城市机动车限行政策对雾霾污染治理的有效性研究
发布时间：2021-12-23 06:35
中国作为全球第二大经济体,近些年经济得到了迅猛的发展,与此同时空气污染也愈发严重。自2013年以来,中国频繁地出现大规模和持续性的雾霾天气,不仅严重影响了人们的日常生活与身体健康,也影响了中国在国际上的形象。因此,国家提出了如“大气十条”、“空气污染治理攻坚战”等一系列政策来治理雾霾污染,而各级政府也通过减煤、降尘、限车等举措纷纷响应国家的号召。其中广为效仿的机动车限行政策,其实施效果在各个城市中表现出了较大的差异。那么,限行政策在各个城市实施的效果到底如何?究竟有哪些经济影响因素导致限行政策有效性出现差异?上述问题的解决,将对政府合理制定限行政策提供有效参考。针对以上问题,为了厘清机动车限行政策对城市雾霾污染每日变化的影响效果,本文首先选取了 PM2.5作为输出变量,将机动车限行政策（Res）、风级（Wind）等4个天气因素以及煤改气政策（CG）、规模以上工业增加值累计比（Ind）作为输入变量,运用MIV-BP神经网络的方法,对1 1个省会城市2014年1 1月-2018年8月（西安为2016年11月-2018年8月）的机动车限行政策对雾霾污染治理的有效性进行探究;其次,基于前期限行...
【文章来源】：陕西师范大学陕西省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图３?ＢＰ神经网络系统图??
?陕西师范大学硕士学位论文???输入层?隐含层?输出层??输入数据、Ｃ＼＾??输入数据＞Ｃ）输出数据〉??输入数据??图３?ＢＰ神经网络系统图??本研宄选取ＭＩＶ?（平均影响值）作为评价各个解释变量对被解释变量影响程??度大小的指标，ＭＩＶ的绝对值反映了对被解释变量的影响程度，符号则反映方向。??首先对神经网络进行训练、仿真输出，当ＢＰ神经网络训练结束将所有的样本在原??先样本的基础上，对其每个数据的特征值均增减１０％，将新得的数据进行仿真模??拟，得到的两组结果的差值即为ＩＶ值（影响变化值），最后将ＩＶ值按观测列数??平均后得到网络输出１ＭＩＶ值，相关模型如图４所示。＿??新样本Ｐ２?Ｌ?ｔ｜?Ａ２?ｊ??训练样本Ｐ??５?＼?Ａ＝ｓｉｍ（ｎｅｔ，?ｐ）?／?—???＞?ＩＶ?！?＞?ＭＩＶ??Ｉ＾＾??：新样初１?’?＾??图４?ＭＩＶ模型的算法步骤??４．２．２?ＭＩＶ－ＢＰ神经网络模型构建??（１）?ＢＰ神经网络训练??①训练样本的确定：本文将ＰＭ２．５浓度作为ＢＰ神经网络模型的输出变量，即??输出层节点为１，将机动车限行、风级、空气湿度、降雨、最高温度、煤改气政策、??规模以上工业增加值累计比等７个变量作为输入变量，即输入层节点为７。为了确??保神经网络预测的准确性，本文将设置２层隐含层，节点数为［３，?４］。本文在各个??城市数据的总样本中随机抽取８０％作为训练样本，剩余２０％作为测试样本。具体??的运算流程如图５所示。??３４??
?第四章机动车限行对雾霾治理的成效研宄???输入变量?权重Ｗ１?权重呢?权重Ｖ?输出变量??——机动车限行一＞??＿，隐??＿加值累计比?Ｖ??输入层?隐含层?隐含层?输出层??图５?ＢＰ神经网络结构图??②归一化处理数据：由于样本中的变量数量级差别较大，网络预测误差变大??的可能性较高，因此在神经网络训练前将数据先进行归一化处理，运用ｍａｐｓｔｄ函??数处理数据，确保样本数据均在（０，１）范围内，这样处理后的数据平稳有效。??归一化公式为：??Ｖ?—?（￥?—工ｍｅａｎ）?＾Ｖｓｔｄ?／工ｓｔｄ）?＋?ｙｍｅａｎ??其中，ｘ为原始数据，ｙ为归一化后数据（＆?＝?１，?〃一＝?Ｑ）。??③神经网络输出层、隐含层、输出层节点的确定：模型的输出变量为ＰＭ２．５，??输出层节点数为１，输入变量为机动车限行、风级、空气湿度、降雨、最高温度、??煤改气政策、规模以上工业增加值累计比等７个变量，输入层节点数为７。隐含层??节点数首先应该依据Ｚ＜ｎ＿ｌ、＋?ａ或Ｚ?＝?ｌ〇ｇ２ｎ?（其中，输入层节点数设??为ｎ，输出层节点数设为ｍ，隐含层节点数为１，０－１０之间的任意常数记为ａ）。??④确定传递函数：隐含层节点函数为正切Ｓ型传递函数ｔａｎｓｉｇ，具体函数表达??式如下：??２??Ｖ?［１?＋?ｅｘｐ?（－２ａ：）］??输入层节点为线性函数，其线性传递函数的表达式如下：??网络初始化是第一步，这对缩短网络训练的时间尤为重要，它的权值决定了??网络模型训练误差的曲面起点。为了避免千扰因素，保证模型更加有效，本文选??取了随机初始权法。??３５??
【参考文献】：
期刊论文
[1]外商直接投资、环境规制与雾霾污染——理论分析与来自中国的经验[J]. 周杰琦,梁文光,张莹,韩颖. 北京理工大学学报(社会科学版). 2019(01)
[2]外商直接投资与雾霾污染:一个跨国经验研究[J]. 张磊,韩雷,叶金珍. 经济评论. 2018(06)
[3]城市机动车限行政策对雾霾污染治理的成效分析[J]. 易兰,周忆南,李朝鹏,杨历. 中国人口·资源与环境. 2018(10)
[4]产业集聚与雾霾污染的门槛效应研究——以我国73个PM2.5重点监测城市为例[J]. 杨嵘,郭欣欣,王杰,杨安. 科技管理研究. 2018(19)
[5]产业结构调整对雾霾污染的影响——基于中国京津冀城市群的实证研究[J]. 祝丽云,李彤,马丽岩,刘志林. 生态经济. 2018(10)
[6]产业集聚及交通联系加剧了雾霾空间溢出效应吗?——基于产业空间布局视角的分析[J]. 罗能生,李建明. 产业经济研究. 2018(04)
[7]工业结构、能源消耗与雾霾主要成分的关联性——以北京为例[J]. 田孟,王毅凌. 经济问题. 2018(07)
[8]机动车限行政策能否有效改善西安市的空气质量?[J]. 袁晓玲,李浩,杨万平. 统计与信息论坛. 2018(06)
[9]行政法视角下的机动车限行规定分析[J]. 许云峰. 法制与社会. 2018(07)
[10]雾霾污染、政府治理与经济高质量发展[J]. 陈诗一,陈登科. 经济研究. 2018(02)
本文编号：3547981
【文章来源】：陕西师范大学陕西省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图３?ＢＰ神经网络系统图??
?陕西师范大学硕士学位论文???输入层?隐含层?输出层??输入数据、Ｃ＼＾??输入数据＞Ｃ）输出数据〉??输入数据??图３?ＢＰ神经网络系统图??本研宄选取ＭＩＶ?（平均影响值）作为评价各个解释变量对被解释变量影响程??度大小的指标，ＭＩＶ的绝对值反映了对被解释变量的影响程度，符号则反映方向。??首先对神经网络进行训练、仿真输出，当ＢＰ神经网络训练结束将所有的样本在原??先样本的基础上，对其每个数据的特征值均增减１０％，将新得的数据进行仿真模??拟，得到的两组结果的差值即为ＩＶ值（影响变化值），最后将ＩＶ值按观测列数??平均后得到网络输出１ＭＩＶ值，相关模型如图４所示。＿??新样本Ｐ２?Ｌ?ｔ｜?Ａ２?ｊ??训练样本Ｐ??５?＼?Ａ＝ｓｉｍ（ｎｅｔ，?ｐ）?／?—???＞?ＩＶ?！?＞?ＭＩＶ??Ｉ＾＾??：新样初１?’?＾??图４?ＭＩＶ模型的算法步骤??４．２．２?ＭＩＶ－ＢＰ神经网络模型构建??（１）?ＢＰ神经网络训练??①训练样本的确定：本文将ＰＭ２．５浓度作为ＢＰ神经网络模型的输出变量，即??输出层节点为１，将机动车限行、风级、空气湿度、降雨、最高温度、煤改气政策、??规模以上工业增加值累计比等７个变量作为输入变量，即输入层节点为７。为了确??保神经网络预测的准确性，本文将设置２层隐含层，节点数为［３，?４］。本文在各个??城市数据的总样本中随机抽取８０％作为训练样本，剩余２０％作为测试样本。具体??的运算流程如图５所示。??３４??
?第四章机动车限行对雾霾治理的成效研宄???输入变量?权重Ｗ１?权重呢?权重Ｖ?输出变量??——机动车限行一＞??＿，隐??＿加值累计比?Ｖ??输入层?隐含层?隐含层?输出层??图５?ＢＰ神经网络结构图??②归一化处理数据：由于样本中的变量数量级差别较大，网络预测误差变大??的可能性较高，因此在神经网络训练前将数据先进行归一化处理，运用ｍａｐｓｔｄ函??数处理数据，确保样本数据均在（０，１）范围内，这样处理后的数据平稳有效。??归一化公式为：??Ｖ?—?（￥?—工ｍｅａｎ）?＾Ｖｓｔｄ?／工ｓｔｄ）?＋?ｙｍｅａｎ??其中，ｘ为原始数据，ｙ为归一化后数据（＆?＝?１，?〃一＝?Ｑ）。??③神经网络输出层、隐含层、输出层节点的确定：模型的输出变量为ＰＭ２．５，??输出层节点数为１，输入变量为机动车限行、风级、空气湿度、降雨、最高温度、??煤改气政策、规模以上工业增加值累计比等７个变量，输入层节点数为７。隐含层??节点数首先应该依据Ｚ＜ｎ＿ｌ、＋?ａ或Ｚ?＝?ｌ〇ｇ２ｎ?（其中，输入层节点数设??为ｎ，输出层节点数设为ｍ，隐含层节点数为１，０－１０之间的任意常数记为ａ）。??④确定传递函数：隐含层节点函数为正切Ｓ型传递函数ｔａｎｓｉｇ，具体函数表达??式如下：??２??Ｖ?［１?＋?ｅｘｐ?（－２ａ：）］??输入层节点为线性函数，其线性传递函数的表达式如下：??网络初始化是第一步，这对缩短网络训练的时间尤为重要，它的权值决定了??网络模型训练误差的曲面起点。为了避免千扰因素，保证模型更加有效，本文选??取了随机初始权法。??３５??
【参考文献】：
期刊论文
[1]外商直接投资、环境规制与雾霾污染——理论分析与来自中国的经验[J]. 周杰琦,梁文光,张莹,韩颖. 北京理工大学学报(社会科学版). 2019(01)
[2]外商直接投资与雾霾污染:一个跨国经验研究[J]. 张磊,韩雷,叶金珍. 经济评论. 2018(06)
[3]城市机动车限行政策对雾霾污染治理的成效分析[J]. 易兰,周忆南,李朝鹏,杨历. 中国人口·资源与环境. 2018(10)
[4]产业集聚与雾霾污染的门槛效应研究——以我国73个PM2.5重点监测城市为例[J]. 杨嵘,郭欣欣,王杰,杨安. 科技管理研究. 2018(19)
[5]产业结构调整对雾霾污染的影响——基于中国京津冀城市群的实证研究[J]. 祝丽云,李彤,马丽岩,刘志林. 生态经济. 2018(10)
[6]产业集聚及交通联系加剧了雾霾空间溢出效应吗?——基于产业空间布局视角的分析[J]. 罗能生,李建明. 产业经济研究. 2018(04)
[7]工业结构、能源消耗与雾霾主要成分的关联性——以北京为例[J]. 田孟,王毅凌. 经济问题. 2018(07)
[8]机动车限行政策能否有效改善西安市的空气质量?[J]. 袁晓玲,李浩,杨万平. 统计与信息论坛. 2018(06)
[9]行政法视角下的机动车限行规定分析[J]. 许云峰. 法制与社会. 2018(07)
[10]雾霾污染、政府治理与经济高质量发展[J]. 陈诗一,陈登科. 经济研究. 2018(02)
本文编号：3547981
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3547981.html
