Файл: В течение многих десятилетий основу хозяйственной деятельности составляли экономические и социальные задачи.docx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 11.01.2024
Просмотров: 125
Скачиваний: 1
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
, характеризующими загрязненность природных ресурсов Дальнего Востока на основе индексного и корреляционного анализа
Индексный метод основывается на сопоставлении показателей отчетного и базисного периодов. Основным условием при этом является то, что сопоставляемые величины должны быть идентичны, т. е. рассчитываться одинаково (в одной методологии) или в одних ценах (в ценах базисного или отчетного периода) и обязательно в одних единицах измерения. Индексный метод – один из наиболее распространенных, поскольку с его помощью можно выявить влияние на изучаемый совокупный показатель различных факторов. В практике статистических и аналитических расчетов известно несколько форм индексов: агрегатная, арифметическая, гармоническая и др.
В таблице 7 проведем расчеты индексов сброса сточных вод.
Таблица 7 – Индексный анализ показателей сброса сточных вод на Дальнем Востоке за 2019-2022 гг.
Между показателями объема сброшенных вод, требующей очистки и мощностью очистных сооружений имеет место обратная связь.
Далее оценим зависимость показателей расчета объема сброшенных вод и мощности очистных сооружений посредством корреляционного анализа.
Корреляционная связь – это связь, где воздействие отдельных факторов проявляется только как тенденция (в среднем) при массовом наблюдении фактических данных.
Важнейшей задачей является определение формы связи с последующим расчетом параметров уравнения, или, иначе, нахождение уравнения связи (уравнения регрессии).
(1)
Могут иметь место различные формы связи. Для нашего случая рассмотрим прямолинейную взаимосвязь, которую можно выразить в формуле:
Y=a+a'x,
Для проведения корреляционно-регрессионного анализа были введены следующие признаки:
Y – Объем сброшенных вод, требующих очистки млн. м3
X – Мощность очистных сооружений, млн. м3
В таблице 10 представлены основные расчеты.
Таблица 8 – Исходные данные для корреляционно-регрессионного анализа взаимосвязи объема сброшенных вод, требующей очистки и мощностью очистных сооружений
(2)
Чтобы найти а и а' решаем систему уравнений:
y=na+a'x,
yx=ax+a'x^2 подставляем:
323,98 = 4*а+ 668,26а' /4
54062,55 = 668,26а+111729,62 /668,26
Каждое уравнение делим на коэффициенты, стоящие при а:
80,995 = а + 167,065 а'
80,897 = а + 167,195 а'
Из второго уравнения вычитаем первое:
-0,098= 0,130 а'
A' = -0,751
A= 80,9-167,2*(-0,751)=206,46
Уравнение регрессии имеет вид:
Y= 206,46 – 0,751*х
«а» не имеет экономической интерпретации, коэффициент регрессии а' показывает на сколько единиц изменится результат при увеличении фактора на единицу.
Теснота связи определяется коэффициентом корреляции:
(3)
К = ,
Подставив данные получим:
(4)
,
Судя по расчетам наблюдается очень тесная взаимосвязь между объемом сброшенных вод, требующем очистки и мощностью очистных сооружений. Также показатели свидетельствует об обратной связи между показателями.
Под прогнозированием мы понимаем научное (т.е. основанное на системе фактов и доказательств, установленных причинно-следственных связей) выявление вероятностных путей и результатов предстоящего развития явлений и процессов, оценку показателей, характеризующих эти явления и процессы для более или менее отдаленного будущего. Таким образом, прогнозирование – это научная деятельность, направленная на выявление и изучение возможных альтернатив будущего развития и структуры его вероятных траекторий. Каждая альтернативная траектория развития связывается с наличием комплекса внешних относительно исследуемой системы (явлений) условий.[6]
Проведем прогнозирование уровня загрязнения атмосферного воздуха на 2023 г. посредством метода экстраполяции.
Судя по расчетам в 2023 г. планируется сокращение количества проб и сокращение удельного веса проб с превышением ПДК.
Проведем прогнозирование показателей выбросов загрязняющих веществ в атмосферу.
Таблица 9 – Прогнозирование уровня загрязнения атмосферного воздуха в городских и сельских поселениях.
Таблица 10 – Прогнозирование выбросов загрязняющих веществ в атмосферу от стационарных источников в 2018–2024 гг., тыс. тонн.
Индексный метод основывается на сопоставлении показателей отчетного и базисного периодов. Основным условием при этом является то, что сопоставляемые величины должны быть идентичны, т. е. рассчитываться одинаково (в одной методологии) или в одних ценах (в ценах базисного или отчетного периода) и обязательно в одних единицах измерения. Индексный метод – один из наиболее распространенных, поскольку с его помощью можно выявить влияние на изучаемый совокупный показатель различных факторов. В практике статистических и аналитических расчетов известно несколько форм индексов: агрегатная, арифметическая, гармоническая и др.
В таблице 7 проведем расчеты индексов сброса сточных вод.
Таблица 7 – Индексный анализ показателей сброса сточных вод на Дальнем Востоке за 2019-2022 гг.
Показатели | Годы | Индекс | ||||
2019 | 2020 | 2021 | 2022 | |||
Объем сброшенной воды, млн. м3 | 84,65 | 83,48 | 80,25 | 75,60 | 0,893 | |
Объем сточных вод, требующих очистки, млн. м3 | 81,44 | 80,37 | 77,02 | 70,97 | 0,871 | |
Мощность очистных сооружений перед сбросом в водные объекты, млн. м3 | 162,31 | 163,38 | 168,55 | 174,02 | 1,072 | |
Количество водоизмерительной аппаратуры | 69,00 | 69,00 | 69,00 | 69,00 | 1,000 |
Между показателями объема сброшенных вод, требующей очистки и мощностью очистных сооружений имеет место обратная связь.
Далее оценим зависимость показателей расчета объема сброшенных вод и мощности очистных сооружений посредством корреляционного анализа.
Корреляционная связь – это связь, где воздействие отдельных факторов проявляется только как тенденция (в среднем) при массовом наблюдении фактических данных.
Важнейшей задачей является определение формы связи с последующим расчетом параметров уравнения, или, иначе, нахождение уравнения связи (уравнения регрессии).
(1)
Могут иметь место различные формы связи. Для нашего случая рассмотрим прямолинейную взаимосвязь, которую можно выразить в формуле:
Y=a+a'x,
Для проведения корреляционно-регрессионного анализа были введены следующие признаки:
Y – Объем сброшенных вод, требующих очистки млн. м3
X – Мощность очистных сооружений, млн. м3
В таблице 10 представлены основные расчеты.
Таблица 8 – Исходные данные для корреляционно-регрессионного анализа взаимосвязи объема сброшенных вод, требующей очистки и мощностью очистных сооружений
Период | Объем сброшенных вод, требующих очистки | Мощность очистных сооружений | у*х | у*у | х*х |
у | х | ||||
2019 | 84,65 | 162,31 | 13739,54 | 7165,62 | 26344,54 |
2020 | 83,48 | 163,38 | 13638,96 | 6968,91 | 26693,02 |
2021 | 80,25 | 168,55 | 13526,14 | 6440,06 | 28409,10 |
2022 | 75,60 | 174,02 | 13155,91 | 5715,36 | 30282,96 |
Итого | 323,98 | 668,26 | 54060,55 | 26289,96 | 111729,62 |
(2)
Чтобы найти а и а' решаем систему уравнений:
y=na+a'x,
yx=ax+a'x^2 подставляем:
323,98 = 4*а+ 668,26а' /4
54062,55 = 668,26а+111729,62 /668,26
Каждое уравнение делим на коэффициенты, стоящие при а:
80,995 = а + 167,065 а'
80,897 = а + 167,195 а'
Из второго уравнения вычитаем первое:
-0,098= 0,130 а'
A' = -0,751
A= 80,9-167,2*(-0,751)=206,46
Уравнение регрессии имеет вид:
Y= 206,46 – 0,751*х
«а» не имеет экономической интерпретации, коэффициент регрессии а' показывает на сколько единиц изменится результат при увеличении фактора на единицу.
Теснота связи определяется коэффициентом корреляции:
(3)
К = ,
Подставив данные получим:
(4)
,
Судя по расчетам наблюдается очень тесная взаимосвязь между объемом сброшенных вод, требующем очистки и мощностью очистных сооружений. Также показатели свидетельствует об обратной связи между показателями.
3.2 Прогнозирование показателей загрязнения окружающей среды
Под прогнозированием мы понимаем научное (т.е. основанное на системе фактов и доказательств, установленных причинно-следственных связей) выявление вероятностных путей и результатов предстоящего развития явлений и процессов, оценку показателей, характеризующих эти явления и процессы для более или менее отдаленного будущего. Таким образом, прогнозирование – это научная деятельность, направленная на выявление и изучение возможных альтернатив будущего развития и структуры его вероятных траекторий. Каждая альтернативная траектория развития связывается с наличием комплекса внешних относительно исследуемой системы (явлений) условий.[6]
Проведем прогнозирование уровня загрязнения атмосферного воздуха на 2023 г. посредством метода экстраполяции.
Судя по расчетам в 2023 г. планируется сокращение количества проб и сокращение удельного веса проб с превышением ПДК.
Проведем прогнозирование показателей выбросов загрязняющих веществ в атмосферу.
Таблица 9 – Прогнозирование уровня загрязнения атмосферного воздуха в городских и сельских поселениях.
Показатели | Год | Тем рост за 2018-2022 гг. | Средне-годовой темп роста | Значение на 2023 год | Значение на 2024 год | ||||||||
2018 | 2019 | 2020 | 2021 | 2022 | |||||||||
Число исследованных проб в городских и сельских поселениях | 1856 | 18753 | 15941 | 16013 | 15602 | 0,840 | 0,957 | 14938 | 14302 | ||||
Удельный вес проб с превышением ПДК,% | 0,1 | 0,07 | 0,07 | 0,09 | 0,02 | 0,200 | 0,669 | 0,013 | 0,009 | ||||
Число исследованных проб в городских поселениях | 13814 | 15 073 | 12 775 | 12 555 | 12679 | 0,918 | 0,979 | 12410 | 12147 | ||||
Удельный вес проб с превышением ПДК,% | 0,13 | 0,06 | 0,09 | 0,02 | 0,02 | 0,154 | 0,626 | 0,013 | 0,008 | ||||
Число исследованных проб в сельских поселениях | 4752 | 3 680 | 3 166 | 3 458 | 2923 | 0,615 | 0,886 | 2589 | 2292 | ||||
Удельный вес проб с превышением ПДК,% | 0,02 | 0,13 | 0 | 0,3 | 0,03 | 1,500 | 1,107 | 0,033 | 0,037 |
Таблица 10 – Прогнозирование выбросов загрязняющих веществ в атмосферу от стационарных источников в 2018–2024 гг., тыс. тонн.
Показатели | Год | Тем рост за 2018-2022 гг. | Средне-годовой темп роста | Значение на 2023 год | Значение на 2024 год | ||||||||
2018 | 2019 | 2020 | 2021 | 2022 | |||||||||
Всего | 31,4 | 27,5 | 32,7 | 29,4 | 35,9 | 1,1 | 1,0 | 37,1 | 38,4 | ||||
в том числе: | | | | | | ||||||||
Твердые вещества | 1,6 | 1,7 | 1,6 | 1,8 | 1,8 | 1,1 | 1,0 | 1,9 | 1,9 | ||||
Жидкие и газообразные вещества | 29,4 | 25,8 | 31,1 | 27,6 | 34,1 | 1,2 | 1,0 | 35,4 | 36,7 | ||||
из них: | | | | | | ||||||||
диоксид серы | 0,8 | 0,8 | 0,7 | 0,6 | 0,6 | 0,8 | 0,9 | 0,6 | 0,5 | ||||
оксид углерода | 7,9 | 7,7 | 7,2 | 6,9 | 6,4 | 0,8 | 0,9 | 6,1 | 5,8 | ||||
оксид азота | 6,3 | 7,0 | 7,2 | 7,3 | 5,6 | 0,9 | 1,0 | 5,4 | 5,3 | ||||
углеводороды (без ЛОС) | 12,3 | 7,3 | 12,6 | 9,6 | 18,2 | 1,5 | 1,1 | 20,1 | 22,1 | ||||
летучие органические соединения (ЛОС) | 1,9 | 2,4 | 2,8 | 2,8 | 2,8 | 1,5 | 1,1 | 3,1 | 3,4 | ||||
прочие газообразные и жидкие | 0,3 | 0,4 | 0,6 | 0,5 | 0,5 | 1,7 | 1,1 | 0,6 | 0,6 |