基于灰色模型技术的交通污染排放预测与环境预警研究

During the development of urban traffic, the exhausted gas has become the one of the main sources of city atmosphere pollution. It is a key problem that uncovering the relationship between traffic and urban air quality from the scientific prospective. This research study the prediction of the change of air pollution exhausted by traffic ,analyzes the impact of urban traffic development to urban air quality, and analyzes the factors' influence, and construct model with grey system theory. For the traffic system characteristics of nonlinearity, periodicity and time delay, this study proposes self-adaption grey data transform operators to preprocess data, for whitennizing the system's law; then constructs new grey incident models to mine the internal relationship between factors, and find out the relationship between traffic exhausted gas and the factors; according to grey prediction theory, this study constructs grey traffic environment prediction models and grey catastrophe model with the characteristic of time lag and multi-variety ,then optimizes the models by intelligent algorithm, finally use the monitored data to predict the quantity change and the structure change of traffic air pollution. Forthurmore, constructs the early warning method of traffic exhausted gas for a purpose of promoting the early warning ability of urban traffic management , and the development of green traffic, further promoting the development of grey system prediction modeling technology.

交通发展带来的废气排放已经成为城市大气污染主要来源之一,如何科学揭示交通发展与城市大气污染变化的互动关系成为构建绿色交通的关键问题。本课题研究交通污染排放预测，分析各因素对交通环境效益和城市空气质量的影响，结合灰色系统理论建立模型。针对交通污染排放系统的行为序列普遍表现出的非线性、周期性、滞后性等特征，提出多种自适应微调缓冲算子进行数据预处理，白化系统行为规律；构建新的灰色关联模型挖掘因素间内在关系，探索宏观条件下交通污染排放与多种因素之间的时滞关联关系；根据灰色预测思想构建具有时滞特征和多变量输入的灰色交通环境预测模型和灾变预测模型，结合智能算法优化模型参数的识别，利用监测数据预测交通污染排放量变化趋势及结构变动；进而构建城市交通环境预警方法，以期提高交通管理的环境预警能力，促进城市交通向环境友好型发展，并进一步促进灰色系统预测建模技术的发展。

交通污染与环境问题是我国中长期科技发展规划中重点研究的三大热点问题之一，对交通污染进行科学的预测与环境预警研究，是揭示交通污染的机理及内在规律，提升对交通污染变化趋势的把握水平，推动交通发展向环境友好型转变的基础。课题针对交通污染系统与环境污染系统间的非线性、周期性、时滞性等特征，构建了适用于交通污染成因分析、发展趋势预测的灰色模型群，不但深化了灰色建模技术的理论研究，也为交通污染机理分析和预测提供了方法与技术支持，对提高绿色交通管理水平具有一定意义。本项目的主要研究成果体现在以下几个方面：.1）根据交通污染排放系统的数据特征，构造了平滑変权缓冲算子（SVBO）、几何平滑缓冲算子(GSVBO)、基于平均增长率的平滑变权缓冲算子(ASVBO)、加权平滑缓冲算子(WSVBO)，完成含可变参数的新型缓冲算子构造，分析灰色数据变换技术作用机理及其性质，为交通和大气环境污染数据预处理提供了方法支撑。.2）针对交通污染数据和大气环境数据的时滞性、周期性、序列不完整性等特征，从灰色准指数率、变化率接近性角度构建了灰色周期性关联模型、时滞性关联模型、灰色准指数律的灰色关联模型和灰色变化率接近关联度模型，并将灰色关联分析技术拓展到适用于面板数据分析的情形，为交通污染与大气环境污染的成因分析提供了技术保证。.3）根据交通污染数据的时变参量演化特征，构建了一系列适用于交通污染预测与大气环境污染预测的新型灰色预测模型群，并对模型群中各个模型的建模机理、性质、适用范围、参数估计等理论问题进行了深入地研究，为交通污染与大气污染因素预测提供适用性模型支持。.4）将提出的数据变换技术、新型灰色关联模型与灰色预测模型群应用在交通污染排放预测与大气环境污染预测中，并分析交通拥堵、年客货运输量、新增人口、汽车保有量等多个因素与交通污染排放量的关系，并预判其中的汽车保有量、交通拥堵率、人均GDP等因素的发展趋势。根据交通污染系统成因分析与预测分析结果，从完善立法与标准、优化管理与科技技术、构建动态监测网络体系、实施奖惩分明制度、区域联防联控等方面提出了加强交通污染排放和降低大气污染管控的对策。