基于DPSIR-灰色关联分析法的合肥市生态可持续发展研究及动态预测

熊鸿斌 熊倩

摘要[目的]基于DPSIR和灰色关联法，探究生态可持续发展变化并提出一种动态预测模型。[方法]结合案例城市合肥市，采用DPSIR模型构建评价指标体系，利用灰色关联法计算生态可持续发展;此外，考虑到新旧历史数据对预测结果影响程度不同，引入时间权重，构建动态预测模型。[结果]2008—2016年合肥市生态可持续发展能力分别为0.625、0.647、0.659、0.672、0.718、0.740、0.777、0.809、 0.897，呈上升的趋势;经济发展水平与产业结构、自然资源与生态环境、污染控制与科技创新为重要影响因子;动态预测模型平均相对误差为0.009 1，最大误差不超过2.4%，满足预测精度要求;利用动态预测模型与传统曲线模拟预测合肥市2017年生态可持续发展能力的结果分别为0.973和1.050。[結论]该研究建立的动态预测模型具有更强的可行性与可操作性。

关键词DPSIR;灰色关联法;生态可持续发展;动态预测;合肥市

中图分类号X 820.2文献标识码A

文章编号0517-6611（2019）18-0065-05

doi：10.3969/j.issn.0517-6611.2019.18.016

开放科学（资源服务）标识码（OSID）：

Research on Ecological Sustainable Development and Dynamic Prediction of Hefei City Based on DPSIR-Gray Correlation Analysis

XIONG Hong-bin，XIONG Qian（School of Resources and Environmental Engineering，Hefei University of Technology，Hefei，Anhui 230009）

Abstract[Objective]Based on DPSIR and grey correlation method，this paper explores the changes of ecological sustainable development and proposes a dynamic prediction model.[Method]Combined with the case city of Hefei，the DPSIR model was used to construct the evaluation index system，and the grey-relational analysis was used to calculate the level of ecological sustainable development; in addition，taking into account the impact of the old and new historical data on the prediction results，this paper introduced the time weights and built a dynamic forecasting model for the ecological sustainable development.[Result]The level of ecological sustainable development in Hefei from 2008 to 2016 was 0.625，0.647，0.659，0.672，0.718，0.740，0.777，0.809 and 0.897 respectively，which showed an upward trend;economic development level and industrial structure，natural resources and ecological environment，pollution control and technological innovation were important influence factors; the average relative error was 0.009 1，and the maximum error did not exceed 2.4%，which met the forecasting accuracy requirements; dynamic forecasting model and traditional curve simulation were used to predict the ecological sustainable development of Hefei in 2017，and results were 0.973 and 1.050 respectively.[Conclusion]The dynamic forecasting model established in this paper has stronger feasibility and operability.

Key wordsDPSIR;Grey relational analysis;Ecological sustainable development;Dynamic prediction;Hefei City

近年来，安徽省城市化与工业化发展迅速，水污染和雾霾天气等环境问题也接踵而至。为在追求经济快速发展的同时提高生态环境的承载力，走可持续发展之路，安徽省提出了“生态强省”和“美好安徽”的战略目标。合肥市作为安徽省的政治、文化、经济中心，对合肥市生态可持续发展的研究具有一定意义。

目前学术界对生态综合评价指标构建和评价方法没有形成一个统一适用的标准，且对生态评价动态预测的相关研究很少;相关理论与研究方法还在不断探索之中。夏业领等[1]利用DPSIR-加权TOPSIS模型对安徽省的生态承载力进行评价;吴涛[2]基于可变世界产量法和时间序列数据计算安徽省人均生态足迹和人均生态承载力;曹慧等[3]利用层次分析、线性隶属等方法对南京生态系统进行了评价;巩芳等[4]运用能值理论对内蒙古农业生态系统可持续发展进行了评价;蒋志华等[5]从经济-社会-自然复合系统出发，构建生态可持续发展评价指标体系，并运用因子分析法对成都市生态系统可持续发展能力进行了综合评价。笔者拟在前人研究成果的基础上，结合案例城市合肥市，运用DPSIR模型建立生态可持续发展评价指标体系，运用灰色关联分析法探究生态可持续发展的变化，并引入时间权重构建动态预测 模型。

1材料与方法

1.1数据来源研究对象为合肥市，样本区间为2008—2016年。数据来自2009—2017年《安徽省统计年鉴》部分数据以及统计局官方网站公布的统计公报相关数据。

1.2DPSIR模型

DPSIR是一种由PSR模型演化而来的概念模型，其将环境系统指标分为驱动力、压力、状态、影响和响应5个部分，根据不同评价体系的需求各个部分又被分成若干个评价指标[6]。

1.2.1指标选取。参考前人建立的生态综合评价指标体系[7-8]，基于DPSIR概念模型，重点立足生态环境与自然资源的角度选取评价指标来构建生态可持续发展评价指标体系，详情如表1所示。

1.2.2指标体系权重。

因DPSIR模型中每个指标的量纲重要程度不同，该研究采用主观层次分析法、客观熵值法进行评价且计算综合权重时主观与客观评价系数均为0.5。

1.3灰色关联度分析法

该研究采用灰色关联法计算生态可持续发展，该方法能够较好地反映城市生态可持续发展的实际情况，对明确下一步城市发展规划的方向具有较好的参考意义[9]。

1.3.1建立指标分析数列和参考数列。

分析数列是根据相应指标收集的数列，其中，m为综合评价指标的数目，n为进行评价的年数。记Yi（K）i=1，2，...，m为分析数列;Y0（K）为参考数列。

（1）标准化处理。

正向指标：X ij=x ijmax{xj}（1）

逆向指标：X ij=min{xj}x ij（2）

（2）计算标准化数列与其最优数列的绝对值。构成的新数列计算公式是：

xi（k）=max{yi（k）}-yi（k）               （3）

1.3.2計算灰色关联系数。对于灰色关联度的计算用以下公式[10-11]：

ζi=min min|x0（k）-xi（k）|+ρmax max|x0（k）-xi（k）||x0（k）-xi（k）|+ρmax max|x0（k）-xi（k）|（4）

式中，ρ为分辨系数，取值为0 ～ 1，一般取值是0.5。该研究取值为0.6。

1.3.3计算加权灰色关联度（即生态可持续发展能力）。分别计算2008—2016年的加权灰色关联度，以反映各年份的生态可持续发展。加权灰色关联度为：

dj=mi=1wiζ ij（5）

1.4动态预测模型

1.4.1时间权重的确定。

考虑到历史数据距离预测时间点越近，对于数据在预测过程中的时间权重越大，该研究引入时间权重并参考时间权重计算方法计算各年份的时间 权重[12]：

Wt=2arctan（t）π（t=1，2，…，n）（6）

1.4.2动态预测模型的计算方法。

设生态可持续发展能力的历史数据为X={x1，x2，…，xn}，根据数据变化趋势选择相应的拟合阶数，设最终的预测模型为

yt=a0+a1t+a2t2+a3t3+…+amtm（7）

其中，yt为t时刻的回归预测值，t为时刻，a0，a1，…，am为未知参数，m为回归预测阶数。

动态回归预测模型未知参数计算公式：

a=（W·B·D）·（DT·B·C·B·D）-1（8）

其中，X=（x1，x2，…，xn）

WT=w1w2wn

B=x10…00x2…0

00…xn-1

C=w10…0

0w2…0

00…wn

D=1°11…1m

2°21…2m

n°n1…nm

通过以上分析，得到动态预测模型为：

yt=a0+a1t+a2t2+a3t3+…+amtm（9）

为检测预测模型的实用性，需对模型的精度进行检测。常用的检验指标有相对误差和平均相对误差：

相对误差：et=（xt-t）/xt（10）

平均相对误差：e（avg）=1nnt=1|et|（11）

一般平均相对误差小于可接受程度阈值，则认为该模型是满足精度的，可作为预测工具。

2结果与分析

2.1合肥市生态可持续发展

2.1.1生态可持续发展能力的计算。基于指标原始数据计

算合肥市生态可持续发展评价指标权重，结果如表2所示。根据公式（1）、（2）进行指标的标准化处理，并按照上述相应指标收集分析数列，最优数列则是选取每个指标的最优值得到的数据列，根据公式（3）、（4）、（5）计算出合肥市生态可持续发展各评价指标关联系数和加权灰色关联度，其中加权灰色关联度即为生态可持续发展能力，合肥市各年份生态可持续发展能力如表3所示。

由表3可知，关联度d为0.62～0.90，参考相关文献，最终将合肥市生态可持续发展能力划分为4个等级：d<0.63，级别为差;0.63≤d<0.73，级别为中;0.73≤d<0.83，级别为良;d≥0.83，级别为优。

由分级标准并结合表3得到合肥市生态可持续发展水平如表4所示。

2.1.2数据分析与评价。

由表3～4可见，近9年合肥市生态可持续发展能力呈现上升的趋势，基本处于中或良水平，2016年达到峰值优级别，与实际情况较为符合。

（1）驱动力（D）。经济发展水平为生态可持续发展提供动力。

D值由2008年0.573的差级别上升到2016年0.908的优级别，其中2011—2012年增长率最快，达15.5%，说明合肥市经济实力明显增强，为合肥市生态可持续发展提供充足的动力;2008—2016年人均GDP由34 482元上升至80 138元，增长率为132.4%，城镇居民可支配收入与城镇化率也逐年上升，人口密度的增加也为合肥市生态可持续发展承载更多的人口奠定了基础。

（2）压力。生态可持续发展与资源、生态环境及污染控制密切相关。

资源消耗层总体变化幅度较小，2016年最高，为0.830，2011年最低，为0.628，总体呈现“V”字型变化，且大部分处于中良级别;从系统内部看，资源消耗层的单位地区GDP能耗、人均日用水量、人均社会用电情况均起到负向作用，单位地区GDP逐年降低，极大程度减轻了资源消耗压力，而人均日用水量及社会用电量与人们的生活质量和生活水平相关，但变化幅度较小，因此单位地区GDP能耗对资源消耗层变化影响较大。

生态破坏整体处于优良级别，2008—2009年处于上升状态并于2009年达至峰值0.925，然后开始下降，直至2014年才开始回升;2008—2013年安徽省第二产业比重增加，三废排放量大且环保意识淡薄、污染控制水平不高，导致生态破坏严重;2013年后生态破坏好转，这得益于新型城镇化建设、产业结构调整，污染治理及废物利用方面技术的进步。

（3）状态。产业结构与城市绿化影响生态可持续发展。

除2009、2015年外，状态的贡献值逐年上升且大部分处于优良水平。从系统内部看，2008—2013年第二产业占比增至55.3%，2013—2016年下调至50.7%，仍为支柱产业;第三产业占比呈“V”型变化，2009—2013年从43.5%降至39.3%，而后回升至2016年的45.0%;城市空氣优良天数比例波动起伏，但整体呈现下降趋势;绿化覆盖面积逐年上升，由 0.92万hm2增至1.95万hm2，增长率为111.96%;系统各指标共同作用影响生态可持续发展，其中产业结构变化与绿化覆盖面积为状态层的显著影响因素。

（4）影响。城市建设水平与居民生活质量的提高减轻资源消耗压力。

除2012与2015年之外，影响层贡献值逐年平缓增长且大部分处于优良水平，2016年达到峰值0.922;城镇登记失业率由2008年的3.92%下降至3.00%;人均住房面积由19.36 m2上升至35.75 m2，增长率为84.7%;每万拥有公交数与人均城市道路面积呈波动起伏状态，但幅度较小，是人口数量和城市市政建设共同作用的结果;拥有医院床位数反映居民社会医疗保障水平，仅9年由15 485张增至30 775张，增长率约100%; 从某种程度上讲，城市建设水平与居民生活质量的提高能够合理分配社会资源，减少浪费，从而减轻资源消耗的压力。

（5）响应。污染控制与科学技术投入促进生态可持续发展提升。

响应反映了政府在推动城市生态可持续发展过程中采取的对策和制定的积极政策。从整体看，污染控制与投资建设逐年上升且增幅较大，但是大部分处于差级别;从局部看，两者起初贡献值很低，直至2013年左右才达到中等水平，2016年达到优级别;从系统内部看，2008—2016年科学技术投入由4.81亿元上升至101.7亿元，翻了20多倍，教育支出由24.8亿元上升至119.1亿元，翻了约4倍，大气与废水治理设备也约为2008年的3倍;说明合肥市对科技创新与环境保护的重视程度大幅度提高，科技成果创新、生态文明建设和环保工程实施也落到实处。

综上所述，驱动力、压力、状态、影响、响应5个部分的因子相互作用，且正向因子贡献值大于负向因子，推动生态可持续发展的提升;其中经济发展水平与产业结构、自然资源与生态环境、污染控制与科技创新为主要影响因子。

2.1.3政策建议。

通过对合肥市生态可持续发展能力变化的分析，提出以下几点建议：协调发展第一、第二、第三产业，积极促进第三产业发展，优先推动自然资源消耗少、生态破坏小的产业，争取发展成为以第三产业为主导的城市;淘汰落后的技术与工艺，同时大力发展先进制造业和高新技术产业，改善能源结构，提高废物综合利用率和处理率，实现资源可持续利用、降低环境破坏力度;节能减排、增加环保投入、提高污染物处理技术和监管力度。

2.2生态可持续发展能力动态预测模型

2.2.1动态预测模型的计算。

利用公式（6），分别令时间t=1，2，...，9，依次计算可得到时间权重向量为：WT={0.500， 0.705，0.795，0.844，0.874，0.895，0.910，0.921，0.930}。

通过对生态可持续发展变化趋势的分析，以及实际计算过程中不断拟合与精度检验，最终选择阶数为5的动态回归预测模型，并利用公式（7）、（8）、（9）建立动态预测模型。将时间权重和n=9、m=5以及时间权重向量带入动态预测模型中，可以计算出未知参数=（0.612 7250.174 3120 -0.000 158 30.000 051 7-0.000 001 7）。

通过以上的计算，得到动态预测模型为：

yt=0.162 725+0.171 312t-1.583×10-4t3+5.174×10-5t4- 1.723×10-6t5

利用动态预测模型对2008—2016年合肥市生态可持续发展能力进行模拟，得到模拟值，并利用公式（10）、（11）计算相对误差和平均相对误差。结果发现（表5），平均相对误差为0.009 1，在所有相对误差计算中，只有2015年的相对误差较大，为2.37%，但依然满足预测精度。

由表5可知，动态预测模型的预测值与实际值非常接近，模型拟合程度高。因此，该研究所建立的带时间权重的动态预测模型是满足预测精度的，可用来作为生态可持续发展能力预测模型。令时间t=10代入预测模型可得到2017年合肥市生态可持续发展能力为0.973。

2.2.2动态预测模型与传统曲线拟合的比较。2008—2016年合肥市生态可持续发展的数据为X={0.625，0.647，0.659，0.672，0.718，0.740，0.777，0.809，0.897}，运用传统曲线拟合对数据变化趋势进行5次项模拟，得到以下公式：

y=1.198×10-4x5-0.002 9x4+0.025 6x3-0.098 4x2+ 0.178 8x+0.521 5

用该公式对2008—2016年合肥市生态可持续发展能力进行模拟，并对2017年的生态可持续发展进行预测，动态预测与传统拟合模拟对比分析如表6所列。由表6可知，2种方法对合肥市生态可持续发展的模拟精度都较高，而通过对比2017年的模拟值，动态预测模型明显比传统线性拟合更符合实际情况。该动态预测模型通过给予距离预测时间点越近的历史数据越大的时间权重，使得近期模拟数值越符合实际情况。因此，在对城市生态可持续发展进行测度时，动态预测模型的可行性与可操作性更强。

3结论

该研究针对城市的生态可持续发展，运用DPSIR模型构建生态可持续发展评价指标体系，用灰色关联度分析法对合肥市生态可持续发展进行评价并构建了动态預测模型。结果表明，合肥市生态可持续发展能力逐年上升，大部分处于中良水平，其中经济发展水平与产业结构、自然资源与生态环境、污染控制与科技创新为重要影响因子;该研究建立的动态预测模型符合实际情况，可行性与可操作性强，为生态可持续性发展研究提供新的方法与思路;动态预测过程中，该研究所建立的模型只能短期预测，因此，在实际预测过程中，要形成一种长期的建模机制，需要不断更新建模数据，对模型进行调整，这样所建的模型利用最新数据，才能客观反映城市生态可持续发展的趋势。

参考文献

[1]夏业领，朱艳娜，何刚，等.基于DPSIR-加权TOPSIS模型的安徽省生态承载力评价[J].淮南师范学院学报，2018，20（1）： 65-70.

[2]吴涛.安徽省生态足迹与可持续发展研究[D].合肥：中国科学技术大学，2014.

[3]曹慧，胡锋，李辉信，等.南京市城市生态系统可持续发展评价研究[J].生态学报，2002，22（5）：787-792.

[4]巩芳，庞雪倩.基于能值理论的内蒙古农业生态系统可持续发展评价研究[J].内蒙古统计，2018（6）：25-28.

[5]蒋志华，漆宇，彭强军.成都城市生态系统可持续发展能力评价[J].合作经济与科技，2018（24）：12-14.

[6]熊鸿斌，刘进.DPSIR模型在安徽省生态可持续发展评价中的应用[J].合肥工业大学学报（自然科学版），2009，32（3）：305-309.

[7]陈楚琳，石磊.基于AHP的湘西自治州绿色生态小城镇可持续发展评价指标体系研究[J].中南林业科技大学学报（社会科学版），2017，11（5）：8-13.

[8]李文勇.基于能值分析的湖南省种值业生态系统评价及可持续发展预测研究[D].长沙：中南林业科技大学，2016.

[9]张凤太，苏维词，周继霞.基于熵权灰色关联分析的城市生态安全评价[J].生态学杂志，2008，27（7）：1249-1254.

[10]甘小文， 毛小明. 基于AHP和灰色关联的产业承接地工业园区产城融合测度研究：以江西14个国家级工业园区为例[J]. 南昌大学学报（人文社会科学版）， 2016， 47（5）： 88-95.

[11]刘奔.基于灰色关联法的生态文明指标分析与评价[D].西安：长安大学，2017.

[12]殷春武.基于时间权重的回归预测模型[J].决策与统计，2011（7）： 161-162.