文摘

探索点之间的关系2。5浓度和富人和穷人之间的差距,PM2。5集中在中国26个省级地区预计使用基尼系数作为独立变量。nonequigap部分灰色预测模型(CFNGM(1,1))用于数据拟合和预测。验证了模型的有效性,与传统的nonequidistant灰色模型进行比较。预测结果表明,点2。5集中在中国许多省份提供了一个大约下降的趋势。在过去的九年,基尼系数已下降逾70%的26个省份。然而,基尼系数的发展在中国西北波动极大,甚至近年来有上升趋势。根据预测结果,提出合理的建议可以有效控制的点2。5在中国发射。

1。介绍

空气污染在中国已经成为一个紧迫的环境污染问题,主要包括颗粒物、硫氧化物、氮氧化物、碳氧化物、碳氢化合物(1]。颗粒物是一个突出的问题,严重影响了人们的正常生活和健康(2]。自2012年以来,中国开始进行科学观测的点2。5。数据的支持下,许多学者进行了大量的研究点2。5,特别是在点的原因2。5。根据研究学者,下午的人为原因2。5主要包括工业燃烧排放,汽车尾气排放,燃煤加热(农村3),和农业焚烧(4]。其中,工业燃烧排放是最严重的5]。因此,空气污染物的科学研究和环境保护政策尤为重要。

保护“蓝天计划”的中国政府有效减少点的浓度2。5和点10在城市。这项计划为发展中国家提供了一个新的想法来实现空气污染控制政策(6]。随着研究的深入,学者们开始探索空气污染和经济因素之间的关系。在不同的城市空气污染物的浓度水平明显不同(7]。与此同时,在一个城市,各种经济因素的行驶方向和驾驶强度对空气质量改善明显不同(8]。的因素,第三产业有一个更积极比建筑业对空气质量的影响。机动车辆和居民人口在空气质量产生负面影响9]。然而,空气污染不仅会影响植物的生长和动物的健康也改变农业的市场平衡输入和输出在食品供应链10]。

然而,目前,大多数学者研究点的直接原因2。5。PM2。5浓度与经济发展的速度有很大的关系。相反,不平衡的经济发展也有巨大的影响点2。5浓度。基尼系数是一个指数反映了区域经济发展的不平等程度(11),是一个重要分析指标判断富人和穷人之间的差距在一个地区。为了进一步揭示环境科学和经济因素之间的关系,我们用改进的灰色预测模型来预测点2。5集中使用基尼系数作为独立变量。与此同时,它验证改进的灰色预测模型的有效性的研究领域。

研究点2。5空气质量,传统的预测模型不能预测数据更准确,因为数据相关的大气成分构成大样本数据太少。基于小样本数据的灰色预测模型可以完全解决这个问题。自邓教授提出了灰色模型(GM(1,1)) 1982年,许多学者做了很多创新基于原始模型和应用各领域。灰色模型的创新可以分为两个方向。第一是减少预测误差。吴分数阶的想法应用到灰色预测模型和最优顺序的合理性验证12]。毛提出了一个新颖的部分灰色模型基于新的信息优先的原则,它可以克服GM(1, 1)模型类比值判别法的限制,具有较高的建模精度13]。曾提出了一个基于动态多变量灰色预测模型背景值系数,即提高多变量灰色预测模型的准确性(14]。刘和吴灰生成算子引入季节性Holt-Winters模型数据(15]。刘提出了一种改进灰色预测模型与衰减趋势的因素,可以灵活调整预测趋势的灰色模型16]。另一个方向是扩大灰色模型的应用范围。小王提出了一个季节性的灰色预测模型来缓冲季节性变化对预测结果的误差(17]。肖之后,提出了一种改进的灰色预测模型对季节性滚动,显示的灰色指数序列处理后(18]。崔提出了一种新的灰色预测模型,它适用于非齐次指数定律的预测数据系列(19]。谢提出反馈多因素离散灰色预测模型基于索洛余值法和一个新的区间灰数序列的预测方法,解决问题的共线的独立因素聚合和区间灰数序列预测(20.,21]。你和陈的不平等使用分数阶离散多变量灰色模型预测公众关注空气污染在中国的三个城市(22]。于结合ElasticNet和多目标优化。该方法有效地解决了NGBMC反问题不适定性的基本缺陷(1,n)模型(23]。与此同时,王提出了一个新颖的分离分级NGMC (p,n)灰色预测模型基于NGMC (1,n)模型。NGMC的适用范围(1,n)模型放大24]。灰色预测模型的应用,尤其是对能源消费和环境质量的预测,已经发展成为一个成熟的领域的科学研究。

许多学者已经意识到有价值的应用程序通过使用灰色预测模型。熊应用多变量灰色预测模型基于区间数序列的模拟和预测的可测量的指标在南京霾天气(25]。李提出了一种新的分数阶双向弱化缓冲算子来验证新模型的有效性和预测每日平均指数六个城市机能在河北26]。这些学者使灰色系统理论更完美的通过优化背景值,扩展方程,并纠正剩余错误和其他创新。这些创新一些新领域提供更好的研究方法。然而,当输入变量是nonequigap序列,上面的灰色模型将不再适用。nonequigap部分灰色模型解决了这个问题。此外,引入分数阶理念提高了预测精度,使研究结果更有价值。在本文中介绍了使用的灰色模型下一部分。

本研究着重于点之间的关系2。5浓度和基尼系数和吸引有价值的结论。在某种程度上,点2。5浓度也会随着基尼系数的增加而增加。都是不平衡的社会现象造成的人类社会活动。环境保护法规制定时,富人和穷人之间的差距的原因可以被称为。同样,措施缓解贫富之间的差距可以开明大气治理的过程。多元素和综合研究具有重要意义。作为结果,科学点2。5可以制定治理措施与计划同时缓解贫富之间的差距。环境科学和经济指标都与本文为环境科学提供新的研究思想。

本文分为五个部分。部分2本研究问题的文献综述。部分2介绍了模型的具体内容。部分3验证模型的有效性。节4分为七个区域,预测结果分析。部分5给出了研究结论。

2。介绍了模型

2.1。研究区域概况

点之间的关系2。5浓度和基尼系数在26个省、直辖市、自治区在中国进行了研究。根据他们的地理位置,26个省份分为七个区域:东北、华北、西北、华中,华南,华东,西南,如图1。特别是,在京津冀地区空气质量控制已成为环境保护的主要任务27]。通过研究点之间的关系2。5浓度和当地的基尼系数,提出了一种新的研究方向,结合空气质量与经济。


图1
分布在中国地区的地图。
2.2。数据分析

来自计算基尼系数数据。PM2。5从生态学和环境浓度数据的中华人民共和国(https://www.mee.gov.cn/)。由于中国后期监测点2。5使用浓度,近年来的数据为研究样本。此外,由于传统的统计预测模型不适合这种小样本预测,nonequigap GM(1, 1)模型的整合部分积累(CFNGM(1,1))用于预测。

2.3。模型介绍

的台阶CFNGM(1,1)如下28]。

有一个原始序列 如果差距 然后 是一个常数,然后呢 被称为nonequigap序列。 是 订单累计的序列 ,在哪里

连续的意思是一代nonequigap序列的序列 是 ,在哪里 叫做的平均值形式CFNGM(1, 1)。它的美白微分方程是什么 在哪里 发展系数和吗 是灰色的行动。的最小二乘估计CFNGM满足(1,1)模型 在哪里

在方程(微分方程的初始条件3)是 。

时间响应方程可以获得

证明了方程(6):从美白微分方程(3),我们可以

当 , 被替换成上面的方程。我们可以得到

所以,

完成证明。

因此,减少的序列 可以获得的

我们使用日军测量模型的稳定性,见以下方程:

3所示。模型的验证

3.1。验证的有效性CFNGM相比之下(1,1)模型

的有效性CFNGM(1,1)模型是由下面的案例验证。

根据模型和数据(29日)的拟合结果CFNGM(1,1)和传统的nonequidistant模型进行了比较。其中,nonequidistant模型中使用的顺序(29日)1(传统的一阶累积生成序列)。的最优顺序CFNGM(1, 1)模型参考案例的数据为0.955,与参数 和 。最终的拟合结果如表所示1。从表可以看出1的拟合误差CFNGM(1,1)模型和传统nonequidistant模型是1.78% 0.74%。的平均预测误差CFNGM(1,1)模型为两组数据是0.94%,和传统的nonequidistant模型的平均预测误差为7.19%。根据研究结果,拟合和预测精度CFNGM(1,1)模型比传统的nonequidistant模型。因此,它可以被视为CFNGM(1,1)模型比传统的nonequidistant模型。

表1
比较不同模型的预测结果。
3.2。模型的适用性测试在中国沿海和内陆地区

江苏、陕西被选中来验证模型的适用性。验证结果如表所示2。在验证过程中,拟合数据选择从2006年到2015年和2016年的数据用于预测。日军通过比较计算的预测结果与实际值2016。日军在表2小于10%,表明该模型适用于点吗2。5在中国各省的浓度预测。

表2
的结果CFNGM(1,1)模型在两个省。

4所示。分析点之间的关系2。5浓度和基尼系数

人为因素的点2。5生产可分为固定污染源和移动源。固定污染源主要包括各种燃料燃烧源,如在各种工业烟尘排放燃烧过程。移动源主要是废气排放到大气中,各种各样的车辆在运行的过程中。从这,我们可以推断出点之间的潜在关系2。5高的浓度和基尼系数:省点2。5浓度通常较发达地区产业。行业的快速发展了农村资源,加剧中国城乡二元经济结构。结果直接扩大了城乡差距,导致基尼系数的崛起。因此,经济发展和环境之间的不平衡和不协调发展是摆在我们面前亟待解决的一个重要问题。研究点之间的关系2。5浓度和基尼系数点的治理具有重要意义2。5和消除贫富之间的差距。

4.1。计算结果和分析

预测结果将分为七部分进行分析。区域经济发展的差异和点2。5在中国省份之间的浓度分布。根据不同地区的独特的特点,有针对性地提出每个区域的预测结果进行了分析。分析结果具有更深刻的意义为空气污染控制和贫富差距的研究在不同的省份。

以下4.4.1。中国东部

下午我们学习之间的关系2。5浓度和六个省份的基尼系数在华东(上海、江苏、浙江、福建、安徽和江西)。首先,根据点2。5浓度和基尼系数的参数 和 CFNGM(1,1)模型计算。拟合序列的点2。5浓度。其次,每个省的基尼系数从2006年到2016年由第一作者计算。因为基尼系数没有明显的增加或减少的趋势,从2007年到2016年的平均年增长率是用来预测2017年至2019年的基尼系数。最后,参数 和 代入方程(6)获得的时间响应方程,然后,预测值的基尼系数从2017年到2019年被输入到时间响应方程获得 。PM2。5浓度从2017年到2019年可以通过方程计算(10)。我们以江苏省为例详细说明了这个过程。

基尼系数作为独立变量和点2。5浓度作为因变量。有一系列的基尼系数:

点的初始序列2。5浓度是 第一步:计算 步骤2:粒子群优化算法用于解决最优分数阶 ,根据累积的序列可以获得: 步骤3:连续的意思是代nonequigap序列的序列 可以获得的 步骤4:矩阵 和 表示为 根据最小二乘方法,参数的值 和 得到: 第五步:参数 代入方程(6): 第六步:减少拟合值序列 第七步:基尼系数的平均增长率从2006年到2016年 。基于这一增长率,预计2017 - 2019年的基尼系数 第八步:2017 - 2019年的基尼系数值代入方程(6),和时间响应序列 第九步:减少PM2.5浓度的预测值序列从2017年到2019年

表3显示点的预测值2。5集中在江苏、上海、浙江、福建、安徽、江西从2017年到2019年。这六个省份的拟合误差,分别是4.67%,6.22%,3.75%,6.89%,4.29%,6.30%。

表3
拟合点的结果2。5集中在中国东部。

从华东六省的预测结果,预测误差主要集中在3%和7%之间。它满足约束的有效的预测误差小于10%。这个模型适用于预测的点2。5集中在华东六省。除了上海,五省的基尼系数一般表现出下降的趋势,如图2。在2007年达到峰值后,点2。5浓度慢慢开始下降,如图3。最主要的原因是,中国在2006年开始实施“十一五”规划,加快调整产业结构,加强污染控制。根据数据,通常是一个积极的基尼系数和点之间的相关性2。5浓度。图表显示,模型的预测的点2。5十一五以来浓度下降缓慢。这是符合中国的可持续发展政策。


图2
中国东部的基尼系数和预测价值。

图3
PM2。5浓度和预测中国东部的价值观。
4.1.2。中国北方

PM2。5浓度预测华北地区,包括北京、河北、山西、内蒙古自治区,如表所示4。基尼系数平均增长率的四个省在北中国从2006年到2016年是用来计算的基尼系数从2017年到2019年。基尼系数的预测价值被替换到模型的预测价值点2。5从2017年到2019年。

表4
拟合点的结果2。5在中国北部和东北部浓度。

从表可以看出4和数字4和5的基尼系数在中国北部四省自2006年以来一直缓慢上升趋势。然而,在2009年,政府发布了一系列民生政策。这些政策包括提高低收入群体的收入,进一步优化财政支出的结构保障和改善民生。中央政府支出的农业、农村和农民达到人民币7161.4亿元(http://www.stats.gov.cn/ztjc/ztfx/zgxxbjjps/201003/t20100308_53538.html)。由于这些原因,基尼系数显示一个明显的下降趋势在未来四年,突然自2014年以来增加了。然而,在2015年达到峰值后又缓慢下降。这可能是由于人民币的升值在2015年扩大了国内外粮食价格之间的差距。粮食价格反转导致显著增加粮食进口,在国内粮食价格急剧下降。谷物进口量1.25亿吨,2015年中国粮食总产量的20%以上(https://data.stats.gov.cn/easyquery.htm?cn=C01&zb=A060701&sj=2015)。大规模的进口粮食直接导致农民收入减少。基尼系数高的主要原因是中国的省份,城乡居民之间的收入差距大(30.]。谷物价格的下降间接导致基尼系数的崛起。PM2。5集中在内蒙古自2006年以来上下波动,但整体数据是稳定的。这主要是由于畜牧业是内蒙古自治区的主要经济产业和第二产业相对不发达。PM2。5集中在北京、河北和山西大致同步。在2006年下降之后,在2008年开始上涨,然后再次下降后达到2010年和2013年两座山峰。图表显示,尽管增加空气污染控制力度,固有的基本工业污染和华北地区沙尘天气将不会在短时间内完全治愈。结合汽车保有量的不断增加,点2。5浓度难以维持在一个稳定的状态。它还呼吁政府和有关部门控制空气污染没有时间和准备反击反对环境污染。


图4
中国北方的基尼系数和预测价值。

图5
PM2。5浓度和预测华北的价值观。
4.1.3。中国东北

PM2。5浓度在黑龙江和辽宁波动上升的趋势。然而,在2014年达到峰值后,它开始显著下降。辽宁的基尼系数表明一个缓慢下降的趋势。黑龙江的基尼系数大幅降低,从2006年到2013年的0.267的最低点。它再次增加,2016年达到一个稳定状态。PM2。5浓度在黑龙江只有高于在西藏和海南。这一现象表明,缺乏在偏远地区的人们在保护气氛中起着决定性的作用。

4.1.4。中国西北

在中国西北五省的基尼系数在价值和波动非常相似,如图6。虽然五个省的基尼系数显示一个明显的下降趋势从2009年和2012 - 2013年达到最小值,然后他们继续上升,在2015年达到高峰。与其他地区相比,中国西北的基尼系数较高,这是类似于偏远地区,如贵州和广西。它反映了经济发展缓慢的特点,大量的低收入人群导致基尼系数的增加。在这五个省份,陕西和新疆有最高的点2。5的浓度,如图756.8,平均浓度的ug / m3和55 ug / m3。在表5,五个省的预测误差保持在5%到10%之间,所以该模型适用于预测的点2。5集中在中国西北。13日五年计划期间,陕西逐渐注重农业生产过程中的碳排放的管理,积极整合环保概念与绿色农业的发展。宁夏积极响应政府的能源结构调整政策。它改变了供热锅炉通过使用洁净煤,天然气和其他清洁能源供热。开展煤炭质量监督和总消费控制在很大程度上缓解宁夏的空气污染问题。在五个省份中,青海的最小平均点2。5浓度为35.1 ug / m3。PM2。5西北五省的平均浓度与其他地区相比,不过基尼系数通常更高。目前,中国西北高污染的传统产业之间的矛盾和不成熟的经济产业转型。因此,西北地区应重点发展“低碳产业”基于确保收入减少能源消耗和污染。从“低碳经济”的概念,提出了环境保护政策,如“低碳城市”、“低碳农业”派生。


图6
中国西北的基尼系数和预测价值。

图7
PM2。5浓度和预测中国西北的价值观。
表5
拟合点的结果2。5在中国西北的浓度。
4.1.5。中国西南地区

PM2。5中国西南部的浓度预测结果如表所示6。中国西南地区包括四川、重庆、贵州和西藏,其中贵州是一个特殊的省份。平均点2。5贵州浓度从2006年到2016年是38.2 ug / m3。只有三分之二的相邻省份四川。然而,贵州的平均基尼系数为0.452,最高26个省份之一。这种现象反映了贵州经济的落后,城市和农村之间的极端不平衡发展。贵州是中国唯一的省没有平原,人均GDP最低的。加快建设公共交通和旅游的发展是贵州的主要任务来摆脱贫困。一年一度的点2。5集中在西藏自治区只有7.1 ug / m3河南,不到十分之一。人类的“最后的净土”应该被继续加强环境保护和文化的保护。

表6
拟合点的结果2。5在中国西南和中部浓度。
4.1.6。中国中部

PM2。5浓度的预测两个省在中国中部表所示6。预测误差分别为7.15%和8.03%。因此,这表明该模型适用于预测点2。5集中在这个区域。PM2。5集中在中国中部,由河南和湖北,高于其他省份。特别是,平均点2。5集中在河南从2006年到2016年达到79 ug / m326个省份中,这是最高的。它远远高于64 ug / m3在邻近省份湖北,甚至高于北京和河北、一年四季严重污染。然而,河南和湖北的基尼系数和稳定在0.360左右。这主要是人口基数庞大的河南和相关行业的经济和建筑行业。因此,加快河南省第三产业的经济转型是一个重要的方式来缓解人口压力,防止空气污染。

4.1.7。中国南方

本节包括点2。5浓度的预测广东、广西和海南在中国南部省份。结果如表所示7。广西最高平均基尼系数和点2。5集中在三个省。广西的中部地区相对发达工业和大型空气污染排放。工业产生的空气污染物往往收集由于扩散条件差。然而,由于低的中和点2。5值在南方,点2。5广西浓度不是很高。因此,空气污染是严重的在越密集的中部地区。广东是改革开放的实验基地。但是,快速的经济增长也影响了环境。近年来,珠江三角洲地区已经停止建立新的高污染企业,逐步实施更严格的排放标准。自2011年以来,点2。5浓度有显著下降。海南的经济来源主要是旅游业。因为它是被海洋和大气污染物扩散条件优越,PM2。5浓度一直处于较低的状态。海南的平均基尼系数小于0.4,显示了一个缓慢下降的趋势。持续发展的旅游经济和发展中经济基于环境保护有利于缩小富人和穷人之间的差距。

表7
拟合点的结果2。5集中在中国南部。
4.2。讨论

在本节中,CFNGM(1,1)模型用于预测点2。5浓度在中国26个省从2017年到2019年的基尼系数作为输入变量。然后每个区域的预测结果进行了分析。预测结果表明,没有一个简单的基尼系数和点之间的正相关关系2。5浓度,如图8- - - - - -11。解释经济现象,从两个方面进行了分析:富人和穷人。


图8
基尼系数和点2。5江苏的浓度。

图9
基尼系数和点2。5河北的浓度。

图10
基尼系数和点2。5甘肃的浓度。

图11
基尼系数和点2。5重庆的浓度。
4.2.1。准备富人的行为的影响

车辆排放的主要来源点2。5。中国已经发布了一系列交通管理法规来控制空气污染,包括限制旅行。但这不再是罕见的富人拥有两个或两个以上的私家车。以北京为例,根据2018年统计公报公布的北京,北京的永久居民人口是2154.2万年底的2018,和城市机动车辆的数量是608.4万,平均每3.5人(一辆车的http://www.tjcn.org/tjgb/01bj/35844.html)。尤其是在富裕家庭,大排量汽车是常见的。2013年,中央电视台新闻联播报道,国外大排量汽车不能出售。但是因为炫耀他们的,他们有一个在中国市场(http://jingji.cntv.cn/2013/11/11/ARTI1384126140946599.shtml)。这些现象表明,大多数家庭拥有超过一辆车,和富人有弱的节能减排意识。这种行为无疑违背了政府的限制旅行和减缓了国家倡导的打击点2。5。

它可以发现,平均点2。5浓度的广东、广西、海南在中国南方低于经济发达地区,但基尼系数较高。PM2。5集中在北京和上海高但基尼系数很低。这是一个不正常的现象中发现点之间的关系的研究2。5浓度和基尼系数。前的一个原因是,一些富裕的退休人员退休买房子在中国南部的一个良好的环境(31日]。向南迁移的现象特别普遍年纪大的人在大城市。根据一项调查报告由海南省人民政治协商会议,从2017年10月到2018年4月,932900人60岁或以上在海南度过了冬天。富人移民直接增加了富人和穷人之间的差距。然而,由于不发达的工业和汽车拥有量较低,点2。5在中国南方浓度不是很高。后者的主要原因是中等收入的人们涌入大城市。它缓解了贫富之间的差距。表面上看,这一现象已经缩小富人和穷人之间的差距。事实上,它会导致损失的其他地区的中等收入者和基尼系数增加。

4.2.2。穷人的行为的影响

大多数农村地区在中国只能使用廉价煤炭取暖由于居住分散,经济落后,农村建设不完善,这就增加了排放点2。5。我们都知道,空气污染的燃煤加热是一个重要的原因。它不仅释放大量的颗粒物和碳氧化物硫化,还会产生有害气体和氮的化合物,严重影响人类的健康。没有解决燃煤取暖的普遍的问题在农村地区,空气污染将很难完全解决。

在一些偏远和贫困地区,居民平均教育水平较低和缺乏谋生的技能。为了改善他们的生活条件和生活繁荣,居民开放化工厂炼油、冶金等在环境污染的成本。这样的小化工厂有很高的利润,但对环境的污染是巨大的。违法建设的工厂和过度的污染在中国的许多地区都归咎于疲软的监管机构。这种不公平意味着经营性不仅加剧了贫富之间的差距也很大程度上污染了大气。它违背政府的可持续发展战略。

原因分析在这一节中代表一般的解释现象,富人和穷人之间的巨大的差距导致下午的崛起2。5浓度。它符合本文的预测规则,再次验证的适用性CFNGM(1,1)模型在这个研究领域。

4.3。建议

鉴于上述分析和第四节的讨论,提出了以下建议:(1)限制车辆的数量由个人、改善公共交通法律法规,真正实现公平与限制车辆和人旅行。这个建议不仅是环境保护。考虑到社会成本的各种空气污染物,股本比气候不确定性(更重要32]。相关限制性政策应该实现大排量的汽车。例如,应该提高大排量汽车的税收鼓励小排量汽车的生产和使用。新政策对节能和环境保护应该引入限制高排量汽车的使用。(2)地方政府应该坚持实施人才引进计划留住人才。中等收入群体应该占据了较大的比例。更多的资金应该被分配到偏远地区吸引人才和维持一个合理的人口比例的收入水平。(3)改善农村集体供暖天然气项目和政府补贴政策,使农村人口也可以使用加热的清洁和廉价的加热能源。(4)更严格的规则建立工厂更有效更严厉的环境的惩罚。像有些学者认为高碳排放的比特币采矿、远离当前的惩罚性的碳税政策网站比特币矿业更有效的监管政策限制碳排放的比特币区块链操作(33]。

5。结论

基于数据从2006年到2016年,CFNGM(1,1)模型用于预测点2。5在中国26个地区浓度。结果表明,点2。5在中国华北和西北浓度波动。主要原因是固有的沙尘天气和传统污染行业在这两个地区,这与政府的日益严格的环境保护政策。最终,点2。5浓度波动很大,但没有下降的趋势。PM2。5浓度在东、西南、中部和南部中国显示缓慢下降的趋势,特别是2014年之后。它反映了环境保护政策的有效实施“十二五”规划。

经济发达地区的基尼系数较低。代表中国西北甘肃和青海山区广西和贵州等省基尼系数最高。这反映了大城市的快速发展在偏远的山区省份,而农村地区的发展受阻,由于交通的不便。因此,城乡二元经济结构正变得越来越严重,最终导致了富人和穷人之间的差距日益扩大。北京和上海的基尼系数是26个地区中最低的。这些城市有大量的中等收入阶层。这表明,加速城乡一体化和发展高新技术产业是有效的方法消除贫富之间的差距。

预测误差的点2。5浓度预测基于CFNGM(1,1)模型集中在5%左右。然而,考虑到下午2。5浓度和基尼系数属于两个不同的研究领域,结果显示两个研究变量之间的相关性。这些不同领域的进一步研究具有重要意义。

针对日益严重的空气污染,提出以下建议:首先,政府将加强污染控制,鼓励环保工厂的发展,提高农村清洁能源供热项目投资。其次,高环境净化技术的研究应该大力发展。这将减少现有污染控制污染物排放。第三,应该实施更严格的汽车排放控制措施。政府将鼓励新能源汽车的普及和制定限制大排量的汽车。最后但最重要的是,居民的环保意识需要有意识地提高。不使用一次性塑料制品,不消耗国内浪费和农作物稻草。它将真正实现环境保护与每个人的参与。

在未来,我们将使用更新后的数据预测点2。5浓度,同时考虑点上的其他经济因素的影响2。5浓度,使预测结果更加准确。的初始值CFNGM(1,1)模型需要优化。每个组件的加权平均累积序列的计划作为优化的初始值。具体重量计算方法仍在研究。从预测结果可以看出,CFNGM(1,1)模型预测误差较小的预测点2。5集中在中国东部。因此,我们考虑将这个模型应用到其他空气污染物的预测在中国东部。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由中国国家自然科学基金(U20A20316),河北教育部优秀青年科学家基金(SLRC2019001)、河北省自然科学基金(E2020402074),邯郸社会科学联合会项目(2021058和2021058),软科学研究项目河北省科技计划(215576114 d),和人文社会科学研究项目河北省高等教育(SQ201027)。