 “系统”是一个整体的概念,其中有各个部分组成一个系统。系统发挥的是全局的作用,系统将其中的各个部分联系在一起,进行共同发挥作用。此外,系统与部分之间相互依存,相互作用,共同进行协作。在我们了解了系统时,我们还需要了解环境系统。环境系统,是指地球上各类生物与非生物之间的总称。这里的生物因素有人与动植物圈,非生物因素有大气、土壤、水等环境,还参与一些引力等自然现象。1从中我们可以看出,环境系统的庞大性和复杂性。因而,我们需要去找寻,更好的方法去进行环境质量全局的评价,不断推进新的形势与新的方法,使其能够获得更好的收获。 1指标体系 环境作为一个系统,拥有着目标性、层次性、多变性等。并且组成环境系统的每个变量之间,都有着复杂的关系,这些关系构成了一个完整的环境系统。第一,经济的发展带来重工业的发展,发展形势很难得到转变,还是以粗放型的经济为主体,带来了一定的环境污染；第二,人口的不断增多,使得环境压力在不断加大,资源的利用率和排放率也在不断增加。经济的发展也使得国家投入了大部分的资金,去进行环保工程,例如,环境保护、植树造林、建设绿化带等。 11经济发展指标 反应国内的生产总值、工业总值等,这些重工业对于环境污染较农业更为严重,因而我们在进行建模时,一定需要把工业总值作为重点来建设。其次,人口的快速增长也给环境带来了一定的污染,例如,垃圾的排放、资源的不合理利用、产品的消费等。2在一些城市中,城市人口已经占据一半以上,城镇人口在不断地增长中,必然也给环境带来了一定的影响。因此我们需要在构建模型时,将城镇人口作为社会指标的代表,这样具有典型性。最后,煤炭、电力等资源也是主要空气的污染源,即使它相关联在工业和人口,但它具有影响环境的直接性,需要我们进行建模时,把它加入能源消耗指标当中。 12环境质量指标 环境质量指标包含的方面较广,综合性也较强,主要包含：大气环境、土壤环境、辐射环境、水环境等。水环境代表着水资源以及化学含氧量；大气环境主要有粉尘和二氧化碳；土壤环境包含固体废弃物,工业尘土；辐射环境主要是受到辐射影响的区域。 13生态指标 生态指标主要是,城市的绿化带以及绿色植物的覆盖,这些里面混合着土地的面积,与一些环保区域,很难进行预计与估算,我们可以将它们剔除出去,在进行模型的建设。 14环境管理指标 环境管理指标是一些环保投资,污染监控之类的指标、城市环境的检测等,其中环保投资,主要有污染整治投资、生态保护费用等一些费用。这些费用,能够更好地体现社会的努力、企业的帮助、政府的扶持,这些能让建模更加有意义,体现建模的严格性,不断反应区域的发展情况。 2区域环境质量全局评价预测模型 21GM模型 未来的指标方法与模式,需要我们不断地去进行探索。我们现如今的一些预测方式多种多样,可供我们选择的也较多。但是我们一般不会使用那么多,我们只使用一些较常用的。比如,逐渐回归方法、线性回归方法、概率预测方法等。目前,灰色系统理论也应用在多种领域当中。灰色系统要求我们从大方向看问题,要求看问题的系统性。3它主要用于研究一些结构信息不清晰的系统。从中我们可以看出,环境系统就是典型的灰色系统,并且具有很强的复杂性。 灰色系统为我们提供了,一种新型的建模方法,这种建模方法叫做微分方程。我们一般在进行建模的时候,会大量应用到原始数据。而灰色系统理论是应用到电脑生成的数据,很是方便。即使在电脑上的信息不够充分,不容易,但是系统本身有其的有序性,能帮助解决这一问题。对于灰色系统理论来说,一些无规律的数据以及排列混乱的物品,都是可以用灰色理论系统解决的。灰色系统从大方面来看,每一个系统都是有能量的,能量必将伴随着累积衰退,这其中就包含指数的量化。灰色系统理论,可以将杂乱无章、没有任何规律性的数据,变得更加的清晰明了,并且从中深挖出其中的规律。其中GM模型就是灰色系统模型中的一种,它的建模方式是这样的： 给定原始时间序列： 由此我们可以看出,原始的时间序列可以用GM模型进行处理。它能够将数据处理的更规范、标准。还可以处理加权后的数据,应用度很广。因而,我们可以用它进行对综合指数的预测,进而得到原始数据。我们可以应用GM模型进行工业总产值、区域环境系统、环境质量等进行分析,各污染物数据预测,可由环境质量综合指数和各污染物权分布求得。 22相对关联预测模型 相对关联预测模型,是通过关联矩阵得以实现的,矩阵的每一行都有相应的关联度,可以对一些单独数据,进行单独的预测,我们进行的预测通常公式如下： 设C为各项目标准化数据矩阵，Ri为行向量，规一化Ri 我们从中可以看出,相对关联模型对于数据处理的方面,做得很好,能将数据之间联系到一起,不断对数据进行关联分析,最后得出关联的结果。在实际的区域环境评价系统中,也会起到很大的作用,对于数据的整合有着很大的帮助,更好地体现数据的联系性。 3区域环境质量全局评价预测模型运用 这个模型使用中国的华东地区为例,其中表中体现了此地的人数、能源消耗、污染物的排放、经济发展、环保建设等。见下表。 与预测,更能体现出数据的准确性。 综合评价。我们在进行建模之后,数据都清晰地展现在眼前,可是对于数据的情况,我们还不是很了解,这就需要我们通过,对数据进行综合评价来分析。数据的综合评价较好,就说明环境质量不错,加入评价得不好,就说明环境较差,需要我们不断地去改进。预测。我们可以将一组数据,用GM模型分别去预测它的指标,之后利用关联预测模型,进行相关性的预测,最后在得出预测的结果,预测的结果对于我们来说,有着很重要的意义。检验。在这些工作都做完了的情况下,我们需要对这些数据结果,进行检验,以免发生错误的数据。早检查出来,早改正,也能体现出建模的准确性,更好地使我们的区域环境全局评价更为准确。 4结论 通过,对区域环