中国二氧化硫排放量与经济发展之间关系研究——智能模型构建与预测
SO2是环境中主要的大气污染物之一,导致SO2排放的自然因素和人为因素众多,其中人为因素影响更为严重。所造成的环境污染中,尤以酸雨问题最为突出。SO2的产生最主要原因就是能源的消费,尤其是燃煤,而在我国目前的产业结构体制下,煤炭占一次能源消费比例的近70%,为了保证经济的快速增长,不可避免的就需要增加能源消耗,由此引发的环境问题日益凸显,越来越受到人们的重视。
在前人关于环境与经济发展关系研究的基础上,本文旨在建立神经网络模型,使用经济性能指标(可持续发展指标)作为输入变量,预测SO2的排放量。根据大气中SO2浓度影响因素分析,确定如下网络输入变量:人均国民生产总值,总人口,森林覆盖率,环境治理投资,工业增加值占总产值比重,能源消耗总量,实验数据来源于全国15个典型省份。通过建立三种神经网络,分别是反向传播神经网络(BP),广义回归神经网络(GRNN),遗传神经网络,对比三种神经网络的预测误差,得出结论广义回归神经网络解决样本数据量较小的预测问题时具有更好的效果。文章最后使用训练好神经网络对于不同省份分别预测其在“十二五”期间的SO2排放量,并相应的做出敏感性分析。
本文的研究意义在于,通过选取代表经济发展状况的经济性能指标,并借助神经网络建立其同SO2排放量之间的联系,帮助政策制定者做出科学的决策。
经济性能指标;二氧化硫排放量;经济发展;智能模型
华北水利水电大学
硕士
工业工程
马歆
2013
中文
X16;F124
73
2013-10-08(万方平台首次上网日期,不代表论文的发表时间)