基于污染物行业排放容量计算的行业结构优化调整方法
【技术领域】
[0001] 本发明涉及环渤海13城市主要化学污染物排海总量控制的技术领域，具体涉及 一种基于污染物行业排放容量计算的行业结构优化调整方法。 技术背景
[0002] 渤海是我国唯一的半封闭内海，面积77,284km2,具有独特的资源优势和地源优 势，是环渤海经济圈的重要支持系统。但是随着沿海城市工业化、信息化、城市化进程的不 断加快，近岸海域水质不断恶化、赤潮灾害频发、海洋生态系统失衡、渔业资源衰退等海洋 生态环境问题也日趋严重。自20世纪70年代末，渤海海洋环境质量总体上呈恶化趋势，尤 其是在90年代中后期。根据多年的监测和评价结果，渤海近岸海域的污染范围呈扩大趋 势。1992年渤海遭受污染的面积约20%，而到了 1998年，渤海受污染的面积约40%。经过 近几年的治理，2006年，渤海未达到清洁海域水质标准的面积约2. 0万平方公里，占渤海总 面积的26%，共发生赤潮11次，累计发生面积达到2980平方公里。污染形势依然严峻，污 染海域主要集中在辽东湾近岸、渤海湾和莱州湾等近岸海域，主要污染物为无机氮、活性磷 酸盐和石油类等。工业废水、生活污水、工业和生活垃圾、农药、化肥等陆源污染物大量超标 超量排放入海成为当前渤海环境状况恶化未能得到遏制的根本原因。由于渤海海洋生态环 境问题已成为环渤海地区社会经济可持续发展的重大制约因素，自20世纪90年代后期，国 家环保总局和国家海洋局先后分别制定了《渤海碧海行动计划》和《渤海综合整治规划》，着 重开展包括主要化学污染物排海总量控制在内的渤海海洋生态环境质量预防、控制和治 理等。
[0003] 当前，在科学发展观指导下，建设资源节约型、环境友好形社会，特别是促进经济 发展与人口、资源、环境相协调已成为各地区实施"十一五"社会经济发展规划所遵循的共 同原则。污染物排海总量控制研究不仅是我国海洋生态环境保护，海洋资源的可持续开发 以及实现我国"十一五"社会和经济可持续发展国家目标所必需，同时也是"十一五"中国 海洋科学和环境科学基础研究的优先发展领域（冯士笮和王辉，2001)。对于像环渤海这样 经济发展迅速的沿海地区，尽快科学合理地实施污染物排海总量控制就成为促进经济、环 境持续健康发展最重要的迫切举措。同时，国家海洋局在本世纪初开始在重点海湾及河口 实施碧海行动计划，迫切需要总量控制理论和计算方法的进一步完善；而我国的污染物排 海总量控制研究尚在研究探索阶段，难以满足污染物排海总量控制的实际需求。
[0004] 而在研究方法和研究手段上，我国总量控制的数学模型日臻完善，系统工程方法 已得到普遍应用，主要有系统模拟法、数学规划法、投入产出法、系统动力学、大系统分解 法、多目标规划法、随机规划和模糊系统理论规划法等等。近年来，随着计算机技术广泛用 于环境规划中，各种环境管理信息系统（EMIS)和水资源规划管理决策支持系统（DSS)及 地理信息系统（GIS)大量用于总量控制决策系统中。这些现代化手段和各种数学模型相结 合，为系统综合的分析、评价和预测环境质量的变化，客观地掌握环境中污染物的迀移转化 规律、确定总量控制的措施提供了有力的支持。
[0005] 因此，在渤海开展总量控制研究具有重要的理论意义和现实意义，并且对于中国 近海海域污染物排海总量控制的实施具有重要的参考意义。本项发明鉴于多目标函数模型 与非线性规划模型的优点，利用综合了多目标函数模型与非线性规划模型的多目标非线 性规划函数模型得到足够多的样本数据，从而建立出RBF神经网络模型，实现跳过复杂的 计算函数过程，为优化调整行业结构提出一种简单方法。本发明的方法将为沿海地区环保 部门和海洋监管部门制定强制性污染物排海总量削减方案，并为实现由目标总量管理向容 量总量管理转轨提供科学依据；同时还为有关部门制定区域经济规划、调整产业结构、合理 配置工业布局等提供必要的理论依据和技术支持。
【发明内容】
[0006] 本发明的基于污染物行业排放容量计算的行业结构优化调整方法是基于具有公 平性原则、经济效益原则、经济与环境及资源利用可持续原则、以海定陆，河海统筹原则、行 政区划分原则的多目标非线性函数规划模型计算所得的数据建模而来的，则该方法模型输 出的结构也是合理可靠的。排污负荷分配到源是污染物排放总量控制的最终目的，合理地、 公平的确定各个污染源的允许排放量也是陆源污染物排放总量控制的关键之一。目前，确 定各个污染源的允许排放容量并行业结构优化调整有多种方法，但各有优缺点。其中，本发 明的基于多目标非线性规划函数模型的污染物行业允许排放量计算的行业调整方法是从 大数据时代的观点出发，使得行业结构优化的问题步骤只有输入和输出，大大地直接跨过 中间复杂的计算过程，达到简单易操作而又不忽略结果的有效性的效果。
[0007] 本发明的基于污染物行业允许排放容量计算的行业结构优化调整方法，通过将行 业结构优化调整问题简单看做是一个输入输出问题，根据以往的优秀模型生成合理的样本 数据用于建立RBF神经网络模型，用于以后的行业优化调整。
[0008] 方法包括以下步骤：
[0009] 首先是目标函数的设定，目标函数模型应在满足经济、环境和社会三者协调发展 的前提下将水环境容量分配至行政区域内以及区域内各行业，并计算出污染排放单元的最 大允许排放容量。经济指标包括地区生产总值（GDP)、水环境治理费用等，环境指标包括行 政区划或行业废水和污染物的排放数量以及排放水平（万元产值排放强度）。社会指标主 要是要满足人口与环境的协调发展；然后是约束条件的设定，约束条件应基于经济效益原 贝1J、公平原则、最低生活水平保障原则，并在满足经济、环境和社会三者协调发展的前提下 将水环境容量分配至各行政区划或区域内各行业。因而，从约束条件的设定内容上讲，约束 条件基本包括经济、环境保护、社会三方面进行。其中经济方面主要考虑各城市地区生产总 值（GDP)、环境保护的投资费用，环境方面主要考虑各城市所在流域的分配容量、污水及污 染物排放数量和排放水平等，而社会方面主要考虑人口的发展水平。然后是根据目标函数 模型于约束函数模型求得样本数据，建立RBF神经网络模型，用于以后的行业优化调整。具 体如下：
[0010] 基于污染物行业允许排放容量计算的行业结构优化调整方法，其特征在于，该方 法是基于多目标函数非线性规划的污染物行业排放量计算方法，通过多目标函数非线性规 划法计算出污染物行业的允许排放量，得到足够多的样本数据，然后用这些样本数据建立 RBF神经网络模型，用于行业的优化调整。该方法使得对行业结构优化调整的过程跳过了复 杂的计算过程，在操作上也简单易行。
[0011] 该方法是基于多目标区域水污染物总量行业优化分配模型，模型能够较好地协调 经济、环境与资源的关系，实现了区域行业结构优化调整和资源优化配置。该方法模型是目 前在污染物行业允许排放容量计算方面比较优秀的，选用该模型计算得到的数据结果也是 更符合公平性原则、经济效益原则、经济与环境及资源利用可持续原则、以海定陆，河海统 筹原则、行政区划分原则这五大原则的。如此使用这样的样本数据去建立网络模型输出的 数据也是相对合理，可靠，切合实际应用的。
[0012]RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有 良好的泛化能力，而且RBF网络是局部逼近网络，即对于输入空间的某个局部区域只有少 数几个连接权值影响输出，故学习收敛速度比较快。
[0013] 所述的基于污染物行业允许排放容量计算的行业结构优化调整方法综合了权利 要求2和3所述的方法模型的优点，为行业的结构优化调整提供了可靠合理的技术支持。
[0014] 一种基于污染物行业允许排放容量计算的行业结构优化调整方法，其具体步骤如 下：
[0015] (1)目标函数模型建立：
[0016]
[0017]i为污染物排放单元，Xl分别为沿海城市的污染物允许排放容量，10 4t/a;(2)约束 条件函数模型建立
[0018] (2. 1)经济效益约束模型
[0019] 依据经济效益增长的原则，各城市单元最大允许排放量的确定同时要保证经济的 持续增长，因而上式中GDP要满足一定的增长，即：
[0020]⑶Pt彡⑶P ? · (l+rg)~t
[0021] 式中⑶P。为i城市的基准年地区生产总值，⑶Pt为第t年的地区生产总值，本文 指规划年的地区生产总值，单位均为1〇4元/a，rg为⑶P年均增长率，％ ;
[0022] (2. 2)污染物排放强度约束模型
[0023]a^ai0
[0024]或 ％S
[0025]α1(]、％为基准年i城市的万元产值排放强度和环渤海地区万元产值排放强度的 平均值，单位均为t/ΙΟ4元。
[0026] 假设经济的增长与污染物的排放存在一定的关系：
[0027] c^x^DPi
[0028] 式中i城市的污染物允许排放容量，单位为10 4t/a;GDP$i城市的地区生 产总值，1〇4元/a;ai城市的污染物万元产值排放强度，单位为t/10 4元，（2. 3)人口约 束模型
[0029] Pt^ P〇· (l+rp)'t
[0030]P。为i城市的基准年常住人口数量，Pt为规划年的人口数量，单位均为10 4人/a。 rp为人口机械增长率，％。。同时人口与生活污水中污染物的排放存在定量关系：
[0031] β ,= Wh^
[0032] 式中：βi城市的人均污染物排放强度，Kg/人;WHl为生活污水中污染物的排 放量，l〇4t/a，Pi为人□数量，10 4人/a;
[0033] (2. 4)环境投资约束模型
[0034] Rl0^R1^R,x
[0035]式中民为i城市环境治理投资占地区生产总值的比例，I。为基准年环境治理投资 占地区生产总值的比例，Wi为最大环境治理投资比例，单位均为％。W 根据现状污 染物排放强度，所在流域分配容量，以及基准年环境投资的比例确定；
[0036] 对于每个城市，环境投资的比例与污染物排放强度存在反比例关系，即环境投资 的比例越大，污染物的排放强度越小，环境投资的比例越小，污染物的排放强度越大：
[0037] Rt/R〇=a〇/at
[0038] (2. 5)非负约束条件
[0039] a ^〇；β ^ 0 ；χ ^ 0
[0040] (3)由步骤（1)、（2)的模型求出各污染物行业允许的排放容量为输出数据，原模 型参数为输入数据，作为后边网络模型的样本数据；
[0041] (4)RBF(径向基函数）神经网络模型建立
[0042] (4. 1)径向基函数
[0043]RBF神经网络模型应基本满足所有样本训练数据，即要求所选择的径向基函数经 过每个训练数据，即F(Xh) =dh，h=η，η是所选径向基函数个数；
[0044] 现选择η个基函数，每个基函数对应一个训练数据，各基函数形式为：
[0045]
[0046] (4. 2)确定基于径向基函数的预测模型为：
[0047] 其中，X=Xh;
[0048] (4. 3)径向基函数中心的确定
[0049] (4. 3. 1)网络初始化
[0050] 随机前面的多目标非线性规划函数模型计算得到的样本数据中选取η个训练样 本作为聚类中心Ci(i= 1，2, ···，]!);
[0051] (4. 3. 2)将输入的训练样本集合按最近邻规则分组。
[0052] 按照所有样本数据xh与中心ci之间的欧氏距离将Xh分配到输入样本的各个聚类 集合Θh(h= 1，2,…，η)中；
[0053] (4. 3. 3)重新调整聚类中心
[0054] 计算各个聚类集合Θh中训练样本的平均值，即新的聚类中心ci，如果新的聚类中 心不再发生变化，则所得到的Cl即为RBF神经网络最终的基函数中心，否则返回（4. 3. 2)， 进入下一轮的中心求解；
[005