中國作為全球第二大經(jīng)濟體,近些年經(jīng)濟得到了迅猛的發(fā)展,與此同時空氣污染也愈發(fā)嚴重。自2013年以來,中國頻繁地出現(xiàn)大規(guī)模和持續(xù)性的霧霾天氣,不僅嚴重影響了人們的日常生活與身體健康,也影響了中國在國際上的形象。因此,國家提出了如“大氣十條”、“空氣污染治理攻堅戰(zhàn)”等一系列政策來治理霧霾污染,而各級政府也通過減煤、降塵、限車等舉措紛紛響應國家的號召。其中廣為效仿的機動車限行政策,其實施效果在各個城市中表現(xiàn)出了較大的差異。那么,限行政策在各個城市實施的效果到底如何?究竟有哪些經(jīng)濟影響因素導致限行政策有效性出現(xiàn)差異?上述問題的解決,將對政府合理制定限行政策提供有效參考。針對以上問題,為了厘清機動車限行政策對城市霧霾污染每日變化的影響效果,本文首先選取了 PM2.5作為輸出變量,將機動車限行政策（Res）、風級（Wind）等4個天氣因素以及煤改氣政策（CG）、規(guī)模以上工業(yè)增加值累計比（Ind）作為輸入變量,運用MIV-BP神經(jīng)網(wǎng)絡的方法,對1 1個省會城市2014年1 1月-2018年8月（西安為2016年11月-2018年8月）的機動車限行政策對霧霾污染治理的有效性進行探究;其次,基于前期限行... 

【文章來源】：陜西師范大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

圖３?ＢＰ神經(jīng)網(wǎng)絡系統(tǒng)圖??

?陜西師范大學碩士學位論文???輸入層?隱含層?輸出層??輸入數(shù)據(jù)、Ｃ＼＾??輸入數(shù)據(jù)＞Ｃ）輸出數(shù)據(jù)〉??輸入數(shù)據(jù)??圖３?ＢＰ神經(jīng)網(wǎng)絡系統(tǒng)圖??本研宄選�。停桑�?（平均影響值）作為評價各個解釋變量對被解釋變量影響程??度大小的指標，ＭＩＶ的絕對值反映了對被解釋變量的影響程度，符號則反映方向。??首先對神經(jīng)網(wǎng)絡進行訓練、仿真輸出，當ＢＰ神經(jīng)網(wǎng)絡訓練結束將所有的樣本在原??先樣本的基礎上，對其每個數(shù)據(jù)的特征值均增減１０％，將新得的數(shù)據(jù)進行仿真模??擬，得到的兩組結果的差值即為ＩＶ值（影響變化值），最后將ＩＶ值按觀測列數(shù)??平均后得到網(wǎng)絡輸出１ＭＩＶ值，相關模型如圖４所示。＿??新樣本Ｐ２?Ｌ?ｔ｜?Ａ２?ｊ??訓練樣本Ｐ??５?＼?Ａ＝ｓｉｍ（ｎｅｔ，?ｐ）?／?—???＞?ＩＶ?！?＞?ＭＩＶ??Ｉ＾＾??：新樣初１?’?＾??圖４?ＭＩＶ模型的算法步驟??４．２．２?ＭＩＶ－ＢＰ神經(jīng)網(wǎng)絡模型構建??（１）?ＢＰ神經(jīng)網(wǎng)絡訓練??①訓練樣本的確定：本文將ＰＭ２．５濃度作為ＢＰ神經(jīng)網(wǎng)絡模型的輸出變量，即??輸出層節(jié)點為１，將機動車限行、風級、空氣濕度、降雨、最高溫度、煤改氣政策、??規(guī)模以上工業(yè)增加值累計比等７個變量作為輸入變量，即輸入層節(jié)點為７。為了確??保神經(jīng)網(wǎng)絡預測的準確性，本文將設置２層隱含層，節(jié)點數(shù)為［３，?４］。本文在各個??城市數(shù)據(jù)的總樣本中隨機抽取８０％作為訓練樣本，剩余２０％作為測試樣本。具體??的運算流程如圖５所示。??３４??

?第四章機動車限行對霧霾治理的成效研宄???輸入變量?權重Ｗ１?權重呢?權重Ｖ?輸出變量??——機動車限行一＞??＿，隱??＿加值累計比?Ｖ??輸入層?隱含層?隱含層?輸出層??圖５?ＢＰ神經(jīng)網(wǎng)絡結構圖??②歸一化處理數(shù)據(jù)：由于樣本中的變量數(shù)量級差別較大，網(wǎng)絡預測誤差變大??的可能性較高，因此在神經(jīng)網(wǎng)絡訓練前將數(shù)據(jù)先進行歸一化處理，運用ｍａｐｓｔｄ函??數(shù)處理數(shù)據(jù)，確保樣本數(shù)據(jù)均在（０，１）范圍內，這樣處理后的數(shù)據(jù)平穩(wěn)有效。??歸一化公式為：??Ｖ?—?（￥?—工ｍｅａｎ）?＾Ｖｓｔｄ?／工ｓｔｄ）?＋?ｙｍｅａｎ??其中，ｘ為原始數(shù)據(jù)，ｙ為歸一化后數(shù)據(jù)（＆?＝?１，?〃一＝?Ｑ）。??③神經(jīng)網(wǎng)絡輸出層、隱含層、輸出層節(jié)點的確定：模型的輸出變量為ＰＭ２．５，??輸出層節(jié)點數(shù)為１，輸入變量為機動車限行、風級、空氣濕度、降雨、最高溫度、??煤改氣政策、規(guī)模以上工業(yè)增加值累計比等７個變量，輸入層節(jié)點數(shù)為７。隱含層??節(jié)點數(shù)首先應該依據(jù)Ｚ＜ｎ＿ｌ、＋?ａ或Ｚ?＝?ｌ〇ｇ２ｎ?（其中，輸入層節(jié)點數(shù)設??為ｎ，輸出層節(jié)點數(shù)設為ｍ，隱含層節(jié)點數(shù)為１，０－１０之間的任意常數(shù)記為ａ）。??④確定傳遞函數(shù)：隱含層節(jié)點函數(shù)為正切Ｓ型傳遞函數(shù)ｔａｎｓｉｇ，具體函數(shù)表達??式如下：??２??Ｖ?［１?＋?ｅｘｐ?（－２ａ：）］??輸入層節(jié)點為線性函數(shù)，其線性傳遞函數(shù)的表達式如下：??網(wǎng)絡初始化是第一步，這對縮短網(wǎng)絡訓練的時間尤為重要，它的權值決定了??網(wǎng)絡模型訓練誤差的曲面起點。為了避免千擾因素，保證模型更加有效，本文選??取了隨機初始權法。??３５??

【參考文獻】：
期刊論文
[1]外商直接投資、環(huán)境規(guī)制與霧霾污染——理論分析與來自中國的經(jīng)驗[J]. 周杰琦,梁文光,張瑩,韓穎.  北京理工大學學報(社會科學版). 2019(01)
[2]外商直接投資與霧霾污染:一個跨國經(jīng)驗研究[J]. 張磊,韓雷,葉金珍.  經(jīng)濟評論. 2018(06)
[3]城市機動車限行政策對霧霾污染治理的成效分析[J]. 易蘭,周憶南,李朝鵬,楊歷.  中國人口·資源與環(huán)境. 2018(10)
[4]產(chǎn)業(yè)集聚與霧霾污染的門檻效應研究——以我國73個PM2.5重點監(jiān)測城市為例[J]. 楊嶸,郭欣欣,王杰,楊安.  科技管理研究. 2018(19)
[5]產(chǎn)業(yè)結構調整對霧霾污染的影響——基于中國京津冀城市群的實證研究[J]. 祝麗云,李彤,馬麗巖,劉志林.  生態(tài)經(jīng)濟. 2018(10)
[6]產(chǎn)業(yè)集聚及交通聯(lián)系加劇了霧霾空間溢出效應嗎?——基于產(chǎn)業(yè)空間布局視角的分析[J]. 羅能生,李建明.  產(chǎn)業(yè)經(jīng)濟研究. 2018(04)
[7]工業(yè)結構、能源消耗與霧霾主要成分的關聯(lián)性——以北京為例[J]. 田孟,王毅凌.  經(jīng)濟問題. 2018(07)
[8]機動車限行政策能否有效改善西安市的空氣質量?[J]. 袁曉玲,李浩,楊萬平.  統(tǒng)計與信息論壇. 2018(06)
[9]行政法視角下的機動車限行規(guī)定分析[J]. 許云峰.  法制與社會. 2018(07)
[10]霧霾污染、政府治理與經(jīng)濟高質量發(fā)展[J]. 陳詩一,陳登科.  經(jīng)濟研究. 2018(02)



本文編號：3547981