区域环境质量全局评价预测模型及运用

魏元珏

[摘要]环境的系统表现呈多种多面，范围较广。这就造成了它会受到更多的外界影响，其中最大的影响是人类活动的影响。环境系统也有它的复杂性，它其中的元素较多，通过一般的数字建模，是不能很好的确定它的特征，因而我们需要使用一种新的方式去进行模型建造，这种新的模型就是灰色系统动态模型。此模型的应用，能够清晰的进行环境系统的建模，还能够减轻环境质量评价的工作量，给环境质量予以评价。文章对区域环境质量进行了全局评价预测模型及运用的分析。

[关键词]区域环境；质量；全局评价；预测模型；运用

[DOI]1013939/jcnkizgsc201630190

“系统”是一个整体的概念，其中有各个部分组成一个系统。系统发挥的是全局的作用，系统将其中的各个部分联系在一起，进行共同发挥作用。此外，系统与部分之间相互依存，相互作用，共同进行协作。在我们了解了系统时，我们还需要了解环境系统。环境系统，是指地球上各类生物与非生物之间的总称。这里的生物因素有人与动植物圈，非生物因素有大气、土壤、水等环境，还参与一些引力等自然现象。[1]从中我们可以看出，环境系统的庞大性和复杂性。因而，我们需要去找寻，更好的方法去进行环境质量全局的评价，不断推进新的形势与新的方法，使其能够获得更好的收获。

1指标体系

环境作为一个系统，拥有着目标性、层次性、多变性等。并且组成环境系统的每个变量之间，都有着复杂的关系，这些关系构成了一个完整的环境系统。第一，经济的发展带来重工业的发展，发展形势很难得到转变，还是以粗放型的经济为主体，带来了一定的环境污染；第二，人口的不断增多，使得环境压力在不断加大，资源的利用率和排放率也在不断增加。经济的发展也使得国家投入了大部分的资金，去进行环保工程，例如，环境保护、植树造林、建设绿化带等。

11经济发展指标

反应国内的生产总值、工业总值等，这些重工业对于环境污染较农业更为严重，因而我们在进行建模时，一定需要把工业总值作为重点来建设。其次，人口的快速增长也给环境带来了一定的污染，例如，垃圾的排放、资源的不合理利用、产品的消费等。[2]在一些城市中，城市人口已经占据一半以上，城镇人口在不断地增长中，必然也给环境带来了一定的影响。因此我们需要在构建模型时，将城镇人口作为社会指标的代表，这样具有典型性。最后，煤炭、电力等资源也是主要空气的污染源，即使它相关联在工业和人口，但它具有影响环境的直接性，需要我们进行建模时，把它加入能源消耗指标当中。

12环境质量指标

环境质量指标包含的方面较广，综合性也较强，主要包含：大气环境、土壤环境、辐射环境、水环境等。水环境代表着水资源以及化学含氧量；大气环境主要有粉尘和二氧化碳；土壤环境包含固体废弃物，工业尘土；辐射环境主要是受到辐射影响的区域。

13生态指标

生态指标主要是，城市的绿化带以及绿色植物的覆盖，这些里面混合着土地的面积，与一些环保区域，很难进行预计与估算，我们可以将它们剔除出去，在进行模型的建设。

14环境管理指标

环境管理指标是一些环保投资，污染监控之类的指标、城市环境的检测等，其中环保投资，主要有污染整治投资、生态保护费用等一些费用。这些费用，能够更好地体现社会的努力、企业的帮助、政府的扶持，这些能让建模更加有意义，体现建模的严格性，不断反应区域的发展情况。

2区域环境质量全局评价预测模型

21GM模型

未来的指标方法与模式，需要我们不断地去进行探索。我们现如今的一些预测方式多种多样，可供我们选择的也较多。但是我们一般不会使用那么多，我们只使用一些较常用的。比如，逐渐回归方法、线性回归方法、概率预测方法等。目前，灰色系统理论也应用在多种领域当中。灰色系统要求我们从大方向看问题，要求看问题的系统性。[3]它主要用于研究一些结构信息不清晰的系统。从中我们可以看出，环境系统就是典型的灰色系统，并且具有很强的复杂性。

灰色系统为我们提供了，一种新型的建模方法，这种建模方法叫做微分方程。我们一般在进行建模的时候，会大量应用到原始数据。而灰色系统理论是应用到电脑生成的数据，很是方便。即使在电脑上的信息不够充分，不容易整理，但是系统本身有其的有序性，能帮助解决这一问题。对于灰色系统理论来说，一些无规律的数据以及排列混乱的物品，都是可以用灰色理论系统解决的。灰色系统从大方面来看，每一个系统都是有能量的，能量必将伴随着累积衰退，这其中就包含指数的量化。灰色系统理论，可以将杂乱无章、没有任何规律性的数据，变得更加的清晰明了，并且从中深挖出其中的规律。其中GM模型就是灰色系统模型中的一种，它的建模方式是这样的：

由此我们可以看出，原始的时间序列可以用GM模型进行处理。它能够将数据处理的更规范、标准。还可以处理加权后的数据，应用度很广。因而，我们可以用它进行对综合指数的预测，进而得到原始数据。我们可以应用GM模型进行工业总产值、区域环境系统、环境质量等进行分析，各污染物数据预测，可由环境质量综合指数和各污染物权分布求得。

22相对关联预测模型

相对关联预测模型，是通过关联矩阵得以实现的，矩阵的每一行都有相应的关联度，可以对一些单独数据，进行单独的预测，我们进行的预测通常公式如下：

设C为各项目标准化数据矩阵，Ri为行向量，规一化Ri得R—i，

R—j={rij/5i=1rij，i=1，2，…，5}

我们从中可以看出，相对关联模型对于数据处理的方面，做得很好，能将数据之间联系到一起，不断对数据进行关联分析，最后得出关联的结果。在实际的区域环境评价系统中，也会起到很大的作用，对于数据的整合有着很大的帮助，更好地体现数据的联系性。

3区域环境质量全局评价预测模型运用

这个模型使用中国的华东地区为例，其中表中体现了此地的人数、能源消耗、污染物的排放、经济发展、环保建设等。见下表。

我们之后可以对数据进行综合评价与预测，更能体现出数据的准确性。

①综合评价。我们在进行建模之后，数据都清晰地展现在眼前，可是对于数据的情况，我们还不是很了解，这就需要我们通过，对数据进行综合评价来分析。数据的综合评价较好，就说明环境质量不错，加入评价得不好，就说明环境较差，需要我们不断地去改进。②预测。我们可以将一组数据，用GM模型分别去预测它的指标，之后利用关联预测模型，进行相关性的预测，最后在得出预测的结果，预测的结果对于我们来说，有着很重要的意义。③检验。在这些工作都做完了的情况下，我们需要对这些数据结果，进行检验，以免发生错误的数据。早检查出来，早改正，也能体现出建模的准确性，更好地使我们的区域环境全局评价更为准确。

4结论

通过，对区域环境质量全局评价预测模型的运用，我们发现区域环境，给我们带来了一定的意义，可以让我们看出环境的情况，而对于区域环境整合分析建模，可以让我们发现环境的问题。通过这些清晰的建模数据，我们更能清晰的了解环境的一些问题。

参考文献：

[1]张吉旺区域环境质量全局评价预测模型及应用[D].济南：山东大学，2007

[2]汪嘉杨水环境及水资源分析计算的新方法及其应用[D].成都：成都信息工程学院，2007

[3]蒋志方城市空气质量预测模型与数据可视化方法研究[D].济南：山东大学，2011