论文总字数：16772字

目录

摘要 II

Abstract III

1 引言 1

2 研究方法 1

2.1 多元线性回归 2

2.2 BP神经网络 2

2.2.1 BP神经网络简介 2

2.2.2 LMBP神经网络及算法步骤 4

2.3 多项式回归 6

3 上海市雾霾造成健康经济损失评价 6

3.1 上海市市情 6

3.2 经济损失评价指标 8

3.2.1 指标选择 8

3.2.2 变量设置 8

3.3 数据处理 8

3.4 多元线性回归评价 9

3.4.1 多元线性回归模型的建立 9

3.4.2 多元线性回归评价结果 10

3.5 LMBP神经网络的构建与训练 11

3.5.1 LMBP神经网络模型的构建 11

3.5.2 LMBP神经网络的训练 11

3.6 LMBP神经网络对雾霾造成健康经济损失的评估 13

3.7 结合多项式回归解释评价结果 14

4 结论与讨论 15

4.1 结论 15

4.2 讨论 15

参考文献 16

致谢 18

基于LMBP神经网络的上海雾霾健康经济损失评价

普晟昱

，China

Abstract：In this paper, taking the healthy economic loss caused by the haze pollution in Shanghai as an example, we construct the evaluation model of the healthy economic loss of Shanghai under the national standard and the WHO standard based on the LMBP neural network. According to the model calculation, the national standard lost 71.4367 billion yuan in 2016 and 70.7412 billion yuan in 2017. The WHO standard lost 190.7994 billion yuan in 2016 and and 184.5524 billion yuan in 2017. The research results show that Shanghai has achieved remarkable results in haze pollution control since 2016. BP neural network can quickly and accurately evaluate the healthy economic loss caused by haze pollution, which can be further applied to the evaluation of economic loss in other areas caused by haze pollution, has a good research prospect.

Key words：loss assessment；LMBP neural network；healthy economic loss；haze；Shanghai

1 引言

改革开放至今，我国国内现状日新月异，作为全球最大的发展中国家，现如今中国在科技、医药、军事等各领域都有飞跃式的进步，经济水平显著提高，在国际上的地位举足轻重。然而在飞速发展的同时，“雾霾”这个陌生又熟悉的词渐渐进入人民的生活中。雾霾，是雾与霾组合而成的词。悬浮于近地大气层中的众多冰晶或微小水滴共同形成的气溶胶系统称为雾，是近地大气层中水汽凝固（或凝华）后形成的，多见于秋冬两季，雾形成后会降低空气透明度，严重时会导致能见度小于200米，造成交通事故；大气之中的硫酸、硝酸、尘埃、有机碳氢化合物等细小颗粒物形成的气溶胶系统所造成的视觉障碍称为霾。雾霾天气是一种大气污染，已经严重威胁到我国公民公共健康，特别是直径小于2.5微米的细小颗粒物（简称PM2.5）被专家认为是雾霾天气出现的根本原因。以往研究显示，PM2.5由于体积小，不但可以透过肺泡表面进入肺组织，而且许多化学物质还可被肺泡表面吸收，致使人群呼吸系统、心血管疾病病发率上升，严重影响暴露人群身体健康^[1]。PM2.5还有致癌效应，其表面上附着的大量重金属及病原体会诱使原癌基因和抑癌基因发生突变从而使人患上癌症。婴幼儿和老人身体免疫力、抵抗力较弱，不能长期在污染严重的空气中暴露，孕妇长期吸入大量可吸入颗粒物甚至会对胎儿产生不良影响。健康影响关乎每个人的生活幸福，因此，研究雾霾造成的健康经济损失的必要性是毋庸置疑的。

针对雾霾所造成的健康威胁，国内外学者利用不同方法对其经济损失进行了诸多评估。国外对雾霾健康经济成本研究开始较早，早在1967年Ridker^[2]便采用人力资本法对美国空气污染健康经济损失进行了评估。Gianicolo E A L等^[3] 经由暴露反应关系得出暴露于空气污染物中会致使呼吸系统和心血管疾病的住院率增加的结论。E Quah等^[4]使用损害函数/剂量反应方法估算新加坡颗粒污染对空气健康的经济成本。国内学者中，蔡春光^[5] 针对北京地区空气污染健康经济损失使用支付意愿法以及人力资本法分别进行了评估。谢元博等^[6]采用环境价值评估方法研究了北京市2013年1月PM2.5造成的健康损失。穆泉等^[7]采用人力资本法、疾病成本法和直接损失评估法计算了2013年1月全国雾霾直接经济损失及健康经济损失的比例。曹彩红等^[8]估算了2003-2013年北京地区雾霾带来的扣减掉物价因素的社会健康总成本。姜绵峰等^[9]通过流行病学的暴露反应函数计算上海市2006~2015年健康经济损失。

现如今国内外学者针对雾霾所造成的经济损失的相关研究渐渐增多，从侧面反映出雾霾所造成的经济损失评估工作意义重大，科学有效的评估不仅可以更准确地对雾霾造成的影响进行评价，而且能够对于国家制定相关政策措施治理雾霾提供量化支持，起到重要的指导作用，同时必然有利于我国建立更加科学且完善的自然灾害经济损失评估体系。本文目的为寻找出不同于传统评估方法的新方法来对雾霾造成的经济损失进行评价，且该方法能够对雾霾造成的经济损失进行快速、准确、科学有效的评估。

2 研究方法

目前国内外研究各种灾害造成的经济损失的方法多种多样，如在评价地震、洪灾灾害造成的经济损失中采用BP神经网络、随机权神经网络、主成份神经网络等方法，这些方法都需要参考历史数据进行分析，因此在计算评价雾霾造成的经济损失时，国内外学者大多采用支付意愿法、人力资本法、疾病成本法和暴露-反应函数等方法，暂未有学者将神经网络算法应用于雾霾经济损失评价。近年来由于雾霾经济损失评价研究的深入、雾霾观测数据的增加，受到地震、洪灾灾害经济损失评价研究的启发，本文基于已有雾霾数据和其他数据，以上海市为例引入多元线性回归和BP神经网络算法对雾霾造成的健康经济损失进行评估。

2.1 多元线性回归

现实生活中的问题，往往有不止一个影响因变量的因素，这些因素从多个方面共同对因变量产生作用。为了完全和准确地表达这种多个自变量与一个因变量的相关关系，我们需要建立多个自变量的回归模型，即多元回归。当因变量与各自变量之间的关系表现为线性时，我们将之称作多元线性回归。

设因变量为，表示个自变量，描述因变量如何依赖于自变量和误差项的方程称为多元回归模型，其多元线性回归一般形式可表示为：

. ⑴

其中，表示模型的参数，一般可依据最小二乘法计算得到参数的估计值；表示误差项。

在多元线性回归中，有时候所选择的指标因素并不全对因变量有显著性影响，这就存在对所选自变量进行挑选的问题，而选择出的自变量应对因变量有显著影响。为此，引入逐步回归法对指标因素进行选择，而赤池信息量准则（AIC）是逐步回归过程中选择变量的重要指标，其数值越小则模型越优，可判断是否选择或剔除变量。

2.2 BP神经网络

2.2.1 BP神经网络简介

人工神经网络（Artificial Neural Network）类型繁多，而反向误差传播网络(Back Propagation简称BP网络)是应用最为广泛、效果最好的方法，相较于其他传统模型，有更好的适时预报性和持久性^[10]。BP网络具备自组织、自学习、自适应等独特的优秀性能，可以较准确、快速地解决复杂的非线性问题，因而能够应用于雾霾经济损失评价^[11]。

BP网络是典型的多层网络，往往是包含单一隐含层的三层前馈结构（如图1），除隐含层外还有输入层和输出层，它们的神经元数是由具体问题的输入、输出层参数所决定的，如图1中输入参数及输出参数。BP网络的学习大概分为两个阶段，第一阶段是信号的前向传播，由输入层开始经过隐含层，用规定的公式计算后传递到达输出层，每一层神经元只对下一层神经元产生影响；第二阶段是误差的反向传播，由输出层到隐含层最终到输入层，依次将各层间的的权重和偏置依规定算法进行调整。重复这两个阶段直到误差变得足够小。在本文中设为输入样本向量，为实际输出向量，为隐含层输出值，为期望输出向量（损失值真值）。