基于区间灰数序列建模的灰霾因素识别、发展趋势预测及治理研究

Haze has become a new kind of meteorological and environmental disaster phenomenon. The law of its development shows obvious periodicity, nonlinear and time delay characteristics, and the factors analysis and prediction need to be explored further and analyzed systematically. It shows small sample and grey number information characteristics during the multistage of haze. The project will research the grey modeling method on interval grey number sequence based on the grey system theory and its application in the factor identification, development trend prediction and management of haze. The main content includes:(1) the transformation of real sequence to interval grey number sequence, (2) reconstruction of kernel and degree of grayness of interval grey number, (3) building the basic grey incidence model and grey multivariate prediction model based on interval grey number sequence, (4)constructing the complex grey incidence model and grey prediction model applicable to the periodicity, nonlinear and time delay characteristics of visibility in haze, (5) analyzing the influencing factors, developing trend and control scheme in different regions of China’s haze. We will take use of the grey modeling method, Gauss Process Regression, spline interpolation and intelligent optimization algorithm to figure out some key theory problems, such as, the periodicity parameter, nonlinear parameter and time delay parameter of grey model, and so on. It has important theory significance and practical significance to apply the accomplishment to research the influencing factors, developing trend and control scheme of China’s haze.

灰霾已经成为一种新的气象及环境灾害现象，发展规律表现出较明显的周期性、非线性及时滞性特征，其成因及发展趋势预测还需进一步的深入探索和系统分析。灰霾的上述特性使得多阶段灰霾期间的相关数据呈现小样本及灰数特征。项目拟以灰色系统理论为基础，研究区间灰数序列的灰色建模方法及其在灰霾的因素识别、发展趋势预测及治理中的应用。主要内容包括：实数序列向区间灰数序列的转换；区间灰数核与灰度的重构；建立基于区间灰数序列的基本的灰色关联模型及灰色多变量预测模型；构建适用于灰霾周期性、非线性和时滞性特征的复杂的灰色关联模型与灰色预测模型，分析我国灰霾不同区域的影响因素、发展趋势及治理方案。拟采用灰色建模、高斯过程回归、样条插值、智能优化等方法，解决灰色模型中的周期参数、时滞参数、非线性参数的求解等关键理论问题；将理论成果应用于我国灰霾的因素识别、发展趋势预测及治理研究，具有重要的理论意义和现实意义。

随着我国经济持续快速的发展，能源的拓展建设以及交通规模的扩大等，我国的大气环境污染已不仅仅局限于局部地区，而成为了整体性的综合污染。雾霾污染作为与生态环境直接相关的天气现象，随着城市化的进程而日渐常态化。课题针对雾霾天气系统的时滞性、非线性等特征构建了适用于灰度较大的雾霾数据的相关灰色模型对雾霾天气进行了分析预测，不仅为雾霾研究提供了理论依据，也为灰色系统理论模型的健全完善提供了思路。本项目的主要研究成果体现在以下几个方面：. (1)在计算得到各系统行为序列与影响因素序列之间的绝对关联矩阵、相对关联矩阵和综合关联矩阵基础上，通过灰色关联模型的建立及优势分析对雾霾代表性因素进行了初步分析，对后续基于区间灰数的预测模型的指标选取提供依据。. (2)针对雾霾数据特征研究了由实数向区间灰数的转换途径，对区间灰数的核与灰度进行了重构，探究了可能度函数未知和已知时的差异。分别针对分布信息未知和已知两种情况构建了基于区间灰数序列的GM(1,N)模型和基于新型核与灰度的GM(1,N)模型，重点探究了基于区间灰数序列的多个影响因素变量对于系统特征行为序列的作用，并将该模型应用于雾霾天气中，通过已知相关因素的变化趋势对雾霾系统特征行为变量进行了预测。. (3)通过基于区间灰数序列的MGM(1,m)模型和基于新型核与灰度序列的MGM(1,m)模型的构建，对分布信息未知和已知条件下的系统特征行为序列间的内部关系进行了研究。利用模型对雾霾数据进行分析实现了模型的可行性和有效性。. (4)在上述模型的基础上考虑到往期数据对当前数据存在的影响以及系统特征行为因素或是系统特征行为因素与相关因素间的非线性关系，通过时滞参数和非线性参数的引入建立了基于区间灰数序列且含有时滞和非线性特征的灰色多变量预测模型。然后将各模型对雾霾相关数据进行了模拟和预测，为雾霾防控提供了理论支持。