预测和预警范文

预测和预警范文（精选9篇）

预测和预警 第1篇

为了适应我国高等教育的发展和各项改革的推进,教育部于2004年发布实施了重新修订的《普通高等学校基本办学条件指标(试行)》。

(1)《基本办学条件指标》由以下两部分组成。

1)基本办学条件指标:

包括生师比、具有研究生学位教师占专任教师的比例、生均教学行政用房面积、生均教学科研仪器设备值、生均图书数量。这些指标是衡量普通高等学校基本办学条件和核定年度招生规模的重要依据。

2)监测办学条件指标:

包括具有高级职务教师占专任教师的比例、生均占地面积、生均宿舍面积、百名学生配教学用计算机台数、百名学生配多媒体教室和语音实验室座位数、新增教学科研仪器设备所占比例、生均年进书量。

(2)限制招生、暂停招生的确定。

1)凡有一项基本办学条件指标低于限制招生规定要求的学校即给予限制招生的警示,以维持其基本办学条件不再下滑,并促进其尽快改善办学条件。限制招生的学校其招生规模不得超过当年毕业生数。

2)凡有两项或两项以上基本办学条件指标低于限制招生规定要求,或连续三年被确定为黄牌的学校即为暂停招生学校。暂停招生学校当年不得安排普通高等学历教育招生计划。

2 案例剖析

以某财经类高职院校2000～2004年招生情况为例,根据它的实际办学状况统计数据,剖析它的基本办学条件指标是否达标,具有一定的借鉴意义。该校基本办学条件指标数据及相应达标数据如表1～表3。

3 对比分析

按照传统的评价方式,把在不同的时间节点,统计出相关的指标数据,与相对应的基本办学条件指标进行一一对照,进行比较分析。

(1)分析结果。

该校在2000年的基本办学条件指标:具有研究生学位教师占专任教师的比例,没有达标,办学条件指标不完全合格,有待于改进。而2004年全部办学条件指标达标,办学条件指标合格。

该校在2000年和2004年的监测办学条件指标都合格,表明学校的整体发展势态良好。但各项指标的实际数据呈现递减趋势,一方面说明学校的发展规模变化很快,另一方面也说明,办学条件的改善滞后于规模的发展。这一点要引起学校领导层的高度注意和重视,并尽快加以改善。

(2)评价方式缺点。

学校是在不断发展变化的,因此统计数据也是不停变化。采用这种静态分析方法,每次评估、检查都要做重复统计、对比和分析数据的工作,效率低下,容易出错,且表现形式单调。不能结合学校的现状对未来的发展规模、师资队伍建设、学科专业规划等做出科学、合理的预测,在办学过程出现的问题,不能事先获得警告,就更不用说及时给出应急对策和建议了。这种方法显然不合时宜,不能为学校发展把握机遇提供依据,也不能为学校发展决策提供参考。

4 办学条件指标达标预测、预警系统动态解决方案

(1)系统背景。

教育行政管理人员中经常会遇到这样的问题:如何安排课程,才能保证既遵循教育规律,又能提高教学质量?如何进行专业布局,才能保证培养的学生是社会需要的人才?如何进行科学、动态地监测办学指标,才能及时发现制约学校发展的瓶颈,保证学校教学的可持续性发展?

对于以上问题,现有信息管理系统中的数据分析工具无法给出答案。因为无论是查询、统计还是报表,其处理方式都是对指定的数据进行简单的数字处理,而不能对这些数据所包含的内在信息进行提取。随着信息管理系统的广泛应用和数据量激增,人们希望能够提供更高层次的数据分析功能。数据仓库系统能针对这些问题提供技术解决方案。

(2)系统采用的新技术。

1)数据仓库。

数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。首先,数据仓库用于支持决策,面向分析型数据处理;其次,数据仓库是对多个异构的数据源有效集成,集成后按照主题进行了重组,并包含历史数据,而且存放在数据仓库中的数据一般不再修改。

信息作为现代社会的宝贵资源,占据着越来越重要的地位,已经成为现代高校科学管理的基础,正确决策的前提,有效调控的手段。能否拥有及时、准确、全面的信息已经成为衡量一个高校是否具有发展潜力的一个重要指标。

2)联机分析处理(OLAP)。

OLAP是针对特定问题的联机数据访问和数据分析而产生的一种技术,它满足从多角度对数据进行快速、一致、交互地分析,使决策者能够对数据进行深入观察。OLAP服务器使用为用户预定义的多维数据视图对数据仓库的信息进行统计分析处理,为具有明确分析范围和分析要求的用户提供高性能的决策支持。OLAP将分析结果存储在信息库中,便于决策者通过对比多种分析结果做出更好的决策。

3)数据挖掘。

数据挖掘是指从大量数据中发现潜在的、有价值的及未知的关系、模式和趋势,并以易被理解的方式表示出来。通过进行数据挖掘用以发现数据之间的复杂联系以及这种联系对决策的影响。

(3)系统功能。

根据科学的发展观,把先进的IT技术,如人工智能、数据仓库、数据挖掘、OLAP等技术应用于教育管理,开发出动态的分析决策系统,为高等教育和高等院校的发展提供科学的和谐的分析决策平台。教育主管部门根据系统提供的信息,能够预测社会发展对人才的需要,及时发布高等教育发展预警信息,对高等院校进行合理布局;高等院校科学设置学科体系和培养规模,动态调整专业设置和课程安排,主动、积极迎接发展机遇和不利的挑战。系统可以重点分析高校规模、布局结构、学科设置、专业调整等方面的变化,采用文字、表格、直方图和曲线等多种形式表现分析结果,为学校发展提供可靠的理论依据和分析结论。

系统能够动态预测未来可能出现的机遇,根据预警信息,及时调整高校布局、专业设置,实时地提供权威数据,给各个层面的决策层提供分析、决策参考。保证学校科学、和谐、高效、快速、健康、有序、稳定的发展。

参考文献

[1]沈兆阳.SQL Server 2000OLAP解决方案—数据仓库与Analysis Services[M].北京:清华大学出版社,2001.

[2]林宏谕.SQL 2000决策分析OLAP建置与应用[M].北京:中国铁道出版社,2001.

铁岭经济开发区预警预测制度 第2篇

开发区各相关单位、市直驻区单位、街道社区、农业分场、学校及区内企业：

为在第一时间及时准确地应对各类突发事件，及时发现、研究和解决突发公共事件处置工作中出现的问题，不断提高应对突发公共事件的能力，根据省、市有关规定，管委会决定在全区建立应急管理工作预报预警制度，现就有关事宜通知如下：

一、建立全区应急管理工作预报预警制度。按照属地管理与系统指导相结合的原则，切实加强专项监测预警系统建设，全力保障应急管理工作需要。

（一）突出重点，加快专项监测预警系统建设。农发局、水利局等部门加强对暴雨（雪）、大风、雷电、冰雹、大雾等突发灾害性天气的预报工作，及时发布突发天气情况；区林业局、消防大队要利用现有资源，做好火险天气预报；安监局、卫生局、及其他相关部门、单位，要结合本系统情况和管理重点，加快建设和完善相关系统，不断增强预报预警的全面性和时效性。

（二）整合资源，建立统一高效的信息发布体系。按照“上下一体、专群结合、区域联动、共享共用”的原则，建立统一高效的信息发布体系，实现预警信息发布的全天候、立体化和无缝隙覆盖。

防治商业贿赂预测预警机制初探 第3篇

关键词：商业贿赂,预测,预警,机制

党的十七大指出：“要通过发展增加社会物质财富、不断改善人民生活，又要通过发展保障社会公平正义、不断促进社会和谐。”这就要求我们必须对阻碍经济社会发展的商业贿赂等腐败现象进行全面治理。为有效防治商业贿赂，我们从理论和实践两方面对完善防治商业贿赂预测预警机制进行了有益的探索。

一、完善防治商业贿赂预测警机制的必要性和可行性

防治商业贿赂预测预警机制，是对一个地区商业贿赂的各种信息实施动态监测和综合分析，及时预测商业贿赂的变化趋势并发出先兆预警，以便采取应急措施，有效防止和及时处置商业贿赂的一种长效运行机制。完善防治商业贿赂预测预警机制，可以做到对商业贿赂提前预警，将防治商业贿赂的战线向前延伸，及时遏制住商业贿赂的苗头。完善商业贿赂预测预警长效机制有利于深入开展党风廉政建设和反腐败工作，有利于社会主义和谐社会的构建。

十六大以来，党中央坚持以邓小平理论和“三个代表”重要思想为指导，积极探索新形势下反腐败斗争的特点和规律，提出坚持标本兼治、综合治理、惩防并举、注重预防的战略方针，建立健全与社会主义市场经济体制相适应的惩治和预防腐败体系，为完善防治商业贿赂预测预警机制提供了理论依据。在此基础上，各地各部门积极探索建立健全防治商业贿赂的长效机制。如通过党务公开、政务公开、联席会议等制度，实行情况通报、线索移送、案件协查和信息共享的互动机制，部门之间形成了有分工有合作的工作格局，这些举措为完善防治商业贿赂预测预警机制提供了实践基础。

二、构建网络平台，为完善防治商业贿赂预测预警机制提供载体

防治商业贿赂信息收集机制是防治商业贿赂预测预警机制的基础。如果没有及时充分的商业贿赂信息，防治商业贿赂预测预警就无从谈起。

收集五类重点信息。收集商业贿赂信息时应特别注意五个重点内容：一是重点案件的信息，要围绕查处的严重破坏市场经济秩序和损害人民群众切身利益的案件收集信息;二是重点领域和行业的信息，要围绕商业贿赂易发多发的重点领域和行业收集信息;三是重点项目的信息，要主动参与重点项目并收集信息;四是重点环节的信息，要抓住重点环节收集信息;五是重点人员的信息，要瞄住拥有重点岗位职权的工作人员，特别是拥有司法权、行政审批权和执法权的公务员。

形成三级指标体系。根据掌握的信息，需要将防治商业贿赂预测预警机制形成三级指标体系：一级指标 (警源性指标) ，由重点领域、重点行业等组成;二级指标 (警兆性指标) ，由商业贿赂案件的个案、窝案、串案、大案要案等类型构成;三级指标 (警情性指标) ，由报警数、立案数、涉及人数、金额、危害、影响等构成。这些指标应经科学测定评估并将其固化。

建立预测预警办。随着国家预防腐败局的成立，我国各级政府预防腐败的专门机构正在逐渐完善，防治商业贿赂信息收集机制的有效运作，需要在条件成熟时成立专门的防治商业贿赂预测预警办公室，形成以各级政府统一领导，纪检监察机关组织协调，相关部门和领域各负其责，群众积极支持和参与的运作机制。各相关部门应通过行业协会、新闻传媒等渠道，将收集到的信息报送到各地预测预警办，然后由预测预警办分门别类地将信息输入数据库。

预测预警办在防治商业贿赂中的组织领导作用可以归结为四个方面：一是制定防治商业贿赂预测预警政策，统一规划商业贿赂预测预警活动;二是组织实施各种商业贿赂预测预警计划、工程、项目;三是总结、推广各地预测预警的先进经验;四是编辑出版各种商业贿赂预测预警宣传材料，通过相关渠道散发给公众。

预测预警办要运用计算机系统汇总各方面信息，并使之成为商业贿赂预测预警工作的平台。例如，预测预警办将各种商业贿赂案例的特征、数据和值得关注的问题输入规定的计算机预测预警系统;各地纪检监察、公安、检察院、法院、工商等部门在处理商业贿赂案件过程中，将各种案例的特征、数据和值得关注的问题输入规定的计算机预测预警系统;有关部通过联网预测预警办的计算机预测预警系统，对商业贿赂案件按地区、领域、行业、项目、环节、人员等进行动态监测，从中找出问题发生的原因、特点和规律。

三、防治商业贿赂信息分析预测预警机制

信息分析处理。防治商业贿赂信息分析处理机制指预测预警办通过计算机系统对输入其中的商业贿赂信息进行筛选、动态监测、统计分析，得出结论性意见的运作过程。商业贿赂信启、分析对防治商业贿赂预测预警机制的建立起着至关重要的作用。有关部门查处个商业贿赂案件后，预测预瞥办要对案刊：进行研究，分析部门、领域、行业、环节等在制度，亡存在的问题，向有关部门提出堵塞漏洞的建议，并着重从思想、经济、体制等层面分析商业贿赂的成因。我们认为，通过全面而严密的商业贿赂信息分析，可以对本地区各重点领域、各重点项目、各重点环节、各重点人员可能发生的商业贿赂提出预测预警，使之能够及早发现问题，尽量避免商业贿赂案件发生;本地区的各重点领域、重点项目、重点环节、重点人员也可以由此查找制度、技术的盲点并有效弥补漏洞，在此基础上制定防止商业贿赂的对策。同时，通过全面而严密的商业贿赂信息分析，预测预警办可以为本地区的防治商业贿赂发展战略提供参考依据。

预测预警。防治商业贿赂预测预警工作，主要是对在商业活动中，经营者通过贿赂手段，以获取交易机会或者经济利益行为的相关信息进行定量和定性相结合的统计分析，从而得出预警程度评价标准。我们主要考虑从指标性质、严重程度、影响范围、可控性等四个方面综合分析，确定预警等级。例如，综合2004至2006年某市商业贿赂情况，确定以全市商业贿赂发案人数占全市人口总数的比率为基数，统计2007年的商业贿赂发案数和发案率，计算2007年全市商业贿赂发案人数占全市人口总数的比率、商业贿赂案件数占所有贿赂案件数的比例、案件涉及领域多少、金额大小、涉案人数多少、案件性质等有关信息。通过对信息的分析和判断，确定“三色”预测预警等级：蓝色 (Ⅲ级，安全区) ，黄色 (Ⅱ级，暂停区) ，橙色 (1级，危险区) 。这个过程是防治商业贿赂预测预警机制发挥作用最关键的环节。

四、防治商业贿赂预报处置反馈机制

防治商业贿赂预报处置反馈机制是信息分析预测预警的最终目的，只有把通过分析处理而得到的防治商业贿赂警示信息及时反馈，才能发挥其对症下药之功效。防治商业贿赂信息的反馈贵在迅捷，因此各地预测预警办应当负责建立通畅的信息传输网络，建立防治商业贿赂预警的信息发布网站，不仅在网上建立预警明示牌、网上预警公示，而且直接针对某个问题向具体部门、企事业单位、项目、相关人员发出警报信息或预警通报，同时向上级传输信息。为此，预测预警办可设立发言人制度，定期向新闻媒体发布有关信息，向社会及有关单位发送防治商业贿赂预测预警专刊。例如，对警报信息处于黄色区的部门、领域或企事业单位，可以通过预警预报及时发现和制止即将发生的有关商业贿赂行为;对已经发生商业贿赂行为的部门、领域或企事业单位，要通过充分的技术和法律分析，发现防治商业贿赂方面存在的漏洞、缺陷，据此发出监察建议，督促其及时整改。一旦具体单位、相关人员接到预警通报，就要制订出切实可行的整改方案，并在规定时间内将整改落实情况书面反馈预测顶警办。

五、加强制度建设，为完善防治商业贿赂预测预警机制提供保障

在完善防治商业贿赂预测预警机制工作中，除了构建预测预警网络平台外，加强制度建设是重要的保障。是加强群众举报投诉制度。要对外公开受理举报投诉电话，鼓励群众举报商业贿赂行为，并明确专人负责受理举报投诉事项，同时对举报投诉事项进行登记，定期梳理，从中发现问题。二是加强信息公开制度。要规范商业信息公告，不断完善网络建设，提高工作的透明度，促进公平竞争。三是加强信息通报和联席会议制度。在纪检监察机关的组织协调下，各部门要协调配合互通信息，司法机关、行政执法部门和行业主管部门，要建立和完善查办案件的协查机制和移送受理机制，提高办案的整体效能，对瞒报、漏报、迟报、错报信息的，要追究有关人员的责任。四是加强督促检查制度。要对商业贿赂案件立案、侦查、审判和刑罚执行情况开展检查，及时发现和纠正存在的问题，预测预警办根据检查情况提出整改建议，并督促整改到位，对拖而不办、不落实整改的，要追究有关人员的责任。五是加强诚信体系建设。对参与商业交易的单位及有关人员，建立诚信档案，完善信用体系，严格执行廉政准人制度，对缺乏诚信、信用等级低的单位和人员，要限制或禁止商业交易。

预测和预警 第4篇

力预测

摘要：随着畜禽养殖业的快速发展，畜禽养殖污染已成为我国农业非点源污染的重要因素之一。云南省大理州是我国典型的农业州，畜禽养殖业在大理农业中占重要的地位。合理规划畜禽养殖业的发展对保护大理州环境以及畜禽养殖业的可持续发展起着积极的促进作用；畜禽养殖资源环境承载力作为一个综合指标，在畜禽养殖业发展规划的制定中有一定指导作用。以大理州为例，构建具有大理州地区特色的畜禽养殖资源环境承载力评价指标体系，运用系统动力学和模糊预警模型对大理州畜禽养殖资源环境承载力进行预测、预警研究。结果表明：系统动力学结合模糊预警模型在畜禽养殖规划环评研究中应用比较成功，具有较好的可行性；大理州畜禽养殖资源环境承载力近年来呈持续下降趋势，规划发展后期承载力下降幅度有所减缓；大理州畜禽养殖资源环境承载力预警结果为中警，应采取措施改善大理州畜禽养殖资源环境承载力。

关键词：大理州；畜禽养殖；资源环境承载力；系统动力学模型；模糊预警

中图分类号： X713

文献标志码： A

文章编号：1002-1302（2016）04-0440-05

随着畜禽养殖业发展给环境带来的巨大压力和负面影响，畜禽养殖环境污染已成为我国农业非点源污染的主要因素之一。开展畜禽养殖规划环评，有利于从源头上控制畜禽养殖面源污染。在开展畜禽养殖规划环评过程中，畜禽养殖资源环境承载力分析是其中一个重要环节，能为畜禽养殖业规划提供科学依据[1]。畜禽养殖资源环境系统是畜禽养殖系统、资源环境系统以及社会环境系统的协调与统一。畜禽养殖资源环境承载力是指在特定时空条件下，畜禽资源养殖环境系统在维持系统平衡和健康不受影响时所能支持畜禽养殖行为的最大能力。畜禽养殖资源环境承载力研究突破以往仅考虑畜禽养殖系统对畜禽养殖污染物承载的思维模式，体现了畜禽养殖业与资源环境大系统的相互适宜性，为畜禽养殖业可持续发展以及区域发展规划提供了实际指导意义。近些年我国关于畜禽养殖领域的承载力研究不少，陈晓燕等分别在浙江省杭州市、黑龙江省等地区围绕畜禽粪便给环境带来的污染对畜禽养殖方面的承载力展开研究，在评价指标选取上仅考虑了畜禽养殖污染而忽略了社会环境、资源环境对畜禽养殖环境系统的影响[2-3]。也有学者综合考虑了畜禽养殖、社会发展以及资源环境等影响因素，选取具有华北平原以及重庆市地区特色的评价指标对畜禽养殖方面的承载力进行分析研究[4-5]。大理州是典型的农业州，根据《大理州年鉴2012》中的畜禽出栏量和存栏量进行统计，计算出2011年大理州畜禽养殖总量达854.917万头生猪当量，较2010年增长4.7%[6]。其中生猪、肉牛和奶牛养殖量分别占总量的45%、30%和16.5%。全州规模化养殖场达2 256个，规模化生猪养殖场占52.3%。规模化畜禽养殖业快速发展，特别是大理州洱海周边是奶牛养殖的重点区域，由于畜禽粪污治理相对落后，大量的畜禽粪便和养殖污水直接排入江河、溪流与农田，导致洱海水质日益下降[7]。洱海为大理州重点保护水域，为有效保护洱海生态，积极促进大理州畜禽养殖业可持续性发展，本研究以大理州为例，综合考虑社会经济、资源环境与畜禽养殖之间的相互影响，建立具有大理州地区特色的畜禽养殖资源环境承载力评价指标体系，采用系统动力学和模糊预警方法，开展对畜禽养殖资源环境承载力的预测预警研究，为大理州合理规划畜禽养殖业和实现畜禽养殖业可持续发展提供依据和指导。

材料与方法

1.1 数据资料的获取

本研究2001―2010年基础数据来自《大理白族自治州年鉴》《云南省统计年鉴》《大理白族自治州环境公报》；同时根据《大理白族自治州国民经济和社会发展第十二个五年规划纲要》《七彩云南生态文明建设规划纲要（2009―2020年）》《云南大理洱海绿色流域建设与水污染防治规划（2010―2030年）》等公开发表的规划文件和文献，确定预警安全临界值。

1.2 研究方法

畜禽养殖资源环境承载力评价方法一般有指数评价法、层次分析法、状态空间法、模糊综合评价、人工神经网络法、系统动力学方法以及多目标模型最优化法等[8]。其中指数评价法、状态空间法和多目标模型最优化法相对比较成熟，但是仅用于现状分析，无法进一步预测研究。此外，多目标模型最优化法要求数据量大，模型也难于求解，应用并不广泛。人工神经网络法在预测研究中需要大量的训练样本和测试样本，不适用于基础数据较少的研究[9]。系统动力学法重视分析系统和外部环境之间、系统内部各要素之间的相互作用和影响的关系，建模比较简单，适于复杂系统的分析预测研究[10]。模糊综合评价法应用模糊数学对受到多种因素制约的事物或对象作出一个总体的评价，具有结果清晰、系统性强的特点，在处理生态环境评价等一些精确数学方法难以描述的复杂系统问题方面具有独特的优越性[11-12]。为此，本研究主要采用系统动力学和模糊预警模型对大理州畜禽养殖资源环境承载力进行预测预警研究。

1.2.1 评价指标体系建立通过资料搜集和专家咨询法，结合大理州畜禽业特点分析大理州地区特点以及社会环境、畜禽养殖以及资源环境的相互影响，建立具有大理州地区特色的畜禽养殖资源环境系统的承载力评价指标体系（表1）。

1.2.2 系统动力学模型构建大理州畜禽养殖户遍及大理州12个县市，本研究系统的空间边界确定为整个大理州行政区。借助畜禽养殖资源环境承载力指标体系建立了大理州畜禽养殖资源环境承载力SD结构流程图。模型中表函数和初始值用统计资料中变量的历史数据来表现，常数参数根据参数历史数据平均值、专家建议和有关部门选取的数值来确定。设置2001、2020年分别为模型运行起始年和终止年，时间步长为1年（图1）。

1.2.3 多级模糊预警模型由大理州畜禽养殖资源环境承载力评价指标体系组成评判集合，结合已有研究成果将畜禽养殖环境系统承载力预警警度确定为无警、轻警、中警、重警和极重警5级，即评价集为V=（V1、V2、V3、V4、V5）=（无警、轻警、中警、重警、极重警）。由权重和隶属度矩阵根据模糊算子合成运算得到大理州畜禽养殖资源环境承载力的模糊综合评判结果[13]。结果与分析

2.1 指标权重计算

邀请环境影响评价、畜牧养殖、环境保护、畜禽粪污治理等领域的专家，根据1～9比较尺度的打分结果，利用层次分析法辅助软件（yaahp）构建判断矩阵进行一致性检验和权重的计算，得到各指标权重值（表1）。

2.2 畜禽养殖资源环境承载力评价

2.2.1 畜禽养殖资源环境承载力预测研究通过模型不断检验与修改，最终确定模型的参数值（表2）。

2.2.1.1 模型测试（1）极端测试，在切断人口、GDP、化肥施用量、养殖量、耕地面积、粮食播种面积的增长之后，畜禽养殖环境承载力并没有出现负值或其他不符合现实的情况，所以该模型相对来说比较稳定（图2）。

（2）灵敏度测试参数灵敏度测试结果表明，6个参数中灵敏度最大为-0.047 4，未超过10%，可见所有参数的变化并不敏感，不会引起系统根本行为的变化，而且在极端测试中，模型的结论也基本合理，充分说明模型的有效性（图3）。

（3）历史检验历史行为检验是将已有变量的历史数据带入模型进行仿真模拟，得到的仿真结果与历史数据作比较。本研究选取6个水平变量进行历史检验，发现误差最大的为2010年的GDP指标，达9.36%，但未超过10%，其他指标的误差均较小，说明模拟数据与历史数据基本相符，该模型具有较高的准确性。以上测试结果均表明该模型稳定性好，精确性高，能够较好地进行仿真预测[7]。

2.2.1.2 承载力趋势分析系统动力学软件Vensim运行得到承载力变化趋势以及二级准则层的评价值变化趋势（图4）。通过分析可看出，大理州畜禽养殖资源环境承载力在仿真时期（2001―2010年）呈波动趋势，2003年以前呈下降趋势，2003年出现波动，最后持续下降，总体呈下降趋势。分析二级准则层评价水平值的趋势，2003年畜禽养殖污染物排放评价值和资源环境评价值有较明显的波动，进而对其进行因果分析（图5）。

通过因果追踪分析发现，影响资源环境评价值出现波动的是单位面积粮食产量和人均水资源量的减少，影响畜禽养殖污染物排放评价值的是单位面积粪污排放强度均大幅下降。结合2003年国内有关大事件，2003年大理州畜禽养殖资源环境承载力突增可能与自然因素以及2003年发生的非典型肺炎传染疾病有关。由于“非典”的原因，我国的种植业、活禽引进和饲料供应受到严重影响，2003年畜禽养殖粪污排放强度相比2002年大幅降低。随着养殖量不断增加，总体上大理州粪污排放强度不断加大，化肥等使用量逐年增加

使得大理州畜禽养殖资源环境承载力总体呈下降趋势。从模型运行结果可看出，大理州畜禽养殖资源环境承载力在预测时期内（2011―2020年）整体呈下降趋势，预测期前5年内，相比2011年承载力水平值，到2015年承载力水平值下降 6.11%，下降幅度较大；相比2015年，2020年承载力水平值下降了2.73%，承载力下降趋势平缓。表明从2015年开始，大理州在耕地保护、人口增长控制、洱海水质保护以及畜禽养殖结构调整等方面的发展规划，在改善大理州畜禽养殖资源环境承载力方面发挥较大作用。但是大理州畜禽养殖仍以散养为主，畜禽粪污处理及利用水平较低，很大程度上制约着大理州畜禽养殖业的可持续发展。加大规模化畜禽养殖比例，积极改善畜禽养殖粪便处理及管理方式，将有利于大理州畜禽养殖资源环境承载力的改善和促进大理州区域的可持续发展。

2.2.2 畜禽养殖资源环境承载力模糊预警研究通过单因素评价获得以下综合评价的单因素隶属度矩阵：

根据最大隶属度原则，对照表3，到2020年大理州畜禽养殖资源环境承载力预警结果为中警。分析单因素隶属度矩阵中的指标隶属度，致警原因主要是畜禽养殖量的不断增加和耕地面积的不断减少。为保证大理州畜禽养殖业的可持续发展，促进大理州社会经济环境的协调发展，有必要进一步控制畜禽养殖量的增加和规划养殖结构；加大力度保护耕地面积，提高畜禽养殖场科学管理水平。

结论与讨论

（1）系统动力学结合模糊预警模型适用于畜禽养殖资源环境承载力分析研究。模拟结果表明评价模型能较好地体现大理州地区特点，预测的结果都可以从发展规划的角度得到合理的解释，具有一定的可信度；预警模型通过对预测结果的进一步评价反映出畜禽养殖资源环境承载力的警度水平。（2）大理州畜禽养殖资源环境承载力近年来呈持续下降趋势，规划发展后期承载力下降幅度有所减缓；大理州畜禽养殖资源环境承载力预警结果为中警。

参考文献：

预测和预警 第5篇

原有的灰色预测模型存在不容易确定阈值等问题。就阈值的确定而言, 本文采用了求取10家st公司的预测目标值———∑Yi并以其中最低者近似代替预测阈值, 再以其他st公司加以验证。

一、灰色预测模型

获得原始数列:X (0) = (X (0) (1) , X (0) (2) , …, X (0) (n) )

一阶累积后数列变为:

并且应满足:

当原始数列和一阶累积数列满足准光滑性检验、准指数规律检验、级比检验后, 原始数列的随机性得到削弱, 此时X (1) 满足一阶线性微分方程:

其中, a为发展灰数, 反映X (1) 及X (0) 的发展趋势, u称为内生控制灰数, 反映数据间的变化关系。

利用最小二乘法求解, 可得下式:

经过求解可得:

在此基础上进一步解方程可得X的预测值X赞。在此理论基础上即可以进行预测数据的工作。

根据实际操作可以得知, 在预测单一指标的过程中, 指标的数据量有限, 而且代表性无法确定加之此单一指标在整体预测的过程中所代表的重要程度不同, 所以在预测过程中仍存在较大偏差, 由此导致阈值难以确定的问题。为解决这一问题, 本文将建立以主成分分析法对各指标赋权的模型, 而经赋权加总后的各指标预测值不属于任何一个指标但又包含了所有指标的体征, 具有一定的代表性。在判断公司是否将成为st类型时, 模型将事先选取5家st公司并独立运行预测过程, 每家公司的预测结果称为预测目标值。取预测目标值中最小者即为判断的估计阈值。

二、财务预警指标体系的构建

(一) 指标体系的建立。

一家企业的资金来源是公司运营的根本所在。资金来源中自有资金的多少直接影响着企业的运行是否健康。自有资金越多意味着负债所占的比例越小或者是公司的企业规模可以达到更大的程度, 发展的根基也就越牢固;而负债的存在扩大了企业的规模, 增大了企业发展的潜力和动力, 反映了企业资本的使用效率, 即一定的资本量可以带动的资产倍数。然而, 仅有运营的资本还是不够的, 一家逐年亏损的公司根本无法在市场上生存。收入是盈利的前提, 而盈利是企业的基本目标和长期健康存活并发展的保障。这不仅关系到企业的财务管理目标, 企业的价值能否实现, 更是度量企业成长潜力的重要指标。每一个个体在发展的过程中的投入产出比都是不相同的, 在上述两指标的限定下最终产生了怎样的化学反应, 企业的状况是否在朝向完善的方向, 这将是一个综合的度量指标。当企业各项指标都处于正常值时, 此类指标的超标则意味着企业在不久的将来存在着一定的隐患。需要及时对这种隐患进行处理, 及时偿还短期贷款加快产品周转速度, 增加自己的信用水平, 使其恢复到正常水平, 避免在未来成为企业的恶疾。

基于上述分析, 选取主要财务指标如下:自有资金比率、权益资本总额、财务杠杆比率、资本负债率、固定资本比率、资产利用率、资产收益率、企业利润率、每股收益、利润获现指数、流动比率、速动比率。

(二) 财务指标的均值化处理。

由于各公司间规模, 行业差距等原因指标的数据可能相差较大, 以致无法在模型的运行过程中加以比较分析。故此, 运用均值化方法将所收集的各指标原始数据进行处理。

10家公司 (5家st公司, 5家非st公司) 的均值化处理数据如表1所示。 (表1)

三、基于灰色预测模型的实证分析

(一) 赋权原因。

由于GM (1, 1) 是用于单一时间序列的预测模型, 对于财务指标体系而言无法顾及全部数据, 而GM (1, n) 用于对于多时间序列的状态描述一般不用于预测, 为解决这一问题本文采用主成分分析法确定各指标权重Wi。再由各指标通过GM (1, 1) 实现的预测值乘以相应的Wi得到Yi, 对Yi进行加总求和, 即得到该公司的预测目标值——∑Yi。

由于数据有限, 对随机选取的10家st公司随机分成两份A、B, 每份均为5家公司并由A与5家非st公司混合产生主成分分析的样本, 而B则作为检验样本。对混合样本均值化处理后的数据进行主成分分析, 最终在10家公司所得到的预测目标值∑Yi中选取最小值作为预测阈值的近似估计值。

(二) 基于主成分分析的灰色预测模型及实证分析。

根据表1中经均值化处理的数据计算相关系数矩阵的特征值、贡献率及累积贡献率。同时, 要使累积贡献率达到85%以上且主成分对应的特征值大于1, 需要提取前三个主成分, 如表2所示。 (表2)

进而求得综合成分指标为:

F=-0.48194每股收益-0.44683资产负债率+0.396329净资产收益率+0.429333流动比率+0.407708速度比率+0.095155利润获现指数+0.560366企业利润率+0.379284资产利用率+0.446827自有资金比率+0.159696权益资本总额-0.43769财务杠杆比率-0.55151固定资产比率

最后, 结合灰色预测模型对5家st公司和5家非st公司的综合成分进行求解, 结果如表3所示。 (表3)

可以看出, st型公司的预测目标值大多位于区间 (3.5, 6.5) 内。

为相对精确地确定公司的财务临界状况, 结合样本数据, 对st公司综合指标值进行区间估计, 得出预警阈值的置信度95%的置信区间为 (2.95, 6.08) , 即当某公司财务综合评定指数濒临该区间内或超过区间上限时, 该上市公司财务状况异常。

四、结束语

灰色预测模型在预测数据贫乏的单一指标时有着较高的准确度且其运行过程并不繁复。但面对众多指标的财务预警问题, 如何合理处理各指标间的关系并确立一个近似阈值则变成了首当其冲的症结所在。在实现单一指标的预测后, 运用主成分分析法对各指标的赋权解决了众多指标间相互联系的问题。通过主成分分析的过程将众多指标提炼、降维, 提高了指标的利用效率。通过综合成分指标的分布情况以随机样本估计st公司总体阈值, 解决了确立估计阈值的问题。

参考文献

[1]廖茂渝.基于改进灰色关联理论的上市财务风险预警研究.企业导报, 2009.7.

[2]孙星, 邱菀华.基于灰色预测与模式识别企业危机预警模型.系统工程理论与实践, 2005.5.

[3]杨华龙, 刘金霞, 郑斌.灰色预测模型GM (1, 1) 模型的改进及应用.数学的实践与认识, 2011.12.

预测和预警 第6篇

轻工行业是我国国民经济的重要组成部分, 包括食品、造纸、家具、家电、皮革、塑料等十九大类四十五个行业, 是涵盖衣、食、住、行、用、娱乐等消费领域的产业组合群, 具有“满足内需型、出口外销型、就业支柱型、服务三农型”显著特征。改革开放三十年来, 我国轻工业得到了持续、快速、健康的发展, 取得了举世瞩目的成就, 在全面建设小康社会任务中担负着提高人民生活质量、繁荣市场、扩大出口、吸纳城乡居民就业和促进经济增长的重要作用。轻工行业对宏观经济周期波动的反映相当灵敏, 轻工行业的发展态势将直接影响国民经济的运行和社会的稳定。及时、准确地把握行业经济运行状况, 并进一步对行业未来发展态势进行预测及预警, 对于轻工业的运行状态进行监测预警具有十分重要的现实意义, 是行业管理更加有效、政策调控更加准确的重要前提。此文以“中国轻工业经济运行及预测预警系统”项目的建没为背景, 基于现代信息化手段的商业智能, 阐述轻工行业经济运行及预测预警系统构建的思路。

二、商业智能

商业智能的概念于1996年最早由加特纳集团 (Gartner Group) 提出, 商业智能也称作作BI, 是英文单词Business Intelligence的缩写。是将存储于各种商业信息系统中的数据转换成有用信息的技术, 它允许用户通过查询和分析数据库得出影响商业活动的关键因素, 从而对决策层和领导层做出更好更合理的决策提供事实依据。

商业智能的实质是从海量数据中通过深度钻取获取有用的信息, 从信息中及时地发现出知识, 进而利用知识来为人类的思维决策和战略发展服务。商业智能主要的支撑技术有数据仓库技术、联机分析处理技术和数据挖掘技术。

数据仓库技术是面向主题的、集成的、稳定的、不同时间的数据集合, 用以支持经营管理中的决策过程, 它与传统的数据库目标有着较大的不同, 其一, 数据仓库是面向主题的, 主题是一个抽象概念, 是一个在较高层次将数据归类的标准。一个主题对应一个分析领域即主题域。其二, 数据仓库的数据是集成的, 它是从原有分散的数据库中的数据集成得到的, 基于分析型的数据, 是对原始数据的统一和综合。其三数据仓库的数据是稳定的, 不可更新的, 它反映的是较长一段时间的历史数据内容, 而非联机处理的数据。最后, 数据仓库数据是随时间不断变化的。数据仓库具有丰富的数据采集、管理、分析和信息描述功能。

联机分析处理技术 (Online Analytical Processing, OLAP) 是独立于数据仓库的一种技术, 它通过快速、一致、交互地访问各种可能的信息视图, 帮助数据分析人员、管理人员、决策人员掌握数据之间的规律。OLAP把数据仓库中的海量数据, 转化为有用的信息, 从而实现对数据的归纳、分析和处理, 提供决策支持。OLAP是多维分析工具, 它具有:快速性、可分析性、共享性、多维性、和信息性等特点。在OLAP中, 信息被抽象为一个数据立方体 (Cube) , 一个立方体由维 (Dimension) 和度量 (Measure) 构成, 维是相同数据的集合。度量是个定量的值。这个多维的数据模型是OLAP的核心, 也是商务智能的支柱。OLAP展现给用户的是多维的视图。

数据挖掘 (Data Mining, DM) 是基于数据库的知识发现 (Knowledge Discovery in Database, KDD) 的重要环节。KDD是指从大量的数据中提取有效的、新颖的、潜在有用的、最终可被理解的模式的非平凡过程。DM是运用一些算法从数据仓库中提取用户感兴趣的知识。很多情况下, 数据挖掘就是指知识发现。

构建基于商业智能的轻工行业经济运行及预测预警系统, 实际上是实现了行业数据的系统集成, 集成后的商业智能信息系统将海量数据经过抽取、清洗、转换、加载等过程, 转换为分析型数据后加载入数据仓库。然后根据不同的业务需求, 把数据仓库中的数据再经抽取、综合、加载而进入不同的数据集合, 成为管理决策的基础数据库。利用OLAP (联机分析处理) 和数据挖掘技术对数据仓库中的数据进行分析和处理。

三、系统构建原则及目标

基于商业智能技术, 充分考虑轻工行业的特点, 系统设计坚持规范化、标准化原则, 做到应用入口统一化、软件标准化、结构模块化、数据格式标准化、代码统一化、各种文档资料规范化。整合轻工行业数据, 集中数据存储管理, 并逐渐整合其他系统经济运行数据, 实现数据最大限度共享。建立健全系统安全审计制度。将商业智能技术应用于轻工行业构建基于商业智能的轻工行业经济运行及预测预警系统可以完成以下目标:

(1) 充分利用轻工行业的海量数据。轻工行业从建国以来已经保存了60多年的行业数据, 这包括生产数据、效益数据、进出口数据等信息, 这些宝贵的数据资源为实施商业智能提供了丰富的数据源, 节省了专门数据采集的成本。

(2) 建立有效的决策支持信息体系。轻工行业数据可以分不同指标、不同行业、不同时间、不同地区等维度进行展现, 数据的不同表现形式可以使决策人员 (或者分析人员、业务人员) 能很方便地从多个不同的层面和维度进行分析和预测, 从而进行业务流程及分析角度的综合研判。

(3) 可以为行业未来走势做出研判, 为把握行业发展规律和隐情价值, 从而进一步真正说清行业提供保障。通过对几十年历史数据走势的分析, 挖掘数据内在的规律, 建立行业预测模型, 不仅说清现在, 且进一步预测未来。

四、轻工行业经济运行及预测预警系统体系结构

中国轻工业经济运行及预测预警系统的整体架构在基础软硬件网络设施的基础上, 基于J2EE架构分三个层次建设应用系统:数据平台、分析平台和信息发布平台;系统管理和用户安全是整个预警平台的两个重要切面, 渗透到每个层次中的各个组件。

(1) 数据平台

数据平台实现数据采集系统和数据集成与维护系统。实现技术涉及面向数据存储和结构化查询的数据库和面向分析的数据仓库两个层面。

数据采集系统主要包括企业直报、文件采集器、ETL的结构化数据准备区, 分别对企业填报数据、非结构化文档、来源各异的结构化业务数据进行采集。

数据集成与维护系统的核心是ETL工具, 借助它可以完成数据整合、建设数据仓库、指标库建设和维护等数据集成与维护工作。

(2) 分析平台

分析平台实现指标实时监测系统、在线分析和展现系统和预测预警系统。各子系统的实质性内容存储在分析行为方案库中, 运行时由商业智能引擎调用执行, 主要包括:指标实时监测方案、预测预警方案、灵活查询方案、在线分析方案、分析报告报表方案等。因而, 面向分析行为序列的商业智能引擎是分析平台的核心实现技术。

(3) 信息发布平台

信息发布平台将信息价值以信息服务的形式最终传递给用户, 包括对企业服务、对行业服务、对地区服务和对政府服务, 其中包括视频会商系统接口。

针对不同用户的个性化服务体系与分析方案库的层次结构树型组织相对应。每一项具体的服务对应于叶节点上的分析方案, 分析方案叶节点存储在分析方案库中。层次结构上的中间结点, 结合具体的展现形式 (如:导航树、菜单、页签、下拉框、图表等) , 以展现模版的形式存储在信息发布资源库中, 层次树中的每一个结点都有各自的访问控制权限定义。另外, 在同一个分析方案集合上, 可以同时定义多种层次组织结构。这种组织方式一方面最大限度地实现了分析方案的复用, 另一方面灵活地满足了不同类型用户的个性化需要。

1、数据平台

轻工行业数据源包括国家统计局轻工行业数据和海关总署轻工行业数据, 另外还包括轻工重点企业数据。

数据仓库的数据模型中最常见的模型范例是星型模型, 其中包括:

(1) 一个大的包含大批数据和不含冗余的中心表 (事实表) 。

(2) 一组小的附属表 (维表) , 每维一个。

构建数据仓库的流程一般是首先导入维表, 再构建事实表, 在构建事实表时将事实与维度进行连接。

构建的数据模型包括:产量库 (月度数据) ;产值库 (月度数据) ;效益库 (月度数据) ;进出口库 (月度数据) ;海关分国别库 (季度数据) 。

为了方便用户日后对维表的维护, 维表从EXCEL文件导入。维表映射文件包含了维度数据的多种映射关系。

维表EXCEL文件, 为每一个维定义了一组映射。主要考虑到统计局的行业维、产品维、海关数据的税号维会经常发生变化, 所以采用数据仓库构建方法中的“慢变维”技术创建维表。

需要维护的维表包括:

(一) 统计局产量、产值、效益数据的:产品维;行业维;地区维;注册类型维;企业规模维;控股情况维。

(二) 海关数据的:海关税号行业维;国别维;收发货地区维;贸易方式维。

重点企业数据通过企业直报系统完成。企业直报系统是一个联网直报系统, 即统计数据报送系统。它将报表的定义、数据采集、网上审核、数据处理和报表数据查询发布等功能融为一体, 为用户提供一个简单、友好的使用环境, 使得用户无需学习即可使用。企业直报系统可通过互联网直接从基层单位快速、便捷地搜集各种信息资料, 从简单的报表设计、报表填报, 到数据审核、数据上报, 以及报送管理, 系统为统计工作现代化提供一个高效、灵活的数据报送工具。

2、分析平台

分析平台是面向行业分析人员的数据功能平台。基于数据平台中的轻工统计数据仓库, 通过构建产量、产值、效益和进出口等多维数据模型, 分析平台向行业分析人员提供数据查询、提取、分析、预测预警和报表等功能。

分析平台基于B/S结构可通过浏览器直接访问。分析人员经过统一认证系统的授权后, 可以访问到分析平台中的各种分析方案。

(1) 多维数据模型在线分析 (OLAP)

通过在线分析OLAP工具, 可以对轻工业数据仓库进行交互的多维分析, 从而组合出任意结构的两维汇总表。通过模型导航, 可以自定义行列成员指标, 选择过滤器选择维度的某个成员作为分析的切片, 同时任意组合分组及排序。

与此同时, 通过MDX强大的计算能力, 可以在任意维度定义计算成员, 完成自定义排序、最大最小值、均值、计算值、基比、环比、同比等多种分析功能。

下面对产值模型进行在线分析, “列”选取“本月工业总产值”和“本月累计工业总产值”, 同时将“企业规模”维度移动到“列”组;将“地区”、“控股情况”、“注册类型”、“行业”作为记录维度成员, 选取“时间”作为过滤条件。所得的分析结果就是横坐标为指标和企业规模, 纵坐标为地区和控股情况的一个数据透视表, 使得行业分析人员通过不同的透视角度来获得分析结论。

所对应的MDX编辑状态如下:

with member[Measures].[同期销售产值]as’[Measures].[同期销售产值B]’

member[Measures].[本月出口交货值]as’[Measures].[本月出口交货值B]’

member[Measures].[同期出口交货值]as’[Measures].[同期出口交货值B]’

member[Measures].[本月新产品产值]as’[Measures].[本月新产品产值B]’

member[Measures].[本月累计新产品产值]as’[Measures].[本月累计新产品产值B]’

member[Measures].[同期新产品产值]as’[Measures].[同期新产品产值B]’

member[Measures].[同月累计新产品产值]as’[Measures].[同月累计新产品产值B]’

select Crossjoin ({[Measures].[本月工业总产值], [MeasHres].[本月累计工业总产值]}, {[ESIZE].[所有规模]}) ON COLUMNS,

Crossjoin (Hierarchize ({[地区].[全国]}) , { ([KG].[所有控股].[国有控股], [ECONOMY].[经济类型总计].[内资企业].[国有企业], [行业.传统行业].[轻工行业合计].[照明]) }) ON ROWS

from[CHANZHl]

where[时间].[2011年].[09月]

同时, 可以根据业务需要, 自由组合指标及维度状态。

(2) 报表展现

基于预设的报表模版, 采用专业开发报表的设计工具。用户选择模版、指定数据源、调整数据列和组别、选择图表等步骤, 对每一个字段项都可以进行设置, 设置它的字体、字体风格、字体大小、在报表中单元格的显示位置, 还有数字的字段项的格式。还可以对数字字段项进行加、减、求平均、最大值等计算。通过设计器可以精确地绘制出符合业务需求的报表。报表可以导出为word、pdf等格式, 也可在线直接打印。报表模板文件可以保存, 在需要对报表的标题、文本、表格、图表格式等属性进行修改时, 可以进行报表的维护。

(3) 在线智能分析报告

可以图文并茂的形式生成 (指标*行业分类*地区*时间) 可编辑的分析报告, 将大量的数据汇总展示工作由系统来完成, 将分析人员从繁重的数据整理工作中解脱出来, 更深一步的发掘数据背后隐藏的问题, 从而进一步说清行业。报表可以导出为word、pdf等文档, 也可在线直接打印。报表模板文件可以保存。

3、发布平台

基于商业智能的轻工行业经济运行及预测预警系统除作为行业分析人员分析决策之外, 分析的结果以服务的形式在门户上进行发布。这包括中轻指数的发布、宏观参考信息的发布、行业分析报告的发布、以及预测预警报告的发布等等。

五、用户管理体系

数据平台和分析平台专注于行业研究人员作为分析决策的工作平台, 门户平台则专注于为政府、行业、地区、企业四类用户提供个性化服务。针对预测预警平台的用户管理需求, 为预测预警平台系统建立了统一身份管理体系。将对各种用户身份进行生命周期管理, 对用户的身份信息、基本信息、相关应用的信息等进行集中、统一的管理, 建立和规划高效安全的管理流程和管理策略, 并基于统一身份管理体系为具体业务系统提供满足其业务要求的用户管理系统。

统一身份管理平台为系统提供用户管理服务, 并任命相应的应用用户管理员。用户管理主要是根据应用系统的授权模式和类型, 完成应用系统在平台的注册及配置。根据统一身份管理系统中的用户信息, 完成应用系统用户的添加 (支持批量用户添加) 、用户角色分配、用户注销等工作。

六、小结

传染病疫情现场预测预警系统的构建 第7篇

随着计算机技术的推广应用，国外于20世纪60年代后传染病的预测预警算法便得到了大幅发展，而在国内直到20世纪80年代后预测预警算法才逐步发展起来[1]。预测预警方法主要分为定性和定量2类，运用广泛的是定量预测方法，它主要包括线性回归预测、时间序列分析、马尔可夫链、人工神经网络、灰色预测模型、传播动力学数学模型等预测方法。在这些方法中，传播动力学模型不仅可以定量地研究各种因素对传染病的影响，而且可以研究疾病发生、发展和消亡的动态过程，从而在理论上揭示传染病流行的特征和规律，有效地对传染病传播过程进行分析和预测，为选择最佳的干预措施提供理论依据[3,4]，因此，本研究基于3种标准的传染病动力学模型(SIR、SIS、SEIR)，构建传染病预测预警系统，模拟传染病特定情景的传播趋势和过程，同时，运用退火算法估算再生数、潜伏期、传染期等流行病学重要参数，从而有效提高疫情现场处置的科学性。

2 系统设计与方法

2.1 SIR模型

SIR模型[3]是把研究区域内的人群分为3类：易感人群(susceptible individuals)、感染人群(infected individuals)和移出人群(removed individuals)，易感染者通过与感染者接触受到侵袭成为感染者，感染过程中与其他易感人群接触使传染病在人群中逐渐扩散，经过一段时间后，感染者通过自身免疫系统获得对传染病的免疫能力，从而退出传播过程。设β表示单位时间内单个感染者使易感者受到感染的平均数量，γ表示单位时间内感染者中因获得免疫而恢复或死亡的比例。其动力学过程如图1所示。

则可得SIR的动力学模型方程：

其中，St、It和Rt分别表示t时刻的易感人群数、感染人群数和移出人群数。

2.2 SIS模型

SIS模型为将传染病研究区内的人口分为易感者和感染者2类人群的传播动力学模型。传播动力学过程是SIS。研究范围内不考虑出生、死亡等种群动力因素，也不考虑年龄结构等因素。SIS模型中假设感染者对疾病不具有持久免疫力，其个体不存在完全康复状态，一旦染病后可再次成为易感者。设β表示单位时间内单个感染者使易感者受到感染的平均数量。γ表示单位时间内感染者中因恢复再次变为易感者的比例，其动力学方程如下：

其中，It为t时刻感染人群的数量;N为研究区域内的人口总数，S(t)+I(t)=N。

2.3 SEIR模型

SEIR模型为将传染病研究区内的人口分为易感者、潜伏者、感染者和移出者4类人群的传播动力学模型。SEIR是采用数学模型研究传染病的经典方法，传播动力学过程是SEIR。

SEIR模型的动力方程为：

其中，t为时间，N为研究区域内总的人口数，S(t)、E(t)、I(t)、R(t)分别为第i个子区内t时刻的易感人群数、潜伏人群数、感染人群数和移出人群数;β(t)为t时刻的感染率;γ为移出率，1/γ表示平均感染期;σ为潜伏指数，1/σ表示潜伏期。

2.4 参数估计

本研究的参数优化估计算法采用的是模拟退火算法，它来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为,其中E为温度T时的内能,ΔE为其改变量,K为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对当前解重复“产生新解计算目标函数差接受或舍弃”的迭代,并逐步衰减t值,算法终止时的当前解即为所得近似最优解。

2.5 运行环境

系统基于JAVA语言开发，系统运行所需环境：Matlab_2009b、Python_2.6、jdk_1.6.0_18、Apache tomcat_6.0和IE_6.0及以上浏览器。该系统能在Window XP/Vista/7多个操作系统下稳定运行。

3 系统功能

3.1已知流行病学特征参数的传染病预测模拟

在某次疫情大流行期间，由于对患某种传染病有了一定的预判，因此从疫情的暴发到实验室鉴定出引起疫情的病原体所用时间往往较短，而一旦知道本次疫情的病原体，则通过查阅相关资料便能获得如再生数、潜伏期、感染期等重要的流行病特征参数，通过输入这些流行病学参数及发病人数，系统便可自动地输出疫情的发展态势，有力地指导现场疫情的处置工作。

3.2未知流行病特征参数的传染病预测模拟及重要流行病学参数估计

一次新的疫情的暴发往往需要较长的时间才能获得实验室的支持，如SARS病毒的分离用了近5个月时间，因此，重要流行病参数的获得主要是基于流行病学调查及估计。而我们建立的系统只需要输入近几天的新增发病人数，系统便利用模拟退火的计算机优化迭代算法，自动估计流行病学特征参数(如有效感染率、平均潜伏期、平均感染期、基本再生数等)，从而实现对疫情现场暴发过程的逼近模拟和预测。

4 结论

针对不同类型传染病，构建了基于3种传染病传播动力学模型的传染病疫情预测预警系统，在疫情现场该系统能够快速有效地给出疫情的发展态势，为应急物资的准备和防控策略的制定提供了依据，因此，该系统的建立可有效地提高现场防控的科学性。

摘要：目的:在突发传染病疫情现场,实现疫情的发展趋势预测及重要流行病参数估计。方法:基于SIR、SIS及SEIR动力学模型,实现疫情发展趋势预测,基于退火算法实现疫情重要参数估计,并基于JAVA语言建立重要呼吸道传染病疫情现场预测预警系统。结果:该系统不仅可以根据已知的流行病学特征参数预测传染病疫情发展趋势,还可以根据每天的新增发病人数,精确估计重要的流行病学特征参数,从而进行疫情的发展趋势预测。结论:该系统的建立能够实现疫情的现场快速有效预测预警,从而提高了疫情处置的时效性和科学性。

关键词：传染病,疫情,预测,预警

参考文献

[1]邢慧娴,杨维中,王汉章.传染病预测[J].预防医学情报杂志,2004,20(6):639-643.

[2]谢朝晖,黄建始.传染病预测方法的探讨[J].中国全科医学,2008,11(1A):85-88.

[3]吕运红.传染病模型的研究方法总结[J].邢台学院学报,2009,24(2):96-99.

[4]吴开琛,吴开录.疾病数学模型和传播动力学研究的流行病学意义[J].中国热带医学,2006,6(12):2272-2278.

[5]朱晓军.张宁基于再度感染的SIS传播模型研究[J].上海理工大学学报,2011,33(4):367-371.

[6]王树忠,刘晓宇,李冬梅.一类潜伏期和染病期均有传染力的SEIR模型的稳定性分析[J].哈尔滨理工大学学报,2010,15(2):71-76.

流域水环境安全预警预测方法研究 第8篇

近年来, 随着各种水污染突发事故的频发, 国家开始对水环境安全越来越重视, 在重要河道、湖泊等流域上建立综合的环境监测站, 对流域水质安全进行实时监测, 但伴随而来的是监测数据越来越复杂, 海量监测数据存在冗余、互补, 甚至相互矛盾或竞争, 如何有效处理这些监测数据, 对于准确评估水环境质量显得尤为重要[1,2], 因此如何全面、及时、准确地发掘、掌握和处理海量环境监测信息已成为水环境安全预警预测能力提升迫切解决的技术难题。

2 发明内容

2.1 研究目的

流域水环境安全预警的目的主要是通过对流域水环境预警的研究, 实时预报水环境变化情况, 使决策部门根据系统的决策支持, 决定水环境发展方向, 以避免出现严重水质污染, 确保用水安全和环境卫生, 防止或减轻未来可能的污染源对社会和生物圈产生的影响, 从而达到社会效益、环境效益、经济效益的统一[3]。面对流域水环境的形态种类复杂性以及监测数据多源异构性、模糊性、不精确性、多尺度与多时相性、不确定性等特征[4], 传统水环境监测信息融合处理方法已不能满足实际的需求。目前, 国内外流域水环境预警存在的主要问题是状态表征要素欠系统、全面以及预测与综合评价方法有待进一步探讨。本文介绍一种流域水环境安全预警方法及系统, 能够综合多个模型进行水环境安全预警。

2.2 研究方法

如图1所示流域水环境安全预警方法包括:

2.2.1 根据模型特点要素对模型进行调研、分析和选取, 所述模型包括社会经济与资源利用模型、土地利用预测模型、流域面源污染负荷模拟模型和流域水环境水动力水质模拟模型;其中, 社会经济与资源利用模型, 用于从时间序列上识别流域人类活动对水环境安全的风险胁迫, 模拟和预测出不同发展和规划情景下的人口、产业关键指标变化状况;土地利用预测模型, 用于从空间格局上识别流域人类活动对水环境安全的风险胁迫, 诊断土地利用格局历史变化特征, 模拟预测未来变化趋势;?流域面源污染负荷模拟模型, 用于从数量和结构上识别流域人类活动对水环境安全的直接压力, 模拟和预测不同警源影响下的主要污染物排放量的变化状况;流域水环境水动力水质模拟模型, 用于模拟和预测不同警兆条件下的水环境质量响应状况。

这些模型特点要素包括模型适用范围、模拟优势、复杂程度、数据要求、应用成熟度与广泛度中的至少一种。

2.2.2 对选取的模型进行集成;根据集成模型框架、单个模型功能、模型之间的数据信息对接和耦合关注要素进行选取模型的集成。优选的, 所述对选取的模型进行集成, 包括:社会经济与资源利用模型根据不同情境对模型中所有变量进行初始化, 输出流域内所有社会经济关键指标和主要污染物点源负荷的年度预测值;土地利用预测模型转换规则通过用户指定的土地转换适宜性图集演化, 基于模型模拟得出不同情景各年份的土地利用情况, 预测年份结果可以直接作为流域面源污染负荷模拟模型面源负荷预测的重要输入文件;流域面源污染负荷模拟模型模拟的非点源污染物通量结果在子流域汇流点逐日输出。

流域水环境水动力水质模拟模型将社会经济与资源利用模型输出的流域内所有社会经济关键指标和主要污染物点源负荷的年度预测值与流域面源污染负荷模拟模型在预测年份的面源负荷预测结果转化为流域水环境水动力水质模拟模型所需的流量和点源输入条件, 综合上下游的流量和水质监测数据、已有的水下地形数据和区域内断面的水文水质数据, 进一步模拟得出流域内主要断面的水动力水质变化趋势。

2.2.3 利用研究区环境数据, 运用集成的模型对水环境进行模拟和预测, 并针对不同情景条件对未来各关键要素变化进行预测, 得到预测结果。

2.2.4 根据预测结果形成预警判断, 提供警示信息, 包括当前预警信息和变化趋势预警信息;若当前的状态超过预先设定的当前预警阈值时, 发出当前警示信息;若当前的状态没有超过预先设定的当前预警阈值, 但在预先设定的时间范围内变化幅度和恶化趋势超过预先设定的变化趋势阈值时, 发出变化趋势警示信息。

3 结语

通过设置社会经济与资源利用模型、土地利用预测模型、流域面源污染负荷模拟模型和流域水环境水动力水质模拟模型, 并对模型进行选取和集成, 能够适应不同的场景、环境和要求, 全面综合的生成水环境安全预警, 提高水环境安全预警的稳定性和准确性。

参考文献

[1]齐珊珊.当前我国水环境监测存在的问题探讨[J].科技风, 2012 (06) :197.

[2]康红.我国水环境监测的现状与对策分析[J].科技创新导报, 2012 (32) :121.

[3]王春燕, 黄德彬.水环境监测的方法分析[J].环境科学.2006 (11) :477-479.

预测和预警 第9篇

配电网的网络结构日益复杂, 以及运行时间的不断增长加速了电缆老化, 导致故障不断增多, 且其多埋于地下, 一旦发生故障, 寻找起来十分困难, 不仅浪费了大量的人力、物力, 而且会造成难以估量的停电损失[1]。因此, 提前预测出老化严重的电缆, 并对其进行维护或更换, 对保障供电的稳定性和安全性具有重要意义。

电力电缆的故障大多是由电缆局部绝缘老化发展起来的[2], 目前评价绝缘老化的方法有很多, 主要分为在线和离线两种方式, 在线绝缘监测有局部放电检测法[3]、在线tanδ法、直流法[4]、低频交流叠加法[5]等;离线的方法有耐压试验[6]、电位衰减法等。虽然绝缘诊断的方法很多, 但都不能对电缆的老化情况进行预测, 而且如果没有选择性地对所有电缆进行检测, 这将会是个费时费力、耗资巨大的工程。鉴于此, 本文从预测的角度来分析电力电缆的健康状况, 通过分析来判断是否需要对电缆健康预警, 以便有针对性地进行诊断和维护。

目前针对电力设备运行健康预测的研究比较多, 文献[6-9]利用灰色理论对电力变压器和水轮机组进行了故障预测, 结果表明采用灰色系统理论建立灰色预测模型, 可以对电力设备运行状态及健康趋势进行预测预报, 且具有需求样本少, 计算量小和预测精度高等优点。文献[10-11]利用神经网络建立故障预测模型, 分别对发电机组振动故障和三相电缆故障定位进行了预测。说明神经网络具有很强的模型辨识、自适应预报和故障诊断能力, 特别是在求解复杂非线性问题中具有不可比拟的优势[12]。因此, 人工神经网络在故障诊断和预测上得到重视, 并且深入到多个领域[12,13,14,15]。

本文采用能反映电力电缆早期故障的特征电流信号作为原始数据, 分别建立基于上述灰色理论和神经网络的两种预测模型, 计算分析不同方法的预测结果, 比较其优缺点, 以建立合理的电力电缆老化预警机制。

1 电缆老化预警过程

建立如图1所示的电缆老化预报警机制。分为三个阶段:第一, 通过传感器采集到与电缆老化关联的特征信号;第二, 传送到处理器中进行分析, 给出预测值, 并计算出特征值的趋势, 将得到的趋势结果和既定的预警条件进行比较;第三, 一旦满足条件即发出预警信号, 进行下一步的维护操作, 否则继续采集, 电缆正常运行。

2 电缆老化过程的仿真模型

本文基于Matlab/Simulink仿真环境建立了理想条件下的电缆老化模型, 其电路结构如图2所示。

图2模拟了一条馈线的A相高阻接地, 其中r为电缆绝缘电阻。模型通过随时间不断改变电缆绝缘电阻r的值, 采集线路中电流信号的值。

参考文献[16]得出电缆老化时绝缘电阻随时间变化的示意图, 如图3所示。

取图3中电缆绝缘电阻急速下降过程中的一段, 并采用形如y (28) ax2 (10) bx (10) c的二次函数模拟绝缘电阻从7 000Ω下降的过程。为了进一步接近真实情况, 在此过程中加入5%的随机变化, 最后模拟的电缆绝缘电阻变化如图4所示。

3 电缆老化趋势的预测

3.1 特征信号的选取

特征信号提取主要采用多条馈线电流信号相比较的思想, 其过程如图5所示。其中I1、I2和I3分别为馈线上的电流信号。

根据已建的模型, 发现 (35) I23和 (35) I31电流信号有效值明显大于 (35) I23, 容易辨别出馈线3发生故障。设I2a、I2b和I2c分别为馈线2的A、B、C相电流, I3a、I3b和I3c分别为馈线3的A、B、C相电流。分别比较各相电流, 如式 (1) 所示。

为比较 (35) Ia、 (35) Ib与 (35) Ic的差别, 取r=7 000Ω, 运行仿真模型, 得出图6所示电流波形图。可以看出 (35) Ia波形与 (35) Ib以及 (35) Ic波形相比幅值变化明显, 判断出故障发生在A相, 故采用 (35) Ia的有效值作为特征量, 作为预测的历史数据。

根据图4所示的绝缘电阻的变化过程, 运行图2所示仿真模型, 得到30组特征电流数据, 见表1。

3.2 基于灰色理论的电缆特征电流预测

灰色系统理论认为, 尽管客观系统表象复杂, 数据离乱, 但是其整体功能总是保持的, 因此, 其中必然蕴含着某种内在联系。灰色预测就是通过原始数据的处理和灰预测模型的建立, 发现和掌握系统的发展规律, 对系统的未来状况做出科学的定量预测[17]。通过对原始的历史数据进行一系列处理, 寻找系统变动的规律, 生成一个数据序列, 该序列能够体现较强的规律性。建立相应的灰微分方程模型, 从而预测事物未来的发展状况。这样, 就可以预测未来某一时刻的特征值, 或到达某指定特征值所需要的时间。

灰色预测是指基于灰色动态模型GM (1, 1) 的预测, 设

称为GM (1, 1) 模型的原始形式。

设Z (1) (28) (z (1) (2) , z (1) (3) , (43) , z (1) (n) ) , 其中

为GM (1, 1) 模型的基本形式。

GM (1, 1) 模型x (0) (k) (10) az (1) (k) (28) b的时间响应序列为

还原值为

其中X (0) 为特征信号 (35) Ia的实际值, 而Xˆ (0) 即为 (35) Ia的预测值, 在GM (1, 1) 模型中, 一般称-a为发展系数, b为灰作用量。前者反映了ˆx (1) 及ˆx (0) 的发展态势, 后者通常是外生的或者前定的。

随着系统的发展, 旧数据的信息意义逐步降低, 更严重的是削弱了新信息的作用。因此, 在不断补充新信息的同时, 及时去掉旧信息, 建模序列才更能反映出系统当前的特征。尤其是当系统随着量变的积累, 发生质的飞跃或突变时, 与过去的系统相比已有较大的改变。为了能使灰色预测模型更加逼近实际物理模型, 对历史数据进行了处理, 建立了新陈代谢GM (1, 1) 模型。

数据的选取既要考虑模型的发展规律, 还要结合不规则变化的情况, 数据点取多了会受旧数据的影响, 数据点取少了受不规则变化影响较大, 经计算试验, 当采用最新的9个历史数据建立灰色模型时, 即能反映模型的发展规律, 又不会过多受到不规则变化的影响, 如图7所示。

由式 (5) 可得, 基于新陈代谢灰色预测的10组预测结果, 如表2所示。

图8为基于灰色理论的预测过程, 由图表可以看出, 基于新陈代谢的预测模型对实际物理模型表现出了良好的预测效果, 能够一定程度上减小不规则变化的影响, 有着较高的预测精度, 预测平均精度在95%左右, 能较好地反映出电流的变化趋势。

3.3 基于时间序列的电缆特征电流预测

基于时间序列的网络是一种动态的神经网络, 它通过采用算法模拟历史数据, 找出其中的变化规律, 并进行预测。由于该模型是通过数据本身进行预测, 因此为反馈型的动态网络, 它的输出y (t) 与前n个输出y (t-1) , , y (t-n) 相关。

由于采集到的历史数据没有与之相关联的输入, 因此选用无输入类的网络结构。经过调试, 当选择与前四个数据相关的网络结构时, 能得到较好的拟合和预测结果, 网络结构如图9所示。

利用Matlab神经网络工具箱, 建立基于时间序列的神经网络预测模型, 且动态网络参数设置如下:输入样本为20;反馈时延为4;隐层神经元数为15;训练数据为70%;测试数据为15%;验证数据为15%。经过训练, 得到10组预测结果, 见表3。图10为预测的误差自相关图, 图11为其响应图, 反映了其训练、验证和测试数据的分布以及输出和误差情况。

由表3得, 预测结果的平均误差为8%左右, 一定程度上可用作预测参考。观察预测过程, 基于时间序列的神经网络收敛较慢, 计算时间比较长, 而且每次预测过程不可重复。为了平衡神经网络的拟合与泛化能力, 取得最佳预测结果, 还需要经过多次训练, 不断调整参数, 因此参数设置也不易。另一方面, 从图11可以看出, 数据点过少使验证和测试数据不能最佳地反映网络的性能, 容易使预测结果产生偏差。

3.4 两种预测方法比较

前文分别建立了基于灰色理论和神经网络的模型, 并将这些算法用于预测电缆健康趋势, 两种方法的预测结果误差比较见图12。

由图12可知, 基于新陈代谢的灰色预测模型具有较小的预测误差, 能较好地反映电缆中因绝缘电阻变化而引起的电流的变化趋势。从整体来看, 神经网络预测过程不可重复, 参数不宜设置, 过程较为复杂, 预测精度不够;相比而言, 灰色预测过程可重复, 需要样本数少, 精度较高。

4 趋势分析及预警机制

由图3可知, 电缆老化存在一个快速下降的过程, 使特征电流有个快速上升的过程。因此, 可以由特征电流的变化速率来反映电缆的老化程度。

建立一套简单的预警机制。取实际测得最新的n个数据和预测得到的m个数据。可取n=4, m=3, 利用最小二乘法原理, 每连续4个点拟合一条斜率为k的直线, 得到4条拟合直线, 其斜率分别为k1, k2, k3, k4, 如图13所示。只有当至少3条拟合线的斜率k都大于既定阈值K时, 认为电缆老化情况加剧, 需要发出预警信号。其中n、m和K值可根据电缆的实际参数和运行要求拟定。

5 结论

1) 本文建立了理想条件下电缆绝缘老化过程的仿真模型, 并通过模拟绝缘电阻的变化过程得到了特征电流信号的值。

2) 计算结果表明, 基于新陈代谢的灰色预测法具有更高的预测精度, 特别是在预测的可重复性和计算速度上要优于神经网络预测。

3) 建立一种简单的预警机制, 通过预测电流变化趋势, 判断电缆的老化程度, 并在老化要加重时提出预警。

摘要：为了对电力电缆的老化状况进行监测和预警, 对理想条件下电缆老化过程进行了模拟和仿真, 得到了可以表征电缆运行状况的电流信号。将灰色理论引入到了老化预测中, 并与基于时间序列的神经网络预测模型做了对比分析。结果表明, 在本文条件下, 基于新陈代谢的灰色预测模型的预测精度、过程可重复性和计算速度上要优于神经网络预测模型。因此, 通过预测电流变化趋势, 反映电缆的绝缘老化程度时, 改进的灰色预测与神经网络预测相比具有一定的优势。同时, 建立了一种电缆老化预警机制, 为进一步诊断和维护老化严重的电力电缆提供一种判据。