基于人工神经网络的污染减排预警系统研究
李婷
摘 要： 在可持续发展、复杂系统和预警理论的基础上，根据我国经济、社会发展的基本情况以及“十一五”污染减排监督管理工作面临的主要态势，构建了污染减排预警指标体系，并对我国污染减排体系进行了应用性预警研究，最后针对预警结果中存在的问题提出了对策及建议。
关键词： 污染减排； 预警； 人工神经网络； 指标体系
中图分类号： TN711?34； TM417 文献标识码： A 文章编号： 1004?373X（2017）09?0183?04
Abstract： On the basis of sustainable development， complex system and early?warning theory， the early?warning indicator system of pollution emission reduction was constructed according to the fundamental situations of China′s economy and society， and the main situation facing with the ″11th five?year plan″ pollution emission reduction supervision and management work. The application early?warning research was performed for the national pollution emission reduction system. The countermeasure and suggestion are proposed according to the problems existing in the early?warning results.
Keywords： pollution emission reduction； early?warning； artificial neural network； indicator system
0 引 言
当今社会，我国经济增长的速度越来越快，同时人口的数量也急剧增长，进一步导致了我国在能源方面的消费总量越来越高，高耗能、高污染的产品产量也快速增长，经济发展与资源环境约束的矛盾日益突出。最明显的表现是，在发达国家历史上工业化发展时逐步显现的社会环境问题集中的出现在了当下的中国，使得在社会经济的发展过程中，环境污染的问题愈发严重[1]。本文针对我国的实际情况，全面深入分析影响我国污染减排的相关因素，建立我国污染减排预警指标体系、预警方法与模型，并对我国各省市污染减排预警进行应用性研究，进而提出对策及建议，具有很强的现实意义。
1 污染减排预警指标体系
1.1 预警指标体系选取原则
预警指标体系的选择标准对于选取较为完善的预警指标有着非常重要的指导意义。污染减排预警指标的选择应根据历史资料分析与我国污染减排相关的因素，寻找既能反映当前又能预测未来我国污染减排形势的指标，因此选择污染减排预警指标应遵循科学性、重要性、系统性、灵敏性、可比性、简洁性和易操作性的基本原则[2]。
1.2 污染减排预警指标体系的构建
基于污染减排的复杂性和多面性，影响污染减排的因素很多，主要有经济因素、社会因素、环境因素、能源因素等。這些因素中又包含若干指标，因此，污染减排预警涉及的指标很多，在界定了污染减排预警指标特点和指标体系构建原则的基础上，根据“十一五”前期完成的工作，分析在社会经济中与COD和SO2的减排目标切实相关的因素，通过广泛查阅资料并咨询专家意见，再将各类污染减排预警指标分类进行归整，从而搭建出一个条理清晰、主次分明的我国污染减排预警指标框架体系。COD减排系统具体从社会子系统、经济子系统和环境子系统三个方面选取了10个指标，见图1。
SO2减排系统从社会子系统、经济子系统、环境子系统以及能源子系统四个方面对11个预警指标进行分析，具体如图2所示。
（1） 环境子系统。环境预警指标主要反映的是环境治理以及环境污染排放的强度。从单位GDP工业SO2排放量、单位GDP生活COD排放量、单位GDP生活SO2排放量、单位GDP工业COD排放量、城市污水处理率以及脱硫设施比例。
（2） 经济子系统。经济预警指标选取的宗旨是为了反映各省市的相对经济增长速率、经济增长主要来源与潜力、环境保护投资力度等。本研究主要选用GDP增长率地区的经济速度来衡量某个地区在某个时段的经济发展活力；用第二、三产业比例、低COD排放行业工业增加值比重来反映地区的经济结构；用环保投资比例来反映地区的环保投资力度。
（3） 社会子系统。社会预警指标的选取主要是为了反映地区的城镇化率。主要选取城镇人口比例和城镇人口增长率两个指标。
（4） 能源子系统。经济增长过程中有关能源消耗强度具体表现的结构是能源预警指标主要反映的问题。主要选取单位GDP电耗和单位GDP能耗两个指标。
2 污染减排预警的技术方法
2.1 人工神经网络法
2.1.1 人工神经元模型
运用大量神经元搭建成的非线性系统被称为人工神经网络[3]，因此神经网络的信息处理通过神经元的相互作用来实现。神经元模型如图3所示。ANN的神经元模型有三个基本要素：
（1） 一组连接权、连接强度的表现方式是根据每一个处在连接上的权值判断，一般情况下，权值是负数代表抑制，权值是正数代表激励。
（2） 加权和或者线性组合关于各求和单元用来得出每一个输入信息的结果。
（3） 一个非线性的激励函数起到的作用是非线性映射，而且神经元的输出幅度受限于一个固定的范围，此范围一般取值为（-1，+1）或者（0，1）之间。
2.1.2 人工神经网络计算原理
将人工神经网络的有关学习功能加以充分利用，对具体的神经元网络运用大量的样本进行训练，对它的阈值和连接权值进行调整后，便可以利用之前搭建好的模型来预测结果。例如图3中的三层前向神经网络，网络中输入的是。由该系统的基本原理可得，各神经元在隐含层中输入的内容为：
式中：中，是输出层神经元和隐层神经元的连接权，在输出层神经元中激励函数用表示，与隐含层神经元中激励函数有较大的区别。在隐层神经元的阈值、输出层神经元和隐含层神经元的连接权值、隐含层神经元和输入层神经元的连接权值以及组成的相应参数集合被确定时，根据上述公式，能得出输入输出内容间某种逼近的函数关系，即可求出网络对应的输出值。
然后通过对各层神经元之间的连接权和网络参数集中各神经元的阈值等参数的不断调整，直到网络输出与期望的输出之差在允许的误差范围之内，这就是神经网络的学习过程。
2.2 BP神经网络
2.2.1 BP神经网络结构
BP神经网络在结构上包括输入层、隐含层和输出层[4?5]，具体来说，BP网络的中间层是一种基本的BP网络模型。在上述三层BP网络的拓扑结构中，各神经元与下一层所有的神经元联结，同层各神经元之间无联结，用箭头表示信息的流动，隐含层虽然和外界不连接，但是它们的状态直接影响输入输出之间的关系。也就是说，改变隐含层的权系数可以改变整个神经网络的性能。
2.2.2 BP神经网络算法
BP算法中，在信号正向传播与误差逆向传播的权值不断修改的过程，也就是网络的学习过程。具体算法为：
期望输出与网络输出不等时，存在输出误差量如下所示：
可见，网络的输入误差是各层权数的函数，因此调整权值就可以改变误差。
2.3 指标权重方法的确定
指标体系的评价方法中用得比较多的是加权法[6]，加权法可以根据实际情况分为主观赋权法和客观赋权法，其中客观赋权法如主成分分析法、聚类分析法，熵值赋权法等。本文通过权衡两类方法，最终选择运用组合赋权法。
由于污染减排体系是一个非常复杂的开放型系统，多种因素相互制约，相互影响，有许多因子其重要性必须要借助有经验的专家、决策者通过在该领域十几年以至几十年的研究给出主观的判断，还要根据数据的客观信息来反映其在某段时期内的重要性。因此基于实际情况，采用基于信息熵法、专家咨询法以及基于信息熵法和专家咨询法组合赋权法进行加权求和来确定评价指标的权重。
3 我国污染减排预警应用研究
综合预警理论和预警方法，构建我国污染减排预警系统流程如图4所示。
根据图4可知，对我国污染减排系统进行预警的主要步骤有：污染减排指标值预测；污染减排评价；污染减排预警。
3.1 污染减排综合评价
在本次研究中的综合评价值为污染减排预警安全指数污染减排预警安全指数是描述我国各省市或地区污染减排形势安全程度和预报风险隐患变化的一种综合性数量化表达值，它是0～1之间的一个数。对照环境系统综合指数预警级别标准，把污染减排预警安全指数做如下界定：
0～0.20，污染减排形势严峻，警情为巨警；
0.2～0.4，污染减排形势较差，警情为重警；
0.4～0.6，污染减排形势一般，警情为中警；
0.6～0.8，污染减排形势良好，警情为轻警；
0.8～1.0，污染减排形势很好，警情为无警。
环境预警系统中比较常用的评价方法是加權法。根据标准化处理后的数据，利用综合加权的方法计算我国各省份污染减排预警安全指数，即：
式中：为SO2系统或COD系统的总预警安全指数；为SO2系统或COD系统选取的具体指标数；为第个预警指标在SO2或COD整个系统中所占的权重；为第个预警指标的标准化处理值。
通过对各预警指标熵值权重的计算，运用式（7），最后可得出我国各省市2005—2010年各年度污染减排预警安全指数。
3.2 污染减排系统预警
在污染减排预警系统中，系统会根据不同的预警安全指数（即预警综合评价值）显示出不同的预警信号，表1给出了不同预警安全指数的减排状况等级和预警信号。
3.3 预警结果分析
3.3.1 SO2警情分析
根据实验结果，整体上来说，除了北京、青海和宁夏三省市外，其他28省市的SO2减排系统都处于中警状态，减排情况一般，从其趋势上看，这28个省市在2005—2010年间的预警安全指数基本都处于黄灯区，其中天津、河北、内蒙古、辽宁、吉林、广西、重庆、四川、云南、陕西、甘肃和新疆等15个省、市、自治区的预警安全指数有下降趋势，下降幅度很小，基本趋于稳定，但仍然说明其SO2减排体系中存在着一定的风险因素。从区域上看，这15个省市基本都处于东北、华北、西北以及西南地区，而这些地区绝大多数属于重化工业和载能工业比重过大的地区，煤炭的消费比例严重，再加上这些地区产业集中度低，技术装备相对落后，环境管理水平比较低，因此会对SO2减排产生很大的压力。如果不积极加快产业结构的调整，坚决关停小火电等高耗能、高污染产业，加大基础环境设施投资比重等措施，有可能会影响其减排目标的实现。
3.3.2 COD警情分析
从全国范围来看，COD减排体系整体处于中警状态，除了辽宁、吉林、黑龙江、山东、河南、湖南、江西、广西等10个省、市、自治区在2005—2008年部分年段中出现了重警，处于橙灯区，其余省市基本都处于中警状态，减排形势为一般。这说明我国COD排放量较大、污染较严重的省份主要集中在东北、华北、中南和沿海地区。北京市仍然是减排形势最好的一个，其COD预警状态除了2005年处于中警，其余年份都处于轻警、绿灯区，并且其预警安全指数呈现不断上扬趋势。与SO2减排预警趋势不同的是，除了天津市预警安全指数在2005—2010年微微有所下降，其余省市的预警安全指数在2005—2010年间都呈现上升趋势，且上升趋势比较稳定，说明COD减排的力度在不断加大，预警安全性也将会不断增强。
3.4 对策与建议
从总的SO2和COD预警结果看，2005—2015年，除了北京处于轻警区，减排形势较好外，我国绝大部分省、市的减排状况基本都处于中警区，预警安全指数趋势的上扬说明全国范围内的减排力度都在加大，减排形势也在不断的好转。对此，基于全国减排预警的结果，针对减排过程中存在的问题，对接下来的减排工作提出几点对策和建议：
（1） 认真落实减排目标责任制考核。
（2） 大力推进结构减排、工程减排和管理减排三大减排措施。
（3） 继续实行有利于减排的环境经济政策。
（4） 要强化技术创新。
（5） 不断完善法律法规，加快法规和标准建设。
4 结 论
建立污染减排预警模型是一个极为重要而又充满挑战的重大课题。本文在可持续发展、复杂系统和预警理论的基础上，基于我国经济、社会发展的基本情况以及“十一五”污染减排面临的主要态势，构建了污染减排预警指标体系，利用该模型对我国污染减排体系进行了综合评价预警，最后针对预警结果中存在的问题，提出了对策及建议。
参考文献
[1] 姚誠.水污染现状及其治理措施[J].污染防治技术，2009，22（2）：87?96.
[2] 石丽娜，赵旭东，韩发.遥感技术在环境监测中的应用和发展前景[J].贵州农业科学，2010，38（1）：175?178.
[3] 杨航，李敏，俞国平.基于人工神经网络的市政管网水质模型研究[J].给水排水，2012，38（z1）：471?475.
[4] 杨春蓉，王毓.城市居民生活节能减排的政策探讨[J].西南民族大学学报（人文社会科学版）2012（8）：134?137.
[5] 徐建新，严勇，严富海.指数平滑法在典型城市GDP预测中的应用[J].水利科技与经济，2008，14（7）：551?554.
[6] 王敏，邹滨，郭宇，等.基于BP人工神经网络的城市PM2.5浓度空间预测[J].环境污染与防治，2013，35（9）：63?66.
[7] 蔡凌曦.我国城市节能减排政策体系的评价研究[D].成都：西南交通大学，2015.
[8] 张彦峰，游永彬，鲁艳玲.基于模糊综合评价法的城市人居环境评价体系研究[J].现代电子技术，2014，37（3）：141?143.
[9] 杨丹辉，李鹏飞，张艳芳.“十二五”时期污染减排面临的机遇挑战及政策建议[J].江苏大学学报（社会科学版），2012，14（5）：24?28.
[10] 张彦峰，游永彬，鲁艳玲.基于模糊综合评价法的城市人居环境评价体系研究[J].现代电子技术，2014，37（3）：141?143.
摘 要： 在可持续发展、复杂系统和预警理论的基础上，根据我国经济、社会发展的基本情况以及“十一五”污染减排监督管理工作面临的主要态势，构建了污染减排预警指标体系，并对我国污染减排体系进行了应用性预警研究，最后针对预警结果中存在的问题提出了对策及建议。
关键词： 污染减排； 预警； 人工神经网络； 指标体系
中图分类号： TN711?34； TM417 文献标识码： A 文章编号： 1004?373X（2017）09?0183?04
Abstract： On the basis of sustainable development， complex system and early?warning theory， the early?warning indicator system of pollution emission reduction was constructed according to the fundamental situations of China′s economy and society， and the main situation facing with the ″11th five?year plan″ pollution emission reduction supervision and management work. The application early?warning research was performed for the national pollution emission reduction system. The countermeasure and suggestion are proposed according to the problems existing in the early?warning results.
Keywords： pollution emission reduction； early?warning； artificial neural network； indicator system
0 引 言
当今社会，我国经济增长的速度越来越快，同时人口的数量也急剧增长，进一步导致了我国在能源方面的消费总量越来越高，高耗能、高污染的产品产量也快速增长，经济发展与资源环境约束的矛盾日益突出。最明显的表现是，在发达国家历史上工业化发展时逐步显现的社会环境问题集中的出现在了当下的中国，使得在社会经济的发展过程中，环境污染的问题愈发严重[1]。本文针对我国的实际情况，全面深入分析影响我国污染减排的相关因素，建立我国污染减排预警指标体系、预警方法与模型，并对我国各省市污染减排预警进行应用性研究，进而提出对策及建议，具有很强的现实意义。
1 污染减排预警指标体系
1.1 预警指标体系选取原则
预警指标体系的选择标准对于选取较为完善的预警指标有着非常重要的指导意义。污染减排预警指标的选择应根据历史资料分析与我国污染减排相关的因素，寻找既能反映当前又能预测未来我国污染减排形势的指标，因此选择污染减排预警指标应遵循科学性、重要性、系统性、灵敏性、可比性、简洁性和易操作性的基本原则[2]。
1.2 污染减排预警指标体系的构建
基于污染减排的复杂性和多面性，影响污染减排的因素很多，主要有经济因素、社会因素、环境因素、能源因素等。這些因素中又包含若干指标，因此，污染减排预警涉及的指标很多，在界定了污染减排预警指标特点和指标体系构建原则的基础上，根据“十一五”前期完成的工作，分析在社会经济中与COD和SO2的减排目标切实相关的因素，通过广泛查阅资料并咨询专家意见，再将各类污染减排预警指标分类进行归整，从而搭建出一个条理清晰、主次分明的我国污染减排预警指标框架体系。COD减排系统具体从社会子系统、经济子系统和环境子系统三个方面选取了10个指标，见图1。
SO2减排系统从社会子系统、经济子系统、环境子系统以及能源子系统四个方面对11个预警指标进行分析，具体如图2所示。
（1） 环境子系统。环境预警指标主要反映的是环境治理以及环境污染排放的强度。从单位GDP工业SO2排放量、单位GDP生活COD排放量、单位GDP生活SO2排放量、单位GDP工业COD排放量、城市污水处理率以及脱硫设施比例。
（2） 经济子系统。经济预警指标选取的宗旨是为了反映各省市的相对经济增长速率、经济增长主要来源与潜力、环境保护投资力度等。本研究主要选用GDP增长率地区的经济速度来衡量某个地区在某个时段的经济发展活力；用第二、三产业比例、低COD排放行业工业增加值比重来反映地区的经济结构；用环保投资比例来反映地区的环保投资力度。
（3） 社会子系统。社会预警指标的选取主要是为了反映地区的城镇化率。主要选取城镇人口比例和城镇人口增长率两个指标。
（4） 能源子系统。经济增长过程中有关能源消耗强度具体表现的结构是能源预警指标主要反映的问题。主要选取单位GDP电耗和单位GDP能耗两个指标。
2 污染减排预警的技术方法
2.1 人工神经网络法
2.1.1 人工神经元模型
运用大量神经元搭建成的非线性系统被称为人工神经网络[3]，因此神经网络的信息处理通过神经元的相互作用来实现。神经元模型如图3所示。ANN的神经元模型有三个基本要素：
（1） 一组连接权、连接强度的表现方式是根据每一个处在连接上的权值判断，一般情况下，权值是负数代表抑制，权值是正数代表激励。
（2） 加权和或者线性组合关于各求和单元用来得出每一个输入信息的结果。
（3） 一个非线性的激励函数起到的作用是非线性映射，而且神经元的输出幅度受限于一个固定的范围，此范围一般取值为（-1，+1）或者（0，1）之间。
2.1.2 人工神经网络计算原理
将人工神经网络的有关学习功能加以充分利用，对具体的神经元网络运用大量的样本进行训练，对它的阈值和连接权值进行调整后，便可以利用之前搭建好的模型来预测结果。例如图3中的三层前向神经网络，网络中输入的是。由该系统的基本原理可得，各神经元在隐含层中输入的内容为：
式中：中，是输出层神经元和隐层神经元的连接权，在输出层神经元中激励函数用表示，与隐含层神经元中激励函数有较大的区别。在隐层神经元的阈值、输出层神经元和隐含层神经元的连接权值、隐含层神经元和输入层神经元的连接权值以及组成的相应参数集合被确定时，根据上述公式，能得出输入输出内容间某种逼近的函数关系，即可求出网络对应的输出值。
然后通过对各层神经元之间的连接权和网络参数集中各神经元的阈值等参数的不断调整，直到网络输出与期望的输出之差在允许的误差范围之内，这就是神经网络的学习过程。
2.2 BP神经网络
2.2.1 BP神经网络结构
BP神经网络在结构上包括输入层、隐含层和输出层[4?5]，具体来说，BP网络的中间层是一种基本的BP网络模型。在上述三层BP网络的拓扑结构中，各神经元与下一层所有的神经元联结，同层各神经元之间无联结，用箭头表示信息的流动，隐含层虽然和外界不连接，但是它们的状态直接影响输入输出之间的关系。也就是说，改变隐含层的权系数可以改变整个神经网络的性能。
2.2.2 BP神经网络算法
BP算法中，在信号正向传播与误差逆向传播的权值不断修改的过程，也就是网络的学习过程。具体算法为：
期望输出与网络输出不等时，存在输出误差量如下所示：
可见，网络的输入误差是各层权数的函数，因此调整权值就可以改变误差。
2.3 指标权重方法的确定
指标体系的评价方法中用得比较多的是加权法[6]，加权法可以根据实际情况分为主观赋权法和客观赋权法，其中客观赋权法如主成分分析法、聚类分析法，熵值赋权法等。本文通过权衡两类方法，最终选择运用组合赋权法。
由于污染减排体系是一个非常复杂的开放型系统，多种因素相互制约，相互影响，有许多因子其重要性必须要借助有经验的专家、决策者通过在该领域十几年以至几十年的研究给出主观的判断，还要根据数据的客观信息来反映其在某段时期内的重要性。因此基于实际情况，采用基于信息熵法、专家咨询法以及基于信息熵法和专家咨询法组合赋权法进行加权求和来确定评价指标的权重。
3 我国污染减排预警应用研究
综合预警理论和预警方法，构建我国污染减排预警系统流程如图4所示。
根据图4可知，对我国污染减排系统进行预警的主要步骤有：污染减排指标值预测；污染减排评价；污染减排预警。
3.1 污染减排综合评价
在本次研究中的综合评价值为污染减排预警安全指数污染减排预警安全指数是描述我国各省市或地区污染减排形势安全程度和预报风险隐患变化的一种综合性数量化表达值，它是0～1之间的一个数。对照环境系统综合指数预警级别标准，把污染减排预警安全指数做如下界定：
0～0.20，污染减排形势严峻，警情为巨警；
0.2～0.4，污染减排形势较差，警情为重警；
0.4～0.6，污染减排形势一般，警情为中警；
0.6～0.8，污染减排形势良好，警情为轻警；
0.8～1.0，污染减排形势很好，警情为无警。
环境预警系统中比较常用的评价方法是加權法。根据标准化处理后的数据，利用综合加权的方法计算我国各省份污染减排预警安全指数，即：
式中：为SO2系统或COD系统的总预警安全指数；为SO2系统或COD系统选取的具体指标数；为第个预警指标在SO2或COD整个系统中所占的权重；为第个预警指标的标准化处理值。
通过对各预警指标熵值权重的计算，运用式（7），最后可得出我国各省市2005—2010年各年度污染减排预警安全指数。
3.2 污染减排系统预警
在污染减排预警系统中，系统会根据不同的预警安全指数（即预警综合评价值）显示出不同的预警信号，表1给出了不同预警安全指数的减排状况等级和预警信号。
3.3 预警结果分析
3.3.1 SO2警情分析
根据实验结果，整体上来说，除了北京、青海和宁夏三省市外，其他28省市的SO2减排系统都处于中警状态，减排情况一般，从其趋势上看，这28个省市在2005—2010年间的预警安全指数基本都处于黄灯区，其中天津、河北、内蒙古、辽宁、吉林、广西、重庆、四川、云南、陕西、甘肃和新疆等15个省、市、自治区的预警安全指数有下降趋势，下降幅度很小，基本趋于稳定，但仍然说明其SO2减排体系中存在着一定的风险因素。从区域上看，这15个省市基本都处于东北、华北、西北以及西南地区，而这些地区绝大多数属于重化工业和载能工业比重过大的地区，煤炭的消费比例严重，再加上这些地区产业集中度低，技术装备相对落后，环境管理水平比较低，因此会对SO2减排产生很大的压力。如果不积极加快产业结构的调整，坚决关停小火电等高耗能、高污染产业，加大基础环境设施投资比重等措施，有可能会影响其减排目标的实现。
3.3.2 COD警情分析
从全国范围来看，COD减排体系整体处于中警状态，除了辽宁、吉林、黑龙江、山东、河南、湖南、江西、广西等10个省、市、自治区在2005—2008年部分年段中出现了重警，处于橙灯区，其余省市基本都处于中警状态，减排形势为一般。这说明我国COD排放量较大、污染较严重的省份主要集中在东北、华北、中南和沿海地区。北京市仍然是减排形势最好的一个，其COD预警状态除了2005年处于中警，其余年份都处于轻警、绿灯区，并且其预警安全指数呈现不断上扬趋势。与SO2减排预警趋势不同的是，除了天津市预警安全指数在2005—2010年微微有所下降，其余省市的预警安全指数在2005—2010年间都呈现上升趋势，且上升趋势比较稳定，说明COD减排的力度在不断加大，预警安全性也将会不断增强。
3.4 对策与建议
从总的SO2和COD预警结果看，2005—2015年，除了北京处于轻警区，减排形势较好外，我国绝大部分省、市的减排状况基本都处于中警区，预警安全指数趋势的上扬说明全国范围内的减排力度都在加大，减排形势也在不断的好转。对此，基于全国减排预警的结果，针对减排过程中存在的问题，对接下来的减排工作提出几点对策和建议：
（1） 认真落实减排目标责任制考核。
（2） 大力推进结构减排、工程减排和管理减排三大减排措施。
（3） 继续实行有利于减排的环境经济政策。
（4） 要强化技术创新。
（5） 不断完善法律法规，加快法规和标准建设。
4 结 论
建立污染减排预警模型是一个极为重要而又充满挑战的重大课题。本文在可持续发展、复杂系统和预警理论的基础上，基于我国经济、社会发展的基本情况以及“十一五”污染减排面临的主要态势，构建了污染减排预警指标体系，利用该模型对我国污染减排体系进行了综合评价预警，最后针对预警结果中存在的问题，提出了对策及建议。
参考文献
[1] 姚誠.水污染现状及其治理措施[J].污染防治技术，2009，22（2）：87?96.
[2] 石丽娜，赵旭东，韩发.遥感技术在环境监测中的应用和发展前景[J].贵州农业科学，2010，38（1）：175?178.
[3] 杨航，李敏，俞国平.基于人工神经网络的市政管网水质模型研究[J].给水排水，2012，38（z1）：471?475.
[4] 杨春蓉，王毓.城市居民生活节能减排的政策探讨[J].西南民族大学学报（人文社会科学版）2012（8）：134?137.
[5] 徐建新，严勇，严富海.指数平滑法在典型城市GDP预测中的应用[J].水利科技与经济，2008，14（7）：551?554.
[6] 王敏，邹滨，郭宇，等.基于BP人工神经网络的城市PM2.5浓度空间预测[J].环境污染与防治，2013，35（9）：63?66.
[7] 蔡凌曦.我国城市节能减排政策体系的评价研究[D].成都：西南交通大学，2015.
[8] 张彦峰，游永彬，鲁艳玲.基于模糊综合评价法的城市人居环境评价体系研究[J].现代电子技术，2014，37（3）：141?143.
[9] 杨丹辉，李鹏飞，张艳芳.“十二五”时期污染减排面临的机遇挑战及政策建议[J].江苏大学学报（社会科学版），2012，14（5）：24?28.
[10] 张彦峰，游永彬，鲁艳玲.基于模糊综合评价法的城市人居环境评价体系研究[J].现代电子技术，2014，37（3）：141?143.
