基于最优组合预测模型的中国工业固体废物产生量预测.pdf

顾 雨等 基于最优组合预测模型的中国工业 固体废物产生量预测 基于最优组合预测模型的中国工业 固体废物产生量预测* 顾 雨 徐广军 夏训峰。 席北斗。 周素霞 (1．北京化工大学经济管理学院，北京 100029；2．中国环境科学研究院，北京 100012) 摘要 随着经济的发展，工业固体废物的产生量迅速膨胀，已成为制约社会和经济持续健康发展的瓶颈。为了客观地反映中 国工业固体废物的发展趋势，在神经网络和逐步回归 2种单项预测方法的基础上，建立 了最优组合预测模型。并 以1991—20O7年 中国工业 固体废物产生量为基础数据 ，通过实例对模型精度进行分析，预测值与实测值具有 良好的一致性 。由于非线性最优组合预 测模型综合考虑 了神经网络对历史数据拟合效果良好和逐步 回归对预测对象影响因素考虑全面的优点，得到的结果误差较小，最符 合实际情况。采用非线性最优组合预测模型预测未来几年中国工业 固体废物的产生量，结果显示，2010年 中国工业固体废物产生 量将达到 183133万t，2020年将达到 228511万 t，预测结果可以为中国工业固体废物管理提供科学依据 。 关键词 工业固体废物 神经网络 逐步 回归 最优组合预测模型 随着城市工业和经济 的发展，工业 固体废物的 行系统研究。最优组合预测通过对各单项预测方法 产生量迅速膨胀 ，给人群健康和生态环境带来 了巨 采取适当的加权平均形式，在某个准则下构成加权 大的环境压力，已成为制约社会和经济持续健康发 系数 的最优规划 ，求得原 问题的最优解也 即最优组 展的瓶颈口]。准确地掌握工业 固体废物产生量发 合预测的最优加权系数，从而可以充分利用各种单 展变化的动态规律 ，科学地预测工业固体废物产生 项预测方法的有效信息，提高预测精度 8【]。其在环 量 ，可以为固体废物 的环境规划、总量控制 、处理方 境领域已经应用于城市生活垃圾产生量l9 、城市 法研究和决策提供必要的信息。 供水量r1引、降水量[】。等的预测上。 现阶段针对工业固体废物预测 的研究还非常薄 戴华娟[14总结提出了7种最优组合预测模型， 弱 。李金惠等[3]、林艺芸等 分别采用时间序列分 并以农村居 民存款储蓄余额为例进行 比较分析。本 析法和灰色 Gj(1，1)模型对我 国工业 固体废物产 研究选取其 中以最大误差绝对值达到最小为 目标函 生量进行预测 。刘常青等[5采用指数平滑法 、回归 数 的线性组合预测模型和非线性组合预测模型之一 预测法、灰色模型和 BP神经网络等 4种数学预测方 的加权几何平均组合预测模型。 法对上海市历年各行业 的固体废物产生量进行预 1．1 线性最优组合预测模型 测。郭平等[6采用灰色GM (1，1)、Gj(1，2)模型对 设我国工业固体废物在时间段 t内的实际产生 我国工业危险废物产生量的变化趋势进行预测 。但 量值为 (其 中：t一1，2，…，)，第 1种单项预测模 是 ，由于工业固体废物产生系统是一个关系到社会 、 型(即神经网络预测模型)在时间段 t内的预测值为 经济 、能源等因素的非线性复杂系统 ，容易受到众多 ． 厂第 2种单项预测模型(即逐步回归预测模型)在 不稳定因素的影响，而传统 的单项预测模型都偏 向 时间段 t内的预测值为 _厂 ，线性最优组合预测模型 于从某一角度来研究解决问题 ，难于把握事物 的总 在时间段 t内的预测值为 ，2种单项预测模型的最 体和全局 ，使得预测精度不能达到最佳。笔者在神 优加权系数分别为 og 和 z，且满足 。+602—1， ≥ 经网络和逐步 回归 2种单项预测方法 的基础上 ，建 0，(U2≥O。 立线性和非线性 2种最优组合预测模型 ，预测我 国 则线性最优组合预测模型的预测值 为：