楊旭,王曉麗
(1.鄭州大學水利與環境學院,河南 鄭州 450001;2.鄭州大學力學與工程科學學院,河南 鄭州 450001)
隨著我國人口的增加、經濟的發展和城鎮化進程的加快,城鎮生活污水的排放呈現逐年增加的趨勢,其造成的水體污染已相當嚴重,成為城鎮化進程中不可忽視的問題。為有效地控制污水排放量,減少其對水體的污染,分析和預測未來幾年的城鎮生活污水排放量十分必要。
目前常用的污水排放量預測模型和方法為回歸分析法、灰色模型、BP人工神經網絡法等[1-2]。
回歸分析法是一種應用廣泛的方法,在污水排放量預測中常用的是多元線性回歸,但回歸分析要求大樣本,只有通過大量的數據才能得到量化的規律,這對很多無法得到或者一時缺乏數據的實際情景的解決帶來了困難。
人工神經網絡模型是一種包含許多簡單的非線性計算單元或連接點的非線性動力系統,而BP人工神經網絡是其中應用最廣泛的一種。污水排放量與相關影響因素之間關系復雜,BP網絡模型強大的非線性映射能力可以較好地處理這方面的問題,然而BP網絡模型通常也存在學習效率低、收斂速度慢和易陷于局部極小狀態的問題[2]。
灰色系統理論[3]是鄧聚龍教授于1982年在國際上首先提出的一種研究“部分信息已知,部分信息未知”的小樣本、貧信息的不確定性系統的方法。其中的灰色預測通過對原始數據進行生成處理來尋找系統變動的規律,生成有較強規律性的數據序列,然后建立相應的微分方程模型,從而預測事物未來發展趨勢的狀況。
灰色預測所需數據量不大,在數據缺乏時十分有效。其不同于回歸分析,不建立數據模型,而利用對原始數據進行生成處理后的生成序列數據建立模型,進行預測,不受樣本容量的限制,樣本不需要規律性分布。其中的GM(1,1)模型是灰色預測中常用的模型。
污水排放量受到人口、經濟發展水平、經濟結構、居民生活水平、生活習慣等諸多因素的共同影響,影響因素較多且較為復雜,其中有些因素難以清晰的分析與衡量。這些符合灰色系統的特征?,F主要運用灰色預測理論,根據2000—2012年全國城鎮生活污水排放量的數據(見表1)建立GM(1,1)模型,并對該模型進行精度等級檢驗。
表1 2000—2012年全國城鎮生活污水排放量① 億t
①數據來自環保部網站的歷年《全國環境統計公報》(http://zls.mep.gov.cn/hjtj/qghjtjgb/),其中《全國環境統計公報(2013年)》尚未發布。
灰色預測理論的GM(1,1)建模方法,首先對原始數據序列經過累加生成,后建立微分方程模型,利用微分方程以及初值條件進行數據序列的預測。
設有原始數據序列為:
x(0)=[x(0)(1),x(0)(2),…,x(0)(n)]
(1)
對以上原始數據序列作一次累加生成處理后,得:
x(1)=[x(1)(1),x(1)(2),…,x(1)(n)]
(2)
(3)
式中生成序列式(2)與原始序列式(1)相比較,其平穩程度增加而隨機程度得到弱化。生成序列可用一階微分方程描述其變化趨勢。
GM(1,1)的灰微分方程為x(0)(k)+αz(1)(k)=μ
(4)
式中:
z(1)——x(1)的緊鄰均值生成序列,稱為背景值;
x(0)(k)——灰導數;
α——發展系數;
μ——灰作用量。
對應的白化方程為:
(5)
其初始條件為x(1)(1)=x(0)(1)。式中待定參數α和μ用最小二乘法估計可得:
[α,μ]r=[BrB]-1BrY
(6)
式中B為數據矩陣,Y為參數向量,分別按式(7)和(8)計算,其中:
(7)
Y=[x(0)(2),x(0)(3),…,x(0)(n)]r
(8)
求微分方程的解,得到時間響應函數:
(9)
(10)
利用MATLAB編程[4-5]可求得α、μ,由式(10)即可進行數據序列的灰色預測。
經計算后可以得2000—2012年城鎮生活污水排放量的預測值,見表2。
對建立的GM(1,1)模型按表3進行相對誤差、絕對關聯度、后驗差和小誤差概率檢驗,見表4。
表2 城鎮生活污水排放量的GM(1,1)模型計算結果
表3 灰色模型精度檢驗等級[6]
表4 GM(1,1)模型檢驗指標值
根據表3與表4的對比可知,相對誤差檢驗結果為二級,絕對關聯度、后驗差和小誤差概率檢驗結果均為一級,故此模型精度為二級。對比表5的GM(1,1)模型適用范圍[7]可知此模型可用于中長期預測。
表5 GM(1,1)模型的適用范圍
用此模型對未來幾年城鎮生活污水排放量進行預測。2013—2017年全國城鎮生活污水排放量預測值見表6。
表6 全國城鎮生活污水排放量預測值 億t
(1)2013—2017年全國城鎮生活污水的排放量呈逐年上升趨勢,從2013年的477.273 6億t上升到2017年的624.102 2億t,每年的平均上升速率為29.37億t。
(2)所選用的灰色預測模型和方法簡單易用,不需像回歸分析法、BP人工神經網絡法那樣考慮影響系統行為的種種因素,利用較少的數據即可進行精度較高的預測。但同時應注意,利用GM(1,1)模型所建立的預測函數表達式,反映出其更適用于具有較強指數規律的序列。城鎮生活污水排放量較符合這一特征。
[1] 王鳳仙,李樹平,陶濤.城市污水量預測模型及方法綜述[J].河南科學,2009,27(4):483-487.
[2] 王凡.城市污水排放量預測研究[D].上海:華東師范大學,2011.
[3] 鄧聚龍.灰色系統理論教程[M].武漢:華中理工大學出版社,1990:1-20.
[4] 唐麗芳,賈冬青,孟慶鵬.用MATLAB實現灰色預測GM(1,1)模型[J].滄州師范??茖W校學報,2008,24(2):35-37.
[5] 宋新山,鄧偉,張琳.MATLAB在環境科學中的應用[M].北京:化學工業出版社,2008:201-208.
[6] 肖新平,宋中民,李峰.灰技術基礎及其應用[M].北京:科學出版社,2005:139.
[7] 劉思峰,鄧聚龍.GM(1,1)模型的適用范圍[J].系統工程理論與實踐,2000,20(5):121-124.