基于灰色GM(1,1)模型的山东省能源消费及能源消费结构预测

本文基于山东省2004-2010年的一次能源消费总量数据及能源消费结构中的煤炭、石油、天然气的消费量数据,应用灰色系统理论,建立山东省能源消费的GM(1,1)预测模型,并对山东省"十二五"、"十三五"期间一次能源消费总量和煤炭、石油、天然气消费量进行了预测,预测结果表明,未来10年山东省一次能源消费总量仍呈稳步上升的趋势,年均增长率为7.21%,与"十一五"期间的9.24%相比,上升的速度明显变缓。能源消费结构仍然以煤炭为主,但煤炭所占比重逐年下降,石油、天然气所占比重不断上升,能源消费结构得到了明显地改善。经检验模型的预测精度较优,其预测结果可信,可为山东省以后制定能源战略规划等提供科学依据。最后,结合预测结论,提出相应的政策建议。     

基于灰色模型GM(1,1)的河南省能源消费预测

本文选取河南省2004-2012年能源消费量作为样本数据,建立了基于灰色模型GM(1,1)的河南省能源消费量预测模型,并预测了河南省2013-2020年能源消费量,2020年预测值41071万吨标煤,比2012年增加73.68%。结合河南省能源消费结构现状,提出了河南省能源消费总量控制及能源结构调整的对策与建议。     

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。     

基于预测有效度一致的城市生活垃圾产生量预测

提出了基于预测有效度一致的城市生活垃圾产生量最优组合预测模型,该模型在组合预测之前利用Kendall一致性检验法对参加组合的单项预测模型值的拟合精度进行一致性检验,在通过检验之后再利用方差倒数法求解最优组合权重,建立组合预测模型。通过实例分析,表明其预测精度高于参加组合的各单项模型预测值,在城市生活垃圾产生量的预测工作中有一定的应用价值。     

采用门限自回归模型预测环境空气质量

应用汤家豪博士提出的门限自回归模型，以上海市环境空气质量时间序列监测数据和相应的气象数据，建立门限自回归大气污染预测模型，对上海市环境空气质量进行预测预报。结果表明：门限自回归模型计算较为简便且便于计算机自动建模。显著性检验表明门限自回归预报方程高度显著，在实际应用中，采用最新的数据建模和采用分站建立模型的方法可以使预测精度进一步提高。     

规范变换降维与误差修正结合的环境系统的一元线性回归预测

针对高维、非线性环境系统的传统预测模型存在结构复杂、收敛速度慢、求解精度低的局限,提出对环境系统预测量及其影响因子进行幂函数与对数函数相结合的规范变换.此规范变换能使变换后的各影响因子皆等效于一个线性化的规范因子,从而将多因子、非线性的预测建模简化为简单的一个"等效"规范因子的一元线性回归建模;并对预测样本的模型输出进行误差修正,以提高样本的预测精度.在规范变换的基础上,由有m个规范因子的每个建模样本生成一个规范因子的m个"等效"训练样本,n个建模样本共生成N=m×n个训练样本.应用最小二乘法,建立基于规范变换的一元线性回归预测模型.将基于规范变换的一元线性回归预测模型与相似样本误差修正法相结合,分别用于某市5个点位的SO_2浓度预测和南昌市城市降水酸度pH值预测及某河段COD_(Mn)预测,并与多种传统预测模型和方法及基于规范变换与误差修正的3种智能预测模型的预测结果进行了比较.结果表明:该预测模型用于3个实例预测的相对误差绝对值的平均值分别为1.14%、0.49%和1.45%;最大相对误差绝对值分别为2.22%、0.87%和1.85%,与基于规范变换与误差修正的3种智能预测模型的相应误差几乎没有差异,甚至还要小;均远小于多种传统预测模型和方法的相应误差,其预测精度甚至提高了一个数量级以上.基于规范变换与误差修正的一元线性回归预测模型简单、预测精度高、稳定性好,不存在"维数灾难",因而可广泛用于任意系统的预测建模.     

规范变换与误差修正结合的环境系统的前向网络和投影寻踪预测模型

为了建立适用于环境系统的结构简洁、形式统一、程序规范、应用普适的神经网络和投影寻踪回归预测模型,针对传统的神经网络和投影寻踪回归用于多因子、大样本预测建模,存在模型结构复杂、学习效率低的局限,提出设置环境系统预测量及其影响因子参照值和规范变换式的原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子,从而将多因子的的预测建模简化为等效规范因子的预测建模,使模型结构得到极大地简化,提高了学习效率;此外,为了提高预测模型的预测精度,还提出了对预测样本的模型输出值的误差修正公式.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,将m个规范影响因子的每个建模样本组成m个"等效"训练样本,应用免疫进化算法优化模型参数,分别建立适用于环境系统的2个或3个规范影响因子的前向神经网络和投影寻踪回归两类预测模型;并依据误差理论,对误差修正公式修正后的模型预测精度的提高进行了严格的数学论证.将基于规范变换与相似样本误差修正相结合的两类预测模型,用于某市5个点位的SO_2浓度预测,并与6种传统预测模型和方法的预测结果进行了比较.结果表明:对同一个预测样本,同类模型的两种不同结构的的预测值及其相对误差都几乎完全相同或彼此相差甚小;此外,两种不同结构的两类预测模型用于5个样本预测,其相对误差绝对值的平均值分别为2.59%、2.67%;2.18%、2.62%,均远小于传统BP神经网络模型的25.72%、传统PPR模型的14.20%、传统SVR模型的22.13%、模糊识别模型的21.57%、组合算子模型的18.36%和多元回归模型的25.31%;而两类模型预测的最大的相对误差绝对值分别为4.11%和3.57%,更加远远小于传统的6种预测模型的37.18%、56.07%、27.40%、32.14%、38.38%和60.26%.实例分析结果证实了误差修正公式对提高模型预测精度具有切实可行性.基于规范变换与误差修正相结合的前向神经网络和投影寻踪回归两类预测模型不仅避免了"维数灾难",提高了学习效率和模型的预测精确度,而且具有简洁、普适、规范、统一和稳定的特点,对其他预测建模也有借鉴作用.     

低碳视角下陕西省能源消费与环境污染双向耦合关系建模分析研究

城市的环境污染问题日益严重,为了解决城市的环境污染问题,以陕西省为例在低碳视角下研究能源消费与环境污染之间的关系,提出低碳视角下陕西省能源消费与环境污染双向耦合关系建模分析方法。通过分析能源生产与能源消费之间的差距、能源消费结构和环境问题等低碳视角下陕西经济发展面临的问题,将环境污染和能源消费作为内生变量构建VAR模型,在VAR模型的基础上采用脉冲响应函数分析陕西省环境污染和能源消费之间存在的脉冲扰动反映,根据分析结果利用方差得到陕西省环境污染和能源消费之间存在的双向耦合关系。     

基于灰色理论GM（1，1）模型的陕西省工业废水排放量预测

该文根据2003～2009年陕西省工业废水的排放情况进行分析,采用灰色系统理论,引入二阶弱化算子D2,建立陕西省工业废水排放量GM（1,1）预测模型。采用残差大小和均方差比值对缓冲序列预测数据进行精度分析,误差较小,精度较高,模型可靠,可满足预测要求。运用预测模型对陕西省“十二五”期间工业废水排放量进行预测,得到2011-2015年工业废水排放量。对预测结果进行分析,计算出废水达标排放量年均增长量为395．42万吨;与工业总产值相联系,知工业废水排放量随着工业总产值的增加相应有所增加。     

基于极限学习机回归的海水Chla浓度预测方法

有效监测海水Chl a浓度状况对近海赤潮等海洋灾害的预警预报有着重要意义。运用灰色关联分析法确定预测模型的输入变量,可有效降低预测模型系统维数。采用极限学习机回归方法建立海水Chl a浓度预测模型,通过与广义回归神经网络、支持向量机回归二种模型的预测效果进行对比,表明极限学习机回归预测模型具有较好的预测精度、预测效率和泛化能力,能够实现针对研究水域环境下Chl a浓度的有效预测。     

基于修正组合模型的青海省城市需水量预测

根据城市用水量系统具有非线性和随机波动性的特点,为了充分发挥组合灰色神经网络预测模型能够综合单变量预测及非线性处理的优势,同时降低组合权系数计算方法的不确定性对模型预测效果的影响,论文提出了基于马尔科夫链修正的组合灰色神经网络预测模型。将其应用于1980—2009年青海省城市用水量序列的拟合分析,并预测其2010、2015以及2020年的城市需水量。结果表明:基于马尔科夫链修正的组合灰色神经网络预测模型预测结果的误差更小,精度更高。     

基于改进GM（1， 1）模型的导弹备件消耗预测

针对导弹备件消耗受多种因素综合影响不易精确表达的问题,提出选用灰色系统理论进行导弹备件消耗预测。备件保障实践证明,导弹备件消耗与装备固有可靠性、战备任务、环境条件等因素密切相关,在GM(1,1)模型基础上,结合导弹备件保障工作实际,建立了加入影响因子的改进GM(1,1)模型。结果表明,该模型考虑了影响备件消耗的主要因素,具有更高的预测精度和重要的实用价值。     

高校能源消耗建模研究与应用

针对高校能源消耗建模研究与应用问题,文中介绍了高校能耗日益增长现状,给出了高校能耗模型构建,为节约能源必须做好精准能耗预测.建立了灰色径向基函数神经网络高校能耗预测模型,并采用基于排序等分法赌盘规则选择算子的遗传算法对该模型进行全局优化,进一步用实例对比分析评估了模型的有效性.实践表明,优化后的模型能有效预测能耗,与传统单一的建模方式相比,有更好的拟合性、稳定性、预测精度和更快的收敛速度,为节能评估和设计提供了决策依据.     

深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

耦合观测数据-模型计算-案例分析的臭氧综合预报方法

当前臭氧模式预报和统计预报的技术难以满足不同地域精细化环境管理需求,亟需构建稳定性高、实用性强的本地化臭氧预报方法. 本研究通过构建臭氧预报工作流程并明确臭氧预报流程中相关技术参数和要求,以陕西省及其省会城市—西安市为例分析历史气象和环境空气质量数据,获取陕西省臭氧污染规律以及西安市不同气象条件下臭氧等级分布规律和典型案例预报要点,确立人工订正经验技术集的方法,明确案例库构建、会商和预报回顾机制的相关要求,旨为臭氧预报模式的本地化提供科学的技术路线. 结果表明:通过臭氧预报效果评估与结果择优、人工订正、预报会商及预报结果回顾所组成的臭氧业务化预报工作流程具备切实可行性;此外,陕西省臭氧浓度与相对湿度、气压和风速均呈显著负相关,与温度呈显著正相关,臭氧预报时应重点关注日均温度大于28 ℃、日最大温度大于34 ℃、相对湿度小于57%、气压低于959 hPa、风速小于2.3 m/s的气象条件下的臭氧等级.      

小型城市污水排放量预测模型研究——以楚雄市为例

针对小城市污水排放量历史数据较少,城市发展变化较大的特点,以楚雄市为例,提出了基于污水排放来源以及生成机理的预测方法。根据历史人口增长趋势以及城镇化率进行城区人口综合预测,运用定额法根据不同行业用水特点预测城市用水量,结合城市污水排放特点对楚雄市近期以及远期城市污水排放量进行科学合理的预测,并对预测结果进行了分析,可为城市发展规划提供决策参考。     

最优加权组合预测法在水质预测中的应用研究

针对用再生水补给河流的水质预测问题,提出了基于最优加权法的组合预测模型.利用灰色预测模型、趋势外推法和指数平滑法3种方法分别进行预测,再以预测误差平方和最小为目标,将预测值的加权问题转化为优化问题,求解得到各种方法预测值的权值.然后,将3种方法所得的预测结果用最优加权法进行组合,得到组合预测值.最后,应用组合预测法对由再生水补给的永定河中的DO值进行预测,并与单一预测模型比较.仿真结果表明,组合模型可以平衡各种方法的偏差,模型的适用性和预测精度有所改善.     

系统动力学方法在城市生活垃圾产生系统的应用

准确预测城市生活垃圾产生量是构建与运行生活垃圾管理系统的首要条件. 我国大部分城市生活垃圾的历史统计数据稀缺,传统预测方法往往难以得到要求精度的预测结果. 在系统地分析生活垃圾产生量影响因素及因素间互动关系的基础上,建立了基于VENSIM软件的系统动力学模型,并将该模型应用于深圳市城市生活垃圾产生系统. 结果表明:运用系统动力学方法可以较好地进行城市生活垃圾产生量预测,解决了数据稀缺条件下城市生活垃圾产生量的精确预测问题,为处理处置工艺的选择和规模的确定提供了数据支撑,同时可以在垃圾产生量预测的基础上进行不同政策下系统的行为模拟.      

Predicting vehicle fuel consumption patterns using floating vehicle data

The status of energy consumption and air pollution in China is serious. It is important to analyze and predict the different fuel consumption of various types of vehicles under different influence factors. In order to fully describe the relationship between fuel consumption and the impact factors, massive amounts of floating vehicle data were used. The fuel consumption pattern and congestion pattern based on large samples of historical floating vehicle data were explored, drivers'' information and vehicles'' parameters from different group classification were probed, and the average velocity and average fuel consumption in the temporal dimension and spatial dimension were analyzed respectively. The fuel consumption forecasting model was established by using a Back Propagation Neural Network. Part of the sample set was used to train the forecasting model and the remaining part of the sample set was used as input to the forecasting model.     

上海地区臭氧数值预报

基于WRF-Chem在线区域化学/传输模式构建了区域化学天气数值预报业务系统,评估了2013年5月1日至9月30日期间的1h和8h臭氧业务数值预报效果.结果表明:臭氧预报没有明显的系统偏差,预报偏差在0两侧基本呈对称分布;数值预报具有较高的准确性,其中8h臭氧的效果略好,不同时效预报的相关系数均在0.8上下,浓度平均偏差和偏差中值都只有1′10-9~2′10-9,臭氧达标日和污染日预报都有很高准确率和CSI/TS评分,首要污染物也较准确;不同时效的预报效果接近,48h时效略好,24h和72h相当;数值预报也存在一定不足,存在极个别显著偏高或显著偏低的情况,同时由于等级划分阈值的存在,等级预报的准确性明显低于浓度和分指数预报.综合地看,数值预报可以提供较为准确的臭氧预报,为空气质量预报预警业务提供有力的支撑,但分指数等级预报上仍需要进一步提高.