灰色系统理论与方法在城市环境噪声污染分析中

灰色系统理论与方法在城市环境噪声污染分析中的应用随着工业化的迅速发展，环境污染日益严重，环境问题已经成为世界各国巫待解决的问题之一。以哈尔滨市区域环境噪声为例，1991一1995年的监测数据表明，虽然区域环境噪声污染有逐年下降的趋势，但距离国家标准的要求尚有很大差距。灰色系统理论是80年代初由我国学者首先发展起来的一种理论，本文把哈尔滨市的区域环境噪声作为一种灰色系统，应用关联分析方法确定了影响城市区域环境噪声变化的优势因素，即找出了主要的噪声污染源，建立了GM(1，1)模型，利用它对哈尔滨市未来的环境噪声变化进行了预测，并且进行了残差分析。1区域环境噪声监测数据把哈尔滨市建成区划分为长宽各500米的410个网格，监测点设置于每个网格中心，每年监测一次。表1给出了历年监测的平均等效噪声数据，这些数据表明，区域环境噪声大体呈逐年下降趋势。2影响环境噪声变化的优势因素分析噪声源一般可分为五类，即交通源、工业源、施工源、生活源和其它。这些噪声源对环境噪声产生不同程度的影响，区域环境噪声则是这些影响产生的综合效果。把区域环境噪声作为一个灰色系统，应用关联分析找出影响这个系统的优势因素，即找出主要噪声污染源。2.1关联系数计算把区域环境噪声监测值选作参考数列(母数列)X0，每年的数据记为戈)(k)，其中k=1，2，…，5，分别表示1991一1995年的数据，故有X0=[X0(1)，X0(2)，…,X0(5)]把机动车辆数、市区人口、工业总产值和基建投资这些影响因素作成比较数列(子数列)，分别记为X1X2X3和X4表2和表3分别给出了原始数列和初值化数列。关联系数定义为：式中:i=1，2，3，4；k=1，2，…，5；常数住5为分辨系数；lX0(k)-X1(k)l表示对应于同一k值的参考数列与第i个比较数列的元素之差的绝对值。把有关数据代人式(1)，得到以下关联系数数列:2.2优势因素分析因为关联系数是由数列给出，数据很多，不直观，不便于比较，所以可以利用关联度解决。关联度定义为式中n=5,得到四个比较数列式Xi与参数数列X0之间的关联度由上述计算结果可见，R2R1R3R4，某个因素关联度越大，表明这个因素影响越大，它就是系统的优势因素。结果表明，人口因素是影响哈尔滨市区域环境噪声的优势因素；其次是机动车辆因素，它是第二优势因素。也就是说，哈尔滨市的区域环境噪声主要来自生活源和交通源。3环境噪声预测把区域环境噪声看作灰色系统，建立灰色模型GM(1,1),可以对环境噪声进行预测。3.1GM(1,1)模型对原始数列进行一次累加生成（1-AGO）得这是一阶单变量的微分方程模型，记为GM(1,1)白化形式微分方程的解为利用此式进行预测，并用还原数列检验方法对预测模式(11)进行残差分析得此时残差为3.2建模预测把1991一1995年哈尔滨市环境噪声监测数据作为原始数据，并用(4)进行1一AGO生成，所得结果列于表4.利用上述数据，由式(7)一(11)计算可得利用上式及式(12)和(13)可计算生成数列和原始数列及残差，结果由表5列出。由表5可见，对于1991一1995年数据，模型计算值与实测值非常接近，其残差小于士0.3%.这表明模型很好地反映了实际情况。利用上式还可对环境噪声进行预测。表5也给出了1996年到2000年(分别对应于k=5，6，7，8，9)的预测数据。对k=5，即1996年的环境噪声，预测值与实测值相差0.lldB，残差仅为-0.19%.4结论l)通过关联分析得到影响哈尔滨市区域环境噪声的优势因素是人口的变化，即生活源为主要噪源，其次是机动车辆的增加，即交通噪声源。这个结果为控制和减少噪声污染指出了有效的途径;2)利用GM(1，1)模型可以预测城市环境噪声的变化，短期预测精度很高，其残差仅为-0.19%，也可以进行中长期预测;3)以上结果表明，把灰色系统理论和方法引入环境噪声的分析和预测是成功的。Thankyou！