煤炭企业环境污染特性模糊评价模型（精选10篇）
煤炭企业环境污染特性模糊评价模型 第1篇
煤炭企业环境污染特性模糊评价模型
摘要：煤炭企业造成的环境污染是一个多方面、宽领域的问题,正确界定这些企业的环境污染等级能促进环境监管力量的有效使用,这是煤炭企业环境管理工作中的.一项重要任务.从5个方面建立了相应的模糊评价模型,并对具体企业进行了实证研究.结果表明,该模型具有一定的可行性,从而为煤炭企业环境监管提供了有效的评估手段.作 者：李创 LI Chuang 作者单位：河南理工大学,经济管理学院,河南,焦作,454000期 刊：资源开发与市场 Journal：RESOURCE DEVELOPMENT & MARKET年，卷(期)：,26(5)分类号：X322关键词：环境监管 模糊评价 煤炭企业
煤炭企业环境污染特性模糊评价模型 第2篇
基于DRASTIC模型含水层易污染性模糊综合评价
分析了目前国外地下水易污染性评价中广泛采用的`DRASTIC模型中存在的主要问题,将含水层易污染性定义为模糊概念;以DRASTIC模型为基础,建立了模糊综合评价模型.实例运用表明模糊综合评价模型不仅具有清晰的物理意义,还有很强的实用性.
作 者：周惠成 王国利 作者单位：大连理工大学土木工程系, 辽宁大连 116024 刊 名：大连理工大学学报 ISTIC EI PKU英文刊名：JOURNAL OF DALIAN UNIVERSITY OF TECHNOLOGY 年，卷(期)： 41(2) 分类号：P641.8 X824 关键词：含水层 污染 模糊集/易污染性煤炭企业环境污染特性模糊评价模型 第3篇
煤炭企业发展循环经济是以“减量化、再利用、资源化”为原则,以“低消耗、低排放、高效率”为基本特征的一种新型经济增长模式。煤炭企业循环经济的评估内容包括资源利用、环保状况、节能减排、经济发展、循环特征五个方面,因此本文从影响煤炭企业发展循环经济的这五个方面出发,建立了评价指标体系,见图1[1,2,3]。
2 模型构建
2.1 模糊神经网络结构的确定
模糊神经网络(Fuzzy Neural Network,简称FNN)是近年来智能控制与智能自动化领域的热点,是将模糊系统与神经网络技术相结合而形成的模糊神经网络,已发展成为一种全新的技术。其原理主要是:各种神经元在信息共享的基础上,各部分信息相互支持、相互补充,各自独立地与其输入端相连接的其他神经元进行采集输入,计算其输出;再将其传递给上一层的神经元作为输入或输出,从而赋予模型较强的容错抗错性能和联想能力,使它不会因为部分神经元的损坏而影响其总体性能,也不会因为输入信号受到一定程度的噪声污染而歪曲其输出。模糊神经网络的构造方法主要有以下几种[4,5]。
由两个或两个以上的模糊神经元通过一定的层状形式连接而成的模糊神经网络,其基本单元为模糊神经元,见图2。
模糊神经元输入和输出关系应满足以下关系:①输入x1、x2、xn与输出y是[0,1]间的模糊量。②输入模糊量x1、x2、xn之间的关系必须是一种模糊关系(并、交、补),这种关系可调或不可调。③输入模糊量经加权和模糊关系运算后得到的输出y值只能在[0,1]区间内变化。用这种模糊神经元构造模糊神经网络的目的是通过神经网络固有的自学习功能对样本进行学习,调整网络自身权值,获得一个以网络形式表示的规则集,实现模糊推理。
在输入层做模糊化处理,在输出层做反模糊化处理,神经网络只完成非线性映射的功能。用神经网络模块来实现模糊推理映射关系可采用图3的网络系统。系统由输入层、模糊化层、规则推理层和反模糊化层(输出层)组成,其基本工作过程是将模糊化层系统输入转化为模糊向量,而规则推理层则实现模糊映射功能,反模糊化层则将神经网络输出的模糊向量转化为系统的“编码”输出y。
图3中Xp1,Xp1Xpn为第P个样本模式的评价指标属性值,记为:undefined;Np1,Np2Npn为undefined经相应的隶属函数量化后的评价向量(隶属度向量),记为:undefined。式中,Y为第P个样本模式的输出值。考虑到一般的情况,设有S个样本,则形成下列评价指标属性矩阵和期望输出集:
undefined
式中,yp(p=1,2,s)为样本模式P相对应的评价结果和模糊神经网络的期望输出值。图3的模型结构为[6,7]:第一层为输入层。该层的各节点直接与输入向量的各分量Xk连接,它起着将输入值X=(x1,x2,,xn)T传送到下一层的作用,其节点数N=n。第二层为模糊化层。每个输入分量对应于一组节点,第K个分量Xk对应m个节点,其中每个节点均代表一个模糊量值。第二层每一个节点的作用是计算各输入分量属于各变量值的模糊集合隶属度函数rij。第三层为规则推理层。模糊规则库是模糊推理系统的核心部分,模糊规则库是由If-then规则集合组成。其主要思路是确定规则的数目和隶属函数形式,根据量测数据调整隶属函数的参数。模糊规则的一般形式为:Rk:IFx1is A1iand x2is A2iand xnis Ani,then y2=f2k。推理机制是把模糊规则库中的模糊If-then规则集结起来,将模糊输入集合映射成输出模糊集合,表示模糊输入与模糊输出的关系。常用的推理规则有最小值规则、乘积规则、最大值规则、Boolean规则、Goguen规则等。第四层为输出层。该层采用加权线性求和,求出清晰的输出值,每个节点输出值表示样本属于每个类别的隶属度函数值。即:undefined。式中,Wij相当于y的第j个语言值隶属函数的中心值。其中,undefined实现归一化:
undefined
2.2 输入数据的模糊化
描述循环经济综合运行效果的指标主要有成本型、效益型和区间型。设描述循环经济综合运行效果的指标体系为:U={u1,u2,,un}。式中,u1为成本型指标子集,u2为效益型指标子集,u3为区间型指标子集。设U中各指标的论域di=[wi,Wi]。式中,wi和Wi分别表示评价指标ui∈U的最小值和最大值,定义rpi=μdi(xpi),i=1,2n为决策者对模式p的评价指标ui的属性值Xpi的满意度,且rpi∈[0,1],其中μdi(*)是定义在di上的指标ui属性值的规范化隶属函数,本文根据评价指标给出下列3种隶属函数[8]。
成本型指标规范化隶属函数:
undefined
效益型指标规范化隶属函数:
undefined
区间型效益指标规范化隶属函数:
undefined
式中,[V1,V2]为指标μi的最佳稳定区间。这样在U上任意模式P的评价指标属性值向量矩阵经上述隶属函数转化为评价向量(隶属度向量):undefined到Y之间可认为存在莫伊线性关系映射F,使undefined。
2.3 输出数据的反模糊化
循环经济发展水平评价系统的输出矢量是一个五维隶属度向量,采用最大隶属度法选择模糊子集中最大值作为评价级别输出。如煤炭企业循环经济评价的最后运行效果在5个模糊集中的隶属度为:V=(u1,u2,u3,u4,u5)。按照最大隶属度的原则比较u1,u2,u3,u4,u5,得到最大的设为ux,则该企业循环经济的发展状况为ux对应的模糊集。
2.4 BP神经网络的设计
输入与输出层的设计:BP网络的输入、输出层的神经元个数是根据使用者的要求设计的,如果BP网络用作分类器,其类别数为m个,那么输出取m个神经元。一般输入神经元可根据需要求解的问题和数据表示的方式确定。总之,问题确定之后,输入与输出层的单元数也就被确定,只是在设计中应尽可能减小系统规模,使学习的时间和系统的复杂性减小[9,10]。
隐层单元数的选择:对隐层单元数的选择较复杂。由于隐层单元数的选择没有很好的解析式来表示,隐层单元数的选择与问题的要求和输入输出单元的多少都有直接关系。如果隐层单元数过少,网络不强壮,不能识别以前没有看到的样本,容错性差;或由于网络太小,可能训练不出来。但隐层单元数太多又使学习时间过长,误差也大,因此存在一个最佳的隐层单元数。如何求解可参考以下公式:undefined。式中,n1为隐层单元数,n为输入神经元数,m为输出神经元数,α为110之间的常数。
undefined
为样本数,如i>n1,则
undefined
,。
初始值的选取:由于系统是非线性的,初始值对学习是否达到全局最小,或学习是否能收敛的关系很大。其要求是希望初始权在输入累加时使每个神经元的状态值接近于零,这样可保证开始时不落在平坦区上。权值一般取随机数,且权值要求较小,这样可保证每个神经元一开始都在其转换函数变化最大时进行。对输入样本同样希望能进行归一化,使那些较大的输入仍落在神经元转换函数递度大的区域。
3 算例
3.1 原始数据的收集
在建立循环经济评价指标体系的基础之上,通过综合鹤煤集团20042008年循环经济的发展历程来评价鹤煤集团循环经济的综合运行效果。实测数据从鹤煤集团发展循环经济的实际结果中选取,其相关试验数据见表1。
注:资料来源于对鹤煤集团的实地调研。
根据式(3)(5)对数据隶属度的算法,本文对鹤煤集团20042008年循环经济发展状况各指标的原始数据进行模糊化。在神经网络的评价中,样本集的好坏直接影响网络的训练水平和最终评价结果的质量。所以本文在评价鹤煤集团循环经济运行效果模糊神经网络评价的样本集时,采取了理论计算和实际实验数据相结合的方法,一共生成20组样本。其中,标准理论样本15组,实际实验数据随机样本5组。实际实验数据从鹤煤集团循环经济发展的实际结果中选取。在计算神经网络理论标准样本时,参照《中华人民共和国循环经济促进法》和相关循环经济法律体系中对循环经济综合运行效果的评价标准。结合有关研究循环经济专家的经验,最终确定神经网络的标准理论评价样本。这样标准理论样本和随机样本就构成了网络训练样本共20组,作为BP神经网络的模式样本理论集,其输入值构成1527阶矩阵|Xpn1527|,则期望输出值为:
undefined
将20组训练样本输入到神经网络中,对神经网络进行学习。通过反复试验,最终确定了网络的模型参数。本文选择n1=27、n2=8、n3=5、η=0.9、ε=0.001作为模型的参数,因为精度最高,迭代次数适中。Matlab对样本集的训练见图4。将上述15个理论样本代入神经网络评价模型,输出值为:
undefined
由式(7)和(8)可知,训练样本的输出结果与期望输出结果几乎完全一致,根据最大隶属度原则得到的结论见表2。
鹤煤集团循环经济发展历程分析:2004年鹤煤集团循环经济的发展刚刚起步,由于此时发展循环经济的各项措施和技术不到位,导致鹤煤集团循环经济运行效果不佳,各项经济技术指标偏低。随着鹤煤集团的发展,经济实力的进一步强大,循环经济得到了较好的发展机会,各项经济指标都有所提高,所以20052007年鹤煤集团循环经济发展规模显著扩大。2008年鹤煤集团在加强资源综合利用、完善再生资源回收利用体系的同时,全面推行清洁生产,形成低投入、低消耗、低排放和高效率的节约型增长方式,探索出一条适合鹤煤集团循环经济发展的有效途径,各项指标取得了可喜的成绩,总体运行效果最优。
鹤煤集团循环经济项目分析:2004年鹤壁新生能源有限公司消耗瓦斯2338万m3/a、节约标准煤2.57万t/a,有效提高了鹤煤集团煤层气的利用率。此外,2005年建成的矿井水综合利用项目处理污水能力3294万m3/a、输出水量2986万m3,提高了矿井水的处理能力。煤矸石烧结项目的建成,可节约标准煤21.8万t/a、生产空心砖6000万块/a、消耗煤矸石80万t/a,大大提高了煤矸石的利用率。
鹤煤集团循环经济发展利用资源分析:①矿渣综合利用。鹤煤集团煤矸石资源丰富,是生产建材产品的优质原料,其中约95%的煤矸石适合作烧结空心砖的原料,其余可制作矸石砌块。鹤煤集团现有4条年产6000万块煤矸石烧结空心砖生产线,生产的各类煤矸石烧结空心砖与普通粘土实心砖相比可节约能耗21%。②煤层气综合利用(瓦斯发电、锅炉燃用瓦斯供热)。2004年两台500kW瓦斯发电机组在鹤煤集团中泰公司发电试验成功后,已有12台500kW瓦斯发电机组在鹤煤集团投入运行。③废水综合利用。2005年鹤煤集团成立了“河南鹤源水务有限公司”,负责正在建设的矿井水综合利用项目。该项目投资1.8亿元,处理矿井水3294万t/a、输出水量2986万t,处理后的矿井水达到《污水再生利用工程设计规范》(GB503352002)再生水用作冷却用水的水质控制指标。该项目已于2007年12月全部投入使用,年处理水量2173万t、供水量1922万t。④电厂粉煤灰综合利用。为了充分利用宝贵的粉煤灰资源,鹤煤集团投资建设粉煤灰陶粒和粉煤灰陶粒水泥砌块综合利用项目,一期工程生产规模为年产10万m3粉煤灰陶粒、陶砂和年产20万m3粉煤灰砌块及其相关的建材制品。该项目年消化粉煤灰100万t、减少排放占地125hm2、节约标煤2.7万t。⑤余热综合利用(电厂余热、烧结砖余热、瓦斯发电余热、水泥生产余热等)。鹤煤集团投入运行的中泰公司、六矿煤层气发电机组烟气余热利用项目已分别向职工浴池供应热水和两座职工宿舍楼与职工服务中心(共约1.2万m2)供暖,年节约燃煤1233t。⑥再生能源利用。为充分挖掘鹤壁新区浅层地热资源综合利用空间,鹤煤集团积极开展浅层地热、地道风的应用和研究,已建成的鹤壁煤电综合科技楼水源热泵中央空调项目,可使科技楼的能耗降低15%,年节约电费12万元。
4 结论
本文从经济发展、资源利用、节能减排、环境状况、循环特征五个方面建立了煤炭企业循环经济的3层27个评价指标,构建了煤炭企业循环经济的模糊神经网络评价模型,模型运算结果与评价对象的实际情况完全相符,得到了令人比较满意的效果。
参考文献
[1]沙景华,欧玲.矿业循环经济评价指标体系研究[J].环境保护,2008,(2)∶34-35.
[2]Seiji Hashimoto,Yuichi Moriguchi.Proposal of Six Indicators of Material Cy-cles for Describing Society′s Metabolism:From the Viewpoint of Material FlowAnalysis[J].Resources,Conservation and Recycling,2004,(40)∶190-192.
[3]崔和瑞,宋秀莉.基于循环经济理念的企业绩效模糊评价[J].统计与决策,2008,(9)∶146-147.
[4]袁卫国.基于模糊神经网络的钢管混凝土拱桥安全性评价方法研究[D].湖北:武汉理工大学,2003∶4.
[5]Christopher Swan,Drusilla Brown,Stephen Levine,et al.Optimization and E-conomic Assessment of Coal Fly Ash Reuse in New Synthetic Lightweight Ag-gregates[D].2003∶16.
[6]彭蕾芳.基于模糊神经网络的职业病危害风险评估研究[D].广东:中山大学2008∶5.
[7]徐君,杜文,曾旗.基于BP神经网络的煤炭企业可持续发展评价[J].西南交通大学学报,2005,40(3)∶377-378.
[8]柴继红.贷款风险的模糊神经网络评价模型及应用研究[D].湖北:华中科技大学,2002∶4.
[9]王爱平,陶嗣干,王占凤.BP神经网络在股票预测中的应用[J].微型机与应用,2010,(6)∶78-79,83.
煤炭企业环境污染特性模糊评价模型 第4篇
煤炭企业环境污染特性模糊评价模型 第5篇
本文在对比分析了各种企业财务危机预警方法的`基础上,提出基于模糊综合评价方法的企业财务风险预警模型,并作了实证分析.
作 者：高艳青 栾甫贵 作者单位：北京工业大学经济与管理学院,北京,100022 刊 名：经济问题探索 PKU CSSCI英文刊名：INQUIRY INTO ECONOMIC PROBLEMS 年，卷(期)： “”(1) 分类号： 关键词：模糊综合评价法 层次分析法 财务危机预警
煤炭企业环境污染特性模糊评价模型 第6篇
模糊物元模型在焦化厂大气环境质量综合评价中的应用
摘要：随着焦化行业的.快速发展,其环境污染问题也日益暴露出来,以大气污染最为严重.将熵值理论与模糊物元分析法相结合,建立了焦化厂大气环境质量评价的模糊物元模型,并根据焦化厂的大气环境质量现状提出了反映其污染程度的Ⅰ-Ⅳ级质量分级标准.研究结果表明,运用模糊物元模型评价大气环境质量状况是可行的,焦化厂各测点的大气环境质量均达到安全级(Ⅲ级).作 者：高原 唐跃刚 高翔 林涛 王凤娟 赵博 解锡超 GAO Yuan TANG Yue-gang GAO Xiang LIN Tao WANG Feng-juan ZHAO Bo XIE Xi-chao 作者单位：中国矿业大学(北京),地球科学与测绘工程学院,北京,100083期 刊：能源环境保护 Journal：ENERGY ENVIRONMENTAL PROTECTION年，卷(期)：,24(1)分类号：X8关键词：焦化 熵值 模糊物元模型 大气环境质量评价
煤炭企业环境污染特性模糊评价模型 第7篇
关键词：煤炭矿区,生态环境质量,指标体系,AHP,模糊综合评价
1 引言
我国是世界第一产煤大国,也是世界煤炭消费的大国,且据专家估计,2050年之前,煤炭仍会占有我国一半以上的能源结构[1]。我国的矿井数量在不断增加,尤其是小规模煤炭企业,尽管有关部门一直在叫停小型煤矿,但全国的小煤矿仍至少有16000处,很多小型煤炭企业为追求最大利润以破坏生态环境为代价[2]。在煤炭的开采、加工和利用过程产生了一系列不容忽视的生态环境问题,主要表现在:土地塌陷、煤矸石压占、对自然环境的污染、对社会环境的影响等,这些问题在一定程度上造成了区域资源浪费、生态环境破坏、区域经济发展潜力削弱和矿区社会问题加剧等深层次的矛盾,从而成为矿区可持续发展最重要的限制因素[3,4]。
对矿区生态环境的评价可以为我国矿区今后采取的预防污染、破坏生态环境措施提供有利的保障。我国矿区评价工作经历了一个从简单到复杂的过程,从最初为了煤炭产量和采煤安全所做的单项评价发展到后期综合的生态环境评价。早期的矿区生态环境评价工作主要是一些具体的单项评价,如对矿区地下水资源的评价及地层潜水评价等[5]。80年代中期至90年代初开始了环境影响评价,如对小龙潭露天矿环境影响评价经济损益分析等[6]。90年代后,矿区评价主要着重于各单项评价的方法研究,例如矿区水质评价中有模糊数学法、水质标准类别法、等斜率灰色决策法等,用TCLP法评价矿区土壤重金属的生态环境等[7]。迄今为止,国内外已提出多种环境质量评价方法,这些方法各有利弊[8]。环境质量评价实际上是将需评价的环境样本与环境标准进行比较来鉴别环境质量等级。近年来,迅速发展的模糊评价理论已在分类和系统辨识中得到广泛的应用。因此,本文提出了煤炭矿区生态环境综合质量评价的指标体系,将调研样本数据与标准数据对照根据隶属度函数建立单因素评价矩阵,按照模糊评价的思想对矿区环境质量进行评价,以期得到可行和合理的结果。
2 煤炭矿区生态环境质量评价指标体系的建立
煤炭矿区以煤炭资源开采加工及利用为主导产业,本文主要采用分析法来构建矿区生态环境损害评价的指标体系。根据科学性、数据可得性选取的原则,并参考相关文献[9,10,11],主要从社会发展、生态环境破坏与治理、资源开发利用三个方面建立了一套具有代表性、综合性和可操作性的评价指标体系,见表1。
3 煤炭矿区生态环境质量模糊综合评价模型
3.1 评价空间的建立
根据表1所建立的煤炭矿区环境质量评价指标体系,可先设单因子评价矩阵Ri(i=1,2,3),评价集是评价者对各层次评价对象可能做出的各种评价结果所组成的集合,对煤炭矿区生态环境质量评价可取评价集为:V=(优,良,较差,差) 四个等级。
3.2 评价标准的建立
目前除国家己制定的标准和行业规范与设计标准之外,生态环境质量评价的标准大多数尚处于探索阶段。环境质量标准的划分一般都是指一个浓度区间,确定污染物环境浓度的隶属度必须先确定各相邻类别的界限值,即分级代表值e(j)[12]。
3.3 隶属函数计算确定单因素评价矩阵
根据评价矿区的实际数据,以及表2中评价标准值进行隶属度计算,隶属度表见表3(其中,ci表示各个指标的实测值,ei(j)表示相应指标第j(j=1,2,3,4)个等级的标准值),进而可得到各年份单因子评价矩阵[7]。其中,正指标指值越大越好的指标,如人均住宅面积A12、资金利税率A13等;逆指标指值越小越好的指标,如人口自然增长率A11、SO2日均浓度A22等。
3.4 指标权重的确立
本文采用层次分析法AHP求各评价指标权重。层次分析法[13](Analytic Hierarchy Process, AHP)是由美国运筹学家Saaty T.L.于20世纪70年代提出的,是一种解决多目标复杂问题的定性与定量相结合的、系统化的、层次化的决策分析方法。其基本思想是在建立有序层次结构的基础上,通过两两比较确定各层元素对上层元素的权重,最后综合计算最底层元素对总目标的权重。具体步骤如下:
(1)建立层次结构图
将决策过程分为3个层次,目标层,准则层和方案层,每层有若干个元素,上层元素支配下层元素。
(2)构造判断矩阵
构造判断矩阵是为了确定各层元素相对上层元素的权重,矩阵表示同一层次上各元素对上层某元素相对重要性的判断值,由若干专家或有经验的实地工作人员给出。判断相对重要程度时,采取Saaty提出的1~9标度方法。
(3)从高层到底层计算各层元素的权系数及同一层次的组合权系数
设矩阵Ac=(aij)nn为当前层次元素A1,A2,,An对相关的上层元素C(可以不止一个)的判断矩阵,根据表1中的标度确定。Ac的最大特征根为λmax,对应的标准化特征向量为w=(w1,w2,,wn)T,则w就是元素A1,A2,,An相对于元素C的权系数。
若上层元素C有m个,即C1,C2,Cm,且权重为c=(c1,c2,,cm)T,然后再对每个Ci求得一个权向量wi=(w
如此一层层自上而下求下去,直到最底层所有元素的权系数、组合权系数都求出来为止。
(4)一致性检验
构造判断矩阵时,为了避免出现判断的不一致性,还需对判断矩阵进行一致性检验。定义一致性比率
3.5 计算模糊评价矩阵
(1)确定单因素评判矩阵ri
经过隶属度函数可计算各个指标在各个等级下的隶属度rimj(i,m为指标下标,j值代表评价等级,i=1,2,3;m=1,,k;k为第i层具有的分指标的个数;j=1,2,3,4),可参见表3。则各个指标的评价矩阵为rim=(ri1,,ri4),(i=1,2,3;m=1,,k;k为第i层具有的分指标的个数),将rim看作向量的一个元素可得单因素评判矩阵
(2)由单因素评判矩阵向上推导确定二级评判矩阵R,Ri=Wiri,Ri为准则层第i个因素的判断矩阵,将Ri看作一个因素, 记二级评判矩阵
4 郑煤集团超化矿区生态环境质量评价案例研究
4.1 样本与数据
本文选取郑煤集团超化矿区相关生态环境指标数据进行比较研究,根据上文指标体系主要从社会发展、生态环境破坏与治理、资源开发利用三个方面收集2005至2009年数据,从而使得所选取的样本具有代表性。样本数据见表4。
4.2 生态环境质量评价过程
本文对20005-2009年超化矿区生态环境质量进行评价,由于样本数据较多,在此以2005年为例,介绍模糊综合评价的过程。根据表2 中煤炭矿区生态环境评价指标评价级别代表值和表4中矿区生态环境质量指标实测数据,利用表3中隶属度计算公式,得到单因素评价矩阵,如表5。然后运用AHP计算得到各指标和各准则的权重,如表6所示。
由上述FAHP评价模型,
4.3 生态环境质量评价结果
重复上述过程,可以得到郑煤20052009年生态环境质量评价结果,如表7、8和9。
5 结论
由表10可知郑煤超化矿区生态环境质量从2005年到2009年正由差向优发展,发展态势良好。从表9可发现社会发展子系统处于改善趋势,其变化趋势与矿区生态环境总体变化趋势大体相同,对生态矿区质量评价综合结果的优化起到重要作用;生态环境破坏与治理子系统一直处于良好状态,应该保持这种良好状态;资源开发利用子系统总体来讲,发展较稳定。但是从保护环境和合理开发资源的角度讲,原煤入洗率和采区回采率还是较低,这是由于原煤的洗选需要大量的设备和较长的设过程,洗选出精煤的销售成本自然要比原煤高,作为消费企业他们认为使用精煤是提高了产品的成本,在这种情况下,精煤的销路自然不如原煤,致使原煤的生产无疑成为绝大部分煤矿的首选,进而降低了原煤的入洗率,而原煤被认为是世界上最脏的能源,对环境污染特别严重;从原煤的开采量来讲,郑煤超化矿发展已进入中年期,根据可持续发展理论,原煤产量应减小,目前原煤的产量都还保持在200万吨以上,相对来说开采量较高,对矿区的环境影响较大。
煤炭企业环境污染特性模糊评价模型 第8篇
一、模糊综合评价法概述
模糊综合评价法是依据模糊数学原理，对评价对象及评价因素的优劣采用好坏等模糊集来表示，并运用模糊数学和模糊统计方法对考察的因素综合考察，对评价对象做出科学的综合评价方法，是针对难以直接用准确的数字进行量化的评价问题提出来的一种很有价值的方法。此方法就是对原本仅具有模糊和非定量化特征的因素，经过某种数学处理，使其具有某种量化的表达形式，从而为决策提供可以进行比较和判别的依据，提高决策的科学性和正确性。模糊综合评价法的基本步骤如下：
第一，确定因素集、评价集、权重集、模糊关系矩阵。
设第一层影响评级水平值的因素m个。
用因素集U=｛U1，U2，U3，…，Um｝表示，其中Ui=｛Ui1，Ui2，Ui3，…，Uim｝为U的第i个因素，它的值由第二层次的n个因素来确定。而且满足Ui=U，Ui∩Uj=?覫（i≠i，i=1，2，…，m；j=1，2…，m）。
用评价集V=｛V1，V2，V3，…，Vj｝来表示企业的j个信用等级。一般来说，j要大于4小于9，因为如果j过小不符合模糊数学评价法的要求；j过大超过人的语义区分能力，在专家判断定性指标的等级归属时会造成困扰。j过大或过小都会影响评价结果的准确度，因此j取适中。
用W=｛W1，W2，W3，…，Wn｝来表示第一层次各因素的权重集，其中Wi表示第一层次中第i个因素的权重，代表第i个因素在第一层次中的重要程度。第二层次的权重集可以用Wi=｛Wi1，Wi2，Wi3，…，Wim｝来表示，其中Wij表示隶属于第一层次第i个因素的第二层次中第j个指标的权重。
建立模糊关系矩阵，用R=r11r12 … r1nr21r22 … r2n… … … …rm1rm2 … rmn来表示。
第二，确定模糊算子。将W，R合成得到B。模糊数学评价的基本模型为B=W×R。其中R表示评价指标与评价等级间的模糊关系，B表示被评企业与评价等级间的模糊关系。
第三，对评价结果B作分析处理。对评价结果的处理方法有三种：第一种是最大隶属度法，取与评价指标的最大之相对应的评价元素为评价结果；第二种是加权平均法，将各个评价元素加权平均得到的值作为评价结果；第三种是模糊分布法，用归一化的评价指标作为评价结果，如企业信用评级的结果可以用企业可能处于某一信用级别的百分比来表示。
二、案例背景
被评价企业G基本情况及财务状况说明：
企业G于1993年，是一家集花边科研和生产为一体的民营企业，注册资金3600万元，分别由两个自然人出资，其中股东林某出资3240万元，占股本的90%，黄某出资360万元，占股的10%，林某为公司实际控制人，高中学历，任董事长兼总经理，负责日常管理和决策，为人诚信厚道，是当地知名企业家之一，信誉良好，有20多年的民营企业管理经验。公司现有职工人数260人，其中中高级技术人员共35人，专业从事研发的人员8人。
该公司拥有德国进口的RSI5/1，MRESJ43/1，MESS42-130型等具有当今国际或国内先进水平的经编设备和EAT公司CAD自动化设计系统，其经编设备除了设备元件钢质材料好、精度高、结构合理，多动能、高质量、高速运转、经久耐用的特点外，在生产产品方面还具有优质、高速、高产、宽幅、灵活性等性点，除生产鞋里布、服装面料、花边外，还可用于开发生产高档汽车工业用布、氨纶面料、旅游帐篷布、广告灯箱用布和体育用品布等多种品种，可应对多变的市场需求，有较强的市场适应能力。所生产的产品具有较强的市场竞争能力，产品先后通过了ISO9001质量管理体系和国际生态纺织品OEKO-TEX STANDARD100（婴儿产品及直接接触皮肤产品认证）标准双项认证，达到了发达国家纺织品市场的环保标准，从而突破发达国家设置的环保壁垒。由于产品质量过硬，现在已经成为了国内一些知名的内衣公司（如北京的婷美、上海的欧迪芬和黛安芬公司）的部分内衣面料配套供应商。为了推进现代化管理模式，促进新产品的开发，公司还陆续从国内著名的纺织高院高薪聘请高级针织专业人才，并经常派技术骨干到国外深造和培训，为新产品的开发奠定了坚实的基础。公司多次被评为“重点乡镇企业”、“重合同守信用单位”、“A类纳税户”和“明星企业”称号，2002年被当地所在市评为“科技型企业”、“科技先进单位”，该公司生产的XX牌花边2004年经中国质量与品牌杂志社等多家权威机构评选为“中国针织十大影响力品牌”，公司也因此获得“中国品牌建设十大杰出企业”称号，2006年获得“XX省品牌产品”称号。
该公司近年来销售收入与净利润均保持较快增长，目前该公司已在上海与东莞开设了分公司，产品主要销住广州、潮汕、深圳、义乌、上海等地，并通过外贸渠道，远销欧洲、拉美、南非等国家和地区，企业发展进入成熟阶段，客户资源较为稳定，并形成一定的生产规模，已成为当地经编行业的龙头企业之一，未来发展与盈利能力潜力较大，企业凭借良好的经营业绩和银行信用已经连续七年被当地金融机构评为AAA级信用企业。文中的“银行A”给予其信用评级为CCC级，为限制信贷准入客户。
截止于2007年12月31日，该公司总资产11275万元，年销售收入5273万元，属于制造业中小企业范畴。
根据企业基本信息资料和相关财务报表数据，可计算出各项指标如表1、表2所示：
三、应用模糊综合评价法对中小企业信用评级指标体系实证分析
尽管非财务定性指标的设置使中小企业的信用评价体系更为全面和具体，但是评价人员对于非财务等定性指标属于某一等级的判断往往因为其难以量化而带有很强的主观性，现有的商业银行企业信用评价指标体系中就存在将诸多“很好”、“较好”、“较差”、“很差”等模糊概念作为评判标准的情况，大大影响了信用评价的效果。为了更好地解决定性指标的定量化问题，本节将应用模糊综合评价法结合实际案例进行分析研究。
模糊综合评价方法是运用模糊集对评价对象进行多因素科学评估的决策方法，它一方面集合了AHP法与专家调查法在财务指标评价方面的优势，另一方面又发挥了模糊评价方法在具有模糊性的指标评价中的独特作用，即模糊综合评价方法既可用于主观指标的综合评价，又可用于客观指标的综合评价，因而能更全面、客观地对企业信用进行评价。本文构建的制造业中小企业的信用评价指标体系是一个多指标、多层次的结构体系，进行模糊综合评价的基本程序如下：
第一，确定已知因素层次集。确定已知因素层次集为：A＝（A1，A2，A3，…，Am）。这里A即新构建的制造业中小企业信用评价指标体系，其中m=8，A1=企业素质，A2=结算分析，A3=履约情况等至A8共8个变量，亦即：
A=｛A1，A2，A3，A4，A5，A6，A7，A8｝
这是指标层对准则层的评价，第一层次的每个因素又由第二层次中的诸多因素决定，即Ai=｛Ai1，Ai2，Ai3，…，Ain｝，如：
A1=｛A11，A12，A13），即A1=｛经营者素质，行业竞争优势，财务管理｝；
A2=｛A21，A22｝，即A2=｛供应链，综合效益｝；
A3=｛A31，A32｝，即A3=｛商业信用，偿债意愿｝；
等等，
在第三层次的因素集合中：
A11=｛A111，A112，A113，A114｝，即A11=（行业经验，经营业绩，偿债意愿，个人嗜好），
A12=｛A121，A122，A123｝，即A12=｛行业发展程度，行业支持程度，技术先进程度｝，
其他依此类推。
第二，确定评语集。确定评语集为：V=（V1，V2，V3，V4，V5，V6，V7）=（AAA，AA，A，BBB，BB，B，CCC）
为方便计算和理解，在确定评语集时，参照现行银行通用的十级百分制信用等级划分标准，选取CCC级信用等级以上的七个等级来表示，即：V=（V1，V2，V3，V4，V5，V6，V7）=（AAA，AA，A，BBB，BB，B，CCC）=（100，90，80，70，60，50，40）
第三，确定指标隶属度，构造模糊评判矩阵R。
（1）指标隶属度的确定：根据企业G的行业区域特征和经营生产特点，笔者请了包括四位商业银行信贷工作经历均在5年以上的资深客户经理以及四位从事信贷审批工作年限均在5年以上的信贷审批官共8位专业人士针对本文构建的制造业中小企业信用评价指标体系中的30个指标层指标进行了评估，经过分析和整理，得到以下定性和定量指标的隶属度，如表3和表4所示。
（2）构建模糊评判矩阵R。根据模糊综合评价法原理，可分别得到关于A1，A2，A3，A4，A5，A6，A7，A8的模糊评判矩阵为：R1，R2，R3，R4，R5，R6，R7，R8，分别计算如下：
R1=0.90.10000000.80.2000000.60.40000 R2=00.80.2 00000 00.60.4000
R3=1 0 0000000.80.20000 R4=10 0 0 0 00000.60.4 0 0000 0 00.60.4010 0 0 0 0010 0 0 0 0010 0 0 0 0010 0 0 0 00
R5=00.80.200001 0 0000000.90.10000 00.80.200001 0 00000R6=1000000100000000.80.20000
R7=00000000000000.70.3000 R8=0 0 00.30.7000 0 0 0 0010 0 0 0 00100.80.2 0 0000 0 0 0 001
第四，计算综合评判向量B。具体计算过程如表5所示。
第五，分析评判结果B。通过模糊综合评价，企业G按照本文设计的制造业中小企业信用评价指标体系和建立的评级模型进行信用评级，其最终评价分为85.76分，经对照信用评级标准表，该企业的信用评级为AA级。从评分结果可以看出：企业G在A1企业素质、A3履约情况、A4偿债能力、A6盈利能力以及A7创新能力共五个方面单项得分均在90分以上，而企业素质、履约情况、偿债能力、盈利能力以及创新能力等指标因对于衡量中小企业信用风险大小具有重要的作用而在本文设计的评级指标体系中占有较高的权重，分别为15%、8%，16%，8%以及15%，共为企业G获得57.82分，奠定了为良好信用评级结果的实现奠定了基础，通过对具体指标的分析，可以看出，企业G业务虽经营规模较小，但经营稳健，资产运营能力较高，通过对利润和现金流量等指标的分析，表明该企业具有较强的盈利能力，现金流充足，具有较强的短期偿债能力，然而，需要引起注意的是，企业G在成长发展能力指标方面，得分率较低，15分中仅得到8.7分，其中三项增长率指标为负值，这充分反映了我国制造业中小企业面临的共性问题，产能规模的扩大需要投入大量的资金，大量的需求来源于银行信贷，由于信贷资源的有限性，势必造成中小企业大量的融资需求得不到满足，因此政府应保持债券市场和股票市场融资等外部融资渠道畅通，改变依靠银行信贷的融资手段单一的局面，扶持和促进制造业中小企业健康发展。
通过本文构建的信用评价指标体系，企业G被评为AA级信用客户，这样的评级结果较真实地反映了该企业的实际经营能力和信用风险程度，目前商业银行给予该企业的授信支持足以说明这一点，而银行A根据优化前的制造业中小企业信用评级指标体系得到该企业信用评级结果为CCC级，错把企业G列入“信用差”的行列，不但使企业G没有得到应有的信贷支持，银行A自然也失去了业务发展的机会。
参考文献：
［1］韩文亮、黄开旭：《中小企业与金融丛书》，上海财经大学出版社2001年版。
［2］梅强、谭中明等：《中小企业信用担保理论、模式及政策》，经济管理出版社2002年版。
［3］张利胜、狄娜：《中小企业信用担保》，上海财经大学出版社2001年版。
［4］刘利军：《模糊数学在上市公司资信评价中的应用》，《西安电子科技大学硕士论文》2005年版。
［5］陈娟、吴开微：《企业资信的模糊数学评价方法》，《工科数学》2001年第8期。
煤炭企业环境污染特性模糊评价模型 第9篇
随着时代的发展, 机械生产已经替代了人力, 大大的提高了劳动生产效率。但是机械的大量的使用, 对环境造成了巨大的危害。例如产生了废气污染、水污染和土壤污染等等。其中大气污染是最为主要的污染, 产生了大量的粉尘, 造成了当下雾霾天气的不断加剧。目前对大气进行合理的评价成为了关键, 目前对大气的评价主要是单因素指数法和综合指数法, 模糊综合评价等等。但是都是单一的根据某一地点的污染状况进行评价, 不能够根据污染传播的特点进行评价。并且很多在确定模糊综合评价指标的权重时, 主观性比较强, 本文根据大气污染物的扩散特点, 建立了改进的模糊综合评价模型, 对大气进行合理的评价, 为环境治理提供方法。
1 废气扩散的高斯烟雨模型
废气通常有污染源, 废气的扩散可看做空气的扩散, 扩散受到风速、风向、障碍物等因素影响。利用高斯烟雨模型可以计算连续点源扩散过程中污染的空间浓度其基本假设为扩散过程中风速的大小、方向不变, 污染源连续均匀, 污染物浓度在y、z轴服从高斯分布。
实际生活中, 污染源只在一小段时间内保持连续, 废气由工厂机械设备产生, 其排出的废气量与机械运转、材料等有关, 由此可以确定污染源强度方程。场源的计算方法有三种, 第一种是通过现场实测法, 即通过实测废气的平均速度、实测平均流量, 得到场源程度为:
其中Q表示污染源强度kg/h, iC表示第i类污染物实测平均浓度mg/m3, nQ表示废气体积的平均流量m3/h。
第二种是物料平衡法, 基于质量守恒定律, 排放废气量与产品投入、回收、处理等过程中污染总量有关, 污染物场源为:
其中∑Pm表示第m种工艺过程污染物总量。
第三种是经验估计法, 其基础是每种材料排污量可由排污系数求得, 具体如下:
其中AD为单位产品的排污系数, M为产品总质量, BD为单位产品投入或生成的排污量, Ad、Bd、Cd、Dd分别为单位产品内含污染物、副产品污染物、转化分解污染物以及净化处理掉的污染物。
上面的第一种方法是现场实测, 其余两种均与工程材料用量有关, 可用于污染源的计算。高斯基本模型为:
X (x, y, z, t, H) 是废气排放后扩散时间t后, 下风向x米, 横向y米, 距离地面z米处废气物的浓度;Q表示场源强度, 由上面第三种计算方法确定;u为平均风速;σx、σy、σz分别表示废气水平方向和垂直方向的扩散系数;y、z分别表示横向距离和垂直距离;H为污染源有效高度。
扩散系数与风速、离地高度等多项因素有关, 按照Pasquill分类方法, 大气稳定度可以分为六类, 大气稳定度是表征大气稳定的量, 根据不同等级的稳定度, 可以确定这六个等级对应的折算系数。最终的折算系数是与下风向扩散距离有关的函数式, 具体如下:
设计算法可以搜寻下风向和水平方向的扩散距离x、y。通过假设扩散废气的横截面近似为椭圆可以确定废气扩散的面积:
2 大气污染程度的评价
2.1 Topsis法
Topsis法是系统工程中有限方案多目标决策分析的一种常用方法, 可用于多指标问题的评价。大气存在多种污染元素, 例如SO2、NO2、PM10, 还存在许多粉尘。不同地方, 污染中所含的这些元素不同, 测定不同地区污染元素, 利用Topsis法可以通过评价这些元素的综合影响来评定不同地区环境的好与劣。
2.2 Topsis法步骤
1) 步骤一:评价指标同趋势化和数据归一化
Topsis法在评价时, 所有指标变化方向一致, 通常将低优指标转化成高优指标或者将高优指标转化成低优指标。可通过倒数法实现转化, 即对原有指标Xij转化后指标为:
转化后原始数据便是同趋势化数据。
数据的归一化是将所有数据转化成0-1之间的数。原始数据为高优指标Xij, 则归一化后的数据为:
原始数据为低优指标Xi'j, 则归一化后数据为:
归一化后得到处理后数据矩阵A= (a ij) nm。
2) 步骤二:求最方案最劣方案
归一化后的矩阵中, 最优值向量 (即每项指标最大值) 为理想解A+, 最劣值向量 (及每项指标最小值) 负理想解A-, 即:
其中m是指标个数。改进的Topsis法在理想解和负理想解延长线上找到一个虚拟的最劣解*A=2 A--A+, 并作为负理想解, 即:
确定最优方案和最劣方案分别为A+和A*。
3) 步骤三:计算最优方案与最劣方案的距离iD+和iD*
计算指标间距离的方法有很多, 这里采用适应较广的Minkowski距离, 具体如下:
每个方案到理想解的距离:
每个方案到虚拟最劣解的距离为:
4) 步骤四:计算每个对象对理想解的接近程度iC
定义接近程度iC为:
Ci值在0和1之间, 当ai=a+i时, Ci=1;当ai=a-i时, Ci=0.5;当a*i=ai时, Ci=0;
5) 步骤五:按iC从大到小的顺序将对象排序
iC值越大, 表示对象的综合效果最好, 反之越差。将iC排序后便可以确定每个对象的综合效益, 实现对对象的评价。
2.3 模糊综合评价
模糊综合评价是以模糊数学为基础。应用模糊关系合成的原理, 将一些边界不清, 不易定量的因素定量化, 进行综合评价的一种方法。
2.3.1模糊综合评价方法具体实施[7]
步骤一:确定评价对象的因素论域
P个评价指标,
u={u 1, u 2, (43) (43) , u p}。
步骤二:确定评语等级论域:
v={v 1, v2, (43) (43) , v p},
即等级集合。每一个等级可对应一个模糊子集。
步骤三:建立模糊关系矩阵R
在构造了等级模糊子集后, 要逐个对被评事物从每个因素iu (i=1, 2, (43) (43) , p) 上进行量化, 即确定从单因素来看被评事物对等级模糊子集的隶属度 (R|ui) , 进而得到模糊关系矩阵:
矩阵R中第i行第j列元素rij, 表示某个被评事物从因素iu来看对vj等级模糊子集的隶属度。一个被评事物在某个因素iu方面的表现, 是通过模糊向量 (R|ui) = (ri1, ri2, (43) (43) , rim) 来刻画的, 而在其他评价方法中多是由一个指标实际值来刻画的, 因此, 从这个角度讲模糊综合评价要求更多的信息。
步骤四:确定评价因素的权向量
在模糊综合评价中, 确定评价因素的权向量:A= (a1, a 2, (43) (43) , ap) 。权向量A中的元素ia本质上是因素iu对模糊子{对被评事物重要的因素}的隶属度。本文使用层次分析法来确定评价指标间的相对重要性次序。从而确定权系数, 并且在合成之前归一化。即
步骤五:合成模糊综合评价结果向量
利用合适的算子将A与各被评事物的R进行合成, 得到各被评事物的模糊综合评价结果向量B。即:
其中1b是由A与R的第j列运算得到的, 它表示被评事物从整体上看对vj等级模糊子集的隶属程度。
步骤六:对模糊综合评价结果向量进行分析
实际中最常用的方法是最大隶属度原则, 但在某些情况下使用会有些很勉强, 损失信息很多, 甚至得出不合理的评价结果。提出使用加权平均求隶属等级的方法, 对于多个被评事物并可以依据其等级位置进行排序。
3 机械废气评价的应用实例
仍选取西安市4月份空气检测数据, 利用Topsis法对西安市12个市区的空气污染因子进行综合评价, 确定这12个地区的综合排名。利用Topsis法得到结果如下:
注:各污染因子取同一天的检测数据
表中接近程度iC值越大, 表示综合效益越好, 即空气综合质量较好, 由排名可以看出, 高新西区空气质量综合排名第一, 空气质量最好, 而纺织城空气综合质量最差。
4 结论
根据废气在扩散的高斯烟雨模型基本原理, 采用改进的模糊综合评价对大气污染状况进行了系统的评价, 利用Topsis合理的确定评价因素的权重, 将其融合到模糊综合评价之中, 将所有的城市的污染程度按顺序排列出来, 得到污染比较严重的和污染比较轻的城市, 评价结果合理、可靠。为大气的处理奠定了理论的基础。
参考文献
[1]尚佰晓, 吕子楠, 李杰年, 等.基于模糊综合评价法与单因子指数评价法的水质评价[J].中国环境管理干部学院学报, 2013, 23 (5) :45, 65.
[2]肖建明, 陈国华, 张瑞华.高斯烟羽模型扩散面积的算法研究[J].计算机与应用化学, 2006 (6) :559-564.
[3]李羚, 李德光, 王琳邦.大小海坝水库水质模糊综合评价[J].保山师专学报, 2007, 26 (5) :7-10.
[4]方金武.污染物源强核算方法的比较分析——二期化工石化医药类环境影响评价登记培训论文[J].科技信息, (28) :463-465.
[5]韩旭明, 左万利, 王丽敏, 等.免疫算法优化的大气质量评价模型及其应用[J].计算机研究与发展, 2011, 48 (7) :1307-1313.
[6]孙冬瑶, 朱建雯, 黄韶华等.基于模糊综合评价法的煤矿矿井水水质现状评价[J].环境保护科学, 2012, 38 (6) :60-63.
[7]李利, 陈圆.防城港湾海域水质模糊评价与分析[J].南方国土资源, 2011 (5) :55-58.
[8]林珍铭, 徐超平, 夏斌, 等.东营市土地生态安全评价[J].安徽农业科学, 2011, 39 (18) :11195-11197.
[9]胡二艳.基于熵权法的水质模糊综合评价[J].科技信息, 2011 (16) :769-770.
煤炭企业环境污染特性模糊评价模型 第10篇
清洁生产评价体系涉及到很多因素, 而且很多因素具有随机性、模糊性的特点。目前常用的进行清洁生产评价的方法有传统法 (综合评价指数法和百分制法) 、模糊综合评判法、灰色关联度法、层次分析法、贝叶斯网络法等。本文在对各种清洁生产评价方法进行研究的基础上, 提出一种基于模糊神经网络的清洁生产评价方法, 利用神经网络的自组织、自学习能力来对清洁生产过程实现客观的评价。
一、煤炭企业清洁生产分析
煤炭是国家的重要能源之一, 在开采过程中会带来很大的环境和生态问题, 比如由于开采所造成的地面塌陷、废弃的煤矸石、污水对周围环境的污染等。而且, 煤炭资源是不可再生的, 在开采过程中所造成的浪费会加速煤炭资源的消耗。受到中国煤炭企业开采技术水平的制约, 煤矿周边区域的生态环境都比较差, 制约了煤炭工业的可持续发展。清洁生产和循环经济概念的提出, 使得人们对传统的生产方式展开思考和反思, 可持续发展的观念渐渐深入人心。在国家政策的指导和相关法律法规的支持下, 清洁生产逐渐进入煤矿企业。推行清洁生产成为煤炭企业的必由之路。煤炭企业的生产过程要降低对环境的影响, 同时提高对资源的利用率。
二、煤炭企业清洁生产评价体系构建
(一) 清洁生产评价研究的必要性
煤炭企业的生产过程中普遍存在整体加工工艺落后、设备规模小、企业分散、缺少深加工这样的问题。在生产过程中对环境造成很大的污染, 资源利用率非常低。
清洁生产的特点是以资源的削减和环境污染的预防, 对环境的保护由被动反应变为主动控制, 强调科学管理和科技的利用, 是实现可持续发展的根本途径。
中国是一个资源相对不足的国家, 人均资源的占有在世界上排在五十三位, 仅仅为世界平均水平的一半。有限的资源决定我们国家必须推行清洁生产, 以提高资源的利用率节约资源, 减少消耗, 进行科技创新, 减轻资源供给的压力, 缓解资源短缺的矛盾。对于煤炭工业而言, 推行清洁生产对于矿区的可持续发展是很有益处的。很多矿区都存在生态问题, 企业在追求经济效益的同时, 往往忽视对环境的破坏。推行清洁生产有利于资源的合理分配和有效利用, 减少浪费, 减少对环境和生态的影响, 在发展经济的同时, 改善矿区居民的生活。推行清洁生产, 引入高技术, 有利于调整煤炭工业的结构, 淘汰落后产能, 关闭整合小煤矿, 减少资源浪费, 提高产品的精加工水平。
(二) 构建评价体系所需遵循的原则
构建基于循环经济的清洁生产评价指标体系需要遵循一定的原则, 要能够对清洁生产实施状态进行监测, 能够进行及时的预警, 还要求能够充分体现评价对象的特有属性。在构建时要遵循以下原则。
1. 系统性与科学性原则。
将研究对象作为一个有机整体, 各个部分之间相互联系、相互制约, 所采用的评价指标体系要全面, 能对评价对象的整体有一个综合的描述, 能形成层次性结构。所研究的概念要科学、意义明确、计算准确, 统计数据具有一致性。所构建的指标体系要结构化、模型化, 使得评价结果准确可信, 信息完整。
2. 满足“3R”原则。
3R原则即减量、再用、循环, 它是循环经济的基本原则, 煤矿的清洁生产要求体现这一原则。从源头到最终的废弃物用统计指标和数据进行科学的描述。
3. 针对性原则。
评价指标体系的确定需要有针对性, 符合煤炭开采的实际情况及其对环境影响的特点。
4. 可操作和可比性原则。
数据要易于获取, 计算过程要简单, 易于实现。指标选取恰当, 避免交叉重复, 同时不能违背相关法律, 符合国际或国内相关标准。
5. 全面性与重要性相结合的原则。
评价指标要全面地反映所评价区域内发展状况和特征, 还要突出主要因素, 揭示问题的主要矛盾。
6. 定性与定量相结合原则。
采取定性与定量相结合的方法, 避免受到主观因素的影响。
(三) 煤炭企业清洁生产评价指标体系
煤炭企业清洁生产评价指标体系能够反映该企业的各种生产状态, 比如节能情况、能源消耗情况。采用评价指标体系可以对煤炭企业的清洁生产状态和水平进行判断, 为企业的循环发展提供科学的评估方法。
清洁生产的评价原则是可持续发展观念, 评价的手段是煤炭企业清洁生产评价指标体系和标准, 评价的目的是对煤炭企业清洁生产的状况作有效的评估, 以满足企业发展循环经济和进行清洁生产的需要, 实现经济效益、社会效益和环境效益的统一。
本论文所建立的清洁生产评价体系, 其评价指标选取有代表性的, 能覆盖原材料、生产过程和产品等生产的各个主要环节。各个指标之间相互联系, 数据易于量化、易于获取。考虑到生产过程的可操作性, 基于国家煤炭清洁生产标准以及国家煤炭企业发展政策可以把煤炭企业清洁生产系统指标简化为资源系统指标、环境系统指标、经济系统指标和软环境系统指标等四个方面, 各个系统再进行组成要素的划分。经归纳, 可以筛选出21项作为系统的组成要素。基本框架 (如图1所示) 。
三、基于模糊神经网络的煤炭企业清洁生产评价方法
人工神经网络由大量神经元之间相互联接构成, 每两个神经元之间通过加权值即权重连接在一起, 网络的输出根据激励函数和权重值的不同而不同。人工神经网络类似于大脑神经元的活动, 具有学习能力, 神经网络的权系数可由输出样本中学习获得。
模糊神经网络将模糊系统和神经网络结合在一起, 描述和处理模糊性概念, 模仿人的智能, 处理不确定性、不精确性问题。根据模糊系统和神经网络结合的形式和功能, 模糊神经网络结构可分为松散型、并联型、串联型、网络学习型和结构等价型等五类。下页图2给出了一种串联型模糊神经网络模型。它有n个输入和m个输出。输入变量{xi, |i=1, 2, 3, , n}经过模糊化后的模糊集{xij, |i=1, 2, , n, j=1, 2, , l}作为神经网络的输入, 其中l是隶属度的个数。神经网络的输入参数就有nl个, 其输出是{ok, |k=1, 2, , m}。
煤炭企业清洁生产评价指标体系是一个多层次、多目标的系统, 各个评价因素之间的关系是复杂的。为了提高评价结果的有效性, 保证评价过程客观科学, 本论文采用模糊神经网络来进行煤炭企业的清洁生产进行评价, 实现评价过程的客观和准确。所构建的评价模型 (如下页图3所示) 。
该模型的输入是评价指标特征参数, 特征参数按照 (1) 式进行模糊化, 有l=3。π型隶属函数由来两个参数{c, λ}确定。
隶属函数参数由公式 (2) 、 (3) 、 (4) 确定。
其中fd是调节因子, 典型值是0.8, 它可以保证每个特征参数的隶属度值至少有一个大于0.5。对参数进行模糊化后, 每个神经网络的输入层节点数为评价指标的个数, 输出层神经元的个数为1, 对应评价结果, 隐层神经元个数对神经网络的性能及收敛会有很大的影响, 过少可能训练不出网络, 容错性也差, 过多学习时间会过长。可以利用公式 (5) 来确定层神经元的个数。
式中, n为输入层神经元个数, m为输出层神经元个数, a为0到1之间的常数。神经网络的均采用多层感知器 (MLP) 神经网络, 学习算法为BP算法, 每个神经元的传递函数均为Sigmoid函数。
采用该模型对煤炭公司的清洁生产状况进行评估, 选取3个案例样本, 分别采用模糊数学法和模糊神经网络进行评价。实验结果 (如表1所示) 。
表1中的相对误差函数是与专家审核打分之间的相对误差。从表1中可见, 应用模糊神经网络相对于模糊数学的方法所得的评价结果与专家审核打分之间的相对误差更小,
说明该方法在煤炭企业清洁生产评价过程中的有效性。
四、结论
本文对煤炭企业的清洁生产评价方法进行研究, 在对现有的各种方法进行研究的基础上, 采用模糊神经网络建立煤炭企业的清洁生产评价模型, 采用该方法对煤炭企业的清洁生产程度进行评估, 通过实例验证模型的准确性。本文所研究方法能够提高清洁生产审核效率、避免主观判断、减轻人力物力消耗。后续的工作可以是对网络模型进行优化, 加快运行速度, 提高精度。
参考文献
[1]杨树平, 冯晖, 黄晓.BP神经网络在环境空气质量预报中的应用[J].云南环境科技, 2003, (增刊) :52-54.
[2]Duran, Xavier.A model for assessing the economic viability of construction and demolition waste recycling-The case of Ireland[J].Resources, Conservation and Recycling.2006, 46 (3) :302-320.
[3]Levlin, Jan-Erik.The limits of paper recycling-COST E48[J].Association Technique de L'Industrie Papetiere.2008, 62 (4) :22-33.
[4]蓝庆新.来自丹麦卡伦堡循环经济工业园的启示[J].环境经济, 2006, (4) :60-63.
[5]雷健.国内外循环经济模式及其对中国新型工业化的启示[J].求索, 2008, (12) :29-31.
[6]高洪深, 高泽鲲.循环经济的系统分析[J].中国人民大学学报, 2007, (6) :44.
[7]翁伯琦.发展农业循环经济与推动现代农业建设[J].福建论坛:社科版, 2008, (4) :19-21.
[8]赵杰.区域循环经济发展水平综合评价体系及应用研究[D].长沙:中南大学, 2007:2-3.
