灰色分析（精选12篇）
灰色分析 篇1
1 循环经济评价
循环经济评价是对循环经济发展水平的理性判断, 指以循环经济系统为研究对象, 依据循环经济和生态经济学原理, 运用科学的方法和手段来评价和监测循环经济系统的发展状态、发展水平和发展趋势, 为循环经济活动提供决策依据。
评价指标体系的确定是量化循环经济发展水平、评判循环经济发展质量的基础性工作, 也是最主要的依据。在此基础上, 选择科学的评价方法, 构建恰当的评价模型, 通盘权衡循环经济系统的运转状况, 才能全面、准确地获取有关循环经济发展水平的真实信息。
本文从循环经济系统的“灰色性”角度出发, 基于灰色关联度分析方法, 构建了循环经济灰色综合评价模型, 能够较好地描述循环经济系统的发展状况, 进而为优化管理决策、实施有效管理提供依据。
2 灰色综合评价模型
2.1 选择依据
灰色系统是介于信息完全知道的白色系统和一无所知的黑色系统之间的中介系统。社会、经济等系统具有明显的层次复杂性, 结构关系模糊性, 动态变化随机性, 指标数据的不完全性和不确定性, 即表现为“灰色性”。
在循环经济评价指标体系的构建过程中, 人们或多或少地会对评判对象的某些因素缺乏了解, 使得主观评判依据不足;或是由于评判对象的不断发展变化, 人们的认识会落后于实际, 使评判标准已经成为“过去”;甚至是人们不可避免地会受到评价对象伪信息和反信息的干扰, 导致判断发生偏差, 所有这些情况归结为一点, 就是信息的不完全, 即“灰色性”。据此, 可选用灰色综合评价方法测度循环经济发展水平。
灰色综合评价方法是基于灰色关联度分析的综合评价方法, 关联度反映各评价对象对理想对象的接近次序或达到理想标准的程度, 关联度分析方法是通过分析因素之间发展态势的形似或相异程度来衡量评价对象接近理想对象或达到理想标准程度的方法。
基于灰色关联度分析的灰色综合评价方法采用非统计数学方法, 对数据量没有太高的要求, 不会出现关联度量化结果与定性分析不一致的情况, 在系统数据资料较少和条件不满足统计要求的情况下, 更具有实用性, 完全符合评价对象特征及评价目的要求。
2.2 建立模型
循环经济灰色综合评价模型为:R=E×W。
其中:R=[r1, r2, ……, rm]为m个评价对象的综合评判结果向量W=[w1, w2, ……, wn]T;为n个评价指标的权重分配向量为各指标的评判矩阵, εi (k) 为第i个评价对象第k个指标与第k个
特殊地, 当仅对单个对象进行评价时, 综合评判结果。其中, R为被评对象综合评判结果, 即循环经济发展水平;Wi为各评价指标权重分配;εi为第i个评价指标对理想指标 (标准) 的灰色关联系数。
3 基于灰色关联度的循环经济灰色综合评价模型构建分析
运用灰色综合评价模型对某地区 (企业) 循环经济发展水平进行评价, 可参照如下步骤展开。
3.1 确定比较数列 (评价对象) 和参考数列 (评价标准) 设评价对象为m个, 评价指标为n个,
则比较数列为:Xi={Xi (k) k=1, 2, ……, n}, (i=1, 2, ……, m) ;
参考数列为:X0={X0 (k) k=1, 2, ……, n}。
其中, 参考数列的确定可以根据实际需要采用如下方式之一获取:
(1) 依据相关标准、规范, 分别针对各个指标规定评价主体公认的最优值组成参考数列。
(2) 当评价对象多于1个, 或是就单个评价对象的多个阶段进行评价时, 可以考虑从诸多评价对象中各项指标相应的对比分析中选取最优值组成参考数列, 或是分别按指标从某一评价对象不同阶段的指标值中选取最优者组成参考数列。
(3) 当对单一评价对象的某阶段单独进行评价时, 参考数列的确定可以结合相关标准、规范, 参照相应的规划目标要求, 更好地符合实际, 提高评价的准确度与适用性。
3.2 指标值的规范化处理
(1) 运用数列Xi和X0构造矩阵。
(2) 对原始指标值进行规范化处理。
设第k个指标的变化区间为[Xk1, Xk2], Xk1为第k个指标在所有评价对象中的最小值, Xk2为第k个指标在所有方案中的最大值, 则可通过如下变换将上式中的原始数值变换成无量纲值Ci (k) ∈ (0, 1) 。
这样D※C矩阵:
3.3 确定各指标的权重并计算灰色关联系数
评价指标权重可由层次分析法确定, 记作:。
灰色关联系数ε (k) 的求解公式为:
式中, ρ∈[0, 1], 一般取=0.5ρ。
由εi (k) , 得评价对象各指标的评判矩阵
3.4 计算灰色加权关联度与灰色综合评价结果向量
式中:ri为第i个评价对象与理想对象 (标准) 的灰色加权关联度。
灰色综合评价结果向量:
式中:R为被评对象的综合评判结果向量;E为被评对象各指标的评判矩阵;W为评价指标的权重分配向量。
3.5 评价分析
根据灰色加权关联度的大小, 对各评价对象进行排序, 即建立评价对象的关联序。关联度越大其评价结果越好, 与理想对象状态越相似, 越能够接近评判标准, 在文中即表示本阶段循环经济发展水平较高。
4 结论
循环经济评价能够通过对循环经济系统的运行现状进行评价, 监测循环经济系统状态的变化趋势, 进行预警或是为优化管理决策提供依据。根据循环经济系统的“灰色性”特点, 考虑到数据获取不完全性和不确定性因素的影响, 本文构建了循环经济灰色综合评价模型, 能够在一定程度上为循环经济评价工作的深入开展提供借鉴与参考。
参考文献
[1]牛桂敏.循环经济评价体系的构建[J].城市环境与城市生态, 2005.
[2]杜栋, 庞庆华.现代综合评价方法与案例精选[M].北京:清华大学出版社, 2005:112-119.
[3]周宏春, 刘燕华.循环经济学[M].北京:中国发展出版社, 2005;61-81.
[4]张凯.循环经济理论研究与实践[M].北京:中国环境科学出版社, 2004:98-100.
灰色分析 篇2
目 录 .............................................................................................................................................. I 摘要 .................................................................................................................................................. I Abstract .......................................................................................................................................... II 1 引言 .......................................................................................................................................... 1 2 层次分析法 .............................................................................................................................. 2
2.1 层次分析法的步骤 .......................................................................................................... 2
2.1.1 层次结构的建立 ................................................................................................. 2 2.1.2 构建判断矩阵 ....................................................................................................... 3 2.1.3 层次排序和一致性检验 ....................................................................................... 5 2.1.4 层次总排序及一致性检验 ................................................................................... 8 2.2 层次分析法结论 ............................................................................................................ 10 3 灰色关联分析法 ....................................................................................................................... 12
3.1 灰色关联的具体步骤 .................................................................................................... 12
3.1.1 确定分析序列 ................................................................................................... 12 3.1.2 无量纲化 ........................................................................................................... 13 3.1.3 求关联度 ........................................................................................................... 14 3.2 灰色关联结论 ................................................................................................................ 15 3 结论 ........................................................................................................................................ 16 参考文献： ................................................................................................................................... 17 附录 ............................................................................................................................................... 18 致 谢 ........................................................................................................................................... 20
摘要
灰色分析 篇3
关键词：大花蕙兰；杂交组合；灰色关联分析；综合评判
中图分类号：S682.310.36 文献标志码： A文章编号：1002-1302（2016）02-0226-05
收稿日期：2015-06-15
基金项目：四川省省级公益性科研单位基本科研业务费专项资金（编号：2013CZYYJBKY07）。
作者简介：许震寰（1980—），男，四川三台人，助理研究员，主要从事花卉栽培与新品种选育研究。E-mail：cz27@163.com。
通信作者：韩菊兰，硕士，助理研究员，主要从事花卉栽培与新品种选育研究。E-mail：455041615@qq.com。大花蕙兰的杂交育种以人工杂交获得第1代基础材料F1代，从中筛选出杂交后代优良株，并结合组织培养扩大繁殖，选育出优质新品种[1]。F1组合是双亲或多亲基因结合后显性态的表现，因此其各个性状所反映的组合信息就整体而言并不十分完全。对F1代所有性状运用灰色关联度分析，充分利用育种信息对育种现象进行解释，可为品种选育作出最优决策[2]。本研究运用灰色关联与评价原理对大花蕙兰育种目标性状之间的相互关系进行研究，對各个F1杂交种后代进行评价，以期为杂交种的选择和有效利用提供依据。
3结论与讨论
灰色系统理论是近年来发展起来的决策科学。应用灰色系统理论对原始数据进行处理，具有表格化、计算简便、精确度和量化程度高等优点。通过应用杂交组合灰色评判方法，可以对杂交种进行多性状优势的综合评估，综合判断出的优良杂交种，可为杂交种的有效利用提供依据[2]。
蕙兰杂交后代植株及其相应亲本进行了关联度分析，177-1、179-1、169-1、176-11、176-5、171-1、094-1关联度均大于0.6。177-1亲本为马州立卡与爱我，179-1、176-11、176-5亲本为浪漫与黄金薄荷，169-1亲本为马州立卡与红颜，171-1亲本为阳春4号与浪漫，094-1亲本为浪漫与爱我。177-1和094-1综合性状表现比亲本更好。176-11综合性状与亲本相差无几。
花箭数、花箭长度均为反映品种观赏度的重要因素。开花期为评价品种优劣的一个重要指标。表4中花箭数权重赋值最大（0.22），其次为花箭长度（0.13），再次为开花期（0.10）。177-1、094-1、176-11开花期适宜，花箭数较多，株型较好，综合性状较好。鉴于以上分析，综合得出177-1、094-1、176-11为较好杂交后代植株。
灰色关联系统在遗传育种中已有较多应用，主要集中在小麦、玉米、棉花等大田作物[8-10]，而在花卉观赏领域则重于品种综合评价[4，11]。应用加权关联度方法进行综合评价杂交后代的优劣，将不同类型的指标进行标准化处理，最大程度反映了被评价对象的真实水平，分析结果全面、有效。本研究将该分析方法用于大花蕙兰杂交后代的综合评估，使灰色系统理论在育种中的应用领域更进一步扩展。
参考文献：
[1]张志胜，何超英，谢利，等. 兰花新品种日出的选育和快速繁殖[C]. 武夷山：2005年全国作物生物技术与诱变技术学术研讨会，2005：126-128.
[2]郭瑞林. 作物灰色育种学[M]. 北京：中国农业科学技术出版社，1995：20-25.
[3]高兰阳，尚迪，许震寰，等. 熵权赋权法灰色系统理论在大花蕙兰（Cymbidium hybridium）品种综合评价中的应用初探[J]. 西南农业学报，2010，23（1）：176-180.
[4]郭显光. 如何用SPSS软件进行主成分分析[J]. 统计与信息论坛，1998（2）：61-65.
[5]董寒青. 解析SPSS对主成分分析的计算技术[J]. 统计与决策，2004（3）：117-118.
[6]邱宛华. 管理决策与应用熵学[M]. 北京：机械工业出版社，2002：193-196.
[7]刘录祥，孙其信，王士芸. 灰色系统理论应用于作物新品种综合评估初探[J]. 中国农业科学，1989，22（3）：22-27.
[8]曹雯梅，刘松涛，路红卫. 灰色系统理论在小麦新品种综合评判中的应用[J]. 中国种业，2005（11）：47-49.
[9]李伟，邹小红，杨涛，等. 利用灰色关联分析法对糯玉米新组合进行综合评价[J]. 中国种业，2013（8）：72-75.
[10]熊仁次，曹新川，何良荣，等. 应用灰色关联分析综合评价陆地棉杂交组合[J]. 中国棉花，2003，30（6）：14-16.
[11]卢珍红，蔡承良，顾强健，等. 11个观赏菊花品种灰色关联度分析[J]. 江西农业学报，2014，26（1）：41-43.刘璐，毛永成，申亚梅. 3种地被月季对低温胁迫的生理响应[J]. 江苏农业科学，2016，44（2）：231-233.
灰色分析 篇4
1 材料
选取我国不同产地的甘草, 它们是新疆塔城栽培品 (编号1号) , 新疆塔城野生品 (编号2号) , 新疆塔城栽培品制霜 (编号3号) , 内蒙古杭锦旗野生品 (编号4号) , 新疆巩留野生品 (编号5号) , 新疆布尔津野生品 (编号6号) , 内蒙古额济纳野生品 (编号7号) , 吉林白城野生品 (编号8号) , 吉林白城栽培品 (编号9号) , 内蒙古赤峰栽培品 (编号10号) , 甘肃酒泉栽培品 (编号11号) , 山西古城野生品 (编号12号) , 山西古城栽培品 (编号13号) 。甘草中芹糖基甘草苷 (X1) 、甘草苷 (X2) 、芹糖基异甘草苷 (X3) 、异甘草苷 (X4) 、甘草査尔酮B (X5) 、甘草素 (X6) 、刺甘草査尔酮 (X7) 、异甘草素 (X8) 、甘草酸 (X9) 作为分析样本。
2 方法
2.1 灰色模式识别
灰色模式识别是灰色计量学中最常用的方法之一, 是求各个方案与由最佳指标组成的理想方案的关联系数, 由关联系数得到关联度, 再按照关联度的大小进行排序、分析, 最后得出结论。这种方法优于经典的精确数学方法, 经过把意图、观点和要求概念化、模型化, 从而使所研究的灰色系统从结构、模型、关系上逐渐由黑变白, 使不明确的因素逐渐明确。灰色模式识别分析是一种分析因素之间相互关系的方法, 对样本量的多少和样本有无规律都同样适用, 数据和样本可以不具有统计学意义, 不仅弥补了采用数理统计方法 (主成分分析、因子分析等) 进行系统分析所导致的缺憾, 而且计算量小, 十分方便。
2.2 灰色系统聚类分析
灰色系统聚类分析是对研究对象进行分类, 把所有的个案归类在不同类中, 使同一类中个体有较大相似性, 不同类中个体有较大差异。应用MATLAB2013软件对数据进行灰色系统聚类分析, 提取灰色因子后, 应用层次聚类方法分析灰色因子数据。
3 结果
3.1 灰色模式识别结果
3.1.1 参考序列的选择
设有n个样品, 每个样品有m项评价指标, 这样就组成了评价单元序列{Xij} (i=1, 2, …, n;j=1, 2, …, m) 。用灰色模式识别法作为评价测度, 首先要选择参考序列。设最优参考序列为{Xsj}, 最优参考序列的各项指标是n个样品对应指标的最优值或者最大值。
3.1.2 原始数据的标准化处理
对原始数据标准化, 即对同一变量减去其平均值, 再除以标准差, 以消除原始数据之间的量纲影响, 使标准化后的数据具备可比性。设在一个问题中有n个体, 对每个个体测定p个指标, 为避免指标量纲的影响, 对原始数据进行标准化处理:Yij= (xij-j) /sj, (i=1, 2, …, n;j=1, 2, …, p) 。式中:Yij为标准化处理后的数据;xij为原始数据;j为n个样本第j个指标的平均值;sj为样本的标准差。原始数据经标准化后的数据见表1。
3.1.3 关联系数[ζij (s) ]的计算
相对于最优参考序列, 关联系数:
3.1.4 关联度[Ri (s) ]的计算
相对于最优参考序列, 关联度:
根据评价序列相对于参考序列的关联度大小, 可给出各评价单元的优劣排序, Ri (s) 越大, 表明评价单元序列与最优参考序列的关联度越大, 评价单元越佳。某待评序列若比参考序列的关联度大, 则表明该序列与参考序列即质量最优序列最相似, 亦即质量最优, 这样最终可得到中药材质量优劣的综合评价结果。按照灰色模式识别步骤, 运用灰色计量学方法, 结合MATLAB 2013软件, 进行灰色关联分析, 计算出灰色关联系数和关联度。不同产地甘草相对于参考序列的关联系数、关联度及质量等级见表2。
3.2 灰色系统聚类分析结果
灰色系统聚类分析是在样品诸多性质的基础上, 按照样品性质的亲疏程度进行分类, 所有个案归类在不同类中, 使同一类中个体有较大的相似性, 不同类中个体有较大差异。它是研究“物以类聚”的方法, 找出它们之间的相近性 (即亲缘的接近程度) 。应用MATLAB 2013软件对数据进行灰色系统聚类分析, 按照聚类分析的相关程序选择观察对象聚类, 提取灰色因子后, 使用层次聚类方法分析灰色因子数据。本试验采用灰色因子聚类分析, 用欧氏矩离测量, 每2个样本间用Average linkage法连结, 按照顺序作图见图1。
4 分析与讨论
1) 由表2可知;新疆塔城栽培品制霜的关联度为0.86, 甘草质量最好;山西古城野生品、山西古城栽培品、新疆塔城野生品的关联度依次为0.57, 0.52, 0.51, 甘草质量较好;新疆塔城栽培品、内蒙古杭锦旗野生品、新疆巩留野生品、新疆布尔津野生品、内蒙古额济纳野生品、吉林白城野生品、吉林白城栽培品、内蒙古赤峰栽培品、甘肃酒泉栽培品的甘草质量一般。本研究以不同产地甘草药材中主要有效成分含量为药材质量评价指标, 较单纯以甘草中单一有效成分含量评价药材质量更为科学。
2) 由图1可知, 根据灰色系统聚类分析结果可以把不同产地甘草分为三类, 新疆塔城栽培品制霜甘草为一类, 含有的9个主要有效成分含量在所有的样品中最高, 质量最好;山西古城野生品、山西古城栽培品、新疆塔城野生品甘草为一类, 含有的9个主要有效成分含量在所有的样品中居中, 质量较好;新疆塔城栽培品、内蒙古杭锦旗野生品、新疆巩留野生品、新疆布尔津野生品、内蒙古额济纳野生品、吉林白城野生品、吉林白城栽培品、内蒙古赤峰栽培品、甘肃酒泉栽培品甘草为一类, 含有的9个主要有效成分含量在所有的样品中最低, 质量一般。通过灰色系统聚类分析可以粗略地寻找不同产地甘草间性质的相似程度及亲缘关系, 有利于更好地研究甘草。本试验的灰色系统聚类分析结果与灰色关联度分析结果一致。
5 小结
该研究建立的灰色计量学模型, 是以灰色关联度分析和灰色系统聚类分析为测度来综合评价不同产地甘草质量, 结果客观、科学, 与建立在多元统计分析基础上的统计模式相比, 灰色计量学模型因所需样本量少, 且不要求数据服从经典统计分布, 因而具有计算简便等特点。适和对多组分多指标的中药材质量进行综合评价, 具有推广应用前景。
参考文献
灰色分析 篇5
基于灰色模糊理论的软件需求风险评估分析
将软件需求风险分为功能需求风险、性能需求风险、可靠性需求风险、安全保密需求风险、资源需求风险五类.针对软件需求风险特点给出了评价指标体系.鉴于评价指标模糊性和灰色性并存的.特点,将隶属度和灰色综合起来表示灰色模糊数,建立软件需求风险的灰色模糊综合评价模型.该模型为企业了解分析需求状况,进行风险管理提供科学依据.
作 者：杨皎平赵宏霞 Yang Jiaoping Zhao Hongxia 作者单位：辽宁工程技术大学工商管理学院,葫芦岛,125105 刊 名：价值工程 ISTIC英文刊名：VALUE ENGINEERING 年，卷(期)： 27(12) 分类号：O159 F069.9 关键词：软件项目 需求风险 灰色模糊评价灰色分析 篇6
关键词：广义灰色关联分析；海洋产业；陆域产业；联动发展
中图分类号：F062.9文献标识码：A
进入21世纪，伴随着社会经济的快速增长，陆域资源、空间及生态环境因长期的开发利用而承受的压力日趋增大，人类要维持自身的生存与发展，必须充分开发利用和保护宝贵的海洋资源。从地理构成上来说，我国是一个陆海二元国家，海洋是我国经济发展的新空间，国家“十二五”规划提出“坚持陆海统筹，推进海洋经济发展”，所以发展海洋经济，必须要注重与陆域经济的联动发展。海陆产业之间在资源、产品、技术上存在着相互依赖性，海洋产业可以说是陆域产业向海洋延伸的结果，陆域产业的进一步发展也需要海洋产业作为新的支撑点[1]。充分发挥海陆产业之间在物质、技术等方面的相互转换性和互补能力，使海陆产业在生产、技术、效益、分配等各方面处于协调状态，推动产业内部结构趋于合理、产业聚合能力不断增强、产业经济运行效率不断提高，逐步实现海陆产业关联达到最优平衡，使整个国民经济产生1+1>2的效果，从而更好地促进经济社会不断快速、健康、持续发展[2-5]。
由于海陆产业在产业生产要素上具有共同性、流动性，在产业结构上具有趋同性，在产业布局上具有依赖性，决定了海陆产业之间存在着复杂、深刻的有机联系。发展海陆产业，在技术规律、经济规律的支配下，通过合理的关联机制建立各产业部门之间协调、持续、稳定发展的最佳数量比例和有序关系，从而实现海陆产业关联的最优平衡。海陆产业关联研究对于海陆产业的联动发展，陆海统筹规划政策的制定具有重要意义。以往关于产业关联的研究，侧重于应用投入产出法研究各个产业之间中间投入和中间产出的关系，由于海洋产业经济统计系统关于投入产出的数据不易获得[3]，本文尝试运用灰色系统理论解决海陆产业关联度计算的问题。通过更为精确的广义灰色关联分析模型对我国海洋三次产业以及12个主要海洋产业与陆域三次产业之间关联度进行计算和分析，以期较为全面深入地分析海陆产业的关联。
1理论基础与数学模型
灰色关联分析是一种以灰色系统理论为基础的多因素分析方法，其基本原理是通过对统计序列的几何关系进行比较，从而分析系统中多个因素关系的紧密程度，统计序列曲线的几何形状越接近，则表明它们之间的灰色关联度越大，反之越小。由于两个事物在发展过程中的态势一致性主要由总体位移差、总体一阶斜率差与总体二阶斜率差等方面来表现，目前现有的几种灰色关联度模型均是在充分考虑因素间的位移差、斜率差的基础而建立的，所以灰色关联分析可以深刻地剖析事物间相关的实质与内涵。[6]灰色关联分析比起其他统计分析其优势主要体现在：灰色关联分析是按系统要素发展趋势来做分析，因此对研究对象的样本量没有过多要求，也不需要典型的分布规律，其分析结果与定性分析结果基本吻合。
广义灰色关联分析是基于灰色关联分析基本原理，克服统计序列的非连续性问题，同时既可以体现统计序列曲线间的相似程度，又能反映统计序列曲线间相对变化趋势的接近程度。广义灰色关联度包括灰色绝对关联度、灰色相对关联度、灰色综合关联度。[7]广义灰色关联分析的模型如下：
设序列xi（k）=（xi（1），xi（2），…，xi（n）），（i=0，1，2…，m）
记折线（xi（1）-xi（1），xi（2）-xi（1），…，xi（n）-xi（1））
为x0i。
令si=∫n1x0idt
|si-s0|=|∫n1（x0i-x00）dt|，（i=0，1，2，…，m）
则灰色绝对关联度为：
ε0i=1+|s0|+|si|1+|s0|+|si|+|si-s0|
灰色绝对关联度是用两条序列折线间所夹面积的大小来测度两个序列之间关联性的大小，ε0i越大，说明两个系统行为序列在几何上形似程度越大，可以反映两个序列绝对增量间的关系。
通过变换序列折线的方式，记折线（xi（1）/xi（1），xi（2）/xi（1），…，xi（n）/xi（1））为x1i，此时带入灰色绝对关联度的计算公式，得出灰色相对关联度。其主要反映的是两个序列增长速度之间的关系。一般记为γ0i， γ0i越大，说明两个系统行为序列的变化速率越接近。
通过灰色绝对、相对关联度，计算灰色综合关联度ρ0i，
ρ0i=θε0i+（1-θ）γ0i
灰色综合关联度是一类较为全面表征序列之间联系紧密程度的数量指标，θ是灰色绝对关联度与灰色相对关联度的权重，θ取值大小根据所研究问题来确定，如果更关心序列形状的，则θ取值相对大一些；如果更关心序列变化速率的，则θ取值相对小一些。本文取0.5，ρ0i的值越接近1，则两序列之间的关联性越强。
2海陆产业关联度的实证分析
本文依托2001-2012年《中国海洋统计年鉴》、《中国统计年鉴》相关数据，选择各个产业的增加值作为计算关联度的数值，与以往计算灰色关联系数不一样，本研究运用广义灰色关联分析模型，通过纵向的时间序列综合考察海陆产业在研究期间的灰色综合关联度。
2.1海洋三次产业与陆域三次产业及国内生产总值灰色综合关联度分析
运用广义灰色关联分析法，分别以海洋三次产业产值作为原始序列，以陆域三次产业以及国内生产总值作为比较序列得出灰色综合关联度。结果见表1。
nlc202309050029
表1海洋三次产业与陆域三次产业及国内生产总值灰色综合关联度结果
国内生产总值陆域第一产业陆域第二产业陆域第三产业海洋第一产业0.711 320.695 630.702 080.697 40海洋第二产业0.706 110.761 250.729 930.737 35海洋第三产业0.738 980.776 690.764 100.772 33结果表明：我国海洋三次产业与国内生产总值的关联度都在0.7左右，其中海洋第三产业与国内生产总值关联度最高（0.738 98），一方面是由于我国海洋第三产业总体占海洋经济比重比较高，另一方面与海洋第三产业部门与陆域产业联系较大有关。通过图1，可以清楚地比较出海洋三次产业与陆域三次产业的灰色综合关联度。海洋第二产业其中海洋第一产业与陆域三次产业的关联度大体相当，且相比于海洋第二、第三产业，关联度最低。海洋第二、第三产业与陆域第一产业关联度最高，其次海洋第二、第三产业与陆域第三产业关联度排名次之。
图1海洋三次产业与陆域三次产业及
国内生产总值灰色综合关联度结果雷达图
2.2主要海洋产业与国内生产总值灰色综合关联度分析
为了更深入地分析海洋产业与陆域产业之间的关系，本文以12个主要海洋产业增加值为原始序列分别于国内生产总值以及陆域三次产业进行广义灰色关联分析，计算12个主要海洋产业与国内生产总值以及陆域三次产业的灰色综合关联度，结果与排序见表2。2.2.1主要海洋产业与国内生产总值灰色综合关联度实证结果分析按照主要海洋产业与国内生产总值的灰色综合关联度的大小对12个主要海洋产业进行排序，海洋交通运输业>海洋渔业>滨海旅游业>海洋油气业>海洋工程建筑业>海水利用业>海洋船舶工业>海洋化工业>海洋盐业>海洋生物医药业>海洋电业>海洋矿业。从各个主要海洋产业与国内生产总值的灰色综合关联度大小排序来看，海洋交通运输业、海洋渔业、滨海旅游业、海洋油气业、海洋工程建筑业与国内生产总值的灰色综合关联度较高，其值均大于0.6。一方面由于这些产业在海洋产业中所占比例较大，另一方面这些海洋产业在发展过程中对于陆域产业的依赖性较强，与陆域产业的互动关联最多，海洋交通运输业作为传统流通部门，源源不断为陆域产业提供交通运输服务，海洋渔业、海洋油气业、海洋工程建筑业发展过程中，一部分劳动力和生产资料是从原有的陆域产业部门直接转移过来，其技术以及生产能力依托陆域相关产业的发展，滨海旅游业是海陆产业在空间布局相关联的重要纽带部门。其他主要海洋产业虽然相比之下与国内生产总值关联度较低，主要因为这些产业在海洋产业中所占比例不高，但是随着动态的发展变化，一些新兴的主要海洋产业部门与国内生产总值的关联度会有所提高。
表2主要海洋产业国内生产总值灰色综合关联度计算结果及排名
主要海洋产业国内生产总值排序陆域第一产业排序陆域第二产业排序陆域第三产业排序海洋渔业0.684 3920.726 9010.676 9230.672 943海洋油气业0.612 8240.578 8750.619 7740.622 914海洋矿业0.516 99120.510 74120.517 93120.518 3912海洋盐业0.571 6590.617 7640.568 0690.566 399海洋船舶工业0.581 7770.558 5070.586 9370.589 237海洋化工业0.577 7180.552 7590.582 3580.584 498海洋生物医药业0.543 11100.527 13100.545 48100.546 6410海洋电力业0.542 60110.526 24110.544 89110.546 0211海洋工程建筑业0.603 0350.569 6260.609 1550.611 995海水利用业0.591 1660.555 6480.596 0160.598 436海洋交通运输业0.702 8610.717 8020.695 3810.691 132滨海旅游业0.681 2130.648 7130.694 4720.699 831
2.2.2主要海洋产业与陆域三次产业灰色综合关联度实证结果分析海洋产业相对于陆域产业总体起步较晚，虽然海洋产业系统在产业结构、演进规律、生产对象等方面不同于陆域产业系统，但是为解决沿海国家和地区对海洋资源开发和利用的迫切需要，在科学技术的驱动下，使得一些较为成熟的陆域产业逐步向海洋产业延伸。海洋产业部门的兴起，会吸引传统陆域产业部门的劳动力及生产资料从原来的产业部门转移出来，进入到海洋产业领域，从而使海陆产业在产业结构上具有关联性，每一个海洋产业群的形成与发展不但与陆域产业相互支撑、相互促进，而且也体现了陆域产业经济和科技的总体实力。海洋产业与陆域产业的三次产业划分体现了产业结构的关联性。[8-9]为了更全面深入地分析主要海洋产业与陆域产业的关联关系，本文根据主要海洋产业分别与陆域三次产业的灰色综合关联度结果及排名，同时结合各个主要海洋产业自身的特点依次分析12个主要海洋产业与陆域三次产业的关联性。
（1）12个主要海洋产业与陆域第一产业的灰色综合关联度排序为海洋渔业>海洋交通运输业>滨海旅游业>海洋油气业>海洋工程建筑业>海水利用业>海洋船舶工业>海洋化工业>海洋盐业>海洋生物医药业>海洋电业>海洋矿业。其中海洋渔业与陆域第一产业灰色综合关联度为0.726 9，其关联度是最高的，海洋渔业与陆域第一产业有着天然的紧密联系，陆域第一产业为海洋渔业的发展提供捕捞、养殖技术以及饲料、肥料等，同时海洋渔业的丰富资源促进了陆域第一产业的发展。海洋交通运输业为陆域第一产业提供优质、低成本的货流运输。陆域第一产业的各种产品流向滨海旅游业，丰富了旅游资源。海洋盐业为陆域第一产业提供各种无机肥料与原料。其他主要海洋产业与陆域第一产业的关联度较小，从产业自身特点来说关联性不强。
nlc202309050029
（2）12个主要海洋产业与陆域第二产业的灰色综合关联度排序为海洋交通运输业>滨海旅游业>海洋渔业>海洋油气业>海洋工程建筑业>海水利用业>海洋船舶工业>海洋化工业>海洋盐业>海洋生物医药业>海洋电业>海洋矿业。陆域第二产业包括工业和建筑业，发展历史悠久，制造业、机械工业、建筑业、能源工业等早已成熟，陆域第二产业为主要海洋产业提供机械装备、基础建设、能源支持等，促进了海洋产业的发展。与陆域第二产业关联度最高的海洋交通运输业（关联度为0.695 38）由于其运输服务能力强、成本低的特点，在我国陆域第二产业拓展国际市场，提供运输服务发挥了重要作用。
（3）12个主要海洋产业与陆域第三产业的灰色综合关联度排序与陆域第二产业基本相当，与陆域第三产业关联度最高的是滨海旅游业，海洋交通运输业排名次之。陆域第三产业包括流通部门与服务部门，整个陆域第三产业都表现出与主要海洋产业的强关联性。首先，流通部门为海洋产业的发展提供运输、仓储、信息服务以及推动海洋产业产品流向广阔的陆域消费市场；其次，生产生活服务部门为海洋产业的发展提供金融、资讯、科技服务，助推海洋高技术新兴产业的发展。同时，主要海洋产业的发展又进一步促进陆域第三产业发展，通过经济扩散效应沿海地区高附加值海洋产业的发展不断带动周边及内陆区域的发展。滨海旅游业与陆域第三产业关联度最高（0.699 83），主要由于滨海旅游业属于生活性服务业，可以说是陆域第三产业中旅游业在海洋产业中的进一步发展，海洋为旅游业提供优质的旅游资源，传统旅游业为滨海旅游业提供信息、制度支持，产业关联作用强，前、后关联的产业部门较多。截至2012年，滨海旅游业实现增加值6 931.8亿元，是我国海洋经济中的支柱产业，在推动我国海陆统筹发展过程中起着重要的作用。
3结论与启示
实证结果显示海洋产业具有关联度大、渗透力强、辐射面宽的特点，海洋产业的发展可以带来社会经济的强劲增长，可以增强对内陆的辐射力，优化资源配置带动内陆经济发展；同时陆域产业通过与海洋产业技术协作，劳动力、资本等生产要素的流动推动海洋产业不断发展，产生乘数、规模效应，促进新兴的具有高技术、高附加值的海洋产业发展。我国正处在海陆联动发展的新阶段，海陆二元结构正在朝着海陆一体化的发展方向前进，通过海陆产业各种联动发展机制助推我国国民经济快速、健康发展。针对本文实证分析，提出以下几点促进海陆联动发展的建议：（1）加强海陆产业管理部门的统筹与协调。建立海陆产业综合管理机构，以改善海陆产业各自为政、管理部门界限模糊的问题，真正做到从宏观层面统筹规划协调海陆产业发展。（2）增强海陆产业联动发展能力。通过大力发展临海产业和加强海岸带建设，增强海陆产业的紧密衔接。以临海产业、海岸带为纽带，将海洋产业优势资源转移到陆域产业系统促进陆域产业发展，同时将陆域产业积累的优势技术、资金延伸至海洋产业，带动海洋经济增长；（3）海陆产业联动发展要以可持续发展为原则。海洋是人类的宝贵资源，海陆产业联动发展必须坚持可持续发展原则，综合考虑经济、社会、生态环境效益，处理好经济发展与资源环境保护之间的关系，有效化解经济发展与资源环境恶化的矛盾，促进国民经济可持续发展。
参考文献：
[1] 滕欣. 海陆产业耦合系统分析与评价研究[D].天津：天津大学，2013
[2]宋薇. 海洋产业与陆域产业的关联分析[D].沈阳：辽宁师范大学，2002
[3]孙加韬. 中国海陆一体化发展的产业政策研究[D].上海：复旦大学，2011
[4]徐胜. 我国海陆经济发展关联性研究[J].中国海洋大学学报（社会科学版）， 2009（06）：27-33
[5]叶向东.海陆统筹发展战略研究[J].海洋开发与管理，2008，25（8）：33-36
[6]刘思峰，党耀国，方志耕.灰色系统理论及其应用[M].北京：科学出版社，2004
[7]曹明霞. 灰色关联分析模型及其应用的研究[D].南京：南京航空航天大学，2007
[8]陈思敏.基于产业关联的江苏海陆产业统筹发展研究[D].南京：中共江苏省委党校，2013
[9]殷克东，王自强，王法良.我国陆海经济关联效应测算研究[J].中国渔业经济，2009（06）：110-114
Research on Marine-land Industrial Relevance with
Generalized Grey Incidence Model
ZHOU Jingnan，BAI Fuchen
（College of Economics and Management， Research Center of Marine Economy
and Management， Guangdong Ocean University， Zhanjiang Guangdong， 524088）
Abstract：Marine-land Industrial association development is an important strategy of the extraction of marine-land dual economic structure to the marine-land industries association. This paper select generalized grey incidence model in order to resovle the question about the industrial relevance between the mine marine industries and GDP， the land industries， the results showed： marine industries have strong relationship with the land second and third industries， while the marine industries have the characteristics of great relevance，strong penetration，radiation wide. According to the results， this paper proposed some policies， like strengthening the management of marine and land department ， enhance to the ability of marine-land industrial association， taking the sustainable development as the principle while marine-land industrial association， so as to achieve the optimal balance of marine and land industrial association， to make the whole national economy highly improve.
Key words：Generalized Grey Incidence Model；marine industry；land industry；marine-land industries association
蔬菜需求供给弹性的灰色系统分析 篇7
蔬菜是人们日常生活中不可或缺的农产品, 城市的蔬菜消费, 一方面反映蔬菜市场需求, 形成蔬菜市场导向, 另一方面需要蔬菜供给保障完善, 确保城市蔬菜市场的稳定与繁荣。北京是一座特大型城市, 2010年北京统计年鉴显示:北京常住人口达到1755万人, 上千万人的蔬菜保障是一个不容忽视的大问题, 特别是蔬菜价格直接影响老百姓日常消费, 对北京物价水平的影响也日益彰显, 因此, 蔬菜需求供给弹性研究凸显现实意义。
根据北京统计年鉴统计:2009年北京平均每人消费蔬菜为95.6公斤/年, 蔬菜需求量十分巨大。同时随着人口增加和土地机会成本提高, 北京市用于生产蔬菜的土地逐年减少, 本地蔬菜供给需求差额由2003年的75万吨/年攀升到2007年的1171.5万吨/年, 近两年虽然由于蔬菜需求减少而略有缓和, 但2009年差额仍然达到了779.5万吨/年。
综上所述, 北京蔬菜需求量大, 与人们日常生活水平紧密相关, 同时北京蔬菜大部分是依靠外地蔬菜的供给, 主要是来自河北、山东、辽宁, 所以蔬菜的价格受汽油价格、各地气候、产量的影响均较大。同时随着设施农业的发展, 人们对有机、绿色蔬菜需求的增多, 对蔬菜质量安全认识的提高, 都会对蔬菜价格产生较大影响, 人们对蔬菜价格变动反应就会导致蔬菜需求和供给量的变动, 本文利用北京统计年鉴数据, 通过灰色系统模型在研究时间序列数据的基础上得出2010年蔬菜需求和供给弹性。
二、蔬菜需求和供给弹性分析的理论基础
根据经济学理论, 价格的需求弹性和供给弹性为 。研究蔬菜需求和供给弹性需要借助于微观经济学的基础和核心理论均衡价格理论, 而均衡价格理论的两个核心概念为供给弹性和需求弹性。
本文选取《北京统计年鉴》2005年到2009年关于北京蔬菜消费者消费量和消费价格和蔬菜市场的成交量和成交价格, 采用灰色系统对2010年的蔬菜供给和需求弹性进行预测。
灰色系统模型根据各环节的因果关系进行量化关系, 依据底层关系得出量化关系, 通过分析输入和输出数据的关系, 得出动态模型。然后, 对动态模型进行系统分析得出优化模型。
1.根据2005年到2009年蔬菜需求量和需求价格求出蔬菜的需求弹性, 绘出图形, 如图1所示的蔬菜需求弹性图, 表现为单峰形式, 适合Verhulst模型进行预测 (公式来源:刘思峰, 谢乃明等.灰色系统理论及其应用[M].北京科学出版社, 2010) 。
设X (0) 为原始数据序列, X (1) 为X (0) 的1-AGO序列, z (1) 为X (1) 的紧邻均值生成序列, GM (1, 1) 幂模型:
灰色Verhulst模型的时间响应式:
2.根据2005年到2009年蔬菜供给量和供给价格求出蔬菜的供给弹性, 绘出图形, 如图2所示, 表现为包络带形式。选择区间预测模型, 区间预测模型适合上下界函数都是与时间成比例增长的直线, X (0) 为原始序列, X (0) u为下缘点连线对应的序列, XS (0) 为上缘点连线对应的序列, 与X (0) u对应的GM (1, 1) 时间响应式:
与X (0) s对应的GM (1, 1) 时间响应式:
设x (0) = (x (0) (1) , x (0) (2) , …, x (0) (n) ) 为原始序列, fu (t) 和fs (t) 为其1-AGO序列x (1) F下界函数和上界函数, 对于任意k>0, 基础预测值:
最低和最高预测值:
三、运用灰色系统对北京蔬菜需求弹性和供给弹性的分析
(一) 需求弹性预测
根据北京统计年鉴, 蔬菜需求量和价格通过Verhulst数据校验为如表1所示:
因为负数不能进入灰色系统计算, 同时图形平移不改变图形的形状, 可以利用此规律预测数据, 将数据向上平移1。
为保证数据的平滑性, 进行二阶弱化x (0) D2={1.13525, 1.140833, 1.07175, 0.843}, 将二阶弱化得到的数据作为X (0) 带入公式 (1) - (2) , 用verhulst进行灰色预测, 见表2。
因为图形平移1个单位, 所以2010年蔬菜的需求弹性为-0.68782。
(二) 供给弹性预测
X0s={0.0585, 0.029, -0.0005, -0.03}, 为保证数据为正, 将图形向上平移1个单位, 为保证数据平滑, 进行二阶弱化X (0) D2={0.992125, 0.98475, 0.977375, 0.97}作为X (0) , 将此数据带入公式 (3) 得到如下数值, 见表4。
因为图形平移1个单位, 所以2010年蔬菜的供给弹性的最大值为-0.03729。
X0u={-0.428, -0.6255, -0.823, -1.0205}, 图形向上平移2个单位, 为保证数据平滑。
二阶弱化X (0) D2={1.127625, 1.07825, 1.028875, 0.9795}作为X (0) , 带入公式 (4) 得到数值, 见表5。
因为图形平移2个单位, 所以2010年蔬菜的供给弹性的小值为-1.06615。
综上所述将所得最大值fu (t) =-0.03729、最小值fs (t) =-1.06615带入公式 (5) 中, 得出2010年蔬菜的供给弹性为-0.55172。
以上均通过灰色系统的精度检验, 需求精度为四级及以上, 供给的精度为一级, 说明模拟精度较高, 预测数据可信。
四、结论
蔬菜需求弹性分析表明:蔬菜价格的上升不会导致蔬菜需求量的减少, 说明价格和需求量没有显著的关系。首先, 蔬菜是生活必需品, 缺乏弹性。其次, 居民收入提高也会对蔬菜价格提高对需求量的影响产生抵消作用。同时, 其他替代食品价格提高会对蔬菜价格提高对蔬菜需求量的减少产生抵消作用。北京大部分蔬菜是通过物流企业从原产地运输到北京, 所以汽油价也会对蔬菜的价格产生较大影响。同时, 值得关注的是:通货膨胀也是影响价格上涨的一个重要因素, 随着物价上涨, 蔬菜实际价格的增长将大大低于名义价格增长。而北京消费者收入较高, 研究表明收入越高, 价格上涨对其影响越小。
蔬菜供给弹性表明:供给的弹性变化更有规律可循, 一般供给价格对供给数量的影响会有一定的滞后性, 由于蔬菜生产周期较长, 所以蔬菜的长期弹性应比短期弹性更加明显。供给价格的波动性更加能够体现该特点。同时, 蔬菜的价格上涨会引起蔬菜供应量的减少。
基于以上研究, 我们认为还有几个问题尚需进一步探讨。首先, 北京蔬菜需求弹性和供给弹性有其特殊性, 大部分是由外地供应的, 所以外地蔬菜生产周期的不同和收获情况都将对北京的蔬菜价格产生较大影响。其次, 北京近些年设施农业大力发展, 居民收入水平提高, 北京消费者对蔬菜质量安全意识不断提升, 使蔬菜质量安全与蔬菜价格具有较高的相关性, 此部分蔬菜消费由于数据不够充分而没有对之进行分析。最后, 北京蔬菜需求与供给影响因素较多, 蔬菜价格和数量受收入水平、替代产品、互补产品和家庭情况等诸多因素制约, 将在日后进一步深入探究中予以诠释。
参考文献
[1].刘亚钊, 王秀清.日本生鲜蔬菜进口市场及其需求弹性分析[J].农业技术经济, 2007 (2)
[2].周宪锋, 朱香荣, 花俊国.基于供求弹性角度的原料奶生产影响因素的实证分析[J].中国农村经济, 2008 (7)
[3].李锁平, 王利农.我国蔬菜供给对价格的反应程度分析[J].农业技术经济, 2006 (5)
[4].刘思峰, 谢乃明等.灰色系统理论及其应用[M].北京科学出版社, 2010 (.文中引用公式来源)
浙江农村居民收入的灰色预测分析 篇8
农村居民收入按不同的来源可进行多种分类,根据我国统计局的分类,目前我国农民纯收入主要有以下几个来源:工资收入、家庭经营收入、转移收入及财产收入。而在家庭经营收入中,又可根据农户从事经营活动的类型分为从事家庭农业生产活动的收入与从事家庭非农业生产活动的收入。浙江农村一直是我国经济体制改革深化的领头羊,城镇化水平较高,乡镇企业发达,农户在各种经济中的就业结构、就业机会及收入水平和全国大多数地区存在很大的差异,这必然也体现在农村居民的收入结构上。笔者运用灰色预测方法对2011-2014年期间农村居民各类人均收入与人均纯收入的关系进行预测,进一步分析浙江省农民收入水平的未来发展态势,为制定农村各项经济政策,进一步提高农民收入提供参考。
一、浙江农村居民人均纯收入与各类收入的灰色预测
(一)灰色系统关联分析
灰色关联理论是根据因素之间发展态势的相似或相异程度,亦即“灰色关联度”来衡量因素间关联程度的一种新的分析方法。对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,称为关联度。在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密,曲线越接近,相应序列之间的关联度就越大,反之就越小。灰色关联度分析对于一个系统发展变化态势提供了量化的度量,非常适合动态历程分析。
农村居民收入按不同的来源可进行多种分类,本文将工资收入与从事家庭非农业生产活动的收入并为一类,记作非农劳动收入,家庭经营收入中来源于农业生产活动的部分记作农业劳动收入,则农民纯收入由转移收入及财产收入、非农劳动收入和农业劳动收入三部分构成。灰色关联分析可以从动态角度分析各种不同来源的收入与纯收入之间的相关性,判断不同来源收入在纯收入中所处的地位和重要性。
(二)灰色预测的步骤
灰色预测模型GM(1,1)的建模分为以下五个步骤:
1. 作累加生成数列
设X(0)(1),X(0)(2),X(0)(3),……,X(0)(N)是所要预测指标的原始数据。一般而言,{X(0)(K)}k=1N是一个不平稳随机数列,无法用回归预测法对其进行预测。如果对{X(0)(K)}k=1N作一次累加生成处理,即得到一个新的数列,新数列与原始数列相比,其随机性程度大大弱化,平稳性大大增强。
2. 确定数据矩阵
3. 求参数列
参数向量可以通过如下的最小二乘法拟合得到:
4确定GM(1,1)模型
新数列的变化趋势可以由如下的微分方程来表示:
将上式离散化,得Δ(1)(x(1)(k+1))+az(1)(x(k+1))=u
其中Δ(1)(x(1)(k+1))为x(1)在(k+1)时刻的累减生成序列,在(k+1)时刻的背景值。
解得方程有解为
还原到原始数据得:
上式即为GM(1,1)模型的时间响应函数,是GM(1,1)模型灰色预测的具体计算公式。
5. GM(1,1)模型的精度检验
模型选定之后,必须对它进行精度的检验,只有通过检验的模型,才能用来进行预测。本文选用最常见的相对误差检验法。
(三)灰色预测的实证分析结果
根据浙江省农村居民人均纯收入及各类收入数据拟合的灰色预测模型如表1所示。在利用表1中模型预测之前,还需要检验模型的精度。模型的相对误差检验值显示人均纯收入和非农劳动收入预测模型的相对误差均不足1%,灰色预测精度极高。农业劳动收入、转移收入和财产收入预测模型的相对误差也不足3%,精度也较好。四个模型的精度均符合标准,这些模型可以用于预测分析。根据模型预测出浙江省农村居民2011-2014年人均纯收入与各类收入见表2。并以此为基础,对未来几年的预测值进行发展趋势关联分析,求出其发展趋势关联度数值见表3。
(单位:元)
2011-2014年浙江省农村居民各类人均收入与人均纯收入的关联度预测值显示,未来几年中浙江省农村居民纯收入仍然主要取决于非农劳动收入。农业劳动收入的关联度值超过了转移收入及财产收入的关联度值,但是两者非常接近。
二、浙江农村居民增收的对策和建议
灰色关联度分析和灰色预测模型的结果显示,未来几年中浙江农村居民人均纯收入仍将快速增长,但其结构的基本格局不会改变,非农劳动收入始终是农民收入的主要组成部分。我们要从农民人均纯收入结构分析中入手,积极应对,增加农村居民工资收入及家庭二、三产业经营收入,使农村居民人均纯收入保持较快速增长。
(一)提高农民向城市的转移速度,保证工资性收入的稳定增长
农村居民工资性收入的增长是收入增长的主要推动力量。从长期看,农民收入增长的快慢,很大程度上取决于农村剩余劳动力向城市流动和转移的快慢。在当前金融危机的背景下,一定要想办法解决当前的农村劳动力外出务工人数增速减缓趋势,要想办法提高农民工在城市就业的稳定性,创造条件使农民工能稳定留居城市,并最终完成人口迁移过程。一方面,要加快户籍制度和社会保障制度改革;另一方面,要加快建立城乡统一的劳动力市场,保护农民工的合法权益。
(二)加速推进城市化建设,积极发展农村二、三产业
保证农民收入持续稳定的增长,最根本最有效的办法是扩大农民的非农就业。为此,在现有的基础上,有规划有步骤地进一步发展一批卫星城市和小城镇,以此带动农村工业布局的相对集中,促进农村工业化和城市化的同步发展。以现有集镇为基础,聚集一批同行业或经济技术联系较为密切企业,建设农村工业小区,以获取规模经济效益。这一点目前浙江省做得比较成功,金融危机爆发使相当一部分农村企业面临生存危机,促使企业要加速转型升级,对部分企业可以通过资产转让、兼并等手段逐步加以调整。
(三)大力推进农业结构性调整,加快农业生产经营方式向集约化、规模化、产业化大生产经营的转变
浙江土地资源比较稀缺,因此农业要围绕城市经济社会的发展,大力发展都市型现代农业。同时促进农业生产的规模化经营,可以降低农业生产的成本,增强农业抗风险能力,提高农业生产的效益。农业产业化经营凭借产、供、销一体化,协同作业以及现代科学技术和先进的管理制度提高经营效益,节省交易费用,创造出高于非产业化经营的效益增量。
影响和制约农村居民人均纯收入增加的因素较多,根据上述灰色预测的结果,我们认为必须把增加农民收入和产业格局的调整相联系,把促进非农就业和加速城镇化步伐相联系,用工业化、城镇化、市场化解决增加浙江农民收入问题。
参考文献
[1]邓聚龙.灰色控制系统(第二版)[M].武汉:华中理工大学出版社,1993:313-315
[2]李子奈.如何转移农村剩余劳动力[J].经济学家,2000(4)
角接触轴承寿命的灰色预测分析 篇9
随着石油机械设备的要求越来越高, 对钻具中角接触轴承的稳定性也提出了更高要求, 要求其在实际使用中不会发生提早失效的现象。但是目前因受制于测量成本和某些因素的限制, 在轴承具体的失效数据很少的情况下无法做到概率分布的建立和确认。在以往的疲劳寿命测试中, 根据Weibull distribution参数, 如果对仅有的少量的几组轴承试验数据做统计, 结果必然存在一些偏差。相比而言, 灰色系统理论需要的数据较少, 此外该理论对数据是否服从何种概论分布也无严格的要求。故该理论在轴承的寿命分析中运用无疑是一个有益的探索。
1 灰色预测分析
灰色系统是一门研究信息部分清楚、部分不清楚并带有不确定性现象的应用数学学科。它以“部分信息已知, 部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象, 主要通过对“部分已知信息的生成、开发, 提取有价值的信息, 实现对系统运行行为、演化规律的正确描述和有效监控。在灰色理论中, 最早提出的预测模型是灰色GM (1, 1) 模型, 目前在灰色系统理论中应用最广。
2 灰色系统理论模型的建立
灰色系统理论通过有限的数据, 在这看似表象无关的、离乱的数据中获取内在的某在规律。即在现有数据的基础上去寻找现实数据的规律。我们通常先确定灰色序列, 然后进行确定近似微分方程模型, 也就是灰建模。
最常用于灰色预测的GM (1, 1) 模型, 它是一个基于生成系列的只含有一个变量的一阶灰色微分方程。这一模型被广泛应用于各种科学研究。GM (1, 1) 模型微分方程为:
式中:a为发展系数;b为灰作用量。它们的值可以通过角接触轴承磨损寿命数据的小样本生成序列, 利用最小二乘法求得。它是由一个仅包含单一变量的一阶微分方程构成的模型。
设样本的原始数据序列为X (0) (k) ={x (0) (k) , k=1, 2, ……, n}, 它表示角接触轴承磨损寿命的原始数据序列。通过一次累加就可获得原始数据生成的数据序列:X (1) (k) ={x (1) (k) , k=1, 2, ……, n}, 其中:, 待辨识的两个参数a和b, 可由最小二乘法求解确定:
其中:
求出参数a和b, 可得微分方程式的解
根据做累减计算, 可得原始数据的预测值:
根据所建立的模型, 最近的几个数值才是较为精确并且具有实际意义的预测值, 而较远的数值只能作为一种变化趋势的参考。所以, 将少量的原始的试验数据建立GM (1, 1) 模型, 然后得到一个预测的数值, 并将这个得到的数值添加到原始的数据当中, 并且删除最先的一个数据, 然后再重复以上步骤, 直到达到磨损寿命预测的数据要求。
3 角接触轴承灰色预测计算与分析
3.1 灰色预测计算结果
采用轴承为井下涡轮钻具ZCJ178D-10.00专用角接触推力轴承组, 试验载荷为10 t, 假设理想情况下, 分载至每个轴承副的载荷为0.5 t, 即试验载荷为5 000 N, 轴承滚动体及内、外圈所用材料为55Si Mo VA。轴承磨损失效时的循环数为表1所示。
由试验数据得到的原始数据序列为X[0]=[3.84 3.63.864 3.792]T, 累加生成的数据序列为X[1]=[3.84 7.4411.304 15.096]T。
由上述理论可知:b=3.515, a=-0.025;b/a=3.515÷-0.025=-140.6。
所以可得原始数据的预测值
由此得出xo的预测值, 如表2所示。
3.2 计算结果分析
经过计算得到平均相对残差为3.285%, 预测的可靠度为96.715%, 其预测精度为一级。说明灰色GM (1, 1) 模型能够对角接触轴承的磨损寿命之后的一些数据做出预测, 由此确定的有关角接触轴承寿命的分布函数, 分析结果可信。
4 结论
1) 灰色预测理论可以在原始实验数据不充分的情况下, 通过建立GM (1, 1) 模型构造角接触轴承磨损寿命数据序列, 解决由于实验数据不足而造成的结果偏差。
2) 利用灰色预测研究方法对角接触轴承进行寿命测试, 不但可以减少实验的经费, 而且可以缩短试验时间。比传统的可靠性评估法更具优势。
摘要：文中利用灰色预测研究方法对角接触轴承的寿命进行计算与分析。研究结果表明, 灰色预测理论可以在原始实验数据不充分的情况下, 通过建立模型构造角接触轴承磨损寿命数据序列, 解决由于实验数据不足而造成的结果偏差。利用灰色预测研究方法对角接触轴承进行寿命测试, 不但可以减少实验的经费, 而且可以缩短试验时间, 与传统的可靠性评估相比更具优势。
关键词：灰色预测,角接触轴承,磨损寿命
参考文献
[1]赵迎祥, 魏宗平.滚动轴承磨损寿命数据的灰色预测[J].机械制造, 2010, 48 (11) :66-67.
[2]王长兴, 夏新涛, 陈龙.灰色系统理论在滚动轴承研究中的应用[J].精密制造与自动化, 2007 (3) :12-15.
[3]刘思峰.灰色系统理论的产生与发展[J].南京航空航天大学学报, 2004, 36 (2) :267-272.
基于灰色模型的碳减排压力分析 篇10
气候变化已成为人类可持续发展面临的头号问题, 世界舆论普遍认为, 气候变化是人类21世纪最大的挑战。践行低碳发展成为贯彻十八大精神, 沿着我国区域经济体制机制变革的方向, 东北老工业基地, 正处于工业化和城市化快速发展, 经济发展方式处于由粗放向集约转变的阶段, 经济发展对能源需求的不断增长导致环境保护的压力越来越大。因此, 对影响区域碳减排的因素进行分析与预测, 有利于对所面临的减排压力制定科学合理的节能减排政策。
1 灰色理论及影响碳排放的因素选择
1.1 灰色理论模型
低碳经济是一种低能耗、低排放、低污染的经济发展模式, 发展低碳经济的核心和关键是要控制以二氧化碳为主的温室气体排放。根据已有的研究文献和发展现状来看, 影响碳排放的主要因素包括经济发展阶段、发展方式、能源结构、资源禀赋等。在碳排放的因素分解和测度方面, 国内外主要采用的有简单平均分解法、自适应权重分解法、对数平均权重分解法以及KAYA公式等。然而, 梳理文献发现, 受技术进步影响的不同能源碳排放系数在短期内难以发生根本性革新。不论研究的时间跨度与方法是否相同, 都可以得出影响碳排放最为显著的因素是经济发展阶段、能源结构和能源强度的结论。以此为基础, 本文选用灰色系统理论进行碳减排压力的分析。
灰色系统理论主要以现有信息为基础, 对系统未来的状态进行预测, 然后根据预期值来制定控制措施。它是经济预测中一种非常有效的方法, 其主要特点有:系统性, 即在灰色系统中, 包含了已经确知的元素和部分未知的元素, 这些元素之间形成有机联系和相互作用的灰色系统;动态性, 可以把灰色系统看作是一个随时间变化而变化的时间响应函数;广泛性, 其既可用作短期的预测, 也可用作中长期的预测。采用灰色系统理论具有比其他预测模型更鲜明的优点, 如建立模型所需要的原始数据不多, 且容易采集, 方法简便并具有较高的准确性等。在具体方法上, 由于灰色理论认为一切随机变量都是在一定范围内和一定时间段上变化的灰色量及灰色过程, 故其数据处理不是去寻找统计规律和概率分布, 而是对收集的原始数据作一定处理后, 使其转化为有规律的时间序列数据, 进而在此基础上建立数学模型。作为整体的碳减排过程本身就是一个受多因素影响的复杂系统, 结合相关数据的可获得性, 选择运用灰色理论分析模型具有明显的优势。
1.2 碳减排影响因素分析
从已有的研究来看, 在技术水平没有发生根本性变革的情况下, 影响碳排放的主要因素是经济发展阶段、能源结构和能源强度。 (1) 第二产业是经济增长的主要驱动力。作为东北老工业基地, 吉林省正处于工业化和城市化发展的中期阶段, 经济增速较快, 然而以工业为主体的第二产业仍是经济增长的主要推动力, 如图1所示。工业特别是采矿、冶金、化工、建材等行业是高耗能的主要行业, 其能耗约占能源消费总量的70%～80%。工业的快速发展既拉动了整体经济, 也加速了碳排放; (2) 以煤炭为主的能源消耗结构短期内难以改变。从能源生产总量来看, 2009年吉林省能源生产总量达到4192.9万吨标准煤, 其中煤炭就占了70.2%的比重, 原油为21.5%。从能源消费的总量上看, 2009年吉林省的能源消费总量达到7553.4万吨标准煤, 煤炭消费占78.7%, 原油占16%, 其它为4.2%。同时由于资源禀赋、经济发展阶段、产业结构等原因, 这种能源结构短期内难以改变。即使近年来吉林省抓住新能源发展机遇, 大力发展风电和生物质能发电, 但这些新能源产业的发展规模偏小, 所占比重仍很低; (3) 单位能耗仍居高不下。吉林省的总体单位产值能耗呈下降趋势, 但仍高于同期全国平均水平, 且不同产业间的单位产值能耗差距大。第二产业的能源强度明显高于全省的平均水平, 第一、第三产业则与全省平均水平相距较远, 如表1及图2所示。全国1999年、2004年、2007年的单位产值能耗分别为:1.49、1.27、1.06, 而吉林省同期的单位产值能耗分别为2.196、1.730、1.391①, 可见能源使用效率仍较低。
资料来源:数据根据历年统计年鉴整理得到
影响吉林省碳排放压力的三因素分析表明, 在全省能源结构和能源减排技术没有突破性调整及根本性变革的情况下, 减排的压力主要来自经济发展程度和能源强度。图1也表明了第二产业是经济发展的主要动力, 而第二产业的发展高度依赖能源。因此, 吉林省碳减排的压力更多的是来自能源强度。
2 三次产业碳减排的灰色预测
灰色预测是用灰色模型GM (1, 1) 来进行定量分析的, 和时间序列分析、多元分析等概率统计模型要求较长资料不一样, 灰色预测模型只要求较短的观测资料即可。本文以能源强度为切入点, 着重利用经济预测模型对吉林省三次产业的碳减排压力进行预测。
2.1 第一产业单位产值能耗的灰色预测
将表1中的第一产业单位产值能耗作为原始数据序列, 得到:
χ (0) (t) ={0.262, 0.251, 0.291, 0.313, 0.313, 0.281, 0.239, 0.128}
对原始数列做一次累加得到1-AGO为
χ (1) (t) ={0.262, 0.513, 0.804, 1.117, 1.430, 1.711, 1.950, 2.078}
可以看出累加数列为一条单调增长的曲线, 增加了原始数列的规律性, 而弱化了波动性。利用累加生成数列和原始数列分别构造矩阵B和数据向量Yn:
利用最小二乘法计算参数α和μ
根据参数α和μ得到预测模型为:
从而预测模型为:
利用预测模型, 计算
累减生成原始数列的预测值
残差序列为
q (0) ={0, 0.0575131, 0.0003114, 0.039106, 0.0549305, 0.0378405, 0.0098891, 0.0878738}
灰色GM (1, 1) 模型需要进行精度检验后才能进行预测, 如果预测数列与原始数列拟合的精度高就可直接用于外推预测。否则, 须要经过残差修正后方可用于外推预测。
χ (0) (t) 的均方差S1=0.0597253
残差的均方差S2=0.0462394
则后验比值C=0.7742012>0.65
小误差概率P=0.875>0.8
后验比值检验不合格, 需要用残差模型来修正。
残差序列:
e (0) (t) ={0, -0.0575131, -0.0572017, -0.0180957, 0.0368348, 0.0746753, 0.0845644, -0.0033094}
生成序列:
e (1) (t) ={0, -0.0575131, -0.1147148, -0.1328105, -0.0959757, -0.0213004, 0.063264, 0.0599546}
相应的修正后的预测模型为
2020年第一次产业单位产值能耗为:
2.2 第二产业单位产值能耗的灰色预测
将表1中的第二产业单位产值能耗作为原始数据序列得到:
χ (0) (t) ={2.110, 2.161, 2.795, 2.598, 2.405, 2.061, 1.836, 1.498}
对原始序列做一次累加得到生成序列为:
后验比值C=0.7245>0.65 不好
小残差概率P=0.4286<0.70 不好
故需要用残差模型进行修正:
残差序列:
e (0) (t) ={0, -0.4930915, -0.1824448, 0.0900847, 0.3183359, 0.3417975, 0.2705666, -0.0166904}
相应的GM (1, 1) 模型:
从而得修正模型
2020年第二产业单位产值能耗为:
2.3 第三产业单位产值能耗的灰色预测
将表1中的第三产业单位产值能耗作为原始数据序列得到:
χ (0) (t) ={0.524, 0.498, 0.599, 0.635, 0.596, 0.549, 0.504, 0.394}
对原始序列做一次累加得到生成序列为
后验比值C=0.9047>0.65 不好
小残差概率P=0.4286<0.70 不好
故需要继续用残差模型进行修正
残差序列:
e (0) (t) ={0, -0.1002987, -0.0788337, -0.0013256, 0.0565299, 0.0860615, 0.0886209, -0.0014174}
残差序列的GM (1, 1) 模型为
从而得修正模型
由预测模型得到2020年第三产业单位产值能耗为:
3 结论
从灰色理论模型的预测结果可以看出, 到2020年, 区域三大产业的单位GDP能耗能够完成在2005年的基础上降低40%～45%的目标。参见表2所示。
预测表明:
(1) 到2020年第一产业的单位产值能耗将在2005年的基础上下降64.16%, 第二产业下降61.75%, 第三产业降低46.13%。结合区域产业结构比例发展趋势, 按乐观的原则估计, 能够完成国家“2020年单位GDP能耗降低40%～50%”的目标, 即相应的单位GDP碳排放强度降低40%～50%。
(2) 对预测结果必须保持谨慎乐观。一方面, 东北老工业基地产业结构中的第二产业比重过高, 而且呈增长趋势。第二产业产值占地区生产总值的比重由2000年的39.40%上升到2008年的47.71%。第二产业中的工业比重更是过高, 2009年达到了41.97%。特别是重工业及高耗能和高污染行业比重过高;另一方面, 碳排放增长弹性系数较大, 1995年为0.120, 2005年为0.646, 2008年达到0.470, 即GDP增长1%时所需的能源消耗比重面临较大的波动, 尤其是工业的变动更为突出。从目前的发展阶段与任务看, 区域仍处于工业化加速阶段, 工业比重短期仍将维持在高比例, 甚至较小的上升状态, 结构性耗能短期难以大幅下降, 经济增长、能源结构单一及能耗波动较大三重因素无疑加大了吉林省碳减排的压力。
(3) 能源强度降低是一个比较宽泛的概念, 包含节能技术创新、产业结构调整 (主要是调整高耗能、高污染、高排放行业比重) 、产业结构优化 (大力发展以现代服务业为主的第三产业, 逐步降低第二产业比重) 、转变经济发展方式 (由粗放向集约型转变) 、加快政府职能转变、强化政策引导等多重要素。因此, 降低能源强度在控制区域经济发展中具有广泛的运作空间。此外, 从预测结果来看, 到2020年第一产业单位产值能耗下降的比重要高于第二产业和第三产业, 这说明第一产业有较大的发展空间, 区域应借助各项优势条件大力发展低碳农业, 降低第一产业的单位产值能耗量, 逐步推进数字化农业, 实现农业低碳化发展。同时, 第三产业的下降幅度在三次产业中最小, 这表明第三产业的单位产值能耗相对其他产业较稳定, 发展第三产业对实现节能减排具有重要的意义。针对第二产业中工业比重过高的现实, 必须走新型工业化道路, 重点发展第二产业的清洁生产方式, 努力实现一种科学的增长, 环境负担小的增长。
参考文献
[1].纪玉山.吉林省发展低碳经济的对策与战略研究[J].税务与经济, 2010, (3) :11～18
[2].邵兵.日本建设低碳社会的举措对吉林省发展低碳经济的启示[J].长春大学学报, 2010, (7) :21～24
[3].陈云涛.吉林省能源发展形势分析与对策[J].中国招标, 2008, (7) :14～19
[4].简晓斌, 等.经济预测模型在碳减排压力中的应用探讨[J].生态经济, 2011, (4) :29～34
[5].张亚欣, 张平宇.吉林省低碳经济发展水平评价[J].干旱区资源与环境, 2011, (6) :31～35
[6].赵一新.吉林省环境库兹涅茨曲线研究[D]:[硕士学位论文].吉林大学, 2009
[7].黄敏, 等.基于KAYA公式的低碳经济模型构建与运用——以江西省为例[J].生态经济, 2010, (12) :18～22
[8].党耀国.灰色预测与决策模型研究[M].北京:科学出版社, 2009:112～132
[9].孙文升, 杨纳华.经济预测方法[M].北京:中国农业大学出版社, 2005:45～58
[10].李慧明, 杨娜.低碳经济及碳排放评价方法探究[J].学术交流, 2010, (4) :13～17
[11].Ang BW.Decomposition analysis for policymaking inenergy:What is preferred method[J].Energy Plicy, 2004, (9) :23～28
灰色分析 篇11
关键词：常规棉；产量；关联度分析
中图分类号：S562.037 文献标志码： A 文章编号：2095-3143（2014）05-0014-05
DOI：10.3969/j.issn.2095-3143.2014.05.003
The Grey Correlation Analysis of Yield and Main Characteristics of Conventional Cotton
Dai Baosheng，Lu Huaping， Li Wei，Nan cexiong，
Huang xiaoli， Chen Xiaowei， Yi li
（Huanggang Academy of Agricultural Sciences of Hubei Province.， Huanggang 438000，China）
Abstract： In order to clear relationship between yield and main traits of the conventional cotton. the autor took 19 cotton varieties from regional test as materials in Hubei province in 2013， carrying on the grey relation analysis of 13 main characters adopted the grey system theory.Results showed that，the correlation of main characters and yield was as followed： seed index （r=0.491） > disease index of bell stage （r =0.430） >lint index （r=0.404） > boll number per plant（r=0.396） >beginning fruit node （r= 0.394） > branch number （r = 0.390） > lint （r = 0.388） > flowering rate before frost （r=0.382） > growth period （r=0.377） >single boll weight>plant height （r=0.345）. In breeding and high-yielding cultivation of conventional cotton， choosing the higher seed index and stronger disease resistance of variety ， at the same time， paying attention to boll setting and precocity.
Keywords：Conventional cotton； Yield； Correlation analysis
0 引言
棉花产量的表现受基因型和环境的相互作用影响，不同的产量水平有不同的产量建成动态。分析棉花数量性状对产量影响的重要性，在棉花育种上可采取相应的选择策略。随着农业生产形势的变化，常规棉育种成了新的育种主题，如何把握常规棉的育种方向，值得深入的研究分析。李蔚[1]等对湖北省麦后直播棉组区试6个麦后直播棉品种（系）的产量及其构成因素进行分析，提出麦后直播棉高产育种和高产栽培的主攻方向。韩路[2]等对新疆海岛棉地方性品种的17个性状进行因子分析。刘卫星[3]等对中早熟棉花研究认为选择高衣分的品种，会使单铃重减小，籽指降低，纤维长度变短，麦克隆值和伸长率降低。
灰色关联度分析法被认为优于方差分析、主成分分析、相关分析等[4]。孙峰成等[5]应用灰色关联度分析方法对玉米群体的主要农艺性状、产量、营养品质等进行了灰色关联度分析，认为在玉米群体产量、营养品质改良的过程中，在保证适当株高的前提下，要注重选育出籽率和百粒籽质量较高品种，同时不要忽略对玉米群体穗行数、行粒数、穗粗的选择，为选育高产、优质玉米新品种提供了科学依据。解松峰[6]等运用灰色系统理论中杂交组合灰色评判原理与方法，对 60个玉米组合的产量和9个产量因素进行灰色关联分析及综合评判，以明确不同玉米杂交组合产量和产量构成因素之间的关系。王海潮[7]等应用灰色关联度分析了水稻主要产量性状与产量关系。本研究通过对常规棉产量性状的灰色关联度分析，找出影响常规棉产量的主导因素，为常规棉新品种的选育提供科学依据。
1 材料与方法
1.1供试材料
试验材料来源于2013年湖北省棉花区域试验19个棉花品种。各品种的名称（或代号）分别为华惠17号、三抗棉九号、CD-121、润棉1号、HS286、富棉616、谷神棉1号、荆棉107、恩棉99、宜棉3号、航棉16、荆3180、XG1290、荆U3788、GY618、天源-2、鄂抗棉13；分别用代号1～17表示。
1.2试验方法
试验地位于黄冈市农业科学院梅家墩试验基地。随机区组排列，3 次重复，小区面积20.0 m2，种植密度27000 株/hm2。试验分析的性状包括：生育期（x1）、株高（x2）、果枝数（x3）、始果枝着生节位（x4）、霜前花率（x5）、铃期病指（x6）、单株铃数（x7）、单铃重（x8）、籽指（x9）、衣指（x10）、衣分（x11）、皮棉产量（x0）。
表1 原始数据无量纲化处理
品种
代号生育期株高果枝数始果枝
节位霜前
花率铃期
病指单株
铃数铃重籽指衣指衣分皮棉
产量
1-0.68-0.280.990.050.57-0.781.01-1.22-2.24-1.490.720.17
2-0.04-0.88-0.12-0.791.160.66-0.620.990.041.551.780.30
3-0.04-1.89-1.470.051.160.64-0.160.79-0.36-0.270.06-0.31
4-0.04-1.490.490.331.211.03-0.101.040.332.162.111.53
5-1.96-1.29-0.361.451.370.00-1.31-0.74-1.35-0.441.02-0.16
6-2.600.12-1.470.891.511.03-0.830.88-0.36-0.60-0.380.52
7-0.04-1.09-1.47-0.230.07-1.14-2.092.082.711.74-0.63-1.47
80.600.73-0.49-1.07-0.630.80-0.22-0.440.14-0.57-0.880.12
9-0.04-0.080.002.01-0.680.41-0.34-0.21-0.26-0.43-0.26-0.73
100.601.130.99-1.35-0.160.800.621.150.73-0.23-1.050.67
111.240.53-0.121.45-1.24-1.14-0.31-0.770.14-1.30-1.86-1.85
120.600.932.460.05-0.651.582.19-0.72-0.06-0.58-0.67-0.17
131.241.130.49-1.35-0.59-1.64-0.19-0.990.04-0.16-0.24-1.33
140.600.33-0.610.33-1.18-1.360.170.230.830.63-0.112.04
15-0.041.340.49-0.23-0.090.030.62-1.53-0.360.080.50-0.31
160.600.530.00-0.79-1.65-1.140.23-0.190.14-0.12-0.290.35
17-0.040.230.19-0.79-0.160.221.36-0.35-0.110.020.170.62
1.3数据分析
将 19个棉花品种的12个性状因素看作一个灰色系统。设产量为参考数列X0， 其他各产量因素作为比较数列，关联系数和关联度的计算方法参考梁晓伟[8]等杂交玉米产量相关性状的灰色关联度分析中的方法进行。
2结果与分析
2.1原始数据变换
由于各数量性状物理意义不同，量纲亦不一致，数据大小相差较大，为保证各性状具等效性和同序性，对原始数据进行无量纲处理，转换为可比较的数据序列。对采集的数据进行标准化变换，标准化变换所得数据见表1。
2.2产量与产量性状的绝对差值
根据表1数据得出X0与Xi各对应点的绝对差值Δoi（k），结果见表2。
表2 产量与产量性状的绝对差值
品种
代号生育期株高果枝数始果枝
节位霜前
花率铃期
病指单株
铃数铃重籽指衣指衣分
10.84580.44610.81830.11780.40010.94590.84431.38532.40341.65340.5565
20.34031.18710.42181.09250.86020.36180.91870.6840.26481.25051.4782
30.27481.58121.15670.36181.47530.94920.14851.10380.04520.04210.3705
41.57233.02461.04011.20550.32650.50931.63830.49211.20020.62990.5742
51.80411.13160.2081.60461.52520.15491.15270.58711.18980.2811.1788
63.1260.39961.99350.36430.9860.50091.35140.35070.8821.12830.9019
71.43360.38490.00211.24091.53630.33180.62173.54644.17863.21320.8392
80.48040.60720.61021.19250.75710.68030.34720.55960.01380.6970.9997
90.69370.65430.73512.73890.04761.14610.38660.5180.47260.30470.4762
100.06840.46210.31372.0210.83590.13150.05210.48240.05820.90641.7247
113.09432.37831.73093.2980.61430.71051.53531.07841.98670.55070.0057
120.77121.09992.62610.21730.48241.74822.35480.54790.10680.41090.5033
132.57212.46171.82240.02150.74180.31121.13370.3331.36571.17011.0922
141.43251.70932.64581.70663.22033.39731.86821.80261.2071.40772.1441
150.27481.64810.8070.08210.21840.33860.93211.21270.04520.38970.811
160.25080.17580.34891.14242.00421.4920.12470.5380.21590.47240.6469
170.65610.39280.43071.40830.77890.3980.73970.97140.72890.5940.4503
2.3计算关联系数
利用表2数据求关联系数，分辨系数取0.1，关联系数分析结果见表3。
2.4计算关联度
利用表3中各性状的关联系数求出各性状与产量性状（x0）的关联度，并按关联度大小排列出关联序，结果见表4。
3 结论与讨论
灰色关联分析根据曲线几何形状的相似程度来判断关联程度，在数据较少、信息不完全、分布不典型的情况下，仍能得到较可靠的结果。利用灰色关联分析研究各性状对产量影响的优先次序已在大麦[9]、玉米[10]等作物中得到了广泛的应用。
按照灰色关联分析方法，各性状的重要性以关联度表示，关联度大的表示参与指标重要，关联序的变化意味着性状间关系的变化。常规棉产量与主要的关联度大小依次为： 籽指（r=0.491）>铃期病指（r=0.430）>衣指（r=0.404）>单株铃数（r=0.396）>始果枝节位（r=0.394）>果枝数（r=0.390）>衣分（r=0.388）>霜前花率（r=0.382）>生育期（r=0.377）>单铃重（r=0.367）>株高（r=0.345），表明对常规棉产量影响最大因素为籽指，之后依次为铃期病指、衣指、单株铃数、始果枝着生节位、果枝数、衣分、霜前花率、生育期、单铃重、株高。说明在常规棉的选育和高产栽培时，要选择籽指较高、抗病性强的品种，同时注重结铃性和早熟性。这与当前大田生产基本一致，由于棉花品种的同质性较高，籽指高和抗病性强的品种具有较高稳产性。本研究结果与杨伯祥[11]等，试验结果有所不同，可能是由于试验所处地域不同和采取的材料不同引起的。因此，本研究结果对湖北棉花育种具有一定参考，但哪些农艺性状更为重要还需进一步深入研究。
表3 产量与各性状的关联系数
品种
代号生育期株高果枝数始果枝
节位霜前
花率铃期
病指单株
铃数铃重籽指衣指衣分
10.3320.4860.3400.7840.5130.3080.3330.2330.1490.2030.431
20.5540.2620.5000.2780.3290.5390.3140.3810.6150.2520.221
30.6060.2100.2670.5390.2220.3070.7420.2760.9070.9130.533
40.2110.1220.2880.2590.5640.4530.2040.4620.2600.4010.423
50.1890.2710.6710.2080.2160.7330.2670.4180.2610.6010.263
60.1190.5140.1740.5370.2990.4570.2370.5460.3230.2720.318
70.2270.5231.0000.2530.2150.5600.4040.1060.0910.1160.334
80.4680.4100.4080.2610.3570.3820.5490.4300.9730.3770.296
90.3780.3920.3640.1330.9020.2690.5220.4490.4720.5810.470
100.8640.4770.5740.1720.3350.7640.8940.4660.8820.3170.196
110.1200.1500.1950.1130.4070.3720.2150.2810.1750.4340.992
120.3530.2770.1380.6610.4660.1940.1510.4350.8000.5070.456
130.1400.1460.1870.9560.3620.5760.2710.5590.2350.2640.278
140.2270.1970.1370.1980.1150.1100.1840.1890.2580.2300.164
150.6060.2030.3430.8400.6600.5550.3110.2580.9070.5200.342
160.6280.7070.5480.2690.1730.2200.7740.4390.6630.4720.394
170.3910.5180.4950.2300.3510.5150.3630.3020.3660.4150.484
表 4 产量与各因素的关联度及排序
项目生育期株高果枝数始果枝
节位霜前
花率铃期
病指单株
铃数铃重籽指衣指衣分
关联度0.3770.3450.3900.3940.3820.4300.3960.3670.4910.4040.388
关联序9116582410137
参考文献
[1] 李蔚，戴宝生，卢华平，等.麦后直播棉产量构成因素分析及高产栽培技术探讨[J].湖北农业科学，2013（24）：5984-5986.
[2] 韩路，曹新川，胡守林，等.海岛棉数量性状的因子分析[J].江西棉花，2005（3）：26-29.
[3] 刘卫星，姜涛，苗友顺，等.中早熟棉农艺、产量及品质性状的典型相关分析[J].中国棉花，2011（11）：30-32.
[4] 聂守军，谢树鹏，史冬梅，等.寒地水稻产量因素间灰色关联度分析[J].农业科技通讯，2009（6）：36-39.
[5] 孙峰成，冯勇，于卓，等.12个玉米群体的主要农艺性状与产量、品质的灰色关联度分析[J].华北农学报，2012（1）：102-105.
[6] 解松峰，谢世学，张百忍，等.秦巴山区玉米杂交组合主要性状与产量间的灰色关联度分析[J].作物杂志，2012（1）：52-57.
[7] 王海潮，肖红旭，王小红，等.陕南杂交水稻产量和产量构成因素的灰色关联度分析[J].陕西农业科学，2009（6）：20-22+33.
[8] 梁晓伟，陈润玲，雷晓兵，等.杂交玉米产量相关性状的灰色关联度分析[J].江西农业学报，2010（2）：16-18.
[9] 杨明，余国东，李伯群，等.应用灰色关联度分析评价不同大麦品种产量与产量构成因素[J].安徽农业科学，2011（36）：22247-22248+22322.
[10] 闵丽，李伟忠，许崇香，等.黑龙江省自育中晚熟玉米品种主要农艺性状与产量的灰色关联分析[J].黑龙江农业科学，2013（4）：4-6.
灰色分析 篇12
目前, 随着电力系统向大容量、大机组、高电压等级的方向发展, 对供电可靠性的要求也越来越高。高压电缆接头由于接触不良等原因, 在满负荷负载电流通过时会造成温升过高、局部过热情况。国内外都发生过多起因为高压电缆接头接触不良而导致的短路、停电等事故, 造成了巨大的经济损失与极大影响。据相关统计, 60%左右的电缆事故都由电缆接头过热导致, 故变电站高压电缆接头的温度监测也已成为电力系统安全、可靠运行所面临的现实问题。
近年来, 国内外相关文献在高压电缆接头温度的实时监测上做了一些研究。文献[1]提出一种示温贴片和图像处理技术相结合的高压触点温度在线监测系统, 但示温贴片的颜色与温度对应有一定要求, 容易造成较大误差。文献[2]采用红外测温方式实现高压带电设备的温度远程监测, 并通过现场校正和试验来保证采集温度的准确性, 但红外测温易受环境影响。文献[3, 4]提出了一种以WSN为基础的高压电气设备温度实时监测方案, 解决了文献[1, 2]所存在的弊端, 但温度的精确采集需要考虑错误数据的修正问题。文献[5]介绍了导线接头在线测温系统的软硬件平台架构, 说明了Zig Bee测温节点组网方案和算法, 一定程度上改善了温度数据采集传输的可靠性, 但对数据的修正问题没有涉及。
相关国内外文献还停留在实时监测方面, 而对温度数据进行挖掘, 将预测理论实际应用在高压电缆接头温度方面的研究很少。本文在文献[5]节点组网方案的基础上, 利用Zig Bee技术的低功耗、短延时、低成本和传输稳定的优点, 构建高压电缆接头温度实时监测系统, 用较低成本完成传输多条输电线路跳线接头温度的功能[6]。然后针对采集到的错误数据进行修正, 通过拟合和卡尔曼滤波得到较优估计值。最后将灰色预测理论应用到监测系统中, 有效地预测温度变化, 在温度达到上限值前事先预警, 有助于避免电力事故, 利于工作人员掌握温度变化趋势, 消除安全隐患, 也为高压带电设备的状态检修评价工作提供相关依据。
2 Zig Bee技术与灰色预测
2.1 Zig Bee技术
Zig Bee采用IEEE 802.15.4技术标准[7], 是新兴的短距离、低速率、低功耗的无线通信技术。ZigBee采用直接序列扩频, 工作在全球免费的2.4GHz频段, 利用较高阶的QPSK调制技术达到250KB/s的速率。Zig Bee根据输出功率和信道环境的不同, 其实际传输距离介于10~75m之间, 一般在30m左右[8]。Zig Bee采用碰撞避免机制的CSMA/CA协议, 保证了节点间数据的可靠性传输。Zig Bee可以自动组网, 能够使系统方便灵活地加入或者撤消测温节点[5], 可支持高达65000个节点, 采用AES-128加密算法保证了数据传输的安全性。Zig Bee联盟制定了星形、树形和网形三种网络拓扑结构[9], 如图1所示。
2.2 灰色预测算法
灰色预测理论是用于研究数据量少、信息贫瘠的不确定问题的理论方法[10], 在预测领域具有样本需求较少、预测精度较高、低运算量以及不用考虑样本分布规律的优点, 得到了广泛的关注与应用[11,12,13]。本设计采用灰色系统的基本预测模型—GM (1, 1) 模型[14], 把变电站高压电缆接头的温度看作灰数, 进行关联分析, 对所测历史数据进行累加累减等数据处理来发现其潜在规律, 建立灰色微分方程, 从而对温度的未来发展趋势进行预测。
一周内所对应的同一时间的历史温度数列为:
式中, n为数据个数, 且n=7。对x (0) 进行AGO运算, 使之构成累加温度数列x (1) , 以弱化历史数据的波动性和随机性, 则:
GM (1, 1) 灰微分模型为:
式中, z (1) (k) 为x (1) (k) 的紧邻累加温度均值序列, z (1) (k) =0.5[x (1) (k) +x (1) (k-1) ], k=2, 3, …, n;a, b分别为模型发展系数和灰色输入, 可通过历史温度数列x (0) 和累加数列x (1) 求得。
由方程 (3) 可得累加数列的预测结果:
式中, 表示第k个解析值。由于GM模型得到的是一次累加量, 故必须对所得数据进行累减逆生成, 则可得到还原预测结果:
式中, 表示累减还原所得到的第k个温度预测值。
3 系统工作原理
系统主要由终端采集装置、Zig Bee协调器、GPRS网络和监测中心等构成。监测系统组成如图2所示。
系统将采集装置 (温度传感器与Zig Bee终端通过一段数据线相连接) 挂接在高压电缆上, 温度传感器直接安装在变电站高压电缆接点处, 利用直接接触测温方式采集接头温度, 获得更加准确的发热点情况。
Zig Bee协调器负责接收下层 (采集装置直接或Zig Bee路由转发) 上传的数据, 并对信息进行汇总, 将接收到的数据通过RS232传送给GPRS, 再由GPRS将数据传送至监测中心的计算机并交由其中的后台软件进行处理。
监测中心内的终端数据处理单元完成对接收数据的分析处理, 将处理后的数据根据需要存储到数据库中, 并以图形与报表形式显示以便分析;当温度超过预先设定的阈值后进行声音报警与屏幕提示处理, 提醒值班人员紧急处理。同时, 监测中心不仅提供故障点的定位、历史数据查询功能, 而且可以根据监测到的历史数据, 利用预测算法对未来的温度变化进行预测, 在事故发生前采取必要的措施, 保证电力系统安全运行。
4 高压带电体温度监测系统的实现
4.1 硬件实现
本设计实现了采集装置和监测中心主机。采集装置硬件结构图如图3所示, 采集装置由传感器模块、处理器模块、供电模块和无线通信模块构成。传感器模块采用1-Wire总线技术的DS18B20温度传感器。处理器模块和无线通信模块采用CC2430芯片, 它集成了一个高性能且符合IEEE 802.15.4标准的2.4GHz DSSS (直接序列扩频) 的RF无线电收发机, 拥有一颗高效、低功耗的工业级8051微控制器[15]。供电模块采用3.3V的直流电源, 由于采集装置要求电池寿命长, 而CC2430由休眠模式转换到工作模式的超短时间特性正好符合要求。监测中心主机采用采集装置的处理器模块、供电模块和无线通信模块, 再接入串口模块, 以实现监测中心主机与无线网络的通信。
4.2 软件设计
在监测中心上装有Linux系统, 开发了相应的部分驱动程序, 实现了网状网络的组网, 数据查询协议的设计等。
4.2.1 ZigBee组网设计
ZigBee具有强大的自组网功能, 其网络容量可达到惊人的65535个节点。图4为Zig Bee组网流程图。首先通过串口进行初始化, 并对协议栈指定的信道进行扫描。若是满足组网条件, 则广播查询网络协调器的请求, 如果网络中已存在协调器, 通过一系列的请求认证加入网络成为其子节点;否则, 将自身设置为协调器建立网络, 协调器会为网络选择一个唯一的PANID, 并拥有一个支持其他设备加入网络的连接设备列表。其他节点向协调器发送入网连接请求, 根据入网先后顺序, 会自动为其分配一个16位的短地址, 则子节点入网成功。
4.2.2 数据查询协议设计
监测网络呈现网状分布, 越靠近协调器, 上传的数据量越大, 越容易造成网络阻塞, 不能及时处理紧急事件。因此, 本文设计了数据查询协议。
传感器监测到异常事件时, 即高压带电体温度超出了正常范围, 将产生报警信息。由于高压传输线的温度可能在临界值附近波动, 所以, 本设计采取连续三次的异常才会产生报警信息, 且报警信息的优先级最高, 各路由节点优先处理并转发, 可以保证及时上传报警数据。而其他采集到的温度数据包周期性地上传到监测中心。监测中心采用轮询方式, 自由调整数据采集的周期, 以避免采集到的数据同时大量上传而产生网络阻塞。同时, 在采集周期内的无线传感器节点进入休眠模式以节省能量。
5 系统实现的相关问题
5.1 高压带电体电磁干扰的影响
变电站高压输电线路的电压等级高, 输送电能量大, 在工作过程中会成为一个强大的电磁辐射源, 存在电磁干扰、电晕危害等情况, 对无线电波的传输在一定程度上造成干扰。Zig Bee工作在免费的2.4GHz频段, 而电晕放电形成的电磁波辐射对周围环境的高频干扰在超过20MHz频率后快速衰减, 几乎为0, 因此不用考虑变电站高压带电体电磁干扰的影响。
5.2 节点间通信距离问题
无线传感器网络中节点间的通信距离对数据的传输可靠性和稳定性具有很大的影响, 它决定了监测中心接收到的数据的准确性。因此, 本设计在变电站高压电磁情况下, 连续两天测试了网络节点间通信距离与丢包率的关系以找寻最大通信距离, 结果见表1。通过对实际测试数据的分析, 可以发现当节点间距离≤12m时, 丢包率较低 (≤1.24%) , 可以认为终端节点和路由节点通信稳定可靠。当节点间距离≥15m时, 丢包率急剧增大, 已经不能满足节点之间的通信要求。基于电力系统安全性的考虑, 其对通信可靠性的要求较高, 因此推荐12m作为节点间的最大通信距离。
5.3 供电问题
可靠的供电装置是高压带电体温度监测系统的重要组成部分, 其性能关乎到温度监测的成败。而且出于安全考虑, 供电装置的重量和体积要满足设计的承重等要求, 避免对电缆造成损伤[10]。由于采集装置挂接在室外变电站高压电缆接点处, 电池更换困难, 故本系统采用特制电源CT供能与蓄电池并行的供电方式。电源CT采用特制穿心式电流互感器, 通过能量控制、全波整流、LC滤波、稳压等措施为采集装置提供能量, 能够在小电流和大电流情况下保证电源供应。CT铁心选择坡莫合金1J85以保证电源的启动电流[16]。一般情况下, 由电源CT供电并向蓄电池充电, 温度测量装置就能够正常工作;当电缆断电时, 自动切换到蓄电池供电。
5.4 预测子系统问题
变电站高压带电体温度预测是保证电力系统安全和可靠运行的前提, 可以在一定程度上影响电力运行规划, 为电力的合理调度做参考。而高压带电体温度的变化既有随机性又有周期性, 因此本设计利用灰色预测来描述温度的变化趋势。终端采集节点可能存在故障而造成错误或坏数据, 因此预测子系统需要对采集到的温度数据进行分析与判断, 对错误的信息进行修正, 若不能得到有效的修正, 会将错误的数据提供给温度预测作为参考, 影响预测的精度。
鉴于温度的变化不是突变式的, 选择错误数据所对应的连续若干天同一时间的数据进行拟合处理, 得到拟合表达式并估计出坏点数据的值, 并利用卡尔曼滤波器得到一个较优估计值, 结果见表2。
6 测试结果与预测分析
通过对某220k V变电站高压电缆接头的实时监测, 可以得到每隔5min采集一次的温度数据。
为了验证灰色预测算法的可行性与可靠性, 以预测日前一周的历史温度数据建立灰色GM (1, 1) 模型, 并运用此模型对预测日00:00~24:00的温度进行预测, 可以得到如图5所示的两条曲线, 其中实线为通过实时监测得到的高压电缆接头实际值, 虚线表示运用灰色预测对历史数据挖掘所得到的预测值。
表3为预测日8~9时的温度预测结果。由图5与表3中的结果可知, 灰色预测算法不仅能很好地预测高压带电体温度数据, 并且在总体上的预测精度较高, 相对误差控制在1.5%以内, 证明该预测是有效可行的, 为电力系统的提前预警和状态评估提供了依据。
7 结论
本文讨论了Zig Bee技术应用在变电站高压带电体温度监测系统的具体流程, 提出了相关的软硬件实现方案, 进行了实际环境下测量实验, 实现了监测的无线化与每天24h连续在线监测, 并针对采集错误的数据在监测中心使用拟合与卡尔曼滤波相结合的方式进行了修正, 创新性地结合了灰色预测理论, 提出高压带电体温度故障预测方案。该方案能够预测温度数据的变化趋势, 便于工作人员及时掌握高压带电体温度并进行相应控制, 提高供电可靠性, 保证了电力系统可靠与安全运行。
摘要：阐述了ZigBee监测变电站高压带电体温度的基本原理与监测过程, 完成了相关软件的设计, 进行了变电站高压带电体温度的实际测试工作, 且利用灰色预测理论, 提出了高压带电体温度预测方案, 对温度变化实现了较为精准的预测。结果表明, 监测系统的稳定性与安全性良好, 能够实时监测预测温度, 具有较高的推广价值。