基于数据包络分析和扩展置信规则库的交通运输业环境治理成本预测

叶菲菲，杨隆浩，王应明*,b，蓝以信

(福州大学a.决策科学研究所；b.空间数据挖掘与信息共享教育部重点实验室，福州350116)

0 引 言

2019年底，交通运输部在交通运输高质量发展成效有关情况发布会上指出，运输结构调整、降低物流成本及推进节能减排是交通运输部下一阶段的重点工作.交通运输业能源需求量大，涉及较多的人力、物力和财力投入，这些成本是影响交通运输业环境可持续发展的重要因素之一.

现有环境治理成本研究主要集中在从实证上分析环境污染对经济成本的影响[1]、从政策上根据市场需求研究污染成本预测模式[2]或者通过环境成本的不断投入背景下针对性的提出污染减排策略[3]，而成本预测模型主要为时间序列预测经典方法灰色系统模型(GM(1.1))，基于投入产出关系预测的自适应神经模糊推理系统(ANFIS)[4]等.但这些成本预测模型存在局限性：时间序列预测缺少对环境污染现状的考虑，而通过投入产出关系进行模型的构建，缺少可靠性分析；主要基于区域环境治理成本构建预测模型，较少涉及某一行业的环境治理成本预测.

DEA模型可对环境治理中多投入多产出数据进行有效性分析，针对现有研究的局限性，本文结合DEA 模型与EBRB 模型[5]构建交通运输业的环境治理成本预测模型.基于环境治理成本预测相关数据，构建考虑非期望产出的DEA 仁慈型交叉效率模型；在此基础上，对环境治理成本预测的多投入多产出进行效率评价，作为成本预测模型中每条扩展置信规则的可靠度；……