城市空氣污染數(shù)據(jù)的真實(shí)性判別及分析研究

問題重述1.1問題背景空氣質(zhì)量問題始終是政府、環(huán)境保護(hù)部門和全國人民關(guān)注的熱點(diǎn)問題。2021年的兩會上，全國政協(xié)常委、環(huán)境保護(hù)部副部長吳曉青表示，政府工作報(bào)告中提出的今后五年地級市及以上城市空氣質(zhì)量優(yōu)良天數(shù)比率超過80%的目標(biāo)必須完成。此外，吳曉青表示，很高興在今年的“十三五”規(guī)劃草案里看到增加了環(huán)境質(zhì)量的考核指標(biāo)，并指出增加的指標(biāo)有幾個特點(diǎn)：一是對環(huán)境質(zhì)量的指標(biāo)考核更加全面、更加完善。二是和老百姓息息相關(guān)，切身利益更加貼近、更加結(jié)合。三是更加嚴(yán)格。其中，優(yōu)良天數(shù)比率指的是：區(qū)域內(nèi)城鎮(zhèn)空氣質(zhì)量優(yōu)良以上的監(jiān)測天數(shù)占全年監(jiān)測總天數(shù)的比例。然而，由于各種主客觀原因，會使所采集到的數(shù)據(jù)序列體現(xiàn)出一定的異?，F(xiàn)象。1.2問題提出在上述問題背景的基礎(chǔ)上，結(jié)合題目所給資料，要求建立數(shù)學(xué)模型討論下列問題： 1、搜集相關(guān)空氣質(zhì)量和氣候數(shù)據(jù)，分析空氣質(zhì)量數(shù)據(jù)的真實(shí)性，建立數(shù)學(xué)模型或者相應(yīng)指標(biāo)來確定是否存在數(shù)據(jù)不真實(shí)的現(xiàn)象。2、在此過程中，或利用污染物之間的相關(guān)性、或利用污染物變化的連續(xù)性、或自行設(shè)計(jì)指標(biāo)在時間、空間等各層次上進(jìn)行對比，來確定數(shù)據(jù)不真實(shí)是否存在并討論其嚴(yán)重性。3、通過模型分析數(shù)據(jù)不真實(shí)的類型、原因，最終為環(huán)境保護(hù)和政策制定提供支撐。4、進(jìn)一步的討論可以加入社會因素，例如分析空氣質(zhì)量與工業(yè)生產(chǎn)（例如鋼產(chǎn)量）等數(shù)據(jù)之間的相關(guān)性，分析是否可以通過空氣質(zhì)量數(shù)據(jù)的變化來展示工業(yè)生產(chǎn)（例如鋼產(chǎn)量）等數(shù)據(jù)的實(shí)際情況。問題分析本文的主要內(nèi)容是完成城市空氣污染數(shù)據(jù)的真實(shí)性的判別建模，然后根據(jù)模型結(jié)果，得到京津冀，長三角，珠三角空氣污染數(shù)據(jù)存在的不真實(shí)性。針對問題1，通過分析京津冀，長三角，珠三角三個地區(qū)中的空氣污染數(shù)據(jù)的波動性，認(rèn)定空氣污染數(shù)據(jù)的城市具有代表性。根據(jù)前面數(shù)據(jù)波動判斷的真實(shí)數(shù)據(jù)，以各個時間的PM10、CO、NO2、SO2四個指標(biāo)數(shù)據(jù)作為輸入，輸出的是PM2.5的指標(biāo)數(shù)據(jù)作為輸出建立BP神經(jīng)網(wǎng)絡(luò)模型。將其他城市的PM10、CO、NO2、SO2四個指標(biāo)數(shù)據(jù)代入BP神經(jīng)網(wǎng)絡(luò)，得到預(yù)測的PM2.5的指標(biāo)數(shù)據(jù)。通過比較預(yù)測值和實(shí)際值的差異性，判斷城市空氣污染數(shù)據(jù)的真實(shí)性。針對問題2，本文利用相關(guān)系數(shù)分析法找出各污染物之間的相關(guān)性，而后從時間、空間角度進(jìn)行分析。對于時間角度，我們可以做出各地區(qū)污染物隨時間變化的趨勢；對于空間角度，我們可以對各地區(qū)的污染程度進(jìn)行取平均值。針對問題3，本文通過模型分析數(shù)據(jù)不真實(shí)的類型、原因，最終為環(huán)境保護(hù)和政策制定提供支撐。對于數(shù)據(jù)不真實(shí)的類型，我們可以從相關(guān)性差異、是否連續(xù)來討論；對于數(shù)據(jù)不真實(shí)原因，我們可以從技術(shù)層面、人為層面進(jìn)行分析。針對問題4，本文主要采用搜集到的各個地區(qū)的鋼產(chǎn)量和煤炭產(chǎn)量數(shù)據(jù)，通過鋼產(chǎn)量數(shù)據(jù)和空氣質(zhì)量數(shù)據(jù)的相關(guān)性，判斷城市空氣污染數(shù)據(jù)的真實(shí)性。模型假設(shè)1、假設(shè)京津冀，長三角，珠三角空氣污染數(shù)據(jù)沒有經(jīng)過二次處理；2、假設(shè)AQI指標(biāo)中的PM2.5、PM10、CO、NO2、SO2具有一定的相關(guān)性，某一個指標(biāo)增加，其他指標(biāo)也會增加；3、假設(shè)可由鋼產(chǎn)量和煤炭產(chǎn)量數(shù)據(jù)來代表社會因素。4、鋼產(chǎn)量和煤炭產(chǎn)量數(shù)據(jù)與空氣質(zhì)量具有很強(qiáng)的相關(guān)性。5、同一個區(qū)域的城市由于空間的連續(xù)性會導(dǎo)致空氣質(zhì)量相差不大。6、空氣污染數(shù)據(jù)處于平均的城市真實(shí)性較高。7、AQI指數(shù)可以代表空氣質(zhì)量的好壞。8、城市空氣污染數(shù)據(jù)的真實(shí)性具有時間連續(xù)性，如果這個月數(shù)據(jù)真實(shí)，可以認(rèn)為下個月數(shù)據(jù)也真實(shí)。符號說明符號解釋說明AQI平均值的中間值BP神經(jīng)網(wǎng)絡(luò)輸出神經(jīng)網(wǎng)絡(luò)輸入Network1根據(jù)廊坊空氣建立BP神經(jīng)網(wǎng)絡(luò)北京的網(wǎng)絡(luò)輸入北京的網(wǎng)絡(luò)輸出五、模型的建立與求解5.1空氣污染數(shù)據(jù)處理本文搜集到了京津冀，長三角，珠三角空氣污染數(shù)據(jù)（部分），主要包括不同日期（從2013/11/1到2021/2/28）的AQI指數(shù)、質(zhì)量等級、當(dāng)天AQI排名、PM2.5、PM10、CO、NO2、SO2，為了簡化問題，根據(jù)AQI指數(shù)定性分析空氣質(zhì)量的初步真實(shí)性。 京津冀地區(qū)北京、天津、石家莊、唐山、保定、廊坊、邢臺、張家口、秦皇島、衡水、邯鄲、承德、滄州的從2021/11/1到2021/12/31的AQI指數(shù)如表1所示。表1京津冀地區(qū)AQI指數(shù)日期北京天津石家莊唐山保定廊坊邢臺張家口秦皇島衡水邯鄲承德滄州2021/11/12311892882932662453021641282312431041732021/11/22942602632763282822281722302401881482232021/11/38013114419213513315043170132169781402021/11/4578213481168781406878137161631042021/11/518413121414820018919095132115138961072021/11/61892331383452242571611012311821681211632021/11/7591051151339794104761379910661782021/11/810690160104137631549010511297721012021/11/917819024920222666174106981751311142332021/11/1053112133144129581486263157130611772021/11/11477112079105611035472917552652021/11/12778513710211282142649111212865752021/11/131141112691281831112687796151232741242021/11/14170166384177339206351931431522041101722021/11/1595141173154170157205112137155165831172021/11/161091651942331791912001292041711691091292021/11/173371107858881118598510711450732021/11/18194710655795311650528612634572021/11/19224313953975112448528712933662021/11/2074113167120169581515989101131581092021/11/21922123082112631011716499157149702462021/11/2213426839229335928827573149236231802422021/11/2321231349837549136445796294315362943002021/11/241693254204344913144071183954333431023152021/11/255910112914415998127849414892821362021/11/26376811576988013160748411254832021/11/2742771046196831107064939743702021/11/283179915567571136062798336732021/11/2956104908391981525384104133471022021/11/307012712714610710815363103110110721132021/12/15699166116124104180619810312375872021/12/210920627320525720429771135214227821962021/12/3113283361311329228424832003353121023222021/12/49920721518223718031483115306283972482021/12/5832192211872061652577483280205962502021/12/69384169100181104215699211917779842021/12/723320239722242132541386120210275102452021/12/8341309461330470421499911872943361301212021/12/99716324023321318038052158268312761692021/12/1036941119815399159638111018851882021/12/1133811047811478145797310917851872021/12/1236951059511880164538213613351972021/12/1341653196610466135595711711339892021/12/1464963451192251202706267190247431522021/12/15611282771152581334647067244428662132021/12/16922013842222802405007793245480782432021/12/171371483062782673064616498403387912522021/12/18321141971131951242384857213176551462021/12/194998312712101003395349234208461472021/12/2063108480109288935005361385388521882021/12/215098498159380825005365467456562052021/12/221321934402213592734336780263306812372021/12/2319926150034040434350082156360464992432021/12/2420229250022638932650086104500500973662021/12/252782775002104584285001191695005001503062021/12/269126434220425020043076175429387852232021/12/272443656310750123586911513043742021/12/283961846913858127548115111850902021/12/295896898787101116689013111963762021/12/3074129871211121211539211814611983892021/12/31931339610313813212913911516511581101在matlab中處理后得到京津冀地區(qū)AQI指數(shù)變化趨勢如圖1所示。圖1京津冀地區(qū)AQI指數(shù)變化趨勢可以看到京津冀地區(qū)北京、天津、石家莊、唐山、保定、廊坊、邢臺、張家口、秦皇島、衡水、邯鄲、承德、滄州的AQI指數(shù)在空間上呈現(xiàn)出大致相同的變化趨勢，比如北京的AQI指數(shù)增加，天津的AQI指數(shù)也會增加。下面通過在matlab處理得到AQI的平均值m1，然后繪制平均值如圖2所示。然后通過天津唐各城市的平均AQI指數(shù)的中間值156.9016，可以看到廊坊的AQI數(shù)據(jù)處于中間值，初步假定廊坊的空氣污染數(shù)據(jù)真實(shí)性比較高。5.2建立BP神經(jīng)網(wǎng)絡(luò)查前面得到京津唐地區(qū)中廊坊的空氣污染數(shù)據(jù)具有較高的真實(shí)性，下面以各個時間廊坊地區(qū)的的PM10、CO、NO2、SO2四個指標(biāo)數(shù)據(jù)作為輸入，輸出的是PM2.5的指標(biāo)數(shù)據(jù)作為輸出建立BP神經(jīng)網(wǎng)絡(luò)模型。廊坊的空氣污染指標(biāo)（PM2.5、PM10、CO、NO2、SO2）數(shù)據(jù)如表2所示。表2廊坊的空氣污染指標(biāo)日期輸出輸入PM2.5PM10CONO2SO22021/11/11923132.3271182021/11/22263311.7763212021/11/3851801.074792021/11/4411000.862122021/11/51392551.8382392021/11/61443001.6472232021/11/711520.5344142021/11/8092.2167772021/11/91301.9491492021/11/1018680.2932112021/11/1134760.5551222021/11/12551310.8962302021/11/131612792.71104832021/11/141402741.9181442021/11/151313161.887752021/11/16802540.8845382021/11/1717610.535202021/11/1814540.3835172021/11/1921390.6441332021/11/2035571.5477622021/11/21781612.55108902021/11/222684242.911411782021/11/233425123.891631772021/11/241522691.5987872021/11/2526830.5939342021/11/26361330.6436282021/11/2711890.231772021/11/2826680.6646402021/11/29951671.7876912021/11/30681231.2664682021/12/11021531.5377772021/12/22112903.281251472021/12/31171781.8591852021/12/41742402.951021092021/12/5791291.5963792021/12/61452042.1180902021/12/73904825.46144992021/12/83034233.2896532021/12/922610.4933242021/12/10791781.6152572021/12/1143791.0449532021/12/1238900.6238362021/12/13641061.2455682021/12/14901351.7273732021/12/151141672.6385772021/12/162833595.31351032021/12/172002563.74931342021/12/1854810.8249452021/12/1970981.1456542021/12/20671031.2862512021/12/21911201.3182672021/12/223143613.341161422021/12/232653213.451321262021/12/2432338951501492021/12/253804854.57136962021/12/2612570.324132021/12/2729540.6752322021/12/2837560.6646342021/12/291161651.9374942021/12/30721411.470652021/12/311112181.917071本文主要利用matlab神將網(wǎng)絡(luò)工具箱建立BP神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)工具箱如圖3所示，神經(jīng)網(wǎng)絡(luò)輸入輸出分別是變量x,y.圖3神經(jīng)網(wǎng)絡(luò)工具箱然后建立BP神經(jīng)網(wǎng)絡(luò)如圖4所示，網(wǎng)絡(luò)類型是Feed-forwarbackprop，輸入變量是x，目標(biāo)輸出是y，網(wǎng)絡(luò)訓(xùn)練函數(shù)采用trainlm，評價函數(shù)采用mse。圖4BP神經(jīng)網(wǎng)絡(luò)參數(shù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示，包含一個輸入層，一個輸出層，兩個隱含層。圖5BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)如圖6所示，可以看到通過7次迭代后達(dá)到網(wǎng)絡(luò)誤差要求mu，網(wǎng)絡(luò)性能是6.62e3。網(wǎng)絡(luò)訓(xùn)練過程如圖7所示。圖6神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)圖7網(wǎng)絡(luò)訓(xùn)練過程然后將訓(xùn)練得到的BP神經(jīng)網(wǎng)絡(luò)network1導(dǎo)出到工作空間。5.3模型求解通過前面建立的BP神經(jīng)網(wǎng)絡(luò)，可以通過輸入空氣污染數(shù)據(jù)的PM10、CO、NO2、SO2得到PM2.5指標(biāo)數(shù)據(jù)。以廊坊的數(shù)據(jù)為真實(shí)依據(jù)，將其他城市的污染數(shù)據(jù)輸入到BP神經(jīng)網(wǎng)絡(luò)模型中，然后得到預(yù)測的PM2.5指標(biāo)數(shù)據(jù)，最后根據(jù)預(yù)測的PM2.5指標(biāo)數(shù)據(jù)和測量的PM2.5指標(biāo)數(shù)據(jù)判斷數(shù)據(jù)的真實(shí)性。以北京地區(qū)為例，分析數(shù)據(jù)的真實(shí)性。北京地區(qū)的PM10、CO、NO2、SO2指標(biāo)數(shù)據(jù)如表3所示，然后以此為輸入，代入前面的模型得到預(yù)測的PM2.5指標(biāo)數(shù)據(jù)。表3北京地區(qū)的PM10、CO、NO2、SO2指標(biāo)數(shù)據(jù)日期PM10CONO2SO22021/11/12021.89100142021/11/2253211/3820.824552021/11/4600.875492021/11/51882.0695232021/11/61351.475592021/11/7550.354292021/11/81602.2393502021/11/91141.5865392021/11/10390.452782021/11/11560.7549172021/11/12811.3658212021/11/131802.7697482021/11/141031.3155192021/11/151672.1281272021/11/16920.7630112021/11/17210.462062021/11/18160.421862021/11/19410.7737162021/11/20761.6554232021/11/211031.9369342021/11/221302.2883452021/11/231582.996562021/11/241301.1841242021/11/25260.542282021/11/26460.752192021/11/27340.38622021/11/28320.6823112021/11/29711.6957302021/11/30491.0141262021/12/1771.756342021/12/21232.5375532021/12/3881.5854382021/12/41012.0462422021/12/5551.1738302021/12/61582.4677492021/12/72924.34100632021/12/81923.0161482021/12/9160.592192021/12/10440.9629142021/12/11290.7429142021/12/12280.7524102021/12/13631.345292021/12/14471.1840292021/12/15551.5249312021/12/161272.5571592021/12/17451.3438352021/12/18410.8130222021/12/19591.2249292021/12/20461.146282021/12/21841.6469442021/12/221772.7495672021/12/231652.8790612021/12/242684.85123952021/12/252163.292642021/12/26190.42082021/12/27210.5934192021/12/28190.3822112021/12/29861.7375472021/12/30831.0651272021/12/311491.274923北京的空氣中PM2.5指標(biāo)的預(yù)測值和實(shí)際值變化趨勢如圖8所示，可以看出兩條曲線趨勢大致相同，前面的真實(shí)性比較低，后面比較高，整體來說數(shù)據(jù)不是特別真。主要判斷是兩條曲線的誤差平方和error，計(jì)算得到北京地區(qū)的誤差平方和error=116809.95.4模型結(jié)果和前面的處理方法一樣得到長三角和珠三角地區(qū)的真實(shí)性判別過程，其中長三角的真實(shí)參照選擇常州，珠三角區(qū)域的真實(shí)參照選擇東莞。各個地方的誤差平方和error結(jié)果如表4所示天津唐長三角珠三角北京116809.9上海3427132廣州8844050天津5399051南京3756921深圳7208557石家莊953726.9杭州5465538珠海186127.7唐山1465149蘇州5619202惠州6747765保定6311412無錫3958222東莞5088廊坊93204常州3981309中山4378202邢臺9742216常州53672佛山1170368張家口5708384鎮(zhèn)江6575305江門8146817秦皇島9968502揚(yáng)州9509152肇慶3248554衡水5535416泰州7223485邯鄲5154585南通4000797承德3306821湖州8318713滄州4300018寧波1343383臺州604667.7紹興842470.5嘉興1638983舟山3242199可以看出北京、石家莊、臺州、紹興、珠海的數(shù)據(jù)真實(shí)性比較差，存在造假嫌疑。六、模型的評價與推廣6.1模型評價6.1.1模型優(yōu)點(diǎn)(1)本文采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行真實(shí)性判別；(2)本文的BP網(wǎng)絡(luò)的建立過程采用該區(qū)域的平均程度比較高的城市；(3)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測值和真實(shí)值的誤差和作為評判空氣污染數(shù)據(jù)的真實(shí)性，體現(xiàn)的本文建模的獨(dú)特性。；(4)本文考慮時均分成京津冀、長三角、珠三角這三個地區(qū)進(jìn)行討論，每個區(qū)域都進(jìn)行了詳細(xì)的分析，包括模型參考城市選擇，BP網(wǎng)絡(luò)模型建立，和誤差和計(jì)算。6.2.2模型缺點(diǎn)(1)BP網(wǎng)絡(luò)模型的預(yù)測具有一定的誤差；(2)根據(jù)誤差和判斷數(shù)據(jù)真實(shí)性具有一定的不確定性。。6.2模型推廣(1)本文對空氣污染數(shù)據(jù)真實(shí)性判別及分析研究的思路同樣適用于其它地區(qū)；(2)本文使用的BP網(wǎng)絡(luò)建模方法及程序，同樣適用于其它相關(guān)問題。七、參考文獻(xiàn)[1]環(huán)境空氣質(zhì)量標(biāo)準(zhǔn),中華人民共和國國家標(biāo)準(zhǔn)，GB3095-2021.[2]孫敬慧.用秩相關(guān)系數(shù)分析我省主要城市大氣環(huán)境變化趨勢[J].福建環(huán)境,1995(1):11-12.[3]Ghanem,D.,&Zhang,J.(2021).‘Effortlessperfection:’DoChinesecitiesmanipulateairpollutiondata?.JournalofEnvironmentalEconomicsandManagement,68(2),203-225.[4]HaddadMA.IncreasingEnvironmentalPerformanceinaContextofLowGovernmentalEnforcement:EvidenceFromChina.JournalofEnvironmentandDevelopment,2021,24(1):3-25.[4]謝東,張興,曹仁賢.基于小波變換與神經(jīng)網(wǎng)絡(luò)的孤島檢測技術(shù)[J].中國電機(jī)工程學(xué)報(bào),2021,04:537-544.[5]楊雅輝,黃海珍,沈晴霓,吳中海,張英.基于增量式GHSOM神經(jīng)網(wǎng)絡(luò)模型的入侵檢測研究[J].計(jì)算機(jī)學(xué)報(bào),2021,05:1216-1224.[6]朱堅(jiān)民,沈正強(qiáng),李孝茹,齊北川.基于神經(jīng)網(wǎng)絡(luò)反饋補(bǔ)償控制的磁懸浮球位置控制[J].儀器儀表學(xué)報(bào),2021,05:976-986.[7]王守相,張娜.基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的光伏短期出力預(yù)測[J].電力系統(tǒng)自動化,2021,19:37-41.八、附錄Matlab代碼如下：jjt=[231189288293266245302164128231243104173294260263276328282228172230240188148223801311441921351331504317013216978140578213481168781406878137161631041841312141482001891909513211513896107189233138345224257161101231182168121163591051151339794104761379910661781069016010413763154901051129772101178190249202226661741069817513111423353112133144129581486263157130611774771120791056110354729175526577851371021128214264911121286575114111269128183111268779615123274124170166384177339206351931431522041101729514117315417015720511213715516583117109165194233179191200129204171169109129337110785888111859851071145073194710655795311650528612634572243139539751124485287129336674113167120169581515989101131581099221230821126310117164991571497024613426839229335928827573149236231802422123134983754913644579629431536294300169325420434491314407118395433343102315591011291441599812784941489282136376811576988013160748411254834277104619683110706493974370317991556757113606279833673561049083919815253841041334710270127127146107108153631031101107211356991661161241041806198103123758710920627320525720429771135214227821961132833613113292284248320033531210232299207215182237180314831153062839724883219221187206165257748328020596250938416910018110421569921191777984233202397222421325413861202102751024534130946133047042149991187294336130121971632402332131803805215826831276169369411198153991596381110188518833811047811478145797310917851873695105951188016453821361335197416531966104661355957117113398964963451192251202706267190247431526112827711525813346470672444286621392201384222280240500779324548078243137148306278267306461649840338791252321141971131951242384857213176551464998312712101003395349234208461476310848010928893500536138538852188509849815938082500536546745656205132193440221359273433678026330681237199261500340404343500821563604649924320229250022638932650086104500500973662782775002104584285001191695005001503069126434220425020043076175429387852232443656310750123586911513043743961846913858127548115111850905896898787101116689013111963767412987121112121153921181461198389931339610313813212913911516511581101];plot(jjt)legend('±±??','ìì?ò','êˉ?ò×ˉ','ì?é?','±￡?¨','àè·?','D?ì¨','???ò?ú','???êμo','oa??','oaμ|','3Dμ?','2×?Y')xlabel('è??ú￡¨′ó2021/11/1?aê?)')ylabel('AQI??êy')m1=mean(jjt)m2=median(m1)langf=[1923132.3271182263311.776321851801.07479411000.862121392551.8382391443001.64722311520.534414092.2167771301.94914918680.29321134760.555122551310.8962301612792.71104831402741.9181441313161.88775802540.88453817610.5352014540.38351721390.64413335571.547762781612.55108902684242.911411783425123.891631771522691.59878726830.593934361330.64362811890.2317726680.664640951671.787691681231.2664681021531.5377772112903.281251471171781.8591851742402.95102109791291.5963791452042.1180903904825.46144993034233.28965322610.493324791781.61525743791.04495338900.623836641061.245568901351.7273731141672.6385772833595.31351032002563.749313454810.82494570981.145654671031.286251911201.3182673143613.341161422653213.4513212632338951501493804854.571369612570.3241329540.67523237560.6646341161651.937494721411.470651112181.917071];x=langf(:,2:5);y=langf(:,1);x=x';y=y';x2=[2021.89100142532.1410411820.82455600.875491882.0695231351.47559550.354291602.2393501141.586539390.45278560.754917811.3658211802.7697481031.3155191672.128127920.763011210.46206160.42186410.773716761.6554231031.9369341302.2883451582.996561301.184124260.54228460.75219340.3862320.682311711.695730491.014126771.756341232.537553881.5854381012.046242551.1738301582.4677492924.34100631923.016148160.59219440.962914290.742914280.752410631.34529471.184029551.5249311272.557159451.343835410.813022591.224929461.14628841.6469441772.7495671652.8790612684.85123952163.29264190.4208210.593419190.382211861.737547831.0651271491.274923];y2=sim(network1,x2');y22=[1812435336143913212489163255149669240983059891261737014166165634609865833912524817911201915474047104582745306413412622116691611574151];plot([y2',y22])xlabel('è??ú')ylabel('PM2.5')legend('BPí????¤2a?μ','êμ?ê?μ')Error=sum((y2-y22').^2)

咖啡店創(chuàng)業(yè)計(jì)劃書第一部分：背景在中國，人們越來越愛喝咖啡。隨之而來的咖啡文化充滿生活的每個時刻。無論在家里、還是在辦公室或各種社交場合，人們都在品著咖啡?？Х戎饾u與時尚、現(xiàn)代生活聯(lián)系在一齊。遍布各地的咖啡屋成為人們交談、聽音樂、休息的好地方，咖啡豐富著我們的生活，也縮短了你我之間的距離，咖啡逐漸發(fā)展為一種文化。隨著咖啡這一有著悠久歷史飲品的廣為人知，咖啡正在被越來越多的中國人所理解。第二部分：項(xiàng)目介紹第三部分：創(chuàng)業(yè)優(yōu)勢目前大學(xué)校園的這片市場還是空白，競爭壓力小。而且前期投資也不是很高，此刻國家鼓勵大學(xué)生畢業(yè)后自主創(chuàng)業(yè)，有一系列的優(yōu)惠政策以及貸款支持。再者大學(xué)生往往對未來充滿期望，他們有著年輕的血液、蓬勃的朝氣，以及初生牛犢不怕虎的精神，而這些都是一個創(chuàng)業(yè)者就應(yīng)具備的素質(zhì)。大學(xué)生在學(xué)校里學(xué)到了很多理論性的東西，有著較高層次的技術(shù)優(yōu)勢，現(xiàn)代大學(xué)生有創(chuàng)新精神，有對傳統(tǒng)觀念和傳統(tǒng)行業(yè)挑戰(zhàn)的信心和欲望，而這種創(chuàng)新精神也往往造就了大學(xué)生創(chuàng)業(yè)的動力源泉，成為成功創(chuàng)業(yè)的精神基礎(chǔ)。大學(xué)生創(chuàng)業(yè)的最大好處在于能提高自己的潛力、增長經(jīng)驗(yàn)，以及學(xué)以致用;最大的誘人之處是透過成功創(chuàng)業(yè)，能夠?qū)崿F(xiàn)自己的理想，證明自己的價值。第四部分：預(yù)算1、咖啡店店面費(fèi)用咖啡店店面是租賃建筑物。與建筑物業(yè)主經(jīng)過協(xié)商，以合同形式達(dá)成房屋租賃協(xié)議。協(xié)議資料包括房屋地址、面積、結(jié)構(gòu)、使用年限、租賃費(fèi)用、支付費(fèi)用方法等。租賃的優(yōu)點(diǎn)是投資少、回收期限短。預(yù)算10-15平米店面，啟動費(fèi)用大約在9-12萬元。2、裝修設(shè)計(jì)費(fèi)用咖啡店的滿座率、桌面的周轉(zhuǎn)率以及氣候、節(jié)日等因素對收益影響較大?？Х瑞^的消費(fèi)卻相對較高，主要針對的也是學(xué)生人群，咖啡店布局、格調(diào)及采用何種材料和咖啡店效果圖、平面圖、施工圖的設(shè)計(jì)費(fèi)用，大約6000元左右3、裝修、裝飾費(fèi)用具體費(fèi)用包括以下幾種。(1)外墻裝飾費(fèi)用。包括招牌、墻面、裝飾費(fèi)用。(2)店內(nèi)裝修費(fèi)用。包括天花板、油漆、裝飾費(fèi)用，木工、等費(fèi)用。(3)其他裝修材料的費(fèi)用。玻璃、地板、燈具、人工費(fèi)用也應(yīng)計(jì)算在內(nèi)。整體預(yù)算按標(biāo)準(zhǔn)裝修費(fèi)用為360元/平米，裝修費(fèi)用共360*15=5400元。4、設(shè)備設(shè)施購買費(fèi)用具體設(shè)備主要有以下種類。(1)沙發(fā)、桌、椅、貨架。共計(jì)2250元(2)音響系統(tǒng)。共計(jì)450(3)吧臺所用的烹飪設(shè)備、儲存設(shè)備、洗滌設(shè)備、加工保溫設(shè)備。共計(jì)600(4)產(chǎn)品制造使用所需的吧臺、咖啡杯、沖茶器、各種小碟等。共計(jì)300凈水機(jī)，采用美的品牌，這種凈水器每一天能生產(chǎn)12l純凈水，每一天銷售咖啡及其他飲料100至200杯，價格大約在人民幣1200元上下?？Х葯C(jī)，咖啡機(jī)選取的是電控半自動咖啡機(jī)，咖啡機(jī)的報(bào)價此刻就應(yīng)在人民幣350元左右，加上另外的附件也不會超過1200元。磨豆機(jī)，價格在330―480元之間。冰砂機(jī)，價格大約是400元一臺，有點(diǎn)要說明的是，最好是買兩臺，不然夏天也許會不夠用。制冰機(jī)，從制冰量上來說，一般是要留有富余?？钪票鶛C(jī)每一天的制冰量是12kg。價格稍高550元，質(zhì)量較好，所以能夠用很多年，這么算來也是比較合算的。5、首次備貨費(fèi)用包括購買常用物品及低值易耗品，吧臺用各種咖啡豆、奶、茶、水果、冰淇淋等的費(fèi)用。大約1000元6、開業(yè)費(fèi)用開業(yè)費(fèi)用主要包括以下幾種。(1)營業(yè)執(zhí)照辦理費(fèi)、登記費(fèi)、保險(xiǎn)費(fèi);預(yù)計(jì)3000元(2)營銷廣告費(fèi)用;預(yù)計(jì)450元7、周轉(zhuǎn)金開業(yè)初期，咖啡店要準(zhǔn)備必須量的流動資金，主要用于咖啡店開業(yè)初期的正常運(yùn)營。預(yù)計(jì)2000元共計(jì)： 120000+6000+5400+2250+450+600+300+1200+1200+480+400+550+1000+3000+450+2000=145280元第五部分：發(fā)展計(jì)劃1、營業(yè)額計(jì)劃那里的營業(yè)額是指咖啡店日常營業(yè)收入的多少。在擬定營業(yè)額目標(biāo)時，必須要依據(jù)目前市場的狀況，再思考到咖啡店的經(jīng)營方向以及當(dāng)前的物價情形，予以綜合衡量。按照目前流動人口以及人們對咖啡的喜好預(yù)