胶圈是尼康的
范文一：我国工业废水排放量多元线性
第１０卷第３期
２０１１年６月
江南大学学报（自然科学版）
ＪｏｕｒｎａｌｏｆＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
Ｖ０１．１０ＮＯ．３
Ｊｕｎ．２０１ｌ
我国工业废水排放量的多元非线性回归预测
李磊１’２，
滨１５００９０）
潘慧玲１
（１．江南大学商学院，江苏无锡２１４１２２；２．哈尔滨工业大学市政环境工程学院，黑龙江哈尔
摘要：为了准确预测我国工业废水的排放量，提高相关部门的管理水平，利用１９９７—２００９年的
我国工业废水排放量、工业总产值和工业用水量３个指标数据，构建了一种基于时问序列的多元非
线性回归预测模型。经过评估和分析，该模型具有９９．６％的高拟合精度，能客观反映我国工业废水的排放量。根据预测数据，我国将在２０１５年左右面临工业废水排放的高峰，排放量在２４９亿ｔ左右。
关键词：工业废水；排放量；多元非线性回归模型；预测中图分类号：ＴＵ
９９１
文献标识码：Ａ文章编号：１６７１—７１４７（２０１１）０３—０３０９—０５
ＰｒｅｄｉｃｔｉｏｎｏｆＩｎｄｕｓｔｒｉａｌ
Ｂａｓｅｄ
ｏｎ
ＷａｓｔｅｗａｔｅｒＤｉｓｃｈａｒｇｅＡｍｏｕｎｔ
ＭｕｌｔｉｖａｒｉａｔｅＮｏｎｌｉｎｅａｒＲｅｇｒｅｓｓｉｏｎ
ＬＩＬｅｉｌ．－．ＰＡＮＨｕｉ．１ｉｎ９１
（１．ＳｃｈｏｏｌｏｆＢｕｓｉｎｅｓｓ。Ｊｉａｎｇｎａｎ
Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ
２１４１２２，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＭｕｎｉｃｉｐａｌ
ａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌ
Ｅｎｇｉｎｅｅｒｉｎｇ，ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ１５００９０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｏｐｒｅｄｉｃｔｔｈｅａｍｏｕｎｔｏｆｉｎｄｕｓｔｒｉａｌｗａｓｔｅｗａｔｅｒｄｉｓｃｈａｒｇｅａｃｃｕｒａｔｅｌｙ，ａｎｄａｂｉｌｉｔｙｏｆｍａｎａｇｅｍｅｎｔ，ａｍｕｌｔｉｖａｒｉａｔｅｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄ
ｏｎ
ｔｏ
ｉｍｐｒｏｖｅｔｈｅ
ｗａｓ
ｎｏｎｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎ
ｍｏｄｅｌｂａｓｅｄ
ｏｎ
ｔｉｍｅｓｓｅｒｉｅｓ
ｔｈｅｉｎｄｕｓｔｒｉａｌ
１９９７
ｔｏ
ｗａｓｔｅｗａｔｅｒ
ｄｉｓｃｈａｒｇｅａｍｏｕｎｔ，ｉｎｄｕｓｔｒｙｇｒｏｓｓｐｒｏｄｕｃｔａｎｄｉｎｄｕｓｔｒｙ
ａ
ｗａｔｅｒｃｏｎｓｕｍｐｔｉｏｎｆｒｏｍ２００９．Ｂｅｉｎｇａｓｓｅｓｓｅｄａｎｄａｎａｌｙｚｅｄ，ｔｈｅｍｏｄｅｌｈａｓ
ｒｅｆｌｅｃｔｔｈｅａｍｏｕｎｔ
ｏｎ
ｈｉｇｈｆｉｔｔｉｎｇ
ｐｒｅｃｉｓｉｏｎｏｆ９９．６％．ｃａｎｐｒｏｖｉｄｅ
ａ
ｏｂｊｅｃｔｉｖｅｌｙ
ｏｆｉｎｄｕｓｔｒｉａｌ
ｗａｓｔｅｗａｔｅｒ
ｄｉｓｃｈａｒｇｅａｎｄ
ｒｅｆｅｒｅｎｃｅｆｏｒｐｏｌｉｃｙｍａｋｅｒｓ．Ｂａｓｅｄｔｈｅｐｒｅｄｉｃｔｉｏｎ
ｄａｔａ，ｗｅｗｉｌｌｆａｃｅｔｈｅｐｅａｋｏｆ
ｔｏｎ．
ｉｎｄｕｓｔｒｉａｌｗａｓｔｅｗａｔｅｒｄｉｓｃｈａｒｇｅａｍｏｕｎｔｉｎ２０１５，ａｎｄｔｈｅｄｉｓｃｈａｒｇｅａｍｏｕｎｔｉｓａｂｏｕｔ２４．９ｂｉｌｌｉｏｎＫｅｙ
ｗｏｒｄｓ：
ｉｎｄｕｓｔｒｉａｌ
ｗａｓｔｅｗａｔｅｒ，ｄｉｓｃｈａｒｇｅ
ａｍｏｕｎｔ，
ｍｕｌｔｉｖａｒｉａｔｅｎｏｎｌｉｎｅａｒ
ｒｅｇｒｅｓｓｉｏｎ
ｍｏｄｅｌ，ｐｒｅｄｉｃｔｉｏｎ
工业废水排放量是指经过企业厂区所有排放口排到企业外部的工业废水量，包括生产废水、外
国废水排放量的４０％，可见加强工业废水的治理势
在必行。据统计，全国２７条主要河流，大多数被工业
废水严重污染，有些河流中含酚、汞普遍超过指标
排的直接冷却水、超标排放的矿井地下水和与工业
废水混排的厂区生活污水。改革开放以来，我国工业经济高速发展，工业废水的排放量也在日益增
数倍，乃至数十倍，使许多盛产鱼虾河流的产量大
幅度下降。２００５年松花江重大水污染事件，２００７年
长。２００９年我国工业废水排放量为２３４亿ｔ，约占全
收稿日期：２０１ｌ—０３—２８；修订日期：２０１１一０４—２０。
太湖蓝藻爆发，重大水污染事件的不断发生，保护
基金项目：国家重点实验室开放基金项目（ＨＣ２０１０２４）；国家社会科学基金项目（０８ＢＪＹ０６０）。作者简介：李磊（１９５９一），男，黑龙江哈尔滨人，教授，博士生导师。主要从事区域生态经济研究。
Ｅｍａｉｌ：ｉｒｄ２００７＠１２６．ｃｏｒｎ
万方数据
３１０
江南大学学报（自然科学版）
第１０卷
环境，治理污染成了人们普遍关注的问题。
工业废水排放量预测是对未来环境进行分析，
是科学决策、合理规划之前的必不可少的重要环
节。因此对我国工业废水排放量进行科学而准确的预测是十分必要的，这是科学落实污染治理相关政
策的前提。但由于影响工业废水排放量的因素较多，往往很难从理论上建立起系统、科学的评价方法和模型。国内一些学者对工业废水排放量的预测
问题进行了较深入的研究。如张文丽等人利用灰色广义回归神经网络…，王丽芳等人应用综合增长指
数法【２Ｊ，李斌利用灰色－神经网络组合模型［３］，李秉
文应用苷培茨模型¨Ｊ。这些研究成果为解决工业废水排放量的预测问题，提供了一些方法和手段，具
有一定的参考价值。
文中利用１９９７—２００９年我国工业废水排放量、工业用水量和工业总产值的样本数据，构建了基于时间序列的二元非线性回归预测模型。预测结
果表明，效果良好，精度较高，打破了传统模型拟合
优度低的缺点，能够较为客观地反映我国工业废水的排放量。并在此基础上，预测了２０１０—２０２０年我国工业废水的排放量，为相关部门决策提供参考。
模型的建立与分析
１．１
变量的选取与数据处理
对于影响工业废水排放指标选取，采用１９９７—
２００９年的工业总产值和工业用水量两个指标。其中：工业总产值以反映一定时期内工业生产的总规
模和总水平；工业用水量以反映工业用水情况，具
体如表１（资料来源于《我国统计年鉴》相关各期资料）。考虑到对时间序列数据进行对数化后容易得
到平稳序列，而且并不改变时序数列的特征，因此，实际建模时均采用各变量的对数值。
表１研究变量的选取
Ｔａｂ．１
Ｓｅｌｅｃｔｉｏｎｏｆｖａｒｉａｂｌｅｓ
变
量
名称
Ｘｌ
工业用水量／亿ｍ３五
工业总产值／亿元ｙ
工业废水排放量／亿ｔ
１．２
数据的平稳性检验
将３组样本数据（对数化处理后）进行ＡＤＦ检
验，以检查其序列的平稳性。检验结果如表２。
由表２结果可知，经过对数化后，３组样本数据都是平稳序列，可用经典最小二乘法进行回归分析。
万方数据
表２
ＡＤＦ检验结果
Ｔａｂ．２
ＡＤＦｔｅｓｔｒｅｓｕｌｔ
１．３
模型的建立
结合工业废水排放量、工业用水量和工业总产值的历年数据构建如下多元非线性的计量模型：
Ｉｎｙ
２
ｆＣ髫ｌ，髫２）＝ｃｏＩｎ菇ｌ＋ＣｌＩｎ髫２＋
ｃ２Ｉｎ菇ｌＩｎ并２＋Ｃ３
（１）
代入历年样本数据，并通过Ｅｖｉｅｗｓ软件作非线性回归分析后，得到如下回归模型：
Ｉｎｙ
２
３．１９７Ｉｎ髫ｌ＋１．３２３Ｉｎ戈２—
０．１８７Ｉｎ菇ｌＩｎ戈２—１７．２２６Ｒ２＝０．９９６
ＤＷ＝１．１３６
回归系数显著性检验：回归方程、回归系数的ｔ值见表３，其绝对值均大于ｔｏ．晒＝２．２２８，故在ａ＝Ｏ．０５显著性水平下，所有回归系数均显著。
表３
回归系数的ｔ值
Ｔａｂ．３
ｔ－Ｓｔａｔｉｓｔｉｃｏｆｒｅｑｖｅｓｓｉｏｎ
ｃｏｅｍｃｉｅｎｔ
回归系数ｔ值
Ｉｎ善Ｉ３．５６７Ｉｎ善２２．７８９Ｉｎ茗ｌＩｎ茗２
—２．７８１
回归方程显著性检验：回归模型的决定系数为
０．９９６，从图ｌ中，可以看出模型的实际值和预测值
非常接近，残差在一０．１～０．１之间波动，说明回归方程的拟合非常好。
１．０
０．８
蔷０．６
橙
蒌ｏ．４
ｋ兰广
５．６
５．５
?
＋预测值厂≥誓”’１‘弋
５．４星
ｋ≯／
浔
．
５．３蓥
毽
萍
召０－２
５．２哩
商
Ｏ
、－／ｒ一一一
一’１
‘
●
●
第３期李磊等：我国工业废水排放量的多元非线性回归预测
２６０。２５０
３１１
不具有自相关性。
以上分析说明：此非线性回归方程通过各项检
验，具有较好的显著性，可以用来预测我国工业废水的排放量。
１．４
譬
撷２４０督
盎２３０＊型＝２２０一
１２１０２００
方差分析
分别计算回归方程的总平方和（ＳＳＴ）、残差平方和（ＳＳＥ）、回归平方和（ＳＳＲ）以及回归方程的均方和（ＭＳＲ）及残差均方和（ＭＳＥ）。计算公式如式
（２）式至式（６）所示。
图２横型一的三维立体图
ｍｏｄｅｌ１
ＳＳＥ＝∑ｅ；＝∑（儿一ｉ。）２
ＳＳＲ＝∑（允一ｉ）２
（２）（３）（４）（５）
（６）
Ｆｉｇ．２
Ｔｈ他ｅ．ｄｉｍｅｍｉｏⅡａｌｇｍｐｈｉ璐ｏｆ
２
工业废水排放量的预测
利用１９９７～２００９年我国工业废水排放量、工
ＳＳＴ＝∑（ｙ．一ｊ）２，ｉ＝÷∑Ｙ。
ＭＳＲ：墨ＭＳＥ：粤
业用水量和工业总产值的样本数据，构建了基于时间序列的二元非线性回预测模型。预测结果表明，效果良好，精度较高，能够客观地反映我国工业废水的排放量。因此，可以依据模型（１）来预测我国２０１０—２０２０年的工业废水排放量。
２．１
式中：ｅ。为残差；ｙ。为样本的观测值；ｉ．样为本的估计值；ｉ为样本的平均值；ｒｔ为样本的数量；ｔ为回归方程中自变量的个数。
计算结果如表４。残差的平方和为０．００００３８５，说明模型的观测值和拟合值之间的偏差很小，再次印证了此回归模型良好的显著性，可以用来预测工
业废水的排放量。
表４方差分析
Ｔａｂ．４
Ｓｋｅｄａｓｔｉｃｉｔｙａｎａｌｙｓｉｓ
工业用水量的预测
依据１９９７—２００９年工业用水量的样本数据，
以年份为自变量，建立工业用水量的回归方程
（７）（回归分析结果见表５）：
Ｉｎｚ．＝０．０２１８—３６．５７２
０．８４３
３＋［ＡＲ（１）＝
（７）
２，ＡＲ（３）＝０．６８４５］
表５方程２回归分析结果
Ｔａｂ．５
Ｒｅｇｒｅｓｓｉｏｎｒｅｓｕｌｔｏｆｅｑｕａｔｉｏｎ２
变量
ｒＣ
系数
０．０２ｌ８０６
０
标准差
００１６０３
￡一统计量
１３．５９９８０
Ｐ值
０．０００００．０００００．０００４０．００１３
一３６．５７２３３３．２１１７０８一１１．３８７１９
０．１２１
１５９
６．９５９６６８
ＡＲ（１）０．８４３２２８
１．５模型结果分析
ＡＲ（３）一０．６８４４９５０．１２１２９２—５．６４３３８４
基于建立的非线性回归预测模型，为了能更好地解释工业废水排放量、工业总产值及工业用水量三者之间相互作用关系，绘制了三者的三维立体图形（见图２）。从中可以看出工业废水的排放量在逐渐上升后会有一个回落过程。这正如ＰａｎａｙｏｔｏｕＴ等人在１９９３年所提出的环境库茨涅茨曲线假设”…，即经济发展水平较低的时候，工业废水污染的程度较低；随着经济的增长。环境恶化程度加剧；当经济
发展达到一定水平后，也就是说，到达某个临界点或称“拐点”以后，随着经济的进一步增长，工业废
２．２工业总产值预测
依据１９９７—２００９年工业总产值的样本数据，以时间为自变量，建立工业总产值的回归方程：
Ｉｎｘ２＝０．２２７４ｔ一４４３．６０１
水污染的程度逐渐减缓，环境质量逐渐得到改善。工业废水污染程度随着经济的发展表现为“倒ｕ
型”曲线。
０“ＡＲ（１）＝０．５５９１］
（８）
回归分析结果见表６。
万方数据
３１２
江南大学学报（自然科学版）
表６方程３回归分析结果
Ｔａｂ．６
Ｒｅｇｒｅｓｓｉｏｎｒｅｓｕｌｔｏｆｅｑｕａｔｉｏｎ３
第１０卷
水量及工业总产值的样本数据，建立基于时间序列的二元非线性回归预测模型，并预测２０１０～２０２０
年我国工业废水的排放量。通过所建立的预测模型
变量
ＴＣ
系数
０．２２７４１８
标准差ｔ一统计量Ｐ值
０．０１５６７９
１４．５０４９２
Ｏ．０００Ｏ０．０００００．００２９
及相关预测结果，得出以下结论：
１）工业总产值和工业用水量是影响我国工业
废水排放量的主要因素，基于预测模型具有９９．６％高拟合精度，运用此预测模型能客观反映我国工业废水的排放量；
２）未来我国工业废水排放量趋向于在经历较
一４４３．６０１０３１．４５５５９—１４．１０２４５
０．１３８２３８
４．０４４６４５
ＡＲ（１）０．５５９１２５
短时间的上升后逐渐下降。根据预测数据，我国将在２０１５年左右面临工业废水排放的高峰，排放量在２４９亿ｔ左右；
２．３
工业废水排放量的预测３）随着工业经济规模的不断扩大，工业总产值将稳步上升，而工业用水量在经历小幅上升后伴有
下降趋势。
结语２）表明，随着对工业废水治理力度的加大，工业废水的污染状况将逐步得到改善。主要体现在：
一是产业结构向信息密集的产业和服务转变。“十二五”规划中明确把经济结构战略调整作为加快转变经济发展方式的主攻方向。因此，随着进一
利用回归方程（７）、（８）分别预测２０１０—２０２０年的工业用水量和工业总产值，然后回代入二元非
线性回归模型（１），求出工业废水排放量。所有预测结果如表７。
表７各项预测数据
Ｔａｂ．７
Ｆｏｒｅｃａｓｔｄａｔａ
步加快推动经济结构由制造经济为主向服务经济为主转型升级，加快形成“三二一”现代产业体系，
我国工业废水污染状况在不远的未来将逐渐得到改善。
二是环境意识的增强，环境法规的执行。目前，
在提倡建立资源节约型、环境友好型社会背景下，
公民的环保意识逐渐增强，相应的环保法规也在不
断健全。环境预警机制的建立，大型污染事件发生
的概率不断减小。
三是政府对环境污染的政策与规制。我国工业
废水污染的控制离不开政府政策与规制上的约束。
３
结语
通过１９９７—２００９年工业废水排放量、工业用
在新的政策形势下，未来我国环境污染的政策与规制将对企业工业废水排放量进一步加强限制，对于
排放不达标的企业的惩罚措施也愈加严厉。
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［１］张文丽，路金喜，宋双虎，等．基于灰色广义回归神经网络的工业废水排放量预测［Ｊ］．水资源与工程学报，２００７，１８（１）：
６４．６７．
ＺＨＡＮＧＷｅｎ－Ｉｉ，ＬＵＪｉｎ－ｘｉ，ＳＯＮＧＳｈｕａｎｇ—ｈｕ，ｅｔａ１．Ｆｏｒｅｃａｓｔｏｆｉｎｄｕｓｔｒｉａｌｗａｓｔｅｗａｔｅｒｖｏｌｕｍｅｂａｓｅｄ
ｏｎ
ＧＭ．ＧＲＮＮ［Ｊ］．Ｊｏｕｒｎａｌｏｆ
ＷａｔｅｒＲｅｓｏｕｒｃｅａｎｄＷａｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，２００７，１８（１）：６４?６７．（ｉｎＣｈｉｎｅｓｅ）
［２］王丽芳，吴纯德，阮梅芝，等．综合增长指数法在工业废水排放量预测中的应用［Ｊ］．工业用水与废水，２００８（３）：５－７．
ＷＡＮＧ
Ｌｉ－钿ｇ，ＷＵ
ｄｉｓｃｈａｒｇｅ
Ｃｈｕｎ－ｄｅ，ＲＵＡＮ
Ｍｅｉ—ｚｈｉ，ｅｔａ１．Ａｐｐｌｉｃａｔｉｏｎｏｆｓｙｎｔｈｅｔｉｃｇｒｏｗｔｈｉｎｄｅｘｍｅｔｈｏｄ
ｉｎｆｏｒｅｃａｓｔｏｆｉｎｄｕｓｔｒｉａｌ
ｗａｓｔｅｗａｔｅｒ
ａｍｏｕｎｔ［Ｊ］．ＩｎｄｕｓｔｒｉａｌＷａｔｅｒａｎｄＷａｓｔｅｗａｔｅｒ，２００８（３）：５－７．（ｉｎＣｈｉｎｅｓｅ）
ｍｏｄｅｌ
［３］李斌，许什荣，柏光明．灰色－神经网络组合模型预测城市用水量［Ｊ］．中国给水排水，２００２（２）：ｌｌ—１４．
ＬＩＢｉｎｇ，ＸＵＳｈｉ?ｒｏｎｇ，ＢＯＧｕ脚培一ｍｉｎｇ．Ｃｏｍｂｉｎｅｄｇｒｅｙ，ｎｅｕｒａｌｎｅｔｗｏｒｋ
ｆｏｒｕｒｂａｎｗａｔｅｒｃｏｎｓｕｍｐｔｉｏｎ
ｐｒｏｊｅｃｔｉｏｎ［Ｊ］．Ｃｈｉｎａ
万方数据
第３期李磊等：我国工业废水排放量的多元非线性回归预测
３１３
ＷａｔｅｒａｎｄＷａｓｔｅｗａｔｅｒ，２００２（２）：１１．１４．（ｉｎＣｈｉｎｅｓｅ）
［４］李秉文，杜梅．苷培茨模型在工业废水排放量预测中的应用研究［Ｊ］．中国东北水利水电，１９９６（１２）：３３－３７．
ＬＩＢｉｎｇ－，ＤＵＭｅｉ．ＡｐｐｌｉｃａｔｉｏｎｏｆｃａｒｐｅｔｓｉｎｆｏｒｅｃａｓｔｏｆｉｎｄｕｓｔｒｉａｌｗａｓｔｅｗａｔｅｒｄｉｓｃｈａｒｇｅＨｙｄｒｏｐｏｗｅｒｏｆＮｏｒｔｈｅａｓｔＣｈｉｎａ，１９９６（１２）：３３－３７．（ｉｎＣｈｉｎｅｓｅ）
ｍｏｕｎｔ［Ｊ］．Ｗａｔｅｒ
ｏｆ
Ｒｅｓｏｕｒｃｅｓａｎｄ
［５］Ｇｒｏｓｓｍａｎ
３５３－３７７．
ＧＭ，ＫｒｕｅｇｅｒＡＢ．Ｅｃｏｎｏｍｉｃｓｇｒｏｗｔｈａｎｄｔｈｅｅｎｖｉｒｏｎｍｅｎｔ［Ｊ］．ＱｕａｒｔｅｒｌｙＪｏｕｒｎａｌＥｃｏｎｏｍｉｃｓ，１９９５，１１０（２）：
ｅｍｉｓｓｉｏｎｓ［Ｊ］．
［６］ＳｅｌｄｅｎＴＭ，ＳｏｎｇＤＳ．Ｅｎｖｉｒｏｎｍｅｎｔａｌｑｕａｌｉｔｙａｎｄｄｅｖｅｌｏｐｍｅｎｔ：Ｉｓｔｈｅｒｅ
ａ
ＫｕｚｎｅｔｓＣｕｒｖｅｆｏｒａｉｒｐｏｌｈｔｉｏｎ
Ｅｎｖｉｒｏｎｍｅｎｔａｌ
ＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，１９９４．２７（２）：１４７－１６２．
ｃｕｒｖｅ：ｅｎｖｉｒｏｎｍｅｎｔａｌ
［７］Ｃｉｅ＃ｓＲｅｍｉｇｉｊｌｌ８，ＳｔｒｅｉｍｉｋｉｅｎｅＤａｌｉａ，ＺａｖａｄｓｋａｓＥｄｍｕｎｄａｓ，ｅｔａ１．ＴｈｅｕｇｅｏｆｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｌＫｕｚｎｅｔｓ
ａｎｄｅｃｏｎｏｍｉｃｉｍｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｎｄＰｏｌｌｕｔｉｏｎ。２００８，３３（２）：３１３－３３５．［８］ＺＨＡＮＧ
ｃａｓｅ
Ｊｕ－ｙｏｎｇ，ＹＡＮＧＹｕ?．Ｅｎｖｉｒｏｎｍｅｎｔａｌｍａｎａｇｅｍｅｎｔｄｅｃｉｓｉｏｎｓｂａｓｅｄ
ｏｎ
ｅｎｖｉｒｏｎｍｅｎｔａｌＫｕｚｎｅｔｓ
ｏｎ
ｃｕｒｖｅ
ｈｙｐｏｔｈｅｓｉｓ：ａ
ｓｔｕｄｙｏｆｔｈｅｌｅｓｓｄｅｖｅｌｏｐｅｄｒｅｇｉｏｎｓｉｎＣｈｉｎａ［Ｃ］／／２００８
ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ
ＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ
１５ｔｈＡｎｎｕａｌＣｏｎｆｅｒｅｎｃｅＰｒｏｃｅｅｄｉｎｇｓ．Ｊｉａｏｏ，Ｃｈｉｎａ：ＩＣＭＳＥ，２００８：２３１－２３５．
［９］钱枫林，艾常婷．公共资源水污染与经济发展关系实证研究——以中小企业数量众多的江苏省为例［Ｊ］．科学经济社会，
２００９，２７（３）：７０－７３．
ＱＩＡＮ
Ｆｅｎｇ?ｌｉｎ，ＡＩ
ＣｈｒＩｇ—ｔｉｎｇ．Ｅｍｐｉｒｉｃａｌ
ｒｅｓｅａｒｃｈ
ｏｎ
ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｍｏｎｒｅｆｌｏｔｆｆｃｅｗａｔｅｒｐｏｌｌｕｔｉｏｎ
ａｎ
ａｎｄｅｃｏｎｏｍｉｃ
ｄｅｖｅｌｏｐｍｅｎｔ－－ｗｉｔｈｌａｒｇｅｎｕｍｂｅｍｏｆ￥１ｎａｌｌａｎｄｍｅｄｉｕｍ￥ｉｚｅｄｅｎｔｅｒｐｒｉｓｅｓｉｎＪｉａｎｇｓｕｐｒｏｖｉｎｃｅａｓｅｘａｍｐｌｅ［Ｊ］．ＳｃｉｅｎｃｅＥｃｏｎｏｍｙ
Ｓｏｃｉｅｔｙ，２００９，２７（３）：７０．７３．（ｉｎＣｈｉｎｅｓｅ）
［１０］谢红彬，刘兆德，陈雯．工业废水排放的影响因素量化分析［Ｊ］．长江流域资源与环境，２００４，１３（４）：３９４－３９８．
ＸＩＥＨｏｎｇ一８ａｎ，Ｌ／ＵＺｈａｏ?ｄｅ，ＣＨＥＮＲｅｓｏｕｒｃｅｓ
Ｗｅｎ．Ｑｕａｎｔｉｔａｔｉｖｅ
ａｎａｌｙｓｉｓ
ｏｎ
ｔｈｅｉｎｆｌｕｅｎｔｉａｌｆａｃｔｏｒｓｏｆｉｎｄｕｓｔｒｉａｌｗａｓｔｅ
ｄｒａｉｎａｇｅ［Ｊ］．
ａｎｄ
ＥｎｖｉｒｏｎｍｅｎｔｉｎｔｈｅＹａｎｇｔｚｅＢａｓｉｎ，２００４，１３（４）：３９４－３９８．（ｉｎＣｈｉｎｅｓｅ）
［１１］梁淑轩，孙汉文．中国工业废水污染状况及影响因素分析［Ｊ］．环境科学与技术，２００７，３０（５）：４３－４７．
ＨＡＮＧＳｈｕ－ＸＵａｎ．ＳＵＮＨａｎ?．ＩｎｄｕｓｔｒｉａｌｗａｓｔｅｗａｔｅｒｉｎＣｈｉｎａ：ｐｏｌｌｕｔｉｏｎＳｃｉｅｎｃｅ
ａｎｄａｆｆｅｃｔｉｎｇ
ｆａｃｔｏｒｓ
ａｎａｌｙｓｉｓ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ
ａｎｄＴｅｃｈｎｏｌｏｇｙ，２００７，３０（５）：４３－４７．（ｉｎＣｈｉｎｅｓｅ）
［１２］陈春华，路正南．江苏经济增长与环境污染关系的库兹聂兹曲线实证分析［Ｊ］．统计与决策，２００８（１３）：１０９?１１０．
ＣＨＥＮＣｈｕｎ－ｈｎａ．ＬＵＺｈｅｎｇ?咖．Ａｎａｌｙｓｉｓｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｋｕｚｎｅｔｓｃｕｒｖｅｂｅｔｗｅｅｎｔｈｅｉｎｃｒｅａｓｉｎｇｅｃｏｎｏｍｙａｎｄｅｎｖｉｒｏｎｍｅｎｔ
ｐｏｌｌｕｔｉｏｎｉｎＪｉａｎｇｓｕ
ｐｒｏｖｉｎｃｅ［Ｊ］．Ｓｔａｔｉｓｔｉｃｓ
ａｎｄ
Ｄｅｃｉｓｉｏｎ，２００８（１３）：１０９—１１０．（ｉｎＣｈｉｎｅｓｅ）
ｄｉｓｃｈａｒｇｅａｍｏｕｎｔｉｎ
［１３］李彦明，张振克．南京市工业废水排放的环境库茨涅茨曲线特征的研究［Ｊ］．工业用水与废水，２００７，３８（５）：４－７．
ＵＹａｎ—ｒｕｉｎｇ．ＺＨＡＮＧＺｈｅｎ—ｋｅ．Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｋｕｚｎｅｔｓ
ＣｌｌｌⅣｅ
ｏｆｉｎｄｕｓｔｒｙ
ｗａｓｔｅｗａｔｅｒ
ＮａｎｇｊｉｎｇＣｉｔｙ［Ｊ］．ＩｎｄｕｓｔｒｉａｌＷａｔｅｒ
ＹＵＦａｎｇ，ＣＡＯ
ａｎｄ
Ｗａｓｔｅｗａｔｅｒ，２００７，３８（５）：４．７．（ｉｎＣｈｉｎｅｓｅ）
ｅｘｐｅｎｄｉｔｕｒｅ［Ｊ］．
［１４］於方，曹东，王金南，等．工业废水排放量和治理投资费用的预测［Ｊ］．环境科学研究，２００９，２２（８）：９７１－９７６．
Ｄｏｎｇ，ＷＡＮＧ
Ｊｉｎ—ｎａｎ，ｅｔａ１．Ｐｒｅｄｉｃｔｉｏｎｏｆｉｎｄｕｓｔｒｉａｌｗａｓｔｅｗａｔｅｒｄｉｓｃｈａｒｇｅａｎｄａｂａｔｅｍｅｎｔ
ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌ
Ｓｃｉｅｎｃｅｓ，２００９，２２（８）：９７１－９７６．（ｉｎＣｈｉｎｅｓｅ）
（责任编辑：杨勇）
万方数据
范文二：我国工业废水排放量的多元非线性回归预测_李磊
第10卷第3期
2011年6月
江南大学学报(自然科学版)
JournalofJiangnanUniversity(NaturalScienceEdition)
Vo.l10 No.3Jun. 2011
我国工业废水排放量的多元非线性回归预测
李磊, 潘慧玲
滨150090)
摘要:为了准确预测我国工业废水的排放量,提高相关部门的管理水平,利用1997~2009年的我国工业废水排放量、工业总产值和工业用水量3个指标数据,构建了一种基于时间序列的多元非线性回归预测模型。经过评估和分析,该模型具有99.6%的高拟合精度,能客观反映我国工业废水的排放量。根据预测数据,我国将在2015年左右面临工业废水排放的高峰,排放量在249亿t左右。关键词:工业废水;排放量;多元非线性回归模型;预测中图分类号:TU991
文献标识码:A
文章编号:1671-7147(2011)03-0309-05
1,2
1
(1.江南大学商学院,江苏无锡214122;2.哈尔滨工业大学市政环境工程学院,黑龙江哈尔
PredictionofIndustrialWastewaterDischargeAmount
BasedonMultivariateNonlinearRegression
LILei, PANHu-iling
(1.SchoolofBusiness,
JiangnanUniversity,Wuxi214122,China;2.
Engineering,HarbinInstituteofTechnology,Harbin150090,China)
1,2
1
SchoolofMunicipalandEnvironmental
Abstract:Topredicttheamountofindustrialwastewaterdischargeaccurately,andtoimprovetheabilityofmanagemen,t
amultivariatenonlinearregressionmodelbasedontimesserieswas
establishedbasedontheindustrialwastewaterdischargeamoun,tindustrygrossproductandindustrywaterconsumptionfrom1997to2009.Beingassessedandanalyzed,themodelhasahighfittingprecisionof99.6%,
canobjectivelyreflecttheamountofindustrialwastewaterdischargeand
provideareferenceforpolicymakers.Basedonthepredictiondata,wewillfacethepeakofindustrialwastewaterdischargeamountin2015,andthedischargeamountisabout24.9billionton.Keywords:industrialwastewater,dischargeamoun,tmultivariatenonlinearregressionmode,lprediction
工业废水排放量是指经过企业厂区所有排放口排到企业外部的工业废水量,包括生产废水、外排的直接冷却水、超标排放的矿井地下水和与工业废水混排的厂区生活污水。改革开放以来,我国工业经济高速发展,工业废水的排放量也在日益增长。2009年我国工业废水排放量为234亿,t约占全
收稿日期:2011-03-28; 修订日期:2011-04-20。
国废水排放量的40%,可见加强工业废水的治理势在必行。据统计,全国27条主要河流,大多数被工业
废水严重污染,有些河流中含酚、汞普遍超过指标数倍,乃至数十倍,使许多盛产鱼虾河流的产量大幅度下降。2005年松花江重大水污染事件,2007年太湖蓝藻爆发,重大水污染事件的不断发生,保护
基金项目:国家重点实验室开放基金项目(HC201024);国家社会科学基金项目(08BJY060)。作者简介:李磊(1959)),男,黑龙江哈尔滨人,教授,博士生导师。主要从事区域生态经济研究。
Emai:linf2007@126.com
310 江南大学学报(自然科学版) 第10卷
表2 ADF检验结果Tab.2 ADFtestresult
时间序列lnX1lnX2lnY
t统计量-6.2286-2.5154-3.6091
P值0.00360.01790.0020
状态平稳平稳平稳
环境,治理污染成了人们普遍关注的问题。工业废水排放量预测是对未来环境进行分析,
是科学决策、合理规划之前的必不可少的重要环节。因此对我国工业废水排放量进行科学而准确的预测是十分必要的,这是科学落实污染治理相关政策的前提。但由于影响工业废水排放量的因素较多,往往很难从理论上建立起系统、科学的评价方法和模型。国内一些学者对工业废水排放量的预测问题进行了较深入的研究。如张文丽等人利用灰色广义回归神经网络,王丽芳等人应用综合增长指
[2][3]
数法,李斌利用灰色-神经网络组合模型,李秉文应用苷培茨模型
[4][1]
1.3 模型的建立
结合工业废水排放量、工业用水量和工业总产值的历年数据构建如下多元非线性的计量模型:
lny=f(x1,x2)=c0lnx1+c1lnx2+
c2lnx1lnx2+c3
归分析后,得到如下回归模型:
lny=3.197lnx1+1.323lnx2-0.187lnx1lnx2-17.226R=0.996 DW=1.136
回归系数显著性检验:回归方程、回归系数的t
值见表3,其绝对值均大于t0.025=2.228,故在A=0.05显著性水平下,所有回归系数均显著。
表3 回归系数的t值
Tab.3 t-Statisticofreqvessioncoefficient回归系数
lnx1
lnx2lnx1lnx2
t值3.5672.789-2.781
2
(1)
。这些研究成果为解决工业废
代入历年样本数据,并通过Eviews软件作非线性回
水排放量的预测问题,提供了一些方法和手段,具
有一定的参考价值。
文中利用1997~2009年我国工业废水排放量、工业用水量和工业总产值的样本数据,构建了基于时间序列的二元非线性回归预测模型。预测结果表明,效果良好,精度较高,打破了传统模型拟合优度低的缺点,能够较为客观地反映我国工业废水的排放量。并在此基础上,预测了2010~2020年我国工业废水的排放量,为相关部门决策提供参考。
1 模型的建立与分析
1.1 变量的选取与数据处理
对于影响工业废水排放指标选取,采用1997~2009年的工业总产值和工业用水量两个指标。其中:工业总产值以反映一定时期内工业生产的总规模和总水平;工业用水量以反映工业用水情况,具体如表1(资料来源于5我国统计年鉴6相关各期资料)。考虑到对时间序列数据进行对数化后容易得到平稳序列,而且并不改变时序数列的特征,因此,实际建模时均采用各变量的对数值。
表1 研究变量的选取Tab.1
变 量X1X2Y
Selectionofvariables
名 称工业用水量/亿m3工业总产值/亿元工业废水排放量/亿t
回归方程显著性检验:回归模型的决定系数为0.996,从图1中,可以看出模型的实际值和预测值非常接近,残差在-0.1~0.1之间波动,说明回归
方程的拟合非常好。
图1 残差、实际值及预测值走势Fig.1 Resid,actualandfittedtrend
1.2 数据的平稳性检验
将3组样本数据(对数化处理后)进行ADF检验,以检查其序列的平稳性。检验结果如表2。 由表2结果可知,经过对数化后,3组样本数据都是平稳序列,可用经典最小二乘法进行回归分析。
异方差检验:利用怀特检验法对上述方程进行检验,发现统计量的P值为0.4768大于10%,判定回归方程不具有异方差性。
自相关检验:回归方程的DW值为1.136,可以通过杜宾-瓦森检验的临界值,所以判定回归方程
第3期不具有自相关性。
李磊等:我国工业废水排放量的多元非线性回归预测311
以上分析说明:此非线性回归方程通过各项检验,具有较好的显著性,可以用来预测我国工业废水的排放量。1.4 方差分析
分别计算回归方程的总平方和(SST)、残差平方和(SSE)、回归平方和(SSR)以及回归方程的均方和(MSR)及残差均方和(MSE)。计算公式如式(2)式至式(6)所示。
SSE=
E
n
n
i=1
e=
2
i
E
n
i=1
(yi-y^i)
2
2
图2 模型一的三维立体图
(2)(3)
Fig.2 Three-dimensionalgraphicsofmodel1
SSR=SST=
E
n
i=1
(y^i-y
转载请注明出处范文大全网 » 我国工业废水排放量多元线性
