CN101866397A - 一种确定影响污染物排放主导因素的方法 - Google Patents
一种确定影响污染物排放主导因素的方法 Download PDFInfo
- Publication number
- CN101866397A CN101866397A CN201010203939.XA CN201010203939A CN101866397A CN 101866397 A CN101866397 A CN 101866397A CN 201010203939 A CN201010203939 A CN 201010203939A CN 101866397 A CN101866397 A CN 101866397A
- Authority
- CN
- China
- Prior art keywords
- factor
- pollutant
- pollutant emission
- influence factors
- factors
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 57
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000000694 effects Effects 0.000 claims description 33
- 239000002351 wastewater Substances 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000003500 flue dust Substances 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000002912 waste gas Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 239000002910 solid waste Substances 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 20
- 238000011161 development Methods 0.000 abstract description 13
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000004134 energy conservation Methods 0.000 abstract 1
- 238000007599 discharging Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000010842 industrial wastewater Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 108010014173 Factor X Proteins 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000003517 fume Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种确定影响污染物排放主导因素的方法。其步骤为:先确定污染物的类型,并获得污染物排放量的历史实测数据;再选取影响污染物排放量的因素因子,并获得因素因子的历史实测数据;最后引入灰色关联度的分析方法,计算灰色关联度,并按关联度大小进行排序,从而确定影响污染物排放的主导因素。本发明利用简单的原理和较少的数据可以综合评价污染物排放与环境经济系统之间的主要依赖关系,在确定了影响各种污染物排放的主导因素后,可以有效地实施产业结构优化和升级,控制工业污染,以完成节能减排的任务,实现区域可持续发展。
Description
技术领域
本发明涉及一种确定影响污染物排放主导因素的方法,更具体的说是一种基于灰色关联度的污染物排放主导因素的确定方法。
背景技术
经济增长与环境质量之间的关系具有很大的不确定性。既非天然盟友,也非天然敌人。快速经济增长因常常伴随着工业扩张、城市化和不断开发可再生或不可再生资源而对环境具有负面的影响。但同时,增长也为改善环境创造了条件。研究经济增长与环境质量、污染排放关系最著名的学说是由Grossman等、Selden等根据经验数据提出的环境库兹涅兹曲线(EKC),经过十几年的发展,EKC从最初的研究收入与污染的关系,延伸到污染与一系列社会经济因素的关系:如政治公正、投资、环境政策、污染转移、甚至企业规模等等。
Grossman和Knueger将国际贸易对环境的影响分解为规模效应、结构效应和技术效应三个方面,并建立了环境效应分析的基本框架。这种最初用于贸易对环境影响的效应分析,现在已经被经济学者们广泛采用于经济增长对环境的影响分析中。规模效应是指随着经济规模扩大,如果经济结构和技术减排水平不变,经济规模作用结果将使污染增加,环境质量退化。结构效应是指在经济过程中,经济中心由以农业为主的低污染型经济向以工业为主的高污染型经济转变,而后再向以服务业为主的低污染经济回归。技术效应拓展为广义技术减排效应,指的是通过技术进步、环境经济政策使单位经济产出的污染排放量下降。经济增长过程中环境质量的变化方向是这三种效应共同作用的结果。
2007年以来,节能减排开始成为我国各级政府强力推进的重大举措。一系列节能减排措施的强制实施,将极大地缓解经济快速增长带来的环境和资源压力,为实现全面建设小康社会的目标奠定坚实的基础。确定影响污染物排放的主导因素,有利于有效地实施污染物削减,保证节能减排任务的完成。不同学者采用不同的方法对此进行了研究,如Granger因果检验的计量经济学方法、分解分析法(DA)、Daniel趋势检验方法等,结果表明,不同区域在不同发展阶段影响各污染物排放的主导因素具有较大的差异性。
灰色系统理论以“小样本”,“贫信息”不确定性系统为研究对象,主要通过对“部分”已知信息的生成、开发,提取有价值的信息,实现对系统运行规律的正确描述和有效控制。其主要内容包括以灰色朦胧集为基础的理论体系,以灰色关联为依托的分析体系,以灰色序列生成为基础的方法体系,以灰色模型(GM)为核心的模型体系,以评估、建模、预测、决策、控制、优化为主体的技术体系。环境经济系统是信息不完全系统,属于灰色系统。具有边界信息不明确,结构的复杂性,行为信息的不确定性,运算机制不完全明确,模型与建模方法的非唯一性,控制与协调的复杂性以及系统的复杂关联等灰系统特性。灰色系统理论近年来在环境问题中逐步得到了应用。
发明内容
本发明要解决的技术问题是提供一种确定影响污染物排放主导因素的方法,可以利用简单的原理和较少的数据来综合评价污染物排放与环境经济系统之间的主要依赖关系。
本发明解决其技术问题所采用的技术方案是:
一种确定影响污染物排放主导因素的方法,主要包括以下步骤:
a)确定污染物的类型;
b)获得污染物排放量的历史实测数据;
c)选取影响污染物排放量的因素因子;
d)获得因素因子的历史实测数据;
e)引入灰色关联度的分析方法;
f)按关联度大小进行排序,确定影响污染物排放的主导因素。
所述步骤a)中,污染物的类型为废水、废气、固体废物、化学需氧量、二氧化硫、烟尘中的一种或几种。
所述步骤c)中,影响污染物排放量的因素为规模效应、产业结构效应和技术效应,各个因素因子分别为国内生产总值、第二产业增加值占国内生产总值的比例和污染物排放强度。
所述步骤e)中,灰色关联度的分析方法具体包括:第一步,采用均值法对原始数据进行无量纲化处理;第二步,计算对应各个时期的比较数列与参考数列的差值绝对值:,式中,k为数列长度,、为参考数列和比较数列的均值,m为评价指标的数量;第三步,计算关联度系数:,式中:为两级最小差,为两级最大差,为分辨系数;第四步,计算灰色关联度,用比较数列与参考数列各个时期的关联度系数的平均值来定量反映这两个数列的关联程度:,n为评价样本的数量。
其中为第一级最小差,表示在曲线上各点与中各相应点的距离最小值;表示在各曲线找出的最小差的基础上,再按找出所有曲线中最小差的最小值,的意义与两级最小差相似;引入ρ的主要目的是为了提高关联度系数之间的差异显著性,ρ值越小,分辨力越大,一般取ρ=0.5。
由于获得的关联系数过多,信息过于分散,不便于比较,因此有必要将每一个比较数列各时刻的关联系数集中体现在一个值上,即灰色关联度。关联度的排序能体现众多因子对参考因子的相对影响程度。将得到的灰色关联度按大小进行排序,若灰关联序为,则表明X1对X0的影响最大,X2次之,依次类推。
本发明提供了一种分析影响污染物排放主导因素的方法,其利用具有简单原理的灰色关联度法,可以得到环境经济系统与污染物排放之间的依赖关系。通过排序关联度,可以确定影响各种污染物排放的主导因素,从而有效地实施产业结构优化和升级,控制工业污染,以完成节能减排的任务,实现区域可持续发展。
具体实施方式
本实施例具体研究苏州地区经济增长对污染物排放影响的主导因素。苏州市位于长江三角洲中部,江苏省东南部。苏州市下辖5市7区,总面积8488.42平方公里,其中丘陵面积占2.65%,水域面积占42.52%。市区面积1650平方公里。至2007年末,全市总人口624.43万人,实现国内生产总值(GDP)5700.85亿元。到2006年为止,GDP增速位列长三角地区15个城市之首,GDP总量位居全国城市第五,其中工业总产值位居第二。苏州是我国人口最稠密,生态较脆弱的地区之一。相对有限的资源以及恶化的生态环境已经成为经济快速发展的瓶颈。苏州市在经济发展的同时一直很重视环境保护工作。辖区内张家港、常熟、昆山3市被国家环保总局授予“国家生态市”称号。环保工作取得了较大的成绩。苏州的可持续发展对长江三角洲地区甚至全国的可持续发展都具有十分重要的示范意义。
1)数据来源及指标选取。
考虑到数据的可获取性,系统特征变量分别选用以下指标:废水排放量y1,废气排放量y2,固废产生量y3,化学需氧量(COD)排放量y4,二氧化硫(SO2)排放量y5,烟尘排放量y6。数据来源于江苏省环境统计资料和苏州市环境公报。时间序列选取1991年-2007年。系统因素因子:(1)国内生产总值GDP(万元),表征经济规模效应;(2)第二产业增加值占GDP的比重,表征经济结构效应;(3)污染物排放强度(kg/万元),万元GDP污染物排放量,它反映了新创造的单位经济价值的环境负荷的大小,也间接反映了当地经济生产的技术水平的高低和污染物治理能力的大小,表征广义技术效益。系统变量以及因素因子值见表1、表2。
表1 系统特征变量Y一览表
表2 因素因子X一览表
2)数据处理。
首先采用均值法对原始数据进行无量纲化处理。然后计算对应各期的比较数列与参考数列的差值绝对值。再计算关联系数,分辨系数取0.5。最后求关联度,进行关联度排序。
3)计算结果,见表3。
表3 灰色关联度计算结果一览表
从表中可以看出:(1)从灰色关联度计算结果来看,所有结果均大于0.5(最大值为0.9384,最小为0.5652)。说明苏州地区1991-2007年经济发展对污染物排放产生了很大的影响。废水、废气、固废、COD、SO2以及烟尘的排放量受GDP总量、第二产业占GDP比例以及万元GDP污染物排放量的影响较大。(2)分别考察影响各污染物排放量的主导因素,各种效应对不同污染物的作用方向并不完全一致。对于每一种污染物排放,不同的因素影响程度不同。具体到每种污染物,主导效应也不同。
工业废水排放量y1:三因子对废水排放量的影响都比较大,均大于0.7,且X1>X3>X2,其中废水的排放量关联度为0.9231,说明1991-2007期间苏州的工业废水排放量与GDP总量高度相关。在影响工业废水排放量的因子中,规模效应占了绝对因素。
工业废气排放量y2:三因子对废气排放量的影响都比较大,均大于0.7,且X3>X1>X2,在影响工业废气排放量的因子中,单位GDP废气排放系数影响最大。
工业固废产生量y3:相对于其他污染物,工业固废产生量受三因子影响相对较小,X3>X1>X2,技术减排效应影响较大。
工业COD排放总量y4:三因子对COD排放量的影响都比较大,均大于0.7,且X1>X3>X2,其中COD的排放量与GDP总量关联度为0.9384,说明1991-2007期间苏州的工业COD排放量与GDP总量高度相关。
工业SO2排放量y5:相对于其他污染物,SO2排放量受三因子影响相对较小,X3>X2>X1,技术减排效应影响较大。
工业烟尘排放量y6:三因子对烟尘排放量的影响差异较大,且X3>X1>X2。技术减排效应影响较大。
从以上结果和分析来看,污染排放中结构效应较弱,苏州应加快转变经济发展方式,加快产业结构优化升级。大力发展服务业,由主要依靠第二产业带动向依靠第一、第二、第三产业协同带动转变。进行更加深刻的战略性调整,提高产业整体素质和发展水平。优先发展现代服务业和高新技术产业,同时有效控制高耗能、高污染行业过快增长。制订更加严格的建设项目环境准入、主要污染物排放和排污收费标准,促进区域产业结构调整和优化升级,实现节能减排。在苏州工业比重、重工业以及高污染行业比重不断增加的过程中,苏州工业污染物排放增长速度明显低于GDP增长速度,可见技术减排效益在对苏州污染控制中起到了十分重要的作用。苏州的环境保护政策一定程度上缓解了经济快速发展对环境的巨大压力。
从本次灰色关联度分析也表明,在多数污染物排放影响因素中广义技术效应影响强度最大,表明利用广义技术效应是现阶段苏州市工业污染控制最为有效的手段,苏州应充分挖掘技术效应在污染削减中的作用,应进一步突出技术减排的作用,以确保节能减排任务的实现。苏州目前已从重点发展地区转变为优化发展地区。一方面应从源头减少污染物产生,大力发展循环经济。另一方面,应加强技术创新,重点开展节能减排技术攻关,提高企业清洁生产水平,走新型工业化道路。实行最严格的环境与产业政策。积极研究出台有利于环境保护的经济政策,重点构建环境价格体系。同时应依靠坚实的经济基础进一步加大环境保护投资。
本发明的分析影响污染物排放主导因素的方法,不仅限于具体实施例选取的城市和因素因子,可以用多个效应的多个指标来确定任何城市的环境经济系统与污染物排放量的依赖关系。
Claims (4)
1.一种确定影响污染物排放主导因素的方法,其特征在于包括以下步骤:
a)确定污染物的类型;
b)获得污染物排放量的历史实测数据;
c)选取影响污染物排放量的因素因子;
d)获得因素因子的历史实测数据;
e)引入灰色关联度的分析方法;
f)按关联度大小进行排序,确定影响污染物排放的主导因素。
2.根据权利要求1所述的一种确定影响污染物排放主导因素的方法,其特征在于所述步骤a)中,污染物的类型为废水、废气、固体废物、化学需氧量、二氧化硫、烟尘中的一种或几种。
3.根据权利要求1所述的一种确定影响污染物排放主导因素的方法,其特征在于所述步骤c)中,影响污染物排放量的因素为规模效应、产业结构效应和技术效应,各个因素因子分别为国内生产总值、第二产业增加值占国内生产总值的比例和污染物排放强度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010203939.XA CN101866397A (zh) | 2010-06-21 | 2010-06-21 | 一种确定影响污染物排放主导因素的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010203939.XA CN101866397A (zh) | 2010-06-21 | 2010-06-21 | 一种确定影响污染物排放主导因素的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101866397A true CN101866397A (zh) | 2010-10-20 |
Family
ID=42958120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010203939.XA Pending CN101866397A (zh) | 2010-06-21 | 2010-06-21 | 一种确定影响污染物排放主导因素的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101866397A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521494A (zh) * | 2011-12-02 | 2012-06-27 | 北京师范大学 | 一种湖泊氮磷营养盐削减达标的容量分配方法 |
CN105300871A (zh) * | 2014-07-08 | 2016-02-03 | 中国科学院金属研究所 | 基于灰色关联分析的大气腐蚀因子评价方法 |
CN106651184A (zh) * | 2016-12-26 | 2017-05-10 | 中国农业大学 | 葡萄园化肥利用效率的测算方法及装置 |
CN107273667A (zh) * | 2017-05-27 | 2017-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种工业废水中污染物排放量驱动因子识别方法 |
CN107274076A (zh) * | 2017-05-27 | 2017-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 考虑节水减排作用的工业废水排放量驱动因子识别方法 |
CN111476433A (zh) * | 2020-04-26 | 2020-07-31 | 北京保生源科技有限公司 | 基于数据分析的烟气排放预测方法及系统 |
CN113450880A (zh) * | 2021-08-31 | 2021-09-28 | 大唐环境产业集团股份有限公司 | 一种脱硫系统入口so2浓度智能预测方法 |
-
2010
- 2010-06-21 CN CN201010203939.XA patent/CN101866397A/zh active Pending
Non-Patent Citations (2)
Title |
---|
《沈阳建筑工程学院学报(自然科学版)》 20031031 兰信颖,王岳人,滑军 居室装修污染物与空气品质的灰色关联度分析 第19卷, 第4期 2 * |
《环境科学与技术》 20091231 凌虹,朱晓东,王惠中,张朝晖,王向华 基于灰色关联度的污染物排放主导因素研究_以苏州市为例 203-208 1-4 第32卷, 第12期 2 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521494A (zh) * | 2011-12-02 | 2012-06-27 | 北京师范大学 | 一种湖泊氮磷营养盐削减达标的容量分配方法 |
CN105300871A (zh) * | 2014-07-08 | 2016-02-03 | 中国科学院金属研究所 | 基于灰色关联分析的大气腐蚀因子评价方法 |
CN106651184A (zh) * | 2016-12-26 | 2017-05-10 | 中国农业大学 | 葡萄园化肥利用效率的测算方法及装置 |
CN107273667A (zh) * | 2017-05-27 | 2017-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种工业废水中污染物排放量驱动因子识别方法 |
CN107274076A (zh) * | 2017-05-27 | 2017-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 考虑节水减排作用的工业废水排放量驱动因子识别方法 |
CN107273667B (zh) * | 2017-05-27 | 2019-07-30 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种工业废水中污染物排放量驱动因子识别方法 |
CN107274076B (zh) * | 2017-05-27 | 2019-10-29 | 水利部交通运输部国家能源局南京水利科学研究院 | 考虑节水减排作用的工业废水排放量驱动因子识别方法 |
CN111476433A (zh) * | 2020-04-26 | 2020-07-31 | 北京保生源科技有限公司 | 基于数据分析的烟气排放预测方法及系统 |
CN113450880A (zh) * | 2021-08-31 | 2021-09-28 | 大唐环境产业集团股份有限公司 | 一种脱硫系统入口so2浓度智能预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Gauging the impacts of urbanization on CO2 emissions from the construction industry: Evidence from China | |
Wu et al. | Analyzing the influence factors of the carbon emissions from China's building and construction industry from 2000 to 2015 | |
Wang et al. | Effects of environmental regulation on CO2 emissions: An empirical analysis of 282 cities in China | |
Yang et al. | Impacts of energy consumption, energy structure, and treatment technology on SO2 emissions: A multi-scale LMDI decomposition analysis in China | |
CN101866397A (zh) | 一种确定影响污染物排放主导因素的方法 | |
Cheng et al. | Analysis of the factors that affect the production of municipal solid waste in China | |
Liu et al. | Assessing the impact of population, income and technology on energy consumption and industrial pollutant emissions in China | |
Su et al. | Regional inequality, spatial spillover effects, and the factors influencing city-level energy-related carbon emissions in China | |
CN105447776A (zh) | 一种绿色建筑碳排放评价方法 | |
Zhang et al. | Revealing potential of energy-saving behind emission reduction: A DEA-based empirical study | |
Yang et al. | Exploring the industrial solid wastes management system: Empirical analysis of forecasting and safeguard mechanisms | |
CN114912743A (zh) | 一种建筑全寿命周期的碳排放核算方法 | |
Meng et al. | A stochastic multi-objective optimization model for renewable energy structure adjustment management–A case study for the city of Dalian, China | |
CN102831308A (zh) | 一种清洁生产技术的评价方法 | |
Li et al. | Total factor waste gas treatment efficiency of China’s iron and steel enterprises and its influencing factors: An empirical analysis based on the four-stage SBM-DEA model | |
CN115907322A (zh) | 基于全生命周期的住区改造前后碳排放影响核算方法及系统 | |
Zheng et al. | Do recycling and regulations influence trade-adjusted resource consumption? Exploring the role of renewable energy | |
Li et al. | Waste landfill plant and waste disposal plant efficiencies in China | |
Wang et al. | Pathways to achieve low-carbon transition in the transportation sector under the constraints of carbon peak and carbon neutrality targets: a comprehensive analysis of intra-and extra-industry factors | |
CN111950855A (zh) | 基于能值再制造工艺的经济与环境一体化决策模型 | |
Wang et al. | Comprehensive integrated platform for garbage classification in reduction innocuity and resource | |
Ye et al. | An empirical case on the measurement of China’s regional low-carbon development level | |
Shi et al. | Distribution Technique of Green Material List for High‐Rise Building Engineering in BIM Technology | |
Wang et al. | Decoupling economic growth from construction waste generation: Comparative analysis between the EU and China | |
Wang et al. | Prediction of construction waste in representative cities of North and South based on Grey Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20101020 |