基于RS-SVM模型的风暴潮灾害损失测度

论文以现有的风暴潮灾害研究为基础,通过构建评估指标体系提出了基于粗糙集-支持向量机模型(RS-SVM模型)的风暴潮灾害损失测度方法。RS-SVM模型较好的将二者优点进行结合,消除数据冗余信息的同时可以快速、准确解决非线性问题。在上述研究的基础上,对比单纯使用SVM方法与RS-SVM组合使用下的风暴潮经济损失测度效果,发现粗糙集与支持向量机在数据属性约简并进行预测过程中,确保了较高的拟合度与较低的误差率。     

基于D-S证据理论的飞行事故预测模型

为提高飞行事故的预测精度,提出一种基于D-S证据理论的组合预测模型.该模型分别采用时间序列、BP神经网络和最小二乘支持向量机对飞行事故率进行预测,通过对待测年份之前的飞行事故的预测误差分析,计算出相应的基本信任分配函数,并借助D-S证据理论对三种预测模型进行融合,将融合结果作为飞行事故率预测模型的权重,从而得出待测年份的飞行事故预测结果.以美国空军A类飞行事故数据对该组合模型进行验证,结果表明组合预测模型能够较准确地预测飞行事故率,且模型精度优于任何单一预测模型.     

基于规范变换与误差修正的回归支持向量机的环境系统预测

为了建立不同环境系统皆能规范、统一、简洁、实用的回归支持向量机预测模型,针对传统的回归支持向量机预测模型存在结构不能普适、规范和统一及用于大样本、多因子预测会出现学习效率低、求解精度差的局限,提出适用于环境系统预测量及其影响因子参照值和规范变换式的设计原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子;为提高样本的预测精度,还提出预测样本的模型输出的误差修正法.在对环境系统的预测量及其影响因子进行规范变换的基础上,由有m个规范影响因子的每个建模样本生成m个"等效"训练样本,从建模样本中,选择各影响因子的最大规范值组成训练样本集的"参考样本",计算核函数中每个训练样本相对于"参考样本"的范数;并应用优化算法优化模型参数,建立适用于预测量及其影响因子规范值的仅有2个或3个支持向量的两种简单结构的回归支持向量机预测模型.将基于规范变换的两种简单结构的回归支持向量机模型与相似样本误差修正法相结合,用于河津大桥监测断面6个样本的COD月平均值预测,并与多种传统预测模型和方法进行了比较.结果表明:对同一个预测样本,两种模型的预测值十分接近;此外,两种预测模型用于6个样本预测,其相对误差绝对值的平均值分别为2.09%、2.79%,均远小于传统的投影寻踪回归预测的41.63%、支持向量机预测的40.99%、灰色神经网络预测的25.94%和马尔可夫预测的10.16%;而两种预测模型对异常样本预测的最大的相对误差绝对值分别为5.85%、5.13%,更加远远小于传统的4种预测模型的169.07%、180.45%、68.44%、41.96%.两种基于规范变换的回归支持向量机预测模型简洁、普适、规范和统一,避免了"大样本数困难",提高了学习效率和模型的预测精确度,对其他预测建模法也有借鉴作用.     

基于变异系数法的道路交通事故灰色组合预测模型研究

为准确预测交通事故死亡人数,针对不同单一灰色预测模型的特点以及存在的局限性,建立了一种基于GM(1,1)模型和Verhulst模型的灰色组合预测模型,用于对我国道路交通安全事故进行预测,通过变异系数法确定组合预测模型中各个单一预测模型的权重系数,并利用我国2007—2016年道路交通事故死亡人数数据,对建立的灰色组合预测模型进行了检验。结果表明:灰色组合预测模型比单一的GM(1,1)模型和Verhulst模型具有更高的预测精度,可为我国道路交通安全事故的研究提供参考。     

组合灰色预测模型应用于山东省碳排放预测

根据山东省2000—2012年工业、建筑业和交通运输业能源消费数据测算得到碳排放量,基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数。选用2000—2009年三大碳排放行业的实际值作为原始数据,利用各预测模型预测2010—2012年碳排放量。结果表明:组合灰色预测模型比单一预测模型具有更高的预测精度。利用组合模型预测山东省2013—2017年各行业碳排放量,为相关部门制定节能减排政策提供理论及方法借鉴。     

基于改进灰色与广义神经网络的火电行业NO_x排放组合预测

为解决区域火电行业NOx排放量的预测问题,在原始灰色模型基础上做出改进,提出了基于指数平滑的改进灰色模型,并将该模型与广义神经网络相结合,建立了基于改进灰色与广义神经网络的组合预测模型。以1998—2011年火电行业NOx排放量数据为基础,对提出的组合预测模型与灰色模型和广义神经网络模型的预测结果进行了对比。结果表明:建立的组合模型预测结果更为精准,能够更有效应用于区域火电行业NOx排放量的预测问题。     

城市交通道路氮氧化物浓度的CART回归树预测研究

提出了基于CART回归树的氮氧化物(NO_x)浓度预测模型,利用杭州市延安路路边空气质量监测站2016年6—9月空气污染物监测数据和同期延安路路段车辆抓拍识别数据,通过数据处理、影响因素分析及CART回归树构造,搭建了NO_x浓度预测模型.实验分析结果表明,相对于支持向量机和BP神经网络预测模型,基于CART回归树的NO_x浓度预测模型的预测精度有大幅度提升,可决系数在0.92以上;同时,对环境条件差异较大的G20会议期间NO_x浓度进行预测分析,结果表明,CART回归树方法的预测精度比其它方法更高,能够适应不同条件下的预测需求.     

基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用

针对滑坡位移时间序列含大量噪声、具有明显的非线性等特征,本文提出了一种基于粒子群优化(PSO)的小波分析(WA)-支持向量机(SVM)滑坡位移预测模型(即WA-SVM模型)。该模型在混沌分析的基础上,首先用WA将滑坡位移序列分解成不同频率的分量,然后采用PSO算法优选SVM模型参数,并利用SVM模型预测各分量值,最后将各分量预测值组合得到最终预测值。结合滑坡位移序列实例,将基于粒子群优化的WA-SVM模型的预测结果与WA-BP模型、单独SVM模型进行对比,结果表明该滑坡位移序列存在混沌特性,基于粒子群优化的WA-SVM模型克服了噪声的干扰和参数优选的问题,具有较高的预测精度和预测效率,为滑坡位移的预测提供了一种新的方法。     

融合时空特征的PCA-PSO-SVM臭氧(O3)预测方法研究

针对目前臭氧预测方法未能考虑臭氧污染的区域性和在时间周期内的强自相关性的问题,提出一种融合时空特征的PCA-PSO-SVM臭氧组合预测模型.利用小波分析和系统聚类提取臭氧时间序列波动特征和站点空间分布相似性特征,并通过主成分分析和粒子群算法优化的支持向量机组合模型（PCA-PSO-SVM）对臭氧日最大8h平均浓度进行预测,以2016~2018年杭州市大气污染物观测数据和气象数据进行实验验证.结果表明：融合时空特征的PCA-PSO-SVM模型预测精度有较大提升,与未融合时空特征的PCA-PSO-SVM模型相比,精度提升19%.气象因素中温度对臭氧预测效果影响最大,在气象预报数据存在一定误差的情况下,提出的模型仍得到较高精度的预测效果,具备较好的鲁棒性.     

基于灰色支持向量机组合模型的我国火电NOx排放量预测

区域火电NO_x排放量的预测属于小样本、贫信息的灰色系统. 由于NO_x排放量受多个因素的叠加性影响,单一预测模型难以准确反映NO_x排放量的复杂变化,易产生较大的预测误差. 基于此,利用灰色预测理论和支持向量机预测理论,建立了火电NO_x排放量组合优化预测模型. 采用国家权威部门发布的火电NO_x排放量数据,综合考虑影响我国火电NO_x排放量的主要因素,对我国2008—2010年以及2020年的火电NO_x排放量进行了预测,预测结果与官方公布的实际值基本一致; 同时,预测的时间大大缩短.      

中国流通业CO2排放的因素分解和脱钩分析

参照IPCC清单中的方法估算了2000~2012年中国流通业CO2排放量;运用LMDI方法分解分析了研究期间流通业CO2排放变化的影响因素;并基于DPSIR框架构建流通业脱钩努力指数模型测度了流通业CO2排放脱钩效应.结果表明:2000~2012年间,流通业CO2排放量增长明显,期间累计排放总量为692482.37万t;产业规模效应是CO2排放增量的主要因素,能源强度效应是CO2排放减量的主要因素,分别引起CO2排放量增加了67435.72万t和减少了12358.67万t,能源结构和排放因子效应对CO2排放影响有限,分别引起CO2排放量增加了519.89万t和减少了2590.94万t;流通业CO2排放脱钩状态呈“弱脱钩—未脱钩—弱脱钩—未脱钩”的变化特征,脱钩努力指数值呈“ ”型变化趋势;目前能源强度是决定流通业CO2排放脱钩状态的关键因素,但随着能源强度的下降幅度越来越小,未来更需要通过调整能源结构和降低排放因子来实现流通业CO2排放脱钩.     

上海市终端能源消费的CO2排放影响因素定量分析

以对数平均指数法(LMDI)方法为基础,探讨了包括生活能耗在内的上海市终端能源消费CO2排放影响因素的分解方法,定量研究了能源强度下降、能源结构优化、产业结构调整、经济发展规模和人口数量等影响因素对CO2排放变化量的贡献率.研究表明,上海市2005~2009年CO2排放增长了2949万t,如果不采取任何减缓措施,经济增长和人口数量增加将导致CO2排放增长量相当于现在的2.5倍.能源强度下降、能源结构优化和产业结构调整起到了减缓CO2排放增长的作用,对减缓CO2排放增长的贡献率分别为-98%、-50%和-22%.与2000~2005年对比分析发现,工业部门能源强度下降和能源结构优化的减缓作用都有所下降,而产业结构调整开始发挥减排的作用,但贡献率还很低.生活能耗的CO2排放影响因素中,相较于人口数量增长,人均生活能耗上升是导致CO2排放增加的主要因素,且贡献率逐渐增大.     

GM(1,1)模型在湘江株洲段氨氮预测中的应用

用MATLAB语言建立GM(1,1)模型,以湘江株洲段2003年-2008年氨氮监测值为基础,预测了湘江株洲段2003年-2015年氨氮年平均浓度。所建模型,经精度检验符合预测规律,具有一定的有效性、可行性和适应性。结果表明,建立的GM(1,1)模型精度较高,预测结果与实际监测浓度接近。氨氮年平均浓度呈下降的趋势。     

AERMOD与估算模式在环境影响评价中的应用与比较研究

简单描述了大气环境影响评价中的AERMOD模型及估算模式,采用这两种预测模式对同一生活垃圾填埋场无组织排放的NH3、H2S进行了预测。比较两种模式的预测结果可以看出,估算模式仅能预测小时值,AERMOD模式可同时预测小时值、日平均值、年平均值。在污染源、预测范围、运行周期相同的情况下,不论哪种预测模式,污染物的最大落地浓度均与排放源强呈正比,敏感点处的落地浓度均与污染物源强呈正比、与距离呈反比。预测结果同时说明,估算模式是一种保守的预测模式,其预测结果比AERMOD模式大,可作为进一步预测模式的有效补充。     

江苏省交通运输业碳排放预测及减排情景分析研究

根据江苏省2005年-2012年交通运输业的碳排放量和碳排放强度,利用GM(1,1)模型预测了2013年-2025年的碳排放,并结合江苏省省情设定了两种碳减排情景.研究表明:2005年-2012年江苏省交通运输业碳排放量一直呈增长趋势;2006 年-2009年碳排放强度一直上升,而2009年-2012年则呈下降趋势.GM(1,1)模型预测结果显示2013年-2025年江苏省交通碳排放量和碳排放强度一直处于上升的状态.而情景分析得出基准情景和低碳情景下的2015年和2025年交通运输业碳排放量都将会大幅减少.     

基于双层规划模型的城市固体废物管理系统优化研究

采用变权重组合模型和情景分析法,对北京市的城市固体废物(MSW)产量进行有效地预测.预测结果表明,北京市垃圾产量增幅不大但处理设施容量存在缺口.在科学预测的基础上,构建以温室气体(GHG)控制为上层目标,系统成本最小化为下层目标的双层规划模型(BLPMGMC).该模型的结果表明,焚烧和堆肥将是北京市MSW的主要处理方式;在3个规划时段内,GHG总排放量达到1.67×106t(以CO2当量计),填埋场的CH4和焚烧厂的N2O是GHG排放的主要贡献者;系统总成本达到7.0×109元,其中,65%的成本来自于焚烧厂和堆肥厂.4种模型结果的对比分析表明,双层规划能提供综合经济和环境因素的管理方案.     

A new post-Kyoto climate regime based on per-capita cumulative CO<Subscript>2</Subscript>-emission rights—rationale,architecture and quantitative assessment of the implication for the CO<Subscript>2</Subscript>-emissions from China,India and the Annex-I countries by 2050

Climate change is one of the most severe global problems in the 21st century. Main drivers are the combustion of fossil fuels, the emissions of industrial gases, emissions from agricultural sites and animal husbandry as well as deforestation. A new cooperative climate regime is necessary to meet the World’s energy and environmental problems against the background of China’s and India’s energy consumption growth. For the second commitment period of the Kyoto Protocol after 2012, a successor regime has to be agreed on. The current approaches, however, have a common weakness. They at the same time (a) do not acknowledge the historical responsibilities of the industrialized countries for the historical greenhouse gas emissions and the responsibility of developing countries for a large fraction of the current future emissions, and (b) do not provide for a fair distribution of emission rights. Against this background, this article aims at forecasting China’s and India's CO₂-emissions up to 2050 and developing a new suggestion for a post Kyoto climate regime based on a cumulated per capita CO₂-emission rights taking the weaknesses of the currently discussed post Kyoto approaches into account.     

马尔科夫链在环境质量预测中的应用

鉴于目前环境质量预测在理论方法和实践经验上的缺乏,把马尔科夫链引入环境质量的预测中,将各种污染物的浓度变化过程视作马尔科夫过程,通过预测各种污染物的污染负荷系数来推知其浓度值。实例中通过多元回归分析计算出马尔科夫转移矩阵,以2005年辽宁省5种大气污染物的污染负荷系数作为初始向量,预测了今后5年的变化。然后利用GM(1,1)模型预测出降尘的具体浓度值,由此计算出了2006-2010年辽宁省5种污染物的浓度值。     

基于MIDAS模型中国碳排放量的实时预报与短期预测

随着全球气候变暖问题不断加重,二氧化碳排放量预测成为各国制定碳减排措施的核心问题.传统的二氧化碳排放量预测模型是基于同频数据进行的,高频数据必需处理为低频数据,这样不仅忽略了高频数据携带的有效信息,还影响了模型预测的及时性,降低了模型预测的精度.本文将混频数据抽样模型(MIDAS)用于碳排放量预测研究,分析了高频季度GDP滞后阶数变化效应及其对低频二氧化碳排放量的影响效应.研究结果表明,季度GDP对碳排放量具有正负两种效应,该效应会持续6个季度且以正效应为主,碳排放量自身之间也存在着相互影响,该影响会持续4年之久,这与中国的经济运行状况相吻合,说明混频数据抽样模型(MIDAS)对二氧化碳排放量预测的合理性.此外,混频数据抽样模型(MIDAS)在中国二氧化碳排放量的短期预测方面具有较高的预测精度,在实时预报方面具有显著的可行性和时效性.