基于模糊识别理论的上海市十一五节能减排评价

1、基于模糊识别理论的上海市十一五节能减排评价摘要 本文利用模糊识别理论对上海市十一五期间节能减排情况进行了分析，根据网上数据，选取了定量评价指标，通过定量分析得出了每年的隶属度指标。通过查阅资料，我们确定了五项反映节能减排效果的指标：化学需氧量排放量、二氧化硫排放量、环保投资占国民生产总值的比例、烟尘排放量、单位GDP耗电量，并定量描述了评价等级何时为优秀、达标、未达标或差。通过确立节能减排评价标准值矩阵、监测值矩阵以及对应的模糊矩阵，而后求得距离矩阵，最后得出归一化隶属度矩阵，根据取大原则确定了每年的最优分级隶属度和评价结果，具体如下表：年度优秀达标未达标差评价结果2005-20060.079

2、18 0.13239 0.40368 0.38476 未达标2006-20070.00100 0.99751 0.00100 0.00050 达标2007-20080.54276 0.21950 0.13757 0.10017 优秀2008-20090.38972 0.25973 0.19476 0.15579 优秀 在模型检验中，我们利用BP神经网络进行检验，发现结论与上述结果一致，验证了模型的正确性。关键词：模糊识别 节能减排 评价系统 神经网络 聚类分析一、问题重述1.1问题背景节能减排是我国应对资源紧缺、减轻环境压力、实现经济可持续发展的必然选择。关于节能减排考核体系的研究,目前多限于

3、广泛的定性论述,定量研究成果尚不多见。为了更好的服务于国防经济建设以及加快实现我国经济建设转型，关于节能减排定量评价的数学模型势在必行。1.2目标任务 通过对题目的理解，我们对上海市十一五期间的节能减排情况进行了分析，主要包括以下两个方面：任务一：通过阅读附件和查阅资料，确立能够反映节能减排实际效果的评价体系，并利用上海市十一五期间的数据进行具体评价。任务二：根据所建的模型以及分析的结果，为上海市政府决策提供合理的建议。二、模型假设1.所有数据来源真实可靠；2.仅选取化学需氧量排放量、二氧化硫排放量、环保投资占国民生产总值的比例、烟尘排放量、单位GDP耗电量作为节能减排的评价指标，忽略其他次要

4、因素的影响； 2.不考虑所选取评价指标的相关性；3.定义各指标的评价等级时，国务院制定的五年减排目标平均分担到每年；4.各个评价指标的权重是相同的。三、模型建立和求解3.1 评价指标体系的建立3.1.1 指标的选取 我们通过查阅资料，确定了如下评价指标：废水COD排放总量 COD是指化学需氧量，表示在强酸条件下重铬酸钾一升污水中有机物所需的氧量，可大致表示污水中的有机物量。COD是水体有机污染的一项重要指标，能够反映水体的污染程度。一般制纸业、制药业、化工、垃圾渗滤液中COD的化学需氧量排放较高。十一五期间，国务院下发的文件中也明确提出废水COD的排放指标，以及下降量。所以选取这个指标能够反映

5、一个城市减排的效果，排放量越大说明减排效果越差。 二氧化硫排放量 二氧化硫是空气质量的一项重要指标，是酸雨形成的重要组成部分，其主要来源于煤和石油的燃烧，浓度高时使人呼吸困难，甚至死亡。因此一个城市的二氧化硫排放量是评价城市节能减排的重要指标，城市节能越多，减排越多，说明该城市发展了新能源以及公民环保意识有所增强，进而也就说明了节能减排效果好。环保投资占国民生产总值的比例 众所周知，在经济大建设中，资金是影响发展的重要因素，没有了资金的支持，发展便失去了支柱。同样一个城市靠搞好环保，不投资是不行的。在忽略其他因素的前提下，投资是与环保效果成正比的。而环保的好坏是政府执行节能减排力度的重要体现。

6、烟尘排放量 烟尘的主要成分是燃料的灰尘颗粒物、未燃尽颗粒物、可见其他颗粒物质等，它的排放量一般根据燃烧载体锅炉、炉窑、熔炼炉等的容量来衡量。同样它也是节能减排的重要指标之一。单位GDP耗电量 根据国务院的报告，现在中国社会发电量的主要来源还是石化燃料的热能，新能源所占比例依然很小，同样经济的发展也绝不能以牺牲环境为代价，单位GDP耗电量越少，经济发展的健康程度越好，越符合可持续发展科学发展的理念，同时节能减排的效果就很明显。图1 节能减排评价体系3.1.2各指标分级标准的确定根据文件国务院关于进一步加大工作力度确保实现“十一五”节能减排目标的通知的指示要求，要实现“十一五”单位国内生产总值能耗

7、降低20%左右，主要污染物的排放量降低10%的目标。我们据此定义了各指标的评价等级。废水COD排放总量、二氧化硫排放量、烟尘排放量 鉴于要求该三类指标的排放量在十一五期间要减少10%，所以对于每一年而言，我们定义了每一年的减排量达到2005年排放量的2%即为达标，在此基础上，我们又定义了优秀、未达标、差三个等级。单位GDP耗电量 同理，鉴于要求单位GDP能耗在十一五期间要减少20%，所以对于每一年而言，我们定义了每一年的减排量达到2005年排放量的4%即为达标，在此基础上，我们又定义了优秀、未达标、差三个等级。环保投资占国民生产总值的比例 由于GDP是逐年递增的，所以相同比例的GDP量也是逐年

8、递增的，并且相关数据【8】表明十一五期间上海市的环保投资占GDP的比重在3%左右。因此，我们定义了3%即为达标，在此基础上，我们又定义了优秀、未达标、差三个等级。综上所述，我们可以得到各指标的分级标准表如下：表1 定量指标分级标准表指标级别优秀达标未达标差废水COD排放减少率（%）二氧化硫排放减少率环保投资占GDP比例.烟尘排放减少率单位GDP耗电减少率3.2模糊识别理论评价模型的建立与求解3.2.1模型的建立 应用模糊识别理论，以模糊集理论中的权距离概念来表示带评价的检测值。在本问题中评价指标分为4级，分别为优秀、达标、未达标、差，5项评价因子，分别为废水COD排放减少率、二氧化硫排放减少率

9、、环保投资占GDP比例、烟尘排放减少率、单位GDP耗电减少率。根据此构建上海市节能减排评价标准值矩阵：其中，矩阵的每一行表示每一个评价指标的各个等级的评价值，每一列表示某一等级各指标的评价值。现在有上海市五年间的节能减排情况需要根据以上评价标准进行分级评价，组成评价标准的评价样本集，其相应的5项节能减排评价指标的考核值构成的监测矩阵为：其中，矩阵的每一行表示每一个评价指标对于各个年度的评价值，每一列表示某年的各指标的评价值。 由于各个评价指标的量纲是不同的，所以我们需要对数据进行标准化处理。规定第级评价指标的第一级（即为优秀级）标准值对于模糊子集“好坏”的隶属度；而最后一级（即为差级）标准值的

10、隶属度，介于第一及和最后一级的隶属度的隶属度可用以下线性内插公式来计算： （1）根据以上公式可以将评价标准值矩阵变换为标准值模糊矩阵：根据公式： （2）将各个监测指标值规格化为指标隶属度，从而监测值矩阵转化为监测值模糊矩阵：在这里我们假设不同的评价指标对上海节能减排的总体效用是相同的，即它们的权重是相同的，那么指标的权向量为：根据标准值模糊矩阵，第h级别标准可用向量表示为：类似地，由监测值模糊矩阵，第年的各项指标数据用向量表示为：根据模糊集理论中权距离的概念和定义，第年数据与评价标准第级别的差异可用考虑了评价指标权重的广义权距离来计算： （3）其中为距离参数，时是海明距离，是欧氏距离，在本模型

11、中采用欧氏距离。根据以上公式可以得到差异性矩阵： 其中，矩阵的每一行表示第级指标对每一年的权距离，每一列表示第年度与每一级的权距离。差异矩阵反映了各年数据对于各级评价标准的贴近程度。越小表明第年数据越贴近于第级指标，即隶属度越大，进而定义隶属程度与广义权距离之间的关系： （4）为直观和便于比较，将同一年的隶属度值进行归一化处理，得到第年数据对于第级指标的分级隶属度，其计算公式为： （5）根据以上计算结果，确定归一化后的隶属度，根据最大原则，可以得出每年所对应的评价指标。3.2.2模型的求解通过查阅相关数据【8】，我们确定了20052009年的各指标的值如下表:表2 十一五期间上海市各指标数据年

12、份20052006200720082009废水COD排放总量（万吨）30.44 30.20 29.44 26.67 24.34 二氧化硫排放量（万吨）51.28 50.80 49.78 44.61 37.89 环保投资占GDP比例（%）3.04 2.94 2.93 3.00 3.06 烟尘排放总量（万吨）11.52 11.29 10.60 10.63 10.18 用电量（亿千瓦时）921.97 990.15 1072.38 1138.22 1153.38 GDP（亿元）9247.66 10572.24 12494.01 14069.87 15046.45 单位GDP耗电量（元/千瓦时）0.09

13、970.09370.085870.08090.0767对上述数据进行处理可以得到各个指标的增减率：表3十一五期间上海市各指标数据的相对于2005年的增减率年份2005-20062006-20072007-20082008-2009废水COD排放增减率-0.79%-2.50%-9.10%-7.65%二氧化硫排放增减率-0.94%-1.99%-10.08%-13.10%环保投资占GDP比例2.94%2.93%3.00%3.06%烟尘排放增减率-2.00%-5.99%0.26%-3.91%单位GDP耗电增减率-6.06%-7.85%-4.95%-4.26% 根据表一可以得到节能减排绩效矩阵： 根据表

14、三可以得到监测矩阵为： 标准化的绩效模糊矩阵为： 标准化的监测模糊矩阵为： 利用公式（3），通过MATLAB求解可得差异性矩阵为：则隶属度矩阵为： 标准化的隶属度矩阵为： 最后可得上海市每年的节能减排效果的最优分级隶属度和评价结果如下表：表4 每年的分级隶属度和评价结果年度优秀达标未达标差评价结果2005-20060.07918 0.13239 0.40368 0.38476 未达标2006-20070.00100 0.99751 0.00100 0.00050 达标2007-20080.54276 0.21950 0.13757 0.10017 优秀2008-20090.38972 0.25

15、973 0.19476 0.15579 优秀 通过表4不难发现，上海市的节能减排情况如下：2005-2006、2006-2007、2007-2008、2008-2009年度的评价结果依次为未达标、达标、优秀、优秀，这也反映了上海市的节能减排力度在逐年加大。四、模型检验在模型建立与求解部分，本文通过模糊识别理论对2005年至2009年这五年上海市的节能减排情况进行了评价。为了验证模型的可靠性，这里利用2层BP神经网络对模型求解结果进行验证，所采用的神经网络的结构如下图 2所示：图 2：2层BP神经网络的结构如上图2所示，本文采用的神经网络共有两层输入层与隐含层。输入层所采用的是Sigmod型神经

16、元，其传输函数为tansig,实现把神经元的输入范围从（0,100）映射到（-1，+1）;隐含层所采用的是Purelin型神经元，其传输函数为purelin，实现整个网络的输出可以取任意值。同时，我们采用trainlem网络训练函数和均方差性能函数mse进行所建立网络的训练与性能衡量。图 3：神经网络输出误差与迭代次数的关系根据表1，利用Matlab编程，分别构造了20对四个等级（优秀、达标、未达标与差）的训练集以实现对网络的训练，并且令网络输出为1时表示优秀、输出为2时表示达标、输出为3时表示未达标、输出为4时表示差。对所建立的神经网络进行训练，经迭代12次，网络输出误差趋于稳定，且低于0.

17、1，已到达预期要求，具体误差随迭代次数的变化如下图3所示。将2005年至2009年上海市节能减排的数据代入经训练之后的神经网络中，网络输出结果如下表4所示：表 4：网络仿真结果年份2005-20062006-20072007-20082008-2009网络输出2.8861.96621.28641.07由表4中结果可以看出，2005-2006年份的网络输出结果最接近于3,2006-2007年份的网络输出结果最接近于2,2007-2008与2008-2009年份的网络输出结果最接近于1。按构建网络时对网络输出的定义可对这四个年份的节能减排情况作如下评价：年份2005-20062006-200720

18、07-20082008-2009评级结果未达标达标优秀优秀对比可知运用神经网络对各年份节能减排情况的评价结果与模型建立部分的评价结果完全相同，这说明了本文所建模型的正确性与可靠性。五、模型的评价与改进本文利用模糊识别理论对上海市十一五期间各年度的节能减排情况进行了定量分析，并最终给出了评价结果，这对于节能减排的绩效考核具有重要意义。5.1 模型的优点 1、模型选取节能减排的重要指标单位GDP能耗和主要污染物的排放量作为模糊识别理论中的分级标准，具有较强的针对性和效用性，能够有效的确定隶属度并得出合理的评价结果。2、模型不仅能用于同一地区不同时段的节能减排效果评价，也可以对同一时间段不同地区技能

19、减排效果的横向比较。5.2 模型的不足与改进1、模型忽略了各个评价指标间的相关性，这样可能导致过分强调了某一因素的影响，因此，在模型求解前需要确定各评价指标间的相关性并对数据进行适当的修正在代入模型进行求解。2、模型仅选取了化学需氧量排放量、二氧化硫排放量、环保投资占国民生产总值的比例、烟尘排放量、单位GDP耗电量等五项主要因素作为节能减排的评价指标，忽略了其他因素的影响。鉴于此种情况，可以在对于节能减排情况充分的调查了解的基础上确定更为全面的评价体系，这个对于相关部门是可以实现的。3、在确定广义权距离时我们认为各项指标对于节能减排效果的评价权重是相同的，实际情况还需要深入的调查和统计。六 给

20、政府的建议节能减排是我国应对资源紧缺、减轻环境压力、实现经济可持续发展的必然选择。但是近些年来，对节能减排的争论从未停止过，而建立评价过程节能减排的科学标准迫在眉睫。节能和减排即使矛盾的又是统一的，如何把握两者的辩证统一有为关键。本文通过选取了有关节能和减排的指标，对上海市十一五期间的节能减排情况进行了评价，通过我们的模型，我们向政府提以下建议：1.建立和完善全国的节能减排指标数据库，进一步确立指标，做到城市间的横向比较，每个城市时间轴上的纵向比较。2.增强全民的环保意识。节能减排不是一句空话，需要政府和公民的密切配合，如果公民的环保意识不强，牺牲环境来换取个人的一点利益（如塑料袋的使用等）。

21、再比如变频空调的使用，对于用户来说使用与否对自己的经济利益影响不大，但是对于保护环境来说却大有益处，如果公民的环保意识足够强，就会购买变频空调，做到节能减排人人参与。3.对于新产品，政府要谨慎行之。有些产品的排放量可能很少，但是其潜在的污染可能很大，所以政府要建立新产品全生命周期的污染物排放模型，并确定开发与否。对于那些确实有利于环境改善的新产品，政府可考虑给与一定的支持，同时对于购买新产品的用户一定的补贴。参考文献1李勇，智能预测控制及其MATLAB实现，北京：电子工业出版社，2010.1.2王正林 刘明，精通MATLAB（升级版），北京：电子工业出版社，2011.1.3科学时报 减排背后的

22、能耗代价不容忽视 要算能耗代价帐4国务院关于进一步加大工作力度 确保实现“十一五”节能减排目标的通知5张雪 高岚 徐善类 港航节能减排模糊评价方法研究 6熊德琪 环境系统模糊集分析理论与应用 大连：大连海事大学出版社，20017吕刚，蔡乐等 模糊识别方法在港口大气环境质量评价中的应用J 交通环保，2004.5-78上海市电力公司/load.loadPage.d?siteCode=sdww&page=index.xml9上海市统计年鉴2010 /data/toTjnj.xhtml?y=2010附录：

23、%分级隶属度的确定Y=4 3 2 1;4 3 2 1;3.1 3.05 3 2.95;4 3 2 1;8 6 4 2;X=0.79 2.5 9.1 7.65;0.94 1.99 10.08 13.1;2.94 2.93 3.00 3.06;2 5.99 -0.26 3.91;6.06 7.85 4.95 4.26;S=(Y(1,1:4)-Y(1,4)/3;(Y(2,1:4)-Y(2,4)/3;(Y(3,1:4)-Y(3,4)/0.15;(Y(4,1:4)-Y(4,4)/3;(Y(5,1:4)-Y(5,4)/6;R=(X(1,1:4)-Y(1,4)/3;(X(2,1:4)-Y(2,4)/3;(X

24、(3,1:4)-Y(3,4)/0.15;(X(4,1:4)-Y(4,4)/3;(X(5,1:4)-Y(5,4)/6;for i=1:4 for j=1:4 d(i,j)=sqrt(0.2*sum(R(1:5,j)-S(1:5,i)2); endendfor i=1:4 for j=1:4 u(i,j)=1/d(i,j);endend%2层BP神经网络系统val = Neural Network object: architecture: numInputs: 1 numLayers: 2 biasConnect: 1; 1 inputConnect: 1; 0 layerConnect: 0

25、0; 1 0 outputConnect: 0 1 numOutputs: 1 (read-only) numInputDelays: 0 (read-only) numLayerDelays: 0 (read-only) subobject structures: inputs: 1x1 cell of inputs layers: 2x1 cell of layers outputs: 1x2 cell containing 1 output biases: 2x1 cell containing 2 biases inputWeights: 2x1 cell containing 1 i

26、nput weight layerWeights: 2x2 cell containing 1 layer weight functions: adaptFcn: trains divideFcn: dividerand gradientFcn: gdefaults initFcn: initlay performFcn: mse plotFcns: plotperform,plottrainstate,plotregression trainFcn: trainlm parameters: adaptParam: .passes divideParam: .trainRatio, .valRatio, .testRatio gradientParam: (n