基于灰色系统的COD排放量预测方法
来源：https://www.shuizhifenxi.com/ 作者：余氯检测仪 时间：2018-08-04
目前，我国水资源问题日趋严重，中国水资源现状是总量比较丰富，但分布不均且人均占有量低;旱涝灾害频繁，水资源供需不平衡;水资源利用率不高，污染比较严重。COD 作为表征水质污染程度的重要指标，所以COD排放量一直被人们所重视。国家《“十二五”节能减排综合性工作方案》中明确提出：到“十二五”末，全国的化学需氧量(COD)要比 2010年下降8%。因此，本文通过清河、凡河流域的基础数据，对“十二五”末的COD排放量进行模拟预测，并根据预测的结果提出相应的解决措施。
1 研究背景与方法
1.1 研究背景
COD排放量包括工业COD和生活COD2部分，根据2005～2010年《铁岭市环境状况公报》数据分析，近些年来在铁岭社会经济不断发展的情况下，COD排放量得到很好的控制。在“十一五”期间对重点排污企业经行关停并转整治，COD排放总量从2007年起得到明显的改善，工业及生活的COD排放量均有下降，全市通过工程治理、结构调整和监督管理3大措施，COD排放量实现“十一五”期间下降16.3%，2项减排指标均完成“十一五”减排任务。
1.2 方法的选择
对清河、凡河流域COD排放量的预测是环境绩效评估和管理工作的基础。流域COD减排量的预测，是根据历史数据，采用适合的预测方法根据时间推断出变化规律，由于各个方法的基础理论的不同，预测方法可以分为5类：数理统计预测法、灰色系统理论预测法、神经网络模型预测法、水质模拟模型预测和混沌理论预测5种方法。表1从理论基础、适用条件、对数据资料的要求以及方法应用的难易程度4个方面对5类COD排放量预测方法进行综合分析比较。
每种预测方法都有其自身的优点和不足，建立清河、凡河流域COD排放量预测模型时必须考虑年COD排放量和待预测的历史数据的特点、预测目的和预测期的长短，结合每年清河、凡河流域COD排放量的变化规律，筛选出适合该流域的预测方法。
清河、凡河流域的COD排放量系统就是一种灰色系统，它有已知信息部分，如2005～2010年的COD排放量，更有未知信息部分，如未来“十二五”期间2011～2015年的COD排放量。即使历史的及未来的许多因素、变量，如经济、人口、污染源排放情况及污水处理厂建设情况等也是未知的或未确定的。于是在本文引入灰色系统常用的灰色GM(1，1)模型来对清河、凡河流域的十二五期间COD排放量进行预测。
1.3 基于灰色系统的COD排放量预测方法
1.3.1 灰色系统理论
“灰色理论”是以“部分信息已知，部分信息未知”的“小样本”、“少信息”的系统为研究对象，通过对已有信息的分析、建模以及控制和优化，从中提取有价值的信息，以完成对系统运行演化及行为规律的准确描述并实施有效的监控。该方法还采取了从总体到部分再由部分到整体的思路，能够把宏观和微观结合起来，并从不同角度、不同方位来深入研究问题，有利于挖掘不确定系统的内在规律。GM(1，1)灰色系统理论认为：灰色性极其具有广泛性，系统的随机性和模糊性是灰色性的2个不同方面的性质，因此灰色系统理论能应用于各个领域的研究。
1.3.2 灰色系统理论研究的基本方法
系统分析法有，如方差分析法、回归分析法、主成分分析法等。其中，回归分析法是应用比较多的。
GM(1，1)灰色模型是系统分析法理论中提出的一种新的预测模拟方法，也叫系统灰关联度法。是通过对各个指标因素间的发展趋势的差异后相似程度进行分析，最终求得各指标因素间的关联性。灰关模型是分析发展态势，对样本的熟练要求较少，而且计算量较小，不会出现灰关联度定量结果与定性分析不一致的情况。灰色理论将随机变量当作一定范围内变化的灰量，将随机过程当作是在一定时间及空间区域变化的灰色过程。
1.3.3 GM(1，1)灰色预测模型概述及建立
目前应用灰色模型进行预测时，最常用的是GM(1，1)模型。GM(1，1)灰色预测模型实际上是一种对单因素趋势进行推断的一种预测方法。以微分方程的形式表达出来，所揭示的是随时间变化的COD排放量的连续过程。其基本思路是直接在历史数据中寻找统计规律和概率分布规律的统计方法。
从数学的角度上看灰色预测的解，相当于幂级数叠加，其中包含了一般线性回归和幂级数回归内容，故灰色预测模型要比一般的线性回归预测模型准确，将非线性回顾和指数曲线之间拟合，也较确定性时间序列预测技术优秀。但是此模型在进行预测时也存在一些不足之处，用这种模型进行预测的结果，精度较高的只有最近几年的数据，越往后面几年预测发展，结果的误差就越大，该模型的预测意义就不存在了，其不适合于长期的数据预测。对此，在实际建模过程中，对此模型进行了改进，对该模型的预测结果进行残差修正，并且结合残差序列的周期性分析来修正模型， 从而将改模型的预测的精确度大大提高。
选用灰色预测模型预测2011～2015年COD排放量，那么以对COD排放量的预测，建立了预测模型。
1.3.3.1 原始数列
3 结语
应用GM(1，1)模型对2005～2010年“十一五”期间清河、凡河流域COD排放总量数据进行趋势分析以检验方法的准确性，得到的检验结果误差均在允许范围内，而后又对清河、凡河流域2011～2015年“十二五”期间COD排放总量进行了定量预测，根据预测结果可知，至2015年清河流域COD排放总量6014.7t，凡河流域COD排放总量436.72t，从预测出来的减排趋势结果来看，COD减排量超额完成国家纲要中提出的在“十二五”期间COD排放总量削减8%的目标。 参考文献
[1] 张利平，夏军，胡志芳.中国水资源状况与水资源安全问题分析[J].长江流域资源与环境，2009，18(02)：116-120.
[2] Cammara A S，Randall CW.The model[J].Journal of Environmental Engineering，ASCE，1984，110 (05)：993.
[3] Thomann R V.The further"Golden Age"of predictive models for surface water quality and ecosystem management[J].Journal of Environmental Engineering，1998，124(03)：94-103.
[4] 徐祥发.评价指标相关性消除的方法研究田[J].系统工程理论与实践，2002，22(11)：1-5.
[5] 李亮，吴瑞明.消除评价指标相关性的权值计算方法田[J].系统管理学报，2009，18(02)：221-225.
[6] 李艳双，曾珍香，张闽，等.主成分分析法在多指标综合评价方法中的应用[J].河北工业大学学报，1999，1(28)：94-97.
[7] 吴殿廷，李东方.层次分析法的不足及其改进的途径.[J].北京师范大学学报，2001，40(02)：264-268.
[8] 严丽坤.相关系数与偏相关系数在相关分析中的应用[J].云南财贸学院学报，2003，19(03)：78-80.
[9] 薛薇统计分析与SPSS的应用[M].北京：中国人民大学出版社，2008：266.
[10] P.Vieira，H.Alegre，M.j.Rosa，etal.Drinking water treatment plant assessment through performance indicators[J].Water Science&Technology：Water Supply-WSTWS，2008：245-253.
[11] P.Vieira，C.Silva，M.J.Rosa，et al.A PI system for drinking water treatment plants�Cframework and case study application[J].Performance Assessment of Urban Infrastructure Services.2008：389-402.
[12] 靳燕，陈大兴，辛亮.宁夏总量减排与环境质量改善的相关性分析[J].环境监控与预警，2011，3(06)：33-37.
[13] 张妍，杨志峰，何孟常，等.基于信息熵的城市生态系统演化分析田[J].环境科学学报，2005，25(08)：1127-1134.
[14] 黄定轩.基于客观信息熵的多因素权重分配方法[J].系统工程理论方法应用，2003，12(04)：321-324.
[15] 李睿.天津市水污染物总量分配方法研究[D].天津：天津大学硕士学位论文，2007.
[16] 方栋，高翔霞.邯郸市排放总量控制研究 [J].环境科学，1994，15(04)：14-18.
作者简介：谢轶(1982-)，女，硕士。研究方向：从事水环境质量综合分析研究。
——本文由丰临科技整理发布，内容供参考，如有侵权，请联系删除，谢谢！上海丰临科技有限公司为你提供浊度仪(浊度计)、在线浊度仪、余氯仪、余氯分析仪、工业在线pH计、cod测定仪、pH计等多种水质检测仪，水质分析仪，欢迎您前来选购，丰临科技竭诚为您服务！
