基于因子分析法和GM灰度预测的
北京市水资源短缺风险评级模型
摘 要
本文通过《北京市2009统计年鉴》及题目附表数据分析了北京市水资源短缺现状，结合水资源短缺影响因子历年数据的特点选用因子分析法得到了北京市水资源短缺的
四个影响因子：农业用水总量、工业用水总量、第三产业及生活等其它用水及降雨量；并以此为变量，以总需水量和缺水量作为表现缺水程度的量，获得多元线性回归方程，定量表征缺水因子与缺水程度之间的关系；再依据GM模型预测了北京市未来三年的水资源短缺风险，通过总用水量与缺水量定义缺水率，以此为基础进行风险评级。预测结果显示：2009~2011年北京市水资源形势严峻，缺水率超过20%，属重度缺水；模型得出三年缺水量预测值为13.09亿立方米、13.70亿立方米和14.40亿立方米，与官方预测的13.51亿立方米、16.15亿立方米和17.76亿立方米非常接近[1][2]。以此说明模型的准确性。最后，本文将建模分析所得结果结合实际，向北京市水政相关主管部门提出了改进灌溉技术、促进工业产业结构升级、设置工业企业家庭用水定额等措施以缓解北京市水资源短缺压力。
关键词：水资源；因子分析法；多元线性回归；GM灰色预测；风险评级
3
4
1. 问题重述
水资源短缺风险，泛指在特定的时空环境条件下，由于来水和用水两方面存在不确定性，使区域水资源系统发生供水短缺的可能性以及由此产生的损失。北京是世界上水资源严重缺乏的大都市之一，其人均水资源占有量不足300m 3，为全国人均的1/8，世界人均的1/30，属重度缺水地区。北京市水资源短缺已经成为影响和制约首都社会和经济发展、人民生活水平以及环境质量的主要因素。尽管南水北调工程建设，建立污水处理厂，产业结构调整等措施在一定程度上缓解了水资源的短缺。但是由于气候变化和经济社会不断发展，水资源短缺风险始终存在。通过对往年数据的分析，识别出影响水资源短缺的主要风险因子，建立出合适的数学模型，对风险造成的危害等级进行划分，对不同风险因子采取相应的有效措施规避风险或减少其造成的危害，这对社会经济的稳定、可持续发展战略的实施具有重要的意义。水资源总量、总需水量及缺水量和其对应的制约因素的关系如图 1所示：
图 1 水资源总量、总需水量及缺水量和其对应的制约因素的关系图
2. 问题分析
由于水资源短缺风险是由来水和用水的不确定性造成的，因而可通过评价北京市总用水量及其水资源总量，以确定水资源短缺风险。同时，考虑从影响用水量及水资源总量的因子中筛选出影响北京市水资源短缺风险状况的主要风险因子。
总用水量主要由工业用水、农业用水、第三产业及生活用水和2001年后新增的环境用水组成，而这些指标又与工业总产值、农业总产值、第三产业总产值、人口数量等因素有关系。
水资源总量则与气候、水利工程调水量、城市地表水总量、城市地下水以及土壤湿润度等离散度大、预测难度高以及在北京市统计年鉴中未记载或没有连续历史数据的因子相关。由于：
缺水量 总用水量 水资源总量
且缺水量同时受社会经济因素和自然环境因素制约，与总用水量的影响因素有一定的相似性，因而通过评价北京市总用水量及其缺水量，以确定水资源短缺风险。
由于与水资源短缺相关的指标很多，固考虑通过降维的方法研究问题，即找到主要风险因子，应用因子分析法来对上述指标进行分析可找到主要风险因子。以主要风险因子为自变量构造出一个函数来进行水资源短缺风险的评价。为了对水资源风险进行预测，必须通过一个数学模型对主要风险因子的数据进行预测。通过分先评价函数与预测函数，获得北京市总用水量及其缺水量的预测值，并作出风险等级划分。
根据预测值，预报未来数年缺水等级，结合实际，向北京市水行政主管部门提出建议。
3.基本假设与符号说明
3.1.基本假设
1.模型只考虑自然、经济数据等可量化指标，不考虑政策、文化等不可量化因素对风险评价的影响；
2.假设在最近及今后的一段时间内，北京市水资源的状况平稳变化，排除调水工程等重大事件及重大突发不确定因素的影响；
3.建立模型所需数据是通过同样的方法测量，排除因测量方法的变化而对数据产生的重大影响；
3.2.符号说明
本文所使用符号及其含义如表 1所示：
表 1 论文使用符号说明表
符号 含义
WC1 第一产业用水量（亿立方米）
WC2 第二产业用水量（亿立方米）
WC3 第三产业用水量（亿立方米）
POP 户籍人口（万人）
RF 降雨量（毫米/年）
P1 第一产业生产总值（亿元）
P2 第二产业生产总值（亿元）
P3 第三产业生产总值（亿元）
4.模型建立与求解
5
4.1.模型建立的基本思路
模型建立的基本思路是：首先，通过因子分析法从若干影响北京市水资源短缺状况的因子中找出最具有影响力的主要因子；然后，通过多元线性回归的方法，找出以主要因子为变量的分别关于总需水量和缺水量的多元线性回归方程，以定量分析各主要风险因子对水资源短缺状况的影响；再次，根据GM灰色预测模型预测出未来几年各主要风险因子的预测值，并通过已得的多元线性回归方程，求出未来数年北京市总需水量和缺水量的预测值；将所得预测值与官方预测值比较，验证模型的准确性；然后，建立风险评价体系，根据预测值通过该体系评级未来数年北京市的缺水风险；最后，根据所得的主要风险因子和预测结果及评级，向北京市水行政主管部门提出合理的风险调控建议。
4.2.资料搜集
本文的研究和定量分析是建立在大量的数据基础上的，数据来自于《北京2009统计年鉴》及题目附表。而年鉴条目的内容真实性，是年鉴制定和发表的首要和基本的原则。年鉴中发表的资料，具有政府公报性、行政权威性、事实可靠性。这里查找到的数据具有高度的可靠性和科学性。同时本文的数据收集结合了中国知网中的期刊信息，经过我们对这些消息筛选，获取最有效并且被普遍认同的数据。这些数据也高度可靠，在满足模型分析的要求的基础上更具有一定的时效性和多样性。
4.3.因子分析
4.3.1.因子分析概念
因子分析（Factor analysis）：就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子来反映原资料的大部分信息的统计学分析方法。从数学角度来看，主成分分析是一种化繁为简的降维处理技术。
4.3.2.因子分析原理
设有n个地理样本，每个样本共有p个变量，构成一个n×p阶的数据矩阵：
?
? ??
???
当p较大时，在p维空间中考察问题比较麻烦。这就需要进行降维处理，即用较少几个综合指标代替原来指标，而且使这些综合指标既能尽量多地反映原来指标所反映的信息，同时它们之间又是彼此独立的。
线性组合：记x ，x ，…，x 为原变量指标，z ，z ，…，z （m≤p）为新变量指标（主成分），则其线性组合为:
6
7
?
?
? ?
是原变量在各主成分上的载荷。
无论是哪一种因子分析方法，其相应的因子解都不是唯一的，主因子解仅仅是无数因子解中之一。z 与z 相互无关； z 1是x ，x ，…，x 的一切线性组合中方差最大者，z 2是与z 1不相关的x ，x ，…，x 的所有线性组合中方差最大者。则，新变量指标z 1，z 2，…分别称为原变量指标的第一，第二，…主成分。z 为因子变量或公共因子，可以理解为在高维空间中互相垂直的m 个坐标轴。
主成分分析实质就是确定原来变量x （j 1，
2 ，…，p ）在各主成分z （i 1，2，…，m ）上的荷载 。易证，它们分别是相关矩阵的m 个较大的特征值所对应的特征向量。
4.3.3.KMO （Kaiser‐Meyer‐Olkin ）检验
该检验的统计量用于比较变量之间的简单相关和偏相关系数。
KMO 值介于0‐1，越接近1，表明所有变量之间简单相关系数平方和远大于偏相关系数平方和，越适合因子分析。
其中，Kaiser 给出一个KMO 检验标准：KMO 0.9，非常适合；0.8 KMO 0.9，适合；0.7 KMO 0.8，一般；0.6 KMO 0.7，不太适合；KMO 0.5，不适合。
4.3.4.分析过程
影响水资源短缺的因素错综复杂，从影响源的角度看，可分为社会经济因素和自然因素两方面；从对水资源数量的影响来看，又可分为增加水资源的因素，如发展节水型农业和降水量的增加等；与减少水资源的因素，如社会经济的快速发展使工业用水加大，人口增多使生活用水量增多及干旱天气的发生等因素。这些因素不仅与水资源量之间存在着相关关系，而且相互之间耦合关联。如果用单纯的相关分析有可能存在一定的误差冗余，宜采用因子分析法进行相关性分析，找到水资源短缺的主要风险因子。
从北京市水资源变化的实际情况来看，社会经济因素与自然因素的变化对北京的水资源短缺情况都有着极大地影响，因此，综合考虑，我们从《北京2009统计年鉴》以及题目附表中选取了以下八个因子：
· 农业用水量（亿立方米）； · 工业用水量（亿立方米）；
· 第三产业及生活用水量（亿立方米）； · 户籍人口（万人）； · 降雨量（毫米）；
· 第一产业生产总值（亿元）；
· 第二产业生产总值（亿元）；
· 第三产业生产总值（亿元）。
作为待筛选因子。
对上述8个因子进行KMO Kaiser‐Meyer‐Olkin 检验，得出KMO值为0.799，按照Kaiser给出的KMO检验标准，这些指标非常适合于因子分析法。应用因子分析法程序进行主成分分析，得出相关系数矩阵、特征值及主成分贡献率，主成分载荷矩阵和正交旋转载荷矩阵。结果分别见表 2 ~ 表 4。
由表 2可以看出，在影响缺水量的8个因子中存在着不同程度的相关，其中户籍人口与第三产业及生活用水量、第一产业生产总值与第三产业及生活用水量、第一产业生产总值与户籍人口、第二产业生产总值和户籍人口、第二产业生产综合和第三产业生产总值之间有较大的相关性、其相关系数分别为0.942、0.959、0.979、0.907、0.990。
由表 3可知，第一至第四主成分的累积贡献率达到了97.316%，基本上反映了全部信息，符合分析要求，由此进一步的到主成分载荷矩阵（表 4）以及缺水量的正交旋转载荷因子矩阵（表 5）。
由缺水量的正交旋转载荷因子矩阵能够看出，第一主成分上载荷最大的变量是工业用水量，第二主成分上载荷最大的变量是第三产业及生活用水量，第三主成分上载荷最大的变量农业用水量，第四主成分上载荷最大的变量是降雨量，表明：
· 工业用水量；
· 第三产业及生活用水量；
· 农业用水量；
· 降雨量；
这四个因子为对缺水量影响最大的因子，亦即主要风险因子。
表 2 水资源短缺因子相关系数矩阵
WC1 WC2 WC3POP RF P1P2 P3
WC1 1.000
WC2 0.435 1.000
WC3 ‐0.662 ‐0.700 1.000
POP ‐0.724 ‐0.769 0.942 1.000
RF ‐0.038 0.416 ‐0.308‐0.267 1.000
P1 ‐0.672 ‐0.732 0.9590.979‐0.254 1.000
P2 ‐0.647 ‐0.878 0.8440.907‐0.3400.878 1.000
P3 ‐0.614 ‐0.880 0.7790.856‐0.3290.8140.990 1.000
表 3 特征值及主成分贡献率
主成分 特征值贡献率（%）累积贡献率（%）
8
1 5.910 73.87273.872
2 1.099 13.73487.606
30.470 5.87193.477
40.337 4.21397.690
50.118 1.48099.170
60.050 0.62699.795
70.014 0.1899.973
80.002 0.027100.000
表 4 主成分载荷矩阵
主成分
1234
P2 0.971‐0.0450.177‐0.057
POP 0.9700.111‐0.1040.120
P1 0.9490.110‐0.1430.232
P3 0.9380.069‐0.267‐0.117
WC3 0.9290.237‐0.232‐0.223
WC2 ‐0.8610.257‐0.3580.024
WC1 ‐0.717‐0.5040.2280.418
RF ‐0.3570.8620.3200.162
表 5 正交旋转载荷因子矩阵
主成分
1234
WC2 ‐0.867‐0.355‐0.0920.223
P3 0.8250.4160.307‐0.142
P2 0.7680.5150.316‐0.153
WC3 0.3820.8470.286‐0.160
P1 0.4500.8370.277‐0.087
POP 0.5080.7650.353‐0.102
WC1 ‐0.252‐0.384‐0.881‐0.087
RF ‐0.191‐0.114‐0.0510.974
4.4.建立多元线性回归模型
采用多元线性回归模型刻划主要缺水风险因子和缺水程度之间的关系，建立需要选取回归方程的自变量和因变量。本节将讨论两种变量的选择，得出并分析回归结果。
4.4.1.自变量的选择
从上节的因子分析结果可知， 4个主成分的累计贡献率达到了97.690%，这说明所选取的主成分基本上反映了水资源短缺情况的全部信息。而所选取的主要风险因子正是4个主成分当中载荷最大的量，它们能反映各主成分的主要信息。因而可以利用所选取的主要风险因子作为多元线性回归的自变量，构成主要风险因子矩阵，评价造成水资源短缺情况的原因。
4.4.2.因变量的选择
9
如2.问题分析所述，选取总需水量和缺水量作为因变量，表征水资源短缺的程度。选取这两个指标也是为了以此建立缺水率的概念，便于后续的风险评级分析。
4.4.3.结果及分析
用Matlab分析主要风险因子矩阵，缺水量矩阵、总需水量矩阵，得到的回归系数矩阵如下表。
表 6 WCT回归系数矩阵
Cons WC1WC2WC3RF
B 2.682 0.9770.8070.9940.001
表 7 Gap回归系数矩阵
Cons WC1WC2WC3RF
B‐8.854 0.865 1.269 1.735‐0.051
根据回归系数矩阵，分别得到总需水量及缺水量的多元回归方程：
总需水量WCT（亿立方米）：
2.682 0.977 1 0.807 2 0.994 3 0.001
缺水量Gap（亿立方米）：
8.854 0.865 1 1.269 2 1.735 3 0.051
利用F分布判断回归方程是否具有显著意义 1 ：
对总需水量计算得F 707.67，取α 0.01，查F分布表知：
F 0.01 4,25 4.18
F F 0.01 4,25
P 0.01
对缺水量计算得F 28.45，取α 0.01，查F分布表知：
F 0.01 4,25 4.18
F F 0.01 4,25
P 0.01
因而总需水量和缺水量的回归方程具有显著意义。
4.5.风险分级
10
定义缺水率为：
缺水率
缺水量
总用水量
100%
为了衡量研究城市缺水程度，以缺水率为标准确定了4级评价指标，分级标准见表 8 1 。
“基本不缺水”表示水资源基本达到供需平衡，工业、生活、生态与环境各部门需水能够满足或基本得到满足，但某些城市在个别时期 如高峰用水时间 可能发生暂时供水短缺，采取适当措施即可解决；
“轻度缺水”表示在正常年份基本可达到供需平衡，但在设计水平年份会发生供水短缺现象，生产生活受到一定影响；
“中度缺水”表示不但在设计水平年份供水不足，就是在正常年份供需也不能达到平衡，生产生活会受到很大影响，一般的解决方案已不足以弥平供需缺口，要采取强有力的措施乃至非常规方式才能彻底解决问题；
“重度缺水”表示生产生活受到供水短缺的严重影响，而且一般当地开源节流已不能根本解决问题，新的解决方案、措施需要有极大的投入。
表 8 缺水率风险分级表
缺水风险分级缺水率（%）
基本不缺水 5
轻度缺水5~10
中度缺水10~20
重度缺水 20
4.6.GM灰色预测
由于影响缺水量及蓄水量变化的因素众多，且有些因素是不完全确定的，从而增加了信息提取的难度，影响预测结果的精度。 灰色预测法是一种对既含有已知信息又含有不确定因素的系统进行预测的方法，它的特点是所需信息量少，不仅能够将无序离散的原始序列转化为有序序列，而且预测精度高，能够保持原系统的特征，较好地反映系统的实际情况 5 。本文用GM 1, 1 模型对水资源短缺主要风险因子进行预测，取得了良好的效果。
灰色系统理论认为一切随机量都是在一定范围内、一定时段上变化的灰色量及灰色过程，对灰量数据通过一定方式处理后使其成为较有规律的时间序列数据，再建立模型。灰色系统GM 1, 1 预测模型是一阶、一个变量的微分方程模型，适合于对系统行为特征值大小的发展变化进行预测。灰色GM 1, 1 模型是将随机数经生成后变为有序的生
11
12
成数据，然后建立微分方程，寻找生成数据的规律，再将运算结果还原的一种方法，其基础是数据的生成。常用的生成方式有累加生成和累减生成。
4.6.1.GM （1,1）模型的数列预测原理
设某原始序列：
1 ,
2 ,…,
对其进行一次累加生成，得到生成序列：
1 ,
2 ,…,
1,2,…,
则GM （1,1）模型的相应微分方程为：
式中α为发展灰数，α的可容区为（‐2,2）；μ为内生控制灰数。
4.6.2.待估参数向量求解 6
为待估参数向量可利用最小二乘法求解：
（ ）
1
1 2 1 12 2 3 1… 1 1 1
2
3 …
求解微分方程，得到预测模型：
1 1
0,1,2,…,
累减还原得：
1 1
1 1 1
4.6.3.灰色预测检验
平均相对误差：
? 1
1 1
1
100%
? 越小越好，一般要求 ? 20%； 最好是 ? 10%。
5.模型的检验
5.1.多元线性回归方程的检验
由上文可知，总需水量WCT、缺水量Gap多元线性回归方程为：
总需水量WCT（亿立方米）：
2.682 0.977 1 0.807 2 0.994 3 0.001
缺水量Gap（亿立方米）：
8.854 0.865 1 1.269 2 1.735 3 0.051
总用水量WCT及缺水量Gap与其对应预测值结果对比如表 9及图 2、图 3所示。
表 9 总用水量WCT及缺水量Gap与其对应预测值结果比较表
年份 WCT WCT预测Gap Gap预测
1979 42.9242.96 4.69 1.24
1980 50.5450.1824.5425.31
1981 48.1148.0824.1121.38
1982 47.2247.0810.6213.77
1983 47.5647.8112.8615.95
1984 40.0540.100.7410.32
1985 31.7131.53‐6.29‐7.43
1986 36.5537.499.52‐0.92
1987 30.9531.35‐7.71‐4.98
1988 42.4342.53 3.25 4.75
1989 44.6444.5123.0918.38
1990 41.1241.58 5.26 2.26
13
14
1991 42.0342.60‐0.260.631992 46.4346.1423.99
19.511993 45.2244.9325.5518.941994 45.8746.010.45 4.261995 44.8844.9614.5416.581996 40.0140.63‐5.86 2.851997 40.3240.8118.0718.191998 40.4341.28 2.73 3.791999 41.7142.1227.4928.932000 40.4040.9623.5423.072001 38.9339.3719.7321.412002 34.6234.9818.5213.922003 35.8036.3117.4013.612004 34.5535.2913.1510.142005 34.5034.8011.3013.502006 34.3034.139.8017.642007 34.8033.7811.008.672008
35.10
33.84
0.90
1.69
图 2 总用水量WCT 与其预测值对比
图 3 缺水量Gap及其预测值对比
由图 2 总用水量WCT与其预测值对比、图 3可知，在总用水量方面，预测值与历年实际值在整体趋势与数值上有着近乎精确的符合；而在缺水量方面，预测值与历年实际值在整体趋势上基本匹配，个别年份数值上与实际值有着不小偏差，其主要原因可归结于当年的异常气候（降雨量骤减）或政策调整（产业结构升级）等人力不可预测因素所致，其他年份预测值与实际值也有着较好符合；故本次建模中的多元线性回归方程准确地说明了北京市水资源现状，可用来预测分析未来两年北京市水资源走势。
5.2.GM灰度预测检验
农业用水由于具有一定的历史规律性，故选择1979年至2008年的所有数据进行预测；工业用水由于受到工业产业结构调整的影响，数据变化快，尤其自改革开放后，产业结构升级，淘汰落后产能，使得工业用水量大幅度减少，故选择1993年至2008年的数据进行预测；第三产业及生活用水总量、降水量均选择1979年至2008年数据进行预测。
基于一阶微分方程的GM灰度预测的四个主因子，即农业用水、工业用水、第三产业及生活用水总量以及降雨量预测结果如下图所示：
图 4 农业用水GM预测
15
图 5 工业用水GM预测
图 6 第三产业及生活用水总量GM预测
图 7 降雨量GM预测
由图 4~图 7所示，除降雨量以外，GM预测曲线均与实际值有着数值上相对接近的符合，因而可客观反映北京市未来两年内的农业、工业以及第三产业的用水量。降雨
16
量方面，由于如降雨量这样的气候数据是由大型计算机模拟仿真后综合确定，仅依据历年数据的GM预测是不客观、不准确的，本次建模的降雨量GM预测仅能反映降雨量均值的发展趋势，对未来两年的降雨量GM预测反映了当年降雨量的期望，因而也可作为参考指标考虑。
将GM预测后的四个主因子值代入总用水量、缺水量的多元线性回归方程，2009年至2011年的数据如表 10所示，经北京市水务局2009年、2010年相关数据可知，两年缺水量分别为15.68亿立方米和16.39亿立方米，而预测值分别为13.70亿立方米和14.40亿立方米，与实际值基本上相符，将预测数据与1979年至2008年数据汇总可知，预测数据在总体趋势上也与实际值相匹配。
表 10 四主因子GM预测值及总用水量，缺水量多元回归预测值
年份 WCT Gap WC1WC2WC3RF缺水率% 等级
2009 35.77 13.09 12.36 5.2116.44468.3436.59 4
2010 35.82 13.70 12.02 4.8717.10464.6238.24 4
2011 35.93 14.40 11.70 4.5517.79460.9240.08 4
5.3.水资源短缺风险评级检验
水资源短缺等级可分为四级，根据主因子分析法以及GM灰度预测综合得出的水资源短缺风险评级各项对比如表 11、图 8和图 9所示：
由表 11、图 8和图 9可知，预测分级与实际分级有着很好的符合，尤其自1997年至今，所作预测分级与实际分级完全一致，而不同年份原因已在上文中提及，故所作分级可准确评估北京市水资源短缺变化趋势，用作北京市水政部门的重要参考指标。
表 11 水资源风险等级与预测及缺水百分比与预测对比表
年份 缺水百分比 缺水百分比预测水资源短缺风险评级 预测评级
1979 10.93 2.8921
1980 48.56 50.4344
1981 50.11 44.4744
1982 22.49 29.2544
1983 27.04 33.3644
1984 1.85 25.7414
1985 ‐19.84 ‐23.5511
1986 26.05 ‐2.4541
1987 ‐24.91 ‐15.9011
1988 7.66 11.1723
1989 51.72 41.3044
1990 12.79 5.4432
1991 ‐0.62 1.4811
1992 51.67 42.2944
1993 56.50 42.1444
17
18
1994 0.98 9.2612 1995 32.40 36.8744 1996 ‐14.65 7.0212 1997 44.82 44.5744 1998 6.75 9.1922 1999 65.91 68.6844 2000 58.27 56.3144 2001 50.68 54.3744 2002 53.50 39.7944 2003 48.60 37.4844 2004 38.06 28.7444 2005 32.75 38.7944 2006 28.57 51.6844 2007 31.61 25.6744 2008
2.56
4.9911
图 8 水资源短缺风险预测对比
图 9 水资源短缺风险预测对比
6. 模型分析与初步结论
通过对多元线性回归方程、GM 灰度预测以及水资源短缺风险评级模型的检验，验
24444114
12
431441
41
4244444444411
44444
111
3
421
44
24
24
2
444444444
1
1234197919801981198219831984198519861987198819891990199119921993199419951996199719981999200020012002200320042005200620072008
分级
预测分级
7
3
1
19
6
4
1
19
1
2
34
分级
预测分级
证了模型的正确性与可操作性。
本模型通过因子分析法将影响北京市水资源现状的若干因素历年数据进行了科学
的矩阵分析，并计算出了各因子的贡献率，确定了影响北京市水资源现状的四个主要因子：农业用水总量、工业用水总量、第三产业及生活等其它用水及降雨量。GM灰度预测则根据主因子历年数据根据一介微分方程理论预测出各主因子的未来两年数据，但由于降雨量为地区气象因素，其数据离散型大，需用大型计算机模拟仿真才可预测，因此，用GM灰度预测出的降雨量仅可反映出降雨量的年平均变化趋势。
通过模型检验及分析，我们可以发现，奥运会后北京市2009~2011年水资源缺口
骤增，分别为36.59%、38.24%和40.08%，均属4级重度缺水。水资源形势严峻，不
容乐观。严峻的形势亟须北京市水政部门采取紧急应对措施，缓解北京市水资源短缺的压力，保证北京市经济建设和人民生活质量稳步提高。
7.模型的创新与推广
利用缺水量作为表征北京市水资源短缺程度的评价指标之一，得出了很好的预报结果。同时避免了评价难以获得其影响因素统计数据的水资源总量指标，简化了模型。
通过引入专业的政策气象服务数据，以刻划北京市水资源总量。可以通过相同的方法获得影响水资源的主要因子，并建立起主要因子与水资源总量的多元线性回归模型，定量描述其因果关系。从而为水资源短缺的预测引入更多的自然环境因素的作用，使预测结果更加精确。
8.模型的不足
1.模型对缺水量相关指标选取不全面，由于信息不足对水资源总量有影响的相关因素选取的数量偏少，如历年土壤湿度，水库年蓄水量等指标信息不足，因而只能放弃将其作为分析指标，导致模型存在一定偏差。
2.使用GM（1,1）灰色预测降水量时，由于降水量过于离散，使用GM灰色方法仅能得到代表其降水量均值发展的直线，无法准确预测年降水量。
9.给北京市水行政主管部门的建议
由上文所分析出的四个影响北京市水资源短缺风险的四个主因子可知，应从这四个方面着手解决水资源短缺的现状，以缓解经济高速增长的诉求与水资源短缺现状的矛盾，为北京市“十二五”计划的顺利实施扫清障碍。
8.1.降水量
降水量属于一个地区的气候指标，非人力所能控制。对于北京市而言，应大力开展环境保护行动，植树造林，增强公民环保意识，增加城市绿地面积，全力保持环境质量，
19
尽可能减少气候异常年份，保证年均降水量。
8.2.农业用水
中国自古以来是一个农业大国，农业生产关系着国计民生，因而减少农业用水量切不可采取减少耕地面积的方式，应根据水资源承载能力和国民经济发展总体要求调整农业产业结构，合理进行农业区划，对农业结构、生产布局、作物种植结构、品种结构进行调整，从根本上控制超出水资源承载力的农业用水不合理需求。优化调配多种水源：通过平整土地的措施提高土壤接纳降水、蓄存雨水能力，提高天然降水利用率；实行井渠结合，地表水、地下水互补联合调度综合提高地表水、地下水利用率；在地下水超采地区，拦蓄雨季洪水，回灌补充地下水源；对污废水进行处理再利用，开发利用劣质水等。改进田间灌水方法与技术：对量大面广的地面灌溉区，平整土地，缩小地块，改进沟畦尺寸规格，控制入沟畦流量；在城市郊区、经济作物种植区，逐步推广喷灌、滴灌、微喷灌等技术 7 。
8.3.第三产业及生活用水
第三产业及生活用水主要集中在公共服务业、特殊行业及居民用水，因此人的因素在这里占主导，因而不同于农业、工业用水节约在技术上的革新，第三产业以及生活用水的节约主要依靠普通市民的节水意识和生活习惯，故政府应在这方面提供政策和法律保障，保证水资源的合理利用。应完善水资源管理体制、严格用水管理制度。对公共服务业、居民生活、特殊行业，进行用水分类管理，强化北京市地下水计量收费监管系统、水计量长效工作机制。建立政府调控、市场引导、公众参与的取水计量管理机制，综合运用经济、技术、法制、舆论、工程手段，强化取水计量的服务与监督 8 。建立市场为主的取水计量及节水长效机制，发挥市场配置水资源和取水计量的作用。建立社会参与机制，推进取水计量的社会化管理，广泛吸纳公众意见，共同参与制定取水计量管理政策。完善法律法规建设、相关规定，加大宣传力度。健全用水总量控制和定额管理制度。根据水资源情况制定北京市年度用水计划，制定单位用水指标，落实到第三产业全部社会单位。实行超指标累进加价收费，特别要加强用水大户和特殊行业的取水计量监督管理。健全取水许可制度和水资源有偿使用制度。
8.4.工业节水
工业生产是国民经济发展的主导力量，工业生产水平直接反映了一个国家地区的科学技术水平和经济实力，但不可忽视的是，工业生产在为社会创造大量财富的同时，也消耗了大量的水资源，对北京市水资源短缺带来很大风险。深化产业结构调整力度，腾退出工业用水空间。对于电力等属于城市基本保障行业的工业用水大户，未来发展必须保持平稳增长，须通过技术改造和循环利用实现节水，而如化工和冶金等高耗能大用水量则可以通过异地搬迁、实行工业用水定额制度实现节水。北京未来应加大化工、冶金等污染环境的落后产能的调整退出力度，大力引进符合首都产业发展的高技术和现代制造业项目。加大工业废水循环利用力度，随着“退城进区”的逐步推进，工业布局由分散转向工业园区集中，统一布局、统一管理，通过再生水、废水循环的科学节水方式在降低水资源浪费的前提下做到北京市工业又好又快发展。制度管理方面，首都更应严格
20
大型工业项目准入制度，严格制定用水标准，并继续实施企业用水定额管理。除此之外，要积极地运用市场机制进行节水，实现用水价变化对高耗水企业进行成本约束。
10.参考文献
1 全国水利厅局长会议. 以建设一流城市为目标，制定首都水资源可持续利用规划. https://www.doczj.com/doc/4116459367.html,/ztbd/tingjuzh/p‐r11.htm
2 中国网. 首都：“为有源头活水来”——北京制定水资源可持续利用规划.
https://www.doczj.com/doc/4116459367.html,/chinese/2001/Jun/40487.htm
3 魏春玲，孙晋海. 中外优秀十项全能运动员成绩结构的因子分析及回归预测模型研究.北京体育大学学报 J .2004, 27 5 :653‐655.
4 赵勇, 裴源生. 我国城市缺水研究. 水科学进展 J .2006, 5, 3 17 :389‐394
5 周瑞平. GM 1 ,1 模型灰色预测法预测城市人口规模. 内蒙古师范大学学报 自然科学汉文版 J .2005, 3,34 1 :81‐83
6 王芸. 基于灰色GM 1, 1 模型的农业用水量预测. 广东水利水电 J .2010, 04,
4:26‐28
7 刘宝亮, 牟欣河，马清新. 农业用水现状与节水工程分析. 山东省农业管理干部学院学报 J .2009, 23 4 :44‐45
8 水信息网. 北京市海淀区取水计量管理模式探讨.
https://www.doczj.com/doc/4116459367.html,/pub/hwcc/wwgj/bgqy/201103/t20110311_329318.html
9 孟凡德 王晓燕. 北京市水资源承载力的变化趋势及驱动力研究. 水资源管理
J .2004.9:22‐26
10 北京市统计局. 北京市2009统计年鉴.
https://www.doczj.com/doc/4116459367.html,/kns55/navi/YearBook.aspx?id N2010030103&floor 1
11 陈超. MATLAB应用实例精讲——数学数值计算与统计分析篇 M .北京:电子工业出版社，2010.
21
1
11. 附录
附表 1 建模所用原始数据表
年份
WCT (亿立方米) WC1 (亿立方米) WC2 (亿立方米) WC3 (亿立方米) 水资源总量 （亿方） POP （万人） RF (mm/年) P1 （亿元） P2 （亿元） P3 （亿元）
1979 42.92 24.18 14.37 4.37 38.23 870.6 718.4 5.2 85.2 29.7 1980 50.54 31.83 13.77 4.94 26 885.7 380.7 6.1 95.8 37.2 1981 48.11 31.6 12.21 4.3 24 900.8 393.2 6.6 92.5 40.1 1982 47.22 28.81 13.89 4.52 36.6 917.8 544.4 10.3 99.8 44.8 1983 47.56 31.6 11.24 4.72 34.7 933.2 489.9 12.8 112.7 57.6 1984 40.05 21.84 14.376 4.017 39.31 945.2 488.8 14.8 130.7 71.1 1985 31.71 10.12 17.2 4.39 38 957.9 721 17.8 153.7 85.6 1986 36.55 19.46 9.91 7.18 27.03 971.2 665.3 19.1 165.8 100 1987 30.95 9.68 14.01 7.26 38.66 988 683.9 24.3 182.6 119.9 1988 42.43 21.99 14.04 6.4 39.18 1001.2 673.3 37.1 221.3 151.8 1989 44.64 24.42 13.77 6.45 21.55 1021.1 442.2 38.5 252.2 165.3 1990 41.12 21.74 12.34 7.04 35.86 1032.2 697.3 43.9 262.4 194.5 1991 42.03 22.7 11.9 7.43 42.29 1039.5 747.9 45.8 291.5 261.6 1992 46.43 19.94 15.51 10.98 22.44 1044.9 541.5 49.1 345.9 314.1 1993 45.22 20.35 15.28 9.59 19.67 1051.2 506.7 53.7 419.6 412.9 1994 45.87 20.93 14.57 10.37 45.42 1061.8 813.2 67.5 517.6 560.2 1995 44.88 19.33 13.78 11.77 30.34 1070.3 572.5 73.5 645.8 788.4 1996 40.01 18.95 11.76 9.3 45.87 1077.7 700.9 75 714.7 999.5 1997 40.32 18.12 11.1 11.1 22.25 1085.5 430.9 75.7 781.9 1218 1998 40.43 17.39 10.84 12.2 37.7 1091.5 731.7 76.7 840.6 1458.7 1999 41.71 18.45 10.56 12.7 14.22 1099.8 266.9 77.1 907.3 1693.2 2000 40.4 16.49 10.52 13.39 16.86 1107.5 371.1 78.6 1033.3 2049.1 2001 38.93 17.4 9.2 12 19.2 1122.3 338.9 80.8 1142.4 2487.3 2002 34.62 15.5 7.5 10.8 16.1 1136.3 370.4 84 1250 2996.4 2003 35.8 13.8 8.4 13 18.4 1148.8 444.9 89.8 1487.2 3446.8 2004 34.55 13.5 7.7 12.8 21.4 1162.9 483.5 95.5 1853.6 4111.2 2005 34.5 13.2 6.8 13.4 23.2 1180.7 410.7 98 2026.5 4761.8 2006 34.3 12.8 6.2 13.7 24.5 1197.6 318 88.8 2191.4 5580.8 2007 34.8 12.4 5.8 13.9 23.8 1213.3 483.9 101.3 2509.4 6742.6 2008 35.1 12 5.2 14.7 34.2 1229.9 626.3 112.8 2693.2 7682
§2 灰色预测模型GM(1,1)及其应用 蠕变是材料在高温下的一个重要性能。处于高温状态下的材料长期受到载荷作用时，即使其载荷较低，并且在短时间的高温拉伸试验中材料不发生变形，但在此情况下仍会有微小的蠕变，极端的情况下，甚至会使材料发生破坏。高温材料多应用于各种车辆的发动机及冶金厂中各种设备上，如果因蠕变引起破坏，可能造成很大的事故。 为了保证设备的安全可靠，在某一使用温度下，预先知道该材料对不同载荷应力下断裂的时间是很重要的。过去，人们都是通过蠕变试验测量断裂时间。而做蠕变试验时，需要很长时间才能得到结果，即使通过试验得出的数据，也只是对某几个具体试样而言，存在很大的偶然性，不能代表普遍的规律。如果将实测的数据用灰色系统理论来处理，可以预测在某一温度下的任何载荷应力的断裂时间。 一、灰色模型GM （1，1） 建模步骤如下： （1）GM （1，1）代表一个白化形式的微分方程： u aX dt dX =+)1() 1( （1） 式中，u a ,是需要通过建模来求得的参数；) 1(X 是原始数据) 0(X 的累加生成（AGO ）值。 （2）将同一数据列的前k 项元素累加后生成新数据列的第k 项元素，这就是数据处理。表示为： ∑==k n n X k X 1 )0() 1()()( （2） 不直接采用原始数据) 0(X 建模，而是将原始的、无规律的数据进行加工处理，使之变得较有规律， 然后利用生成后的数据列来分析建模，这正是灰色系统理论的特点之一。 （3）对GM （1，1），其数据矩阵为 ???? ?? ? ? ?+--+-+-=1)]()1([5.01)]3()2([5.01)] 2()1([5.0)1()1()1()1()1()1(N X N X X X X X B （3） 向量T N N X X X Y )](,),3(),2([)0()0()0( = （4）作最小二乘估计，求参数u a , N T T Y B B B u a 1)(?-=??? ? ??=α （4） （5）建立时间响应函数，求微分方程（1）的解为 a u e a u X t X at +-=+-))1(()1(?)0()1( （5） 这就是要建立的灰色模型。
二、模型的假设 1、假设我们所统计和分析的数据，都是客观真实的； 2、在考虑影响毕业生就业的因素时，假设我们所选取的样本为简单随机抽样，具有典型性和普遍性，基本上能够集中反映毕业生就业实际情况； 3、在数据计算过程中，假设误差在合理范围之内，对数据结果的影响可以忽略. 三、符号说明
四、模型的分析与建立 1、问题背景的理解 随着我国改革开放的不断深入，经济转轨加速，社会转型加剧，受高校毕业生总量的增加，劳动用工管理与社会保障制度，劳动力市场的不尽完善，以及高校的毕业生部分择业期望过高等因素的影响，如今的毕业生就业形势较为严峻.为了更好地解决广大学生就业中的问题，就需要客观地、全面地分析和评价毕业生就业的若干主要因素，并将它们从主到次依秩排序. 针对不同专业的毕业生评价其就业情况，并给出某一专业的毕业生具体的就业策略. 2、方法模型的建立 （1）层次分析法 层次分析法介绍：层次分析法是一种定性与定量相结合的、系统化、层次化的分析方法，它用来帮助我们处理决策问题.特别是考虑的因素较多的决策问题，而且各个因素的重要性、影响力、或者优先程度难以量化的时候，层次分析法为我们提供了一种科学的决策方法. 通过相互比较确定各准则对于目标的权重，及各方案对于每一准则的权重.这些权重在人的思维过程中通常是定性的，而在层次分析法中则要给出得到权重的定量方法. 我们现在主要对各个因素分配合理的权重，而权重的计算一般用美国运筹学
家T.L.Saaty 教授提出的AHP 法. （2）具体计算权重的AHP 法 AHP 法是将各要素配对比较，根据各要素的相对重要程度进行判断，再根据计算成对比较矩阵的特征值获得权重向量k W . Step1. 构造成对比较矩阵 假设比较某一层k 个因素12,,,k C C C 对上一层因素ο的影响，每次两个因素i C 和j C ，用ij C 表示i C 和j C 对ο的影响之比，全部比较结果构成成对比较矩阵C ，也叫正互反矩阵. *()k k ij C C =， 0ij C >，1 ij ji C C =， 1ii C =. 若正互反矩阵C 元素成立等式：* ij jk ik C C C = ，则称C 一致性矩阵. 标度ij C 含义 1 i C 与j C 的影响相同 3 i C 比j C 的影响稍强 5 i C 比j C 的影响强 7 i C 比j C 的影响明显地强 9 i C 比j C 的影响绝对地强 2,4,6,8 i C 与j C 的影响之比在上述两个相邻等级之间 11 ,,29 i C 与j C 影响之比为上面ij a 的互反数 Step2. 计算该矩阵的权重 通过解正互反矩阵的特征值，可求得相应的特征向量，经归一化后即为权重向量 12 = [ , ,..., ]T k k k kk Q q q q ，其中的ik q 就是i C 对ο的相对权重.由特征方程 A-I=0λ，利用Mathematica 软件包可以求出最大的特征值 max λ 和相应的特征向 量. Step3. 一致性检验 1）为了度量判断的可靠程度，可计算此时的一致性度量指标CI ：
灰色系统模型的应用 灰色系统理论对中国50年人口发展预测 一、中国人口发展概况 中国是世界上人口最多的发展中国家，人口多、底子薄、耕地少、人均占有资源相对不足，是我国的基本国情，人口问题一直是制约中国经济发展的首要因素。新中国成立60年，我国人口发展经历了前30年高速增长和后20多年低速增长两大阶段：从建国初期到上世纪70年代初，中国人口由旧中国的高出生、高死亡率进入高出生、低死亡率的人口高增长时期，1950-1975年人口出生率始终保持在30‰以上, 最高达到37‰（表3.2.1）。70年代以后，人口过快增长的势头得到迅速扭转，人口出生率、自然增长率、妇女总和生育率有了明显下降，人口出生率由70年代初的33‰大幅度下降到80年代的21‰, 妇女总和生育率也由6下降到2.3左右。90年代以来，随着我国经济高速发展，人民文化和健康水平逐步提高，计划生育工作不断深入，在20-29岁生育旺盛人数年均超过1亿的情况下, 人口出生率依然呈现大幅下降的趋势，到2000年底人口出生率从1990年的21.06‰下降到14.03‰，自然增长率由1990年的14.39‰下降到7.58‰, 妇女总和生育率也下降到2以下。进入90年代末期, 我国人口实现了低出生、低死亡、低增长的历史性转变。到2000年底全国总人口为12.6743亿, 成功实现了“九五”计划将人口控制在13亿的奋斗目标。 中国政府自1980年在全国城乡实行计划生育以来成果卓著，据国家计生委“计划生育投入与效益研究”课题组的研究成果，20年共少生2.5亿个孩子，有效地控制了人口的快速增长，为中国现代化建设、全面实现小康打下了坚实的基础, 同时也为世界人口的增长和控制做出了杰出贡献。但是由于中国人口基数大，人口增长问题依然十分严峻，1990-1999年每年平均净增人口约1300万，这仍然对我国社会和经济产生巨大的压力。因此，准确预测未来50年人口数量及其增长，为中国经济和社会发展决策提供科学依据，对于加速推进我国现代化
环境风险分析 1 硫酸生产危险因素分析 在硫酸生产、储运过程中，由于生产设备、工艺的原因，人为的或不可抗拒的原因，导致废气超标排放和硫酸泄漏，造成的事故有可能对环境造成危害。 ①在生产过程中开车生产、工艺或设备出现问题都有可能造成硫酸生产尾气中二氧化硫和三氧化硫超标排放。硫酸储存设备与装置由于受损或人员违规操作等原因造成硫酸泄漏，可能造成大量硫酸雾排放。后果会危及周围人群的健康和生命安全；硫酸雾会毁坏周围的植物及植被，腐蚀附近建筑物。 ②在火车、汽车装卸和运输过程中如发生浓硫酸泄漏，可能造成以下后果：硫酸及酸雾会危及周围人群的健康和生命安全；硫酸泄漏后渗入土壤会造成土壤酸性；硫酸雾在空气中扩散污染环境空气，酸雾会毁坏周围的植物及植被，腐蚀周围建筑物。硫酸如果直接流入地表水中会污染水域；导致水中动植物死亡；浓硫酸遇水引起强烈反应，会产生浓烈的硫酸烟雾。影响周围环境空气，危及周围人群的健康和生命安全。 本次评价根据硫酸生产工艺、装置和生产储运情况分析，通过对硫酸造成的安全环境污染事故调查，硫酸生产在厂区内的主要环境危险因素是SO2、SO3、硫酸雾废气的非正常和事故排放，本次评价主要对SO2、SO3、硫酸雾废气非正常和事故排放对空气环境的影响进行预测和防范措施分析，对浓硫酸大量泄漏对空气可能产生的影响进行定性分析和防范措施分析，根据该厂生产、储存设施情况，废水处理装置情况，对浓硫酸大量泄漏，或停车冲洗废水的处理情况进行分析。 环境风险评价中往往是通过对历史事故的调查，最好是全世界或国内同类项目运行的历史的事故调查来确定事故可能发生的概率。关于硫
酸生产、储运中发生非正常排放和事故排放的报道较少，尤其是危害事故的报道不完整，因此很难从历史事故调查分析中确定事故可能发生的概率。本次评价重点对污染排放的原因、源强及其影响情况进行分析。提出相应的防范措施。 2 主要污染物物化毒理性质 2.1二氧化硫 2.1.1理化特性 分子式：SO2；分子量：64.07；性状：常温下无色气体，具辛辣和窒息气味，在常温时压力（4～5kg/cm2）下压缩为无色、流动的液体。沸点：-10.1℃；熔点：-75.5℃；相对密度： (水=1)1.43； (空气=1)2.26；蒸气压：338.42kPa/21.1℃。溶解度：水中8.5%（25℃）；易于与水混合并氧化成亚硫酸；易溶于甲醇、乙醇；溶于硫酸、醋酸、氯仿和乙醚。 8.2.1.2毒理性质 属中等毒类，系刺激性气体；高浓度吸入，引起喉头痉挛、水肿而窒息。人的嗅觉阈值1.5-3mg/m3、刺激阈值10mg/m3；30mg/m3浓度时只能耐受1分钟，过久则引起呼吸困难、青紫、呕吐甚至意识障碍；大量吸入时，由于SO2窒息作用和细胞毒作用而致死。 ①急性毒性 30-50mg/m3可立即引起眼、鼻、粘膜刺激症状和支气管痉挛及窒息感，1000mg/m3以上即时生命危险，5000mg/m3以上，立即产生喉头痉挛、喉头水肿而窒息。SO2易被粘膜的湿润表面而吸收生成亚硫酸，一部分进而氧化成硫酸。因此对呼吸道及眼有强烈刺激作用，大量吸入可引起肺水肿、喉水肿、声带痉挛而致窒息。 ②慢性毒性 动物实验显示小鼠吸入5.24mg/m3低浓度，经半年出现免疫反应受
危险、有害因素及其辨识标准 一、危险有害、因素的定义 （1）危险因素：是指能对人造成伤亡或对物造成突发性损害的因素。 （2）有害因素：是指能影响人的身体健康、导致疾病，或对物造成慢性损害的因素。 对于危险、有害因素的定义，已经非常明确、清楚。危险因素在时间上比有害因素来的快、来的突然；造成的危害性比后者严重。 这里的因素应该理解为事故、作业过程、行为和环境，因为在不同的行业主要的危险有害因素差别较大。火灾、瓦斯爆炸、中毒、触电等属于事故；设备的检修、爆破作业、运输等属于作业过程；违章操作、违章指挥等属于行为；高温、雷电、雨雪等属于自然环境。 二、危险、有害因素产生的原因 《安全评价》第三版中将危险、有害因素产生的原因划分为两个方面。（1）存在危险有害本身具有的物质、能量；（2）危险有害物质、能量失去控制,危险有害物质、能量失去控制的主要体现：①人的不安全行为(13大类)；②物的不安全状态（4大类）；③管理缺陷（6类）。 任何物质都具有相应的能量，物质和能量是客观存在的，只有当物质、能量在外力条件或自身变化且失去控制造成一定的危险或伤害时才可以称为危险有害物质和能量。 导致危险有害物质、能量失去控制的三个方面多数说法比较笼统，例如：有分散注意力的行为；冒进信号；作业场所狭窄；作业场所杂乱；来自相关方风险管理的缺陷等。 相对与物质和能量来说，人的不安全行为是外在条件；物的不安全状态既有可能是外部条件引起的，也有可能是其自身的变化引起的；管理的主角是我们人类自身，所以也应归结为外部条件。 外在条件很多，除了上面说的人的不安全行为之外，恶劣的自然条件是最重要的外在条件之一，地震、台风、洪水、雷击、温度、湿度、雾、冰雹、滑坡、泥石流、火山喷发等。企业在建设初期一般都会对本地的自然条件作一定的调查和了解，但是现在社会发展的快节奏导致部分地区环境污染的加大，最终引发台风、洪水等导致事故的发生，2007年５月份我国因洪涝、山体滑坡和泥石流、旱灾和风雹等自然灾害死亡人数117人，失踪18人，直接经济损失86亿元人民币。所以，人类不应该对自然灾害掉以轻心。
灰色系统模型的应用 第一节灰色系统模型在现金流量预测中的应用 一、灰色理论应用在现金流量预测中 我们选取伊利集团的2000—2007年财务报表的现金流量表中的“经营活动产生的净现金流”作为分析预测的对象。伊利集团是我国著名的奶业生产集团，知名度较高，且长期以来生产经营较为规范，其报表可信度较高，所以，用该公司的财务报表的数据，可以较好的反映实际情况，有利于我们进行分析和验证。而2008年出现的儿童奶粉事件，给乳制品产业带来了致命的打击，所以不采用2008年的财务报表。 在使用GM(1,1)时,首先要对实际的原始数据进行一定的处理或假设： 1.企业在长期来看,不存在负现金流。尽管企业在短期,例如月现金流无法避免存在负现金流，但对于一个持续经营的企业来说，尽量保持正的现金流，是大多数的企业理财所应达到的目标。当然,当企业的实际数据出现负现金流时，也可用第二章第八节五中提到的办法进行处理。 2.企业在一定时期内的经营条件和外部环境不存在大的波动。即企业在相似的外部环境和促销手段下进行。这种假设避免了现金流大的波动，从而避免预测失真。由于对于一般的销售型企业来说，经营活动的现金流量是主要的资金来源，筹资活动和投资活动并不是经常发生的项目。而且，经营活动产生的现金流量通常情况下较稳定，不会产生大的波动，也很少有负值的出现，即使在短时期内可能出现应收账款较多，资金周转不开的情况，但从一年时间来看，在一年内的现金收入通常会大于现金流出。对于一个健康的正在成长的企业来说，经营活动现金流量应该是正数，投资活动是负数，筹资活动是正负相间的。 所以，以下选择的伊利集团现金流量表中2000-2007的数据符合前述假设和模型的要求，见表1。
灰色系统预测 重点内容：灰色系统理论的产生和发展动态，灰色系统的基本概念，灰色系统与模糊数学、黑箱方法的区别，灰色系统预测GM （1，1）模型，GM（1，N）模型，灰色系统模型的检验，应用举例。 1灰色系统理论的产生和发展动态 1982邓聚龙发表第一篇中文论文《灰色控制系统》标志着灰色系统这一学科诞生。 1985灰色系统研究会成立，灰色系统相关研究发展迅速。 1989海洋出版社出版英文版《灰色系统论文集》，同年，英文版国际刊物《灰色系统》杂志正式创刊。目前，国际、国内200多种期刊发表灰色系统论文，许多国际会议把灰色系统列为讨论专题。国际著名检索已检索我国学者的灰色系统论著500多次。灰色系统理论已应用范围已拓展到工业、农业、社会、经济、能源、地质、石油等众多科学领域，成功地解决了生产、生活和科学研究中的大量实际问题，取得了显著成果。 2灰色系统的基本原理 2.1灰色系统的基本概念 我们将信息完全明确的系统称为白色系统，信息未知的系统称为黑色系统，部分信息明确、部分信息不明确的系统称为灰色系统。系统信息不完全的情况有以下四种： 1.元素信息不完全 2.结构信息不完全 3.边界信息不完全 4.运行行为信息不完全 2.2灰色系统与模糊数学、黑箱方法的区别 主要在于对系统内涵与外延处理态度不同； 研究对象内涵与外延的性质不同。 灰色系统着重外延明确、内涵不明确的对象，模糊数学着重外延不明确、内涵明确的对象。 “黑箱”方法着重系统外部行为数据的处理方法，是因果关系的两户方法，使扬外延而弃内涵的处理方法，而灰色系统方法是外延内涵均注重的方法。
2.3灰色系统的基本原理 公理1：差异信息原理。“差异”是信息，凡信息必有差异。 公理2：解的非唯一性原理。信息不完全，不明确地解是非唯一的。 公理3：最少信息原理。灰色系统理论的特点是充分开发利用已有的“最少信息”。 公理4：认知根据原理。信息是认知的根据。 公理5：新信息优先原理。新信息对认知的作用大于老信息。 公理6：灰性不灭原理。“信息不完全”是绝对的。 2.4灰色系统理论的主要内容 灰色系统理论经过10多年的发展，已基本建立起了一门新兴学科的结构体系，其主要内容包括以“灰色朦胧集”为基础的理论体系、以晦涩关联空间为依托的分析体系、以晦涩序列生成为基础的方法体系，以灰色模型（G ，M ）为核心的模型体系。以系统分析、评估、建模、预测、决策、控制、优化为主体的技术体系。 灰色关联分析 灰色统计 灰色聚类 3灰色系统预测模型 灰色预测方法的特点表现在：首先是它把离散数据视为连续变量在其变化过程中所取的离散值，从而可利用微分方程式处理数据；而不直接使用原始数据而是由它产生累加生成数，对生成数列使用微分方程模型。这样，可以抵消大部分随机误差，显示出规律性。 3.1灰色系统理论的建模思想 下面举一个例子，说明灰色理论的建模思想。考虑4个数据，记为)4(),3(),2(),1() 0() 0() 0() 0(X X X X
第四讲层次分析法 在现实世界中，往往会遇到决策的问题，比如如何选择旅游景点的问题，选择升学志愿的问题等等。在决策者作出最后的决定以前，他必须考虑很多方面的因素或者判断准则，最终通过这些准则作出选择。 比如选择一个旅游景点时，你可以从宁波、普陀山、浙西大峡谷、雁荡山和楠溪江中选择一个作为自己的旅游目的地，在进行选择时，你所考虑的因素有旅游的费用、旅游地的景色、景点的居住条件和饮食状况以及交通状况等等。这些因素是相互制约、相互影响的。我们将这样的复杂系统称为一个决策系统。这些决策系统中很多因素之间的比较往往无法用定量的方式描述，此时需要将半定性、半定量的问题转化为定量计算问题。层次分析法是解决这类问题的行之有效的方法。层次分析法将复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。 一、建立系统的递阶层次结构 首先要把问题条理化、层次化，构造出一个有层次的结构模型。一个决策系统大体可以分成三个层次： （1） 最高层（目标层）：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果； （2） 中间层（准则层）：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则； （3） 最低层（方案层）：这一层次包括了为实现目标可供选择的各种措施、决策方案等。 比如旅游景点问题，我们可以得到下面的决策系统： 目标层——选择一个旅游景点 准则层——旅游费用、景色、居住、饮食、交通 方案层——宁波、普陀山、浙西大峡谷、雁荡山、楠溪江 二、构造成对比较判断矩阵和正互反矩阵 在确定了比较准则以及备选的方案后，需要比较若干个因素对同一目标的影响，从额确定它们在目标中占的比重。如旅游问题中，五个准则对于不同决策者在进行决策是肯定会有不同的重要程度，而不同的方案在相同的准则上也有不同的适合程度表现。层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的
预测未来2015年到2020年的货运量 灰色预测模型 是通过少量的、不完全的信息，建立数学模型并做出预测的一种预测方法.当我们应用运筹学的思想方法解决实际问题，制定发展战略和政策、进行重大问题的决策时，都必须对未来进行科学的预测. 预测是根据客观事物的过去和现在的发展规律，借助于科学的方法对其未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断. 灰色系统的定义 灰色系统是黑箱概念的一种推广。我们把既含有已知信息又含有未知信息的系统称为灰色系统.作为两个极端，我们将称信息完全未确定的系统为黑色系统；称信息完全确定的系统为白色系统.区别白色系统与黑色系统的重要标志是系统各因素之间是否具有确定的关系。
建模原理 模型的求解
原始序列为： ) 16909 15781 13902 12987 12495 11067 10149 9926 9329 10923 7691())6(),...1(()0()0()0(==x x x 构造累加生成序列 ) 131159,114250,98469,84567,71580,59085, 48018,37869,27943,18614,7691())6(),...1(()1()1()1(==x x x 归纳上面的式子可写为 称此式所表示的数据列为原始数据列的一次累加生成，简称为一次累加生成. 对(1)X 作紧邻均值生成 ,.... 2)) 1()((21)()1() 1() 1(=-+=k k z k z k z MATLAB 代码如下： x=[7691 18614 27943 37869 48018 590857 71580 84567 98469 114250 131159]; z(1)=x(1); for i=2:6 z(i)=0.5*(x(i)+x(i-1)); end format long g z z = Columns 1 through 3 7691 13152.5 23278.5 Columns 4 through 6 32906 42943.5 319437.5
可能出现的安全问题及对策 1、火灾爆炸 油品具有易燃、易爆、易挥发、易积聚静电等特性，其中因汽油闪点较低（-43℃），自燃点也较低（280-450℃），属甲类火灾危险性物质，因而火灾爆炸危险性较大。 1）油罐车向油罐卸油是加油站经营中的必然过程，也是加油站火灾危险性最大的工作过程。在卸油过程中产生的油气可从油罐逸出。在通气管口、密闭卸油口等周边均属于爆炸危险区域。因卸油量大，油气扩散的面积也相对较大，容易引发火灾爆炸。 卸油时，如果流速过大，油罐进油管未按要求向下伸入罐底0.2m，极易产生静电，油罐车与卸油口处防静电接地不良或未连接或油罐车静置时间不够，卸油时产生的静电可引发火灾爆炸事故； 若不采用密闭式卸油方式，而是直接用油管往油罐倾泻，（除极易产生静电以外）还易产生外溢、外泄及油气挥发；遇火源可引发火灾爆炸事故； 卸油时对液位监测不利，易造成油罐漫溢；卸油管、密封垫破损，快速接头紧固栓松动等也可能造成油品滴漏；由于汽油（柴油）的固有危险特性，极易引发火灾、爆炸事故发生。 2）在油品储存过程中，罐区是火灾爆炸事故的易发部位。 油罐操作井口、通气管口、密闭卸油口及周边均属于爆炸危险区域，易产生泄漏。油罐一旦泄漏，油气与空气混合，浓度达到爆炸极限，遇明火即可引起火灾爆炸； 油罐超限使用、腐蚀严重，易造成油罐泄漏，除污染土壤、造成跑
油浪费外，油气长期积聚，也可引发火灾爆炸； 油罐、管道阀门、管道法兰等处防静电接地不良或失效，产生静电可引发火灾爆炸； 油罐通气管管口的阻火器损坏，起不到阻火作用，火源通过通气管将引发火灾爆炸。阻火器堵塞还将可能将油罐吸瘪或涨坏； 作业中如果使用铁制工具，因摩擦碰撞产生火花，可引起火灾、爆炸； 罐区周围的动火用火及其它明火源，可引起火灾、爆炸事故； 电器、线路、开关如果因不防爆，或因超负载发热、损坏，接线处接触不良等均可产生电气火花，同时，还应注意检修、抢修以及停电时使用的临时线路及手持电动工具的使用。避免由电火花引起的火灾、爆炸事故； 防雷设施失效、接地体接触不良或遭破坏，防雷设施覆盖不到罐区等，易遭受雷击而产生雷电火花，可引起火灾、爆炸事故； 操作人员及站外人员在罐区吸烟，易引起火灾、爆炸事故； 油罐清洗作业时，罐底的残余油气遇到静电、摩擦、电火花等都会导致火灾； 油罐也可能因温度过高而发生溢油事故；加油站低洼处排风不畅，可使油气长期累积。以上均可能使现场出现大量油气，与空气混合，浓度达到爆炸极限，遇点火源即可引起火灾爆炸。 3）在加油时，如果未采用密封技术，使大量油气外泄，或操作不当使油品外溢等原因，在加油口周围可形成爆炸危险区域，遇点火源即可引起火灾爆炸。加油机本身属于爆炸危险区域1区。加油机或加油过程中可能产生火灾爆炸原因有：①加油车辆不熄火；②加油过满外溢或
二、模型的假设 1、假设我们所统计与分析的数据,都就是客观真实的; 2、在考虑影响毕业生就业的因素时,假设我们所选取的样本为简单随机抽样,具有典型性与普遍性,基本上能够集中反映毕业生就业实际情况; 3、在数据计算过程中,假设误差在合理范围之内,对数据结果的影响可以忽略、 三、符号说明
四、模型的分析与建立 1、问题背景的理解 随着我国改革开放的不断深入,经济转轨加速,社会转型加剧,受高校毕业生总量的增加,劳动用工管理与社会保障制度,劳动力市场的不尽完善,以及高校的毕业生部分择业期望过高等因素的影响,如今的毕业生就业形势较为严峻、为了更好地解决广大学生就业中的问题,就需要客观地、全面地分析与评价毕业生就业的若干主要因素,并将它们从主到次依秩排序、 针对不同专业的毕业生评价其就业情况,并给出某一专业的毕业生具体的就业策略、 2、方法模型的建立 (1)层次分析法 层次分析法介绍:层次分析法就是一种定性与定量相结合的、系统化、层次化的分析方法,它用来帮助我们处理决策问题、特别就是考虑的因素较多的决策问题,而且各个因素的重要性、影响力、或者优先程度难以量化的时候,层次分析法为我们提供了一种科学的决策方法、 通过相互比较确定各准则对于目标的权重,及各方案对于每一准则的权重、这些权重在人的思维过程中通常就是定性的,而在层次分析法中则要给出得到权重的定量方法、 我们现在主要对各个因素分配合理的权重,而权重的计算一般用美国运筹学家T、L、Saaty教授提出的AHP法、 (2)具体计算权重的AHP 法 AHP法就是将各要素配对比较,根据各要素的相对重要程度进行判断,再根据 W、 计算成对比较矩阵的特征值获得权重向量 k
风险的要素有哪些 第一章保险总论 第一节风险和保险 一、风险的基本概念 (一)风险的概念 我们之所以讨论各种保险，最根本的原因是因为在现实生活中存在着各式各样的风险，所以，人们正在试图抵御、防止风险，努力减少风险给我们生活、生产和工作带来的消极影响。而通常所说的风险，实际上指的是一种损失的不确定性，它包括两层含义：一是可能存在损失;二是这种损失是不确定的。其中又派生出两个概念：其一是损失频率又可称为损失机会，它是在一定时间内一定数目的危险单位中可能受到损失的次数或程度，通常以分数或百分率来表示，即损失频率=损失次数/危险单位数。这里的危险单位是发生一次风险事故可能造成标的物损失的范围。其二是损失程度，它是标的物发生一次事故损失的额度，即损失程度=实际损失额/发生事故件数。损失频率与损失程度之间通常呈反比关系，即损失频率很高，但损失程度不大;损失频率很低，但损失程度大。 (二)风险的基本要素 风险主要由风险因素、风险事故和损失构成。 1.风险因素。风险因素是指引起或增加风险事故发生的机会或扩大损失幅度的原因和条件。风险因素通常分为实质风险因素、道德风险因素和心理风险因素三种类型，其中实质风险因素是有形的并直接影响事物物理功能的因素。道德风险因素是与人的品德修养有关的无形因素，即是由于个人的不诚实、不正直或不轨企图促使风险事故发生，以致引起社会财富损毁或人身伤亡的因素。心理风险因素是与人的心理状态有关的无形因素，它是由于人们主观上的过错，以致增加风险事故发生的机会或扩大损失程度的因素。 2.风险事故。风险事故是造成生命财产损失的偶发事件。 3.损失。损失是指非故意的、非预期的和非计划的经济价值的减少。 上述三种风险要素之间的关系为：风险因素是风险事故发生的潜在原因;风险事故是造成损失的直接的或外在的原因，是损失的媒介。风险因素将引起或增加风险事故;风险事故的发生将可能造成损失。 (三)风险的种类
数学模型与数学实验数 课程报告 题目：灰色预测模型介绍专业： 班级： 姓名： 学号： 二0一一年六月
1. 模型功能介绍 预测模型为一元线性回归模型，计算公式为Y=a+b。一元非线性回归模型：Y=a+blx+b2x2+…+bmxm。式中：y为预测值；x为自变量的取值；a,b1,b2……bm为回归系数。当自变量x与因变量y之间的关系是直线上升或下降时，可采用一元线性预测模型进行预测。当自变量x和因变量y之间呈曲线上升或下降时，可采用一元非线性预测模型中的y=a+b1x+b2x2+…+bmxm这个预测模型。当自变量x和因变量y之间关系呈上升一下降一再上升一再下降这种重复关系时，可采用一元线性预测模型中的Y=a+bx这个模型来预测。其中我要在这里介绍灰色预测模型。 灰色预测是就灰色系统所做的预测，灰色系统(Grey System)理论[]1是我国著名学者邓聚 龙教授20世纪80年代初创立的一种兼备软硬科学特性的新理论［95］96］。所谓灰色系统是介于白色系统和黑箱系统之间的过渡系统，其具体的含义是：如果某一系统的全部信息已知为白色系统，全部信息未知为黑箱系统，部分信息已知，部分信息未知，那么这一系统就是灰色系统。一般地说，社会系统、经济系统、生态系统都是灰色系统。例如物价系统，导致物价上涨的因素很多，但已知的却不多，因此对物价这一灰色系统的预测可以用灰色预测方法。 灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，就是对在一定方位内变化的、与时间有关的灰色过程的预测。尽管过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测。 灰色系统的基本原理 公理1：差异信息原理。“差异”是信息，凡信息必有差异。 公理2：解的非唯一性原理。信息不完全，不明确地解是非唯一的。 公理3：最少信息原理。灰色系统理论的特点是充分开发利用已有的“最少信息”。 公理4：认知根据原理。信息是认知的根据。 公理5：新信息优先原理。新信息对认知的作用大于老信息。 公理6：灰性不灭原理。“信息不完全”是绝对的。 灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。 灰色预测模型实际上是一个微分方程, 称为GM模型。GM（1，N）[]1表示1阶的，N个 变量的微分方程型模型；则是1阶的,1个变量的微分方程型模型。在实际进行预测时, 一般选用GM(1,1) 模型, 因为这种模型求解较易, 计算量小, 计算时间短, 精度较高。 现在下面简单介绍有关于灰色预测的相关知识点： 为了弱化原始时间序列的随机性 在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数据处理后的时间序列即称为生成列。灰色系统常用的数据处理方式有累加和累减两种。 关联度]1[
1.1.5 两岸间液体化工品贸易前景预测 从上述分析可见，两岸间液体化工品贸易总体上呈现上升的增长趋势。然而，两岸间的这类贸易受两岸关系、特别是台湾岛内随机性政治因素影响很大。因此，要对这一贸易市场今后发展的态势做出准确的定量判断是相当困难的；但从另一方面来说，按目前两岸和平交往的常态考察，贸易作为两岸经济与贸易交往的一个有机组成部分，其一般演化态势有某些规律可寻的。故而，我们可以利用其内在的关联性，通过选取一定的数学模型和计算方法，对之作一些必要的预测。 鉴此，本研究报告拟采用一定的预测技术，借助一定的计算软件，对今后10余年间大陆从台湾进口液化品贸易量作一个初步的预测。 (1) 模型的选择 经认真考虑，我们选取了灰色系统作为预测的技术手段，因为两岸化工品贸易具有的受到外界的因素影响大和受调查条件限制数据采集很难完全的两大特点，正好符合灰色系统研究对象的主要特征，即“部分信息已知，部分信息未知”的不确定性。灰色系统理论认为，对既含有已知信息又含有未知信息或不确定信息的系统进行预测，就是在一定方位内变化的、与时间有关的灰色过程进行的预测。尽管这一过程中所显示的现象是随机的，但毕竟是有序的，因此这一数据集合具有潜在的规律。灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测。 本报告以灰色预测模型，对两岸间化工品贸易进行的预测如下： 灰色预测模型预测的一般过程为： ① 一阶累加生成（1-AGO ） 设有变量为) 0(X 的原始非负数据序列 )0(X =[)1()0(x ,)2()0(x ,…)() 0(n x ] （1.1） 则) 0(X 的一阶累加生成序列 )1(X =[)1()1(x ,)2()1(x …)() 1(n x ] （1.2） 式中 ) ()(1)0() 1(i x k x k i ∑== k=1,2…n ② 对) 0(X 进行准光滑检验和对进行准指数规律检验
危险因素分类及常用的危害辨识方法危害辨识是确认危害的存在并确定其特性的过程，即找出可能引发事故导致不良后果的材料、系统、生产过程或工厂的特征。因此，危害辨识有两个关键任务：识别可能存在的危险因素，辨识可能发生的事故后果。为了便于进行危险因素的辨识和分析，必须对危险因素进行分类，危险因素的分类方法有很多，可以按照导致事故的职业病的原因进行分类，或按照事故类别和职业病类别进行分类等。如根据（GB13816-92）《生产过程危险和有害因素分类与代码》的规定，生产过程中的危险因素可分为三类。 1．物理性危险因素包括设备、设施缺陷；防护缺陷；电危害；噪声危害；振动危害；电磁辐射；运动物危害；明火；能造成冻伤的低温物质；粉尘与气溶胶；作业环境不良；信号缺陷；标志缺陷等一切物理危害因素。 2．化学性危险因素包括易燃易爆性物质；自燃性物质；有毒物质；腐蚀物质等一切化学性危险因素。 3．生物性危险因素包括致病微生物；传染病媒介物；致害动物；致害植物等一切生物性危险因素。 在危害辨识的基础上可确定需要进一步评价的危险因素。危险评价的范围、复杂程度，同辨识的危险的数量和类型及需要了解的问题的深度成正比。 常用的危害辨识方法
常用的危害辨识方法包括经验分析法、分析材料性质和生产条件， 以及应用危害评价方法等。． 1．经验分析法 包括对照分析法和类比方法。对照分析法是对照有关标准、法规、检查表或依靠分析人员的观察能力，借助于经验和判断能力，直观地对评价对象的危险因素进行分析的方法。其优点是简便、易行，缺点是容易受到分析人员的经验和知识等方面的限制，对此，可采用检查表的方法加以弥补。类比方法是利用相同或类似工程、作业条件的经验，以及劳动安全卫生的统计资料的来类推、分析评价对象的危险因素。2．材料性质和生产条件分析法 了解生产或使用的材料性质是危害辨识的基础。危害辨识中常用的材料性质有：毒性、生物退化性、气味阈值、物理性质、化学性质、稳定性、燃烧及爆炸特性等。初始危害辨识可通过简单比较材料性质来进行，如对火灾，只要辨识出易燃和可燃材料，就可将它们分类为各类火灾危害进行进一步的评价。生产条件也会产生危险，或使生产过程中材料的危险性加剧，例如，水就其性质来说没有爆炸危险，然而，如果生产工艺的温度和压力超过了沸点，则存在蒸汽爆炸的危险。此外，分析生产条件也可使有些危险材料免于进一步分分和评价，例如，某材料的闪点高于400℃，而生产在室温和常压下进行，这就可以排除材料引发重大火灾的可能性。在危险辨识时既要考虑正常生产过程，也要考虑生产不正常的情况，既要考虑现时的情况，还要考虑过去和将来出现或可能出现的情况。
灰色系统理论的研究 摘要：科学地预测尚未发生的事物是预测的根本目的和任务。无论个体还是组织，在制定和规划面向未来的策略过程中，预测都是必不可少的重要环节，它是科学决策的重要前提。在众多的预测方法中，灰色预测模型自开创以来一直深受许多学者的重视，它建模不需要太多的样本，不要求样本有较好的分布规律，计算量少而且有较强的适应性，灰色模型广泛运用于各种领域并取得了辉煌的成就。本文详细推导GM（1,1）模型，另外对灰关联度进行了进一步的改进，让改进的计 算式具有唯一性和规范性[]4 。通过给出的实例高校传染病发病率情况，建立了GM(1,1)预测模型， 并预测了1993年的传染病发病率。另外对传染病发病率较高的痢疾、肝炎、疟疾三种疾病做了关联度分析，发现痢疾与整个传染病关系最密切，而肝炎、疟疾与整个传染病的密切程度依次差些。 关键词：灰色预测模型；灰关联度；灰色系统理论
灰色系统理论的研究 GM(1,1)预测与关联度的拓展 1、引言 模型按照对研究对象的了解程度可分为：黑箱模型、白箱模型、灰箱模型。黑箱模型：信息缺乏，暗，混沌。白箱模型：信息完全，明朗，纯净。灰箱模型：信息不完全，若明若暗，多种成分。 1.1、研究背景 1.1.1、国内研究现状 灰色系统理论在我国提出至今已有二十几年的历史，它的应用引起了人们的广泛兴趣，不论是我国粮食发展决策中总产量预测模型，还是对湖北2000年宏观经济的发展趋势的量化分析，抑或是河南人民胜利渠的最佳灌溉决策，还是武汉汉阳火车对火车装车吨位的预测等，无一不是灰色预测系统理论杰出的硕果。 1.1.2、国外研究现状 灰色系统理论在国际上也产生了很大的影响，IBM公司要求将灰色系统软件加入其为全球服务的管理软件库。目前英国、美国、德国、日本、澳大利亚、加拿大、奥地利、俄罗斯等国家、地区及国际组织有许多学者从事灰色系统的研究和应用。 国内外84所高校开设了灰色系统课程，数百名博士、硕士研究生运用灰色系统的思想方法开展学科研究，撰写学位论文。国际、国内200多种学术期刊发表灰色系统论文，许多会议把灰色系统列为讨论专题，SCI、EI、ISTP、SA、MR、MA等纷纷检索我国灰色论著。 1.2、研究意义 邓聚龙教授提出灰色系统有着重要的意义: (1) 是系统思维和系统思想在方法论上的具体体现; (2) 是科学方法论上的重大进展, 具有原创性的科学意义和深远的学术影响，是对系统科学的新贡献。 2、灰色系统及灰色预测的概念 2.1、灰色系统理论发展概况 2.1.1、灰色系统理论的提出 著名学者邓聚龙教授于20世纪70年代末、80年代初提出。
编号：SY-AQ-06063 ( 安全管理) 单位：_____________________ 审批：_____________________ 日期：_____________________ WORD文档/ A4打印/ 可编辑 钻井中的环境风险因素 Environmental risk factors in drilling
钻井中的环境风险因素 导语：进行安全管理的目的是预防、消灭事故，防止或消除事故伤害，保护劳动者的安全与健康。在安全管理的四项主要内容中，虽然都是为了达到安全管理的目的，但是对生产因素状态的控制，与安全管理目的关系更直接，显得更为突出。 钻井的环境风险因素主要有放喷、失控时硫化氢中毒，废液污染，固体污染。 ①事故放喷当需要检修或出现事故时，需要放喷天然气，事故放喷量一般大于测试放喷量，且时间一般为1～2d。放喷时的天然气燃烧，产生大量的SO2，该浓度值超过了农作物保护限值，可能造成局部农作物急性伤害。 ②发生井喷失控事故井喷失控后，可能出现两种情况：释放的含硫天然气立即被点火燃烧排放，对环境空气的影响主要是SO2；释放的含硫天然气未能立即点火，大量H2S释放到空气中。若为高含硫化氢气田，将造成严重的人员中毒伤亡和严重的污染后果。 ③废水池泄漏、垮塌钻井废水COD，SS，石油类含量非常高，若废水池渗漏或垮塌，废水进入了土壤、农田和地表水，将严重污染土壤，影响农作物收成。
④固体废弃物污染钻井岩屑来自地下几千米，成分不清，若含有放射性物质，对周边的人群将带来危害和威胁。 ⑤热辐射放喷时天然气大量燃烧，引起周围温度急剧升高，放喷时的噪声和热辐射会对井场周围的人和动物带来影响，严重时热辐射可能引起植物被燃烧和森林火灾。 这里填写您的公司名字 Fill In Your Business Name Here
针刺伤的主要风险因素 3.1护理人员因素 护士对针刺伤没有引起足够的重视，由于各种因素造成的工作疲劳和匆忙导致这些护理人员操作的不严谨是很容易引起针刺伤事故的，还有如果在工作中存在其他负面的心理状况也导致针刺伤的发生。 3.2防护用品 安全设备使用率低；防护设备无法在触手可及的范围内接近。关于对锐器进行回收的工具，容积与口径不符合标准。没有配备足够的锐器回收装置数量，规格不适合，位置不合理等等。医疗废物一直存放在锐器回收容器中迟迟没有处理，这些都会导致出现针刺伤的情况。 3.3工作环境因素 操作环境的光线不够明亮，或者出现很拥挤且嘈杂的现象，更不妙的是患者不积极的与护理人员进行配合，这些都极易导致针刺伤。 3.4操作行为因素 医护人员没有严格遵守操作标准，往往会造成一些不必要的麻烦，比如没有很好的遵守操作的要求，这会容易引起针刺伤，如回套针帽、不直接用手传递缝合针甚至直接用手去弯曲缝合针、在处理各种针头和比较锐利的医疗器械时动作幅度太大、用完就随便丢掉各种锐器，而且没有采取任何的保护措施进行保护。医护人员在操作过程中可能会因为注意力的不集中以及操作过程中的小马虎而造成严重的针刺伤。 3.5职业防护培训因素 医院对相关的护理人员在这些方面的培训还存在欠缺，在培训的时间长短以及培训的形式上还不够完善，时间零散并没有达到培训的基本要求，形式也过
于的单一和简单化；医护人员显然对这方面的重视程度还远远不够，所以护理人员培训后也并没有太当那么一回事儿，对已经发生的针刺伤行为，新闻报道力度也很低，只是对护理人员进行了形式上的培训，然而却忽略最重要的事后的考核工作，这些都为针刺伤的发生创造了条件。 3.6制度保障因素 缺乏有力的制度来规范和对护士的行为进行标准化的要求，相关制度在建立和修订完善方面存在着各种各样的问题。
环境因素及危险源风险评价准则 版号： B/0 批准: 丁学锋 审核: 王永杰 编制: 安全技术部 受控号: 2010年6月25日发布 2010年7月1日实施
九冶建设有限公司 1 总则 本准则明确了设计、生产（建筑施工）和服务等活动过程中的环境因素和危险源评价标准。为我公司进行环境因素和危险源的评价提供了统一的要求。 2 职责 2.1 环境因素识别、评价过程的职责 A、管理者代表负责环境因素识别与评价的领导工作及重要环境因素的批准； B、安全技术部负责环境因素识别与评价的组织工作，各相关部门协助实施； C、各工程公司、直属项目部负责本单位环境因素的识别和评价工作，新建项目在进行施工前必须进行环境因素的识别和评价，同时将环境因素清单和重要环境因素清单报建设公司安全技术部。 2.2 危险源的辨识、风险评价过程的职责 A、管理者代表负责危险源辨识、风险评价和风险控制的策划工作； B、安全技术部负责危险源辨识、风险评价的组织和风险控制工作，负责建立危险源清单和重要危险源清单。 C、各工程公司、直属项目部负责本单位危险源辨识和风险评价工作，负责建立与本单位相关的危险源清单和重要危险清单并报安全技术部，对重要危险源制订管理方案或控制措施。 D、新建项目部、及新工艺、新技术、新材料、新设备在应用前由项目部安全负责人（可在公司安全技术部指导下）在施工前进行危险源辨识和风险评价，对重要危险源制定控制措施。 E、对外包方和访问者的活动，使用外部产品接受服务所带来的危害和影响，由责任单位负责危险源的辨识、风险评价工作，对重要危险源制订控制措施并负责通报给外包方、供方和访问者。