基于灰靶决策模型的工业低碳发展评价研究

高　臣，马成志

(河海大学 商学院，南京　211100)



基于灰靶决策模型的工业低碳发展评价研究

高臣，马成志

(河海大学 商学院，南京211100)

在简要分析工业低碳化发展影响因素的基础上，构建了基于低碳经济、低碳技术和低碳环境3个方面8个指标的工业低碳化发展水平评价指标体系。将基于模糊聚类改进的灰靶决策方法结合风险决策模型应用到工业低碳化发展水平综合评价中，并利用中国工业低碳化发展水平的例子进行实证分析。结果表明：在考虑了低碳经济、低碳技术和低碳环境3个评价指标的前提下，企业技术转型是实现工业低碳化发展比较有效的方案，说明该改进模型是工业低碳化可持续发展的快速预测的一种新方法。

灰靶决策；模糊聚类；风险决策模型；低碳化发展；综合评价

目前，低碳化经济发展是政府工作考核的重要部分，同时又是经济可持续发展的重要内容。工业在国民经济发展中占据主导地位，决定着国民经济现代化的速度、规模和水平[1-8]。中国工业生产以消耗化石能源为主，会产生大量的CO2，影响空气质量，造成严重的环境问题。因此，保护环境和搞好经济建设成为了现代工业发展要兼顾的两个重要方面[9-10]。随着科学技术的发展，低碳工业有效解决了传统工业发展带来的环境问题，成为工业发展的新方向[11-13]。对于工业低碳化发展水平进行科学有效的评价不仅有利于政府对经济政策方向的掌握，还有利于工业未来发展方向的调整。如何评价工业低碳化发展渐渐成为亟待解决的突出问题。在深入分析工业低碳化发展水平影响因素的基础上，从企业低碳供应链的角度，构建了工业低碳化发展水平评价指标体系，制定了发展水平等级和评价准则[1]。常用的综合评价方法有：恩格尔系数法、层次分析法、聚类分析法和熵权法。

本文尝试从低碳经济、低碳技术和低碳环境3个方面构建工业低碳化发展水平评价指标体系。详细介绍将评价体系理论化的过程，随后将该过程转化为具体可行的算法步骤，结合收集到的数据进行运算，利用偏正负靶心度的灰靶决策算法对低碳经济、低碳技术和低碳环境进行风险决策与评价分析，根据综合期望靶心度数值越小方案越优的准则在专家提出的4个工业发展调整方案中选择最优方案。

1　工业低碳化发展水平评价指标体系构建

工业低碳化发展水平综合评价是一个系统的工程，涉及到工业低碳化发展的资源、环境、经济、社会等许多方面[14]。本研究在资料允许的前提下，梳理现有相关研究成果和调研资料，并综合考虑数据可获得性、评价指标简明性等，着手从低碳经济、低碳技术、低碳环境3个方面构建工业低碳化发展水平的评价指标体系基本框架。

1.1低碳经济

低碳经济是指在可持续发展理念指导下，通过技术创新、制度创新、产业转型、新能源开发等多种手段，尽可能地减少煤炭、石油等矿产能源的消耗，减少温室气体排放，构建经济社会发展与生态环境保护双赢的一种经济发展形态。其实质是传统产业发展模式向低碳产业发展模式的转变。由于工业产业链的利益趋向资源型密集型地区和产业集群，因此其特性与工业经济有着根本的联系。通过选取工业碳生产能力、工业单位增加碳排放和工业人均碳排放3个指标来量化描述工业的低碳经济，其中，工业碳生产能力与低碳经济高低呈正向关系，其他两个指标均与低碳经济负向关系。分别计算3个指标：

工业碳生产能力(A11)=工业总产值/工业碳排放量

工业单位增加碳排放(A12)=工业碳排放量/工业增加值

工业人均碳排放(A13)=工业碳排放量/工业从业人数

1.2低碳技术

低碳技术是以低能耗、低污染为基础的经济，反映了工业发展过程中强调应对环境问题的先进技术的研究、开发和应用，对能源利用效率以及节能减排有很大的促进作用。由于低碳技术作为评价指标包括诸多方面，结合指标数据的代表性和可取性，选取工业化石能源占能源消耗总量的比重和工业单位能源碳排放强度2个方面作为低碳技术的评价指标。这些指标所代表的影响因素都与低碳技术负相关，分别计算这2个指标：

工业化石能源占能源消耗总量的比重(A21)=工业化石能源消耗量/工业能源总消耗量；

工业单位能源碳排放强度(A22)=工业碳排放量/工业能源总消耗量。

1.3低碳环境

低碳环境就是指在进行生产生活时要尽力减少所消耗的能量，特别是二氧化碳的排放量，从而达到低碳标准，减少对大气的污染，减缓生态环境恶化。结合工业经济发展中实行低碳生产的实际情况，选取工业废水达标率、工业二氧化硫去除率和工业固体废弃物综合利用率为低碳环境的主要评价指标。这3个指标均与低碳环境负相关。分别计算3个指标：

工业废水达标率(A31)=工业废水排放达标量/工业废水排放总量；

工业二氧化硫去除率(A32)=工业二氧化硫去除量/工业二氧化硫产生量；

工业固体废弃物综合利用率(A33)=工业固体废弃物综合利用量/工业固体废弃物产生量。

综上，工业低碳化发展水平评价指标体系大致可以分为3个方面共包括8个评价指标，如图1所示。

图1　工业低碳化发展水平评价指标体系

2　灰靶决策模型

2.1模型建立

设多属性决策问题[15-19]由n个决策方案组成的决策方案集为X={x1,…,xn}，其中xi表示第i个决策方案，Y={y1,…,ym}为m个属性组成的属性集，用yj表示第j个属性，yj有Sj种可能的状态θ={θ1,…,θsj}，状态θt发生的概率为pjt∈[0,1]，相应的属性值为uijt，组成属性yj的风险决策矩阵Uj，属性yj的属性权重记为wj。

由于收集到的资料数据可能存在不同的量纲，从而导致评价结果出现偏差甚至错误，首先对风险型决策矩阵进行规范化处理。常见的属性有成本型和效益型，运用灰色极差变量对属性yj下的风险决策矩阵Uj=(uijt)n×sj进行规范化处理，得到规范化的风险决策矩阵Rj=(rijt)n×sj，其中

对效益型指标：

(1)

对成本型指标：

(2)

(3)

则方案Ai的综合期望偏离靶心度为

(4)

通过以总期望正靶心度最小和总期望负靶心度最大为目标，构建目标k下的指标权重目标函数：

(5)

对式(5)进行拉格朗日函数优化进行求解：

(6)

(7)

2.2算法说明

根据上述的模型理论分析，将该决策模型与工业低碳发展水平评价结合起来，并且可以依据以下的算法步骤进行评价分析：

步骤1利用理论分析的式(1)和(2)，将低碳经济、低碳技术、低碳环境3个指标的风险决策矩阵规范化，得到规范化矩阵Rj=(rijt)n×sj；

步骤3由式(5)～(7)建立工业低碳发展综合评价的指标权重优化模型，根据第一步得到的风险决策矩阵，进一步计算出低碳经济、低碳技术、低碳环境3个指标的权重wj；

3　实证分析

3.1数据来源

本文对2004—2014年中国工业整体低碳化发展水平进行综合评价研究，所用数据来源于2004—2014年的《中国统计年鉴》和《中国环境统计年鉴》。根据工业部对中国工业的分类，大致可分为高新技术产业和传统工业制造产业。其中，高新技术产业包括通信制造业、计算机及其电子工业、交通运输设备业、电气工程制造业和医疗及医药业等，其余均为传统工业制造产业。因此，工业是国民经济和社会发展的主体产业，但也是二氧化碳的主要排放者(2012年工业总产值占国内生产总值的39.84%，但二氧化碳排放量占全国的94.82%)，粗放的经济发展方式也导致了环境不断恶化与资源过分消耗等系列问题的集中出现[15]。虽然改革开放以来中国以年均9%的增长速度造就了 “经济奇迹”，但是中国经济高速增长的同时面临日益严峻的环境压力与能源瓶颈。现在只有发展低碳经济才能实现经济的可持续增长，实现低碳发展和经济增长的“双赢”局面。

3.2模型检验

本研究根据我国现有的传统工业制造产业的生产过程中的工业碳排放量对于环境的影响程度，将其划分为4种类型：很好、好、一般和差，分别用s1，s2，s3和s4表示。为了将传统工业产业成功地引到低碳发展的道路上，众多调研专家意见在充分调查的基础上提出加快投资建设A1、企业技术转型A2、排放设备改造A3和产业结构调整A4共4种应对方案，在充分考虑低碳经济U1、低碳技术U2、低碳环境U33个主要因素以及其中的8个细化的评价指标，给出了各个方案的风险决策表如表1所示，在这些数据的基础上利用基于模糊聚类改进的资源分配模型分析方法选出一个最优的方案。

接下来就根据灰靶决策模型的相关步骤来选择最优方案。

首先利用式(1)和式(2)对各个指标下的风险决策将矩阵进行规范化计算，可以得到以下的全新矩阵：

确定了正负靶心度矩阵具体数值的基础上，就可以利用式(5)～(7)构建指标权重模型，并利用公式计算出3个指标低碳经济U1、低碳技术U2、低碳环境U3的权重向量：

以及方案Ai,i=1,…,4的综合期望偏离靶心度εi,i=1,2,3,4数值为：

根据综合期望靶心度数值越小方案越优的准则，可以发现方案3为最优方案，所以优先考虑方案A2。

表1　各个方案的风险决策

3.3检验结果分析

对于加快投资建设A1、企业技术转型A2、排放设备改造A3和产业结构调整A4中应对方案的上述分析内容是一种理性分析，利用具体数据和科学精确的分析方法可以得出方案A2是最优方案。从另外一个方面来看，在构建低碳社会、建设生态文明的背景下，从传统经济发展模式向低碳经济发展模式的转变需要的是对传统工业技术理论进行创新和完善，对传统工业的技术进行改进，使之能更好地贯彻新时代新形势下的新工业发展理念，在可持续发展的道路上坚定不移地走下去。在传统工业低碳发展的形势要求下，全国各地的工业企业要积极追随知识经济时代的脚步，尽量利用原有的生产设备，采用新技术、新工艺，加大科技经费投入，提高生产技术水平，依靠提高生产要素质量和利用效率来实现企业利润增长，促进未来经济长足发展，促使企业自身跨入低消耗、低成本、高质量、高效益的高效企业行列中，真正有效地实现工业低碳高效发展。

4　结束语

本文针对实际生活中资料信息数值不是实数值的情况，改进研究经典风险型决策的模型，提出了一种风险型灰靶决策方法，以决策信息为区间灰数且权重大小未知为风险型决策的信息依据，大胆建立灰靶模型，并利用风险决策矩阵数值计算指标权重值，通过计算综合期望偏离靶心度对备选方案进行排序，并且依据综合期望靶心度数值越小方案越优的准则选出最优方案。对于我国进行低碳工业的推广提供一些有价值的参考意见，以促进我国环保事业的进一步发展。

[1]于君涛,张建宇.基于AHP-DEA的低碳供应链绩效评价研究[J].经济体制改革，2015(5):44-51.

[2]刘春贵,郭忠行.基于DEA低碳供应链绩效评价研究[J].科技管理研究，2012(9):96-100.

[3]付加锋,庄贵阳,高庆先.低碳经济的概念辨识及评价指标体系构建[J].中国人口·资源与环境，2010(8):38-43.

[4]朱俏俏,孙慧,王士轩.中国资源型产业及制造业碳排放与工业经济发展的关系[J].中国人口·资源与环境，2011(13):30-36.

[5]杨克磊，张振宇．天津市碳排放预测及低碳经济发展对策分析——基于改进GM(1,1)模型[J]．重庆理工大学学报(自然科学)，2014(2):111-114．

[6]傅利平，邵莹．基于 DPSWR 模型的天津市低碳城镇化评价研究[J]．重庆理工大学学报(自然科学)， 2015(2):124 -129．

[7]吴杨．低碳建筑评价体系研究——基于生命周期评价理论的研究[J]．重庆理工大学学报(自然科学)，2015(11):96-100．

[8]赵道致，史功明．节能服务公司参与的低碳供应链减排研究[J]．重庆理工大学学报(自然科学)， 2015(1):115-122．

[9]苏方林,李臣,张瑞.我国中部欠发达省经济低碳发展影响因素个案研究及启示[J].学术论坛,2011(8):67-69.

[10]孙炳,姚建,符迪迪.四川省低碳经济影响因素及减排对策分析[J].安徽农业科技,2012(1):56-58.

[11]傅晓华,欧祝平.低碳经济:新型工业化的新途径[J].中南林业科技大学学报,2010(4):74-76.

[12]鲍健强.低碳经济:人类经济发展方式的新变革[J].中国工业经济,2008(4):153.

[13]傅晓华,欧祝平.基于可持续发展视角的新型工业化的内在规律[J].求索,2007(9):23.

[14]岳书敬,王旭兰,许耀.中国工业行业低碳创新及其影响因素解析[J].财经科学,2014(9):78-87.

[15]姚升保,岳超源.基于综合赋权的风险型多属性决策方法[J].系统工程与电子技术,2005(12):2047-2050.

[16]罗党,刘思峰.灰色多指标风险型决策方法研究[J].系统工程与电子技术,2004(8):1057-1059.

[17]刘培德,王娅姿.一种属性权重未知的区间概率风险型混合多属性决策方法[J].控制与决策， 2012(2):276-280.

[18]俞立平.企业性质与创新效率——基于国家大中型工业企业的研究[J].数量经济技术经济究,2007,24(5):108-115.

[19]黄国庆, 王鹏飞, 宋飞. 基于离差最大化的直觉模糊多属性决策方法[J]. 四川兵工学报, 2014, 35(3):144-147.

(责任编辑何杰玲)

Evaluation of Development of Low-Carbon Industrial Grey Target Decision Model

GAO Chen, MA Cheng-zhi

(Business School, Hohai University, Nanjing 211100, China)

Based on a brief analysis of the development of low-carbon industrial factors, we constructed a low-carbon industrial development level evaluation index system of low-carbon economy based on low-carbon technologies and low-carbon environmental including eight indicators, and would apply the risky grey target decision model based on fuzzy clustering the method to the level of low-carbon industrial development comprehensive evaluation analysis system, and using the example of the level of China’s low-carbon industrial development, we verified the new model. The results showed that: under the three evaluate indicators that the low-carbon economy, low-carbon technologies and low carbon environmental, technology transformation is an effective method to achieve low-carbon industrial development for enterprises. Further it verifies that the improved model is a new and predictive method to sustainable development for the low-carbon industries.

grey target; fuzzy cluster; risk decision model; low-carbon development; comprehensive evaluation

2016-03-14基金项目：江苏省社会科学基金资助项目(09GLB006);江苏省高校哲学社会科学研究基金资助项目(2012SJDFDY096)

高臣(1991—),男,山东泰安人,硕士研究生,主要从事人力资源管理研究，E-mail:gaochenen@163.com；通讯作者 马成志(1956—),男,江苏泰兴人,硕士,副教授,主要从事企业管理、工业心理学研究，E-mail:gaochenen@163.com。

format：GAO Chen, MA Cheng-zhi.Evaluation of Development of Low-Carbon Industrial Grey Target Decision Model[J].Journal of Chongqing University of Technology(Natural Science)，2016(9):60-65.

10.3969/j.issn.1674-8425(z).2016.09.010

X823

A

1674-8425(2016)09-0060-06

引用格式：高臣，马成志.基于灰靶决策模型的工业低碳发展评价研究[J].重庆理工大学学报(自然科学)，2016(9):60-65.