[摘 要]针对安徽省地级市的城市病情况综合评价及发展问题，采用模糊层次分析法、多元线性回归以及时间序列分析法，运用MATLAB、SPSS等软件，量化分析城市病综合情况。从自然资源、生态环境和城市交通等6个方面，对选取的安徽省8个地级市2018年的城市病情况进行综合评价，并以合肥市为例，分析城市病严重程度与影响因素之间的相关性，预测城市病情况的发展趋势，在政府管控，人口控制，基础建设和生态保护等方面提出了相关建议。
[关键词]城市病；多元线性回归；时间序列分析；模糊层次分析法
伴随着城市化的推进，城市病是城市必然出现的一种社会现象，是在追求发展经济效益的同时忽略城市可持续协调发展的结果，主要表现为自然资源短缺、生态环境污染、城市交通拥堵、居民生活困难、公共资源紧张及公共安全弱化等城市病问题。改革开放以来，国家各城市的发展均取得了显著进步，但在经济高速发展过程中，大自然遭到人为破坏，以至于社会各方面问题逐渐凸显，城市发展不再高速，社会不再和谐，人民对国家与社会的认同感降低，严重威胁社会的和谐与安宁。近年来，安徽省的综合实力不断增强，但随之发生的社会问题也不断显现，且安徽省在2018年全国一级指标发展前景、经济增长、增长潜力排名中位居中间，在政府效率、人民生活、环境质量一级指标排名中位于末流，故以安徽省地级市为例，研究各城市的城市病综合评价问题，分析各市城市病主要的不足之处，为各市政府在管制和奖惩方面提供理论建议，并为其他城市病问题严重的省份提供借鉴。研究城市病问题，方便各市科学制定城市规划，实现政府宏观调控，有效配置城市资源，为人民提供生活保障，促进城市的可持续发展。
张璐晶指出，大城市生活的居民受“城市病”所困扰，主要表现在交通问题[1]。李天健在研究北京市“城市病”问题时，整理了城市病的缘由及表现情况，并联系区域经济差异，运用综合评价等方法，总结得出“城市病”治理的关键因素在于人口、技术和环境等[2]。陆小成认为缓解“城市病”应以市民为基础，构建新时代首都城市病治理新机制，形成首都城市病治理的新活力与新动能[3]。潘凯雄认为“城市病”是对城市在现代化发展进程中出现的诸如交通堵塞、能源缺失、环境污染和物质流能量流的出入失衡等社会客观现象的一种概括性的形象描述，其发病率趋高，病因多样，已成为全球多学科合力关注的焦点，更应成为人类的共识[4]。历来学者关于城市病的研究已不在少数，但迄今关于针对多个城市的调查并不多，评估多个城市的城市病综合情况，其评估结果对提升区域可持续发展水平和明确区域发展方向具有一定的指导意义，且本研究利用模糊层次分析法解决城市病综合评价这样的非结构化性决策问题，区别于其他的计算权重的决策方法，理论完备，结构严谨，解决问题简洁，具有明显的优势，并改进了传统层次分析存在的问题，提高了决策可靠性。
1 数据假设
为了便于解决问题，提出以下几条假设：(1)假设收集的数据是真实可靠的，忽略数据的部分缺失对模型研究的影响；(2)假设“城市病”情况的其他影响因素作为外生变量，不影响模型研究；(3)所有评价不带有任何感情色彩，均为客观的判断；(4)每个人的评价能力均没有差异。
问题就在于目前在全球范围内没有找到一个能克服在如此高速的状况下，能够平稳运行的车头模型。就连目前位于世界上商业运营速度最快、科技含量最高、系统匹配最优的动车组的车头也是从当初20个模型中，去掉性能不好，与外形不美观的经过层层筛选最终成为CRH380A的车头模型。而在所有车型中CRH380A的车型采用完全光滑的车体表面，加长型的头部设计，改变最大纵剖面轮廓线与水平轮廓线，从而降低头车的气动阻力，从而达到提高列车时速的效果。
2 研究思路
研究安徽省16个地级市的城市病综合情况，由于城市数目过多不方便计量，故基于对各市人口、经济状况、工业化程度和交通情况等的综合考察，选取情况较为严重的合肥市、芜湖市、蚌埠市、马鞍山市、安庆市、阜阳市、滁州市和宿州市8个城市作为主要研究对象，从自然资源短缺、生态环境污染、城市交通拥堵、居民生活困难、公共资源紧张和公共安全弱化等6个方面[5]，根据国家统计局的调查指标数据，确定各方面相对应的指标，运用层次分析法得出相应的指标权重。其次基于模糊一致性矩阵，输入一组2018年的模糊评价，根据最大隶属度原则，综合评价安徽省8个地级市的城市病情况，分析它们各自的城市病主要由什么因素引起，方便政府的针对性管制[6]。继而以合肥市为例，分析6个评价因素究竟是如何影响城市病的，即研究城市病严重情况综合评价得分与准则层6个评价因素得分之间的数量关系，方便各市政府针对各方面进行管控。利用上文的模糊层次分析法，计算合肥市2008年至2018年的城市病得分，由于6个因素对城市病均有影响，而且无法辨别它们之间的主次关系，故运用SPSS软件对其进行多元线性回归，绘制图形观察拟合值与观测值之间的差别，观察拟合情况。接着根据上文计算得到的合肥市2008年至2018年的城市病综合得分，运用时间序列分析方法来预测未来3年合肥市城市病的发展趋势。本研究利用层级分析计算综合重要度，然后基于模糊矩阵进行综合评价，表面分析评价因素对于各市的影响，接着利用提出的模糊层次分析方法计算10年的城市病得分数据，进行拟合和预测，分析影响因素是如何影响各市城市病和未来的影响趋势，层层递进，最后得出综合结论，并针对调查的实际情况，对城市病治理提出有效的对策建议。
(7)从公共安全弱化来看，严重情况得分前3名依次为合肥市、安庆市和芜湖市。其中，合肥市的公共安全弱化均表现在交通事故、火灾事故和刑事案件方面，需加强防火意识，强化社会治安环境；安庆市、芜湖市的公安安全弱化都在交通事故方面上表现较为严重，可能由于车辆较多，会造成交通拥堵，严重情况下还会导致交通事故的频发。
3基于模糊层次分析法的城市病综合评价
3.1 理论准备
层次分析法[7](AHP)是遇到难解决的决策问题时的判断分析过程。解决过程如图1所示：
图1 AHP步骤流程图
3.2 模型建立
首先，根据问题构建递阶层次结构。继而根据准则层，利用MATLAB 7.0软件辅助，分析影响因素成对矩阵的一致性，进行层次单排序。最后进行层次总排序，依据方案层和准则层成对比较。
3.3 结果分析
3.3.1 构建层次分析结构模型
(1)构建递阶层次结构
建立城市病评价指标体系，根据评价因素，寻找合适的指标并搜集数据，整体结构如图2所示，其中，目标层为城市病的综合评价，准则层为自然资源短缺、生态环境污染和城市交通拥堵等6个影响因素，方案层为各影响因素所对应的指标X1,X2,……,X22。
图2 城市病综合评价的递阶层次结构图
(2)构造比较判别矩阵
根据上文观测得到的时间序列动态数据，根据数据绘制相序列图，观察波动趋势，进行相关分析。接着利用SPSS 20.0软件，选取合适的时间序列建模方法，得出未来3年城市病预测值并绘制预测图。
2.3.3 腹部切口及疼痛的护理 术后24 h内应密切观察患者腹部切口是否有渗血现象，术后6 h复查血色素，与术前相比较，结合生命体征、面色和尿量等，观察有无内出血。因无气腹腔镜手术切口小，疼痛往往不严重，一般通过心理安慰或采取舒适的体位可以缓解。
表1 比较判别矩阵取值表
aij规则1因素i与因素j相比同样重要3因素i比因素j稍微重要5因素i比因素j明显重要7因素i比因素j强烈重要9因素i比因素j极端重要2,4,6,8重要程度等级介于1,3,5,7,9之间
首先考虑Y1,Y2,……,Y66个因素对城市病的影响，经过对专家以及人民群众的问卷调查及咨询，可近似得到以下系数：
a12=4,a13=6,a14=2,a15=1/2,a16=5,a23=2,a24=1/2,a25=1/6,a26=2,a34=1/4,a35=1/8,a36=1/2,a45=1/4,a46=3,a56=7
从而得到如下比较判别正互反矩阵：
(3)层次单排序及其一致性检验
计算求解矩阵A的最大特征值，得λmax=6.095 5。
本研究运用模糊层次分析法研究安徽省重要的8个地级市的城市病情况，并以合肥市为例，运用多元线性回归分析研究了城市病严重情况与城市病的影响因素之间的关系，进而预测合肥市未来3年的城市病发展趋势。结果表明：从综合评价来看，合肥市的城市病最为严重，城市病严重情况总体得分排名从高到低依次为：合肥、芜湖、阜阳、安庆、宿州、蚌埠、滁州和马鞍山；通过回归分析，可知6个评价因素都对城市病严重程度起正作用，且自然资源短缺、公共资源紧张和居民生活困难更能促进城市病情况的严重；通过时间序列分析法，可得合肥市城市病情况在2019年、2020年和2021年的综合得分分别为0.903 8、0.907 6、0.911 4，虽在上升，若政府坚持治理，上升趋势会逐渐变缓。
随机一致性比率CR为：
(1)
对正互反矩阵A进行一致性检验，采用衡量成对比较判别矩阵A不一致程度的指标CI：
最后，要控制好预算外的费用。因为特色乡村建设突发性事多，工程施工中肯定会预算外的费用产生，对未按设计图纸要求施工的，如果是业主需要的，可以增加预算外开支，如果未按规定执行的施工签证费用一律核减。
(2)
由此可说明可以接受比较判断矩阵A的不一致程度。借助MATLAB 7.0将其归一化得到标准化后的特征向量W=(0.256 2,0.076 9,0.038 7,0.138 9,0.435 2,0.054 1)。
(4)求解组合权向量
继而构造方案层对准则层的每个准则的正互反比较判别矩阵。
B1为X1,X2,X3,X4对Y1的正互反矩阵；B2为X5,X6,X7,X8,X9,X10对Y2的正互反矩阵；B4为X12,X13,X14,X15对Y4的正互反矩阵；B5为X16,X17,X18,X19对Y5的正互反矩阵；B6为X20,X21,X22对Y6的正互反矩阵。
W1=(0.506 8,0.086 3,0.142 8,0.264 1)，λmax1=4.021 1,CI1=0.007 0,RI1=0.90，CR1=0.007 8
W2=(0.068 1,0.161 3,0.236 8,0.369 7,0.110 3,0.053 8)，λmax2=6.133 0,CI2=0.027 0,RI2=1.24,CR2=0.022 0
正在低空盘旋轰炸的鬼子飞行员，没想到中国军队这样不怕死。一架飞机不小心着了弹，屁股后面冒出一股浓烟。其它的飞机见事不炒，赶紧撅起屁股往高处爬升。
W4=(0.482 9,0.157 0,0.272 0,0.088 2)，λmax4=4.014 5,CI4=0.004 8,RI4=0.90,CR4=0.005 4
W5=(0.095 4,0.160 1,0.467 3,0.277 2)，λmax5=4.013 0，CI5=0.004 3,RI5=0.90,CR5=0.004 8
W6=(0.249 3,0.157 1,0.593 6),λmax6=3.053 6,CI6=0.026 8,RI6=0.58,CR6=0.046 2
根据以上矩阵的一致性比例，均满足CR<0.1，即都通过了一致性检验。
3.3.2 建立模糊综合评价模型
根据国家统计局数据和各市统计年鉴，搜集得2018年合肥、芜湖等8个地级市关于各指标的数据，对其进行数据预处理。对数据中各个影响方面的每个指标做标准化处理，可得Yi(i=1,2,…,6)关于8个城市的单因素评价矩阵，设该矩阵分别为Ri(i=1,2,…,6)。
惠而浦冰洗产品市场部总经理单泠璇先生表示：“我们很高兴看到惠而浦洗衣机获得‘红顶奖’提名，惠而浦始终相信，只有通过倾听和亲近消费者，才能真切了解他们的需求和痛点，才能开发真正符合消费需求的产品，这与‘红顶奖’领航行业发展浪潮、引导广大消费者追求高品质生活的观念不谋而合。”
其他单因素评价矩阵同R1所示，具体矩阵数据见表2：
表2 单因素指标标准化评价结果
评价因素评价因子合肥芜湖蚌埠马鞍山安庆阜阳滁州宿州自然资源短缺人均水资源量0.143 01.000 00.211 60.246 50.651 80.178 70.332 00.159 3常住人口0.984 30.456 70.417 30.284 40.573 71.000 00.503 70.699 0建成区绿化覆盖面积1.000 00.369 10.304 00.217 70.202 00.240 60.181 40.172 2单位地区生产总值能耗0.270 10.342 80.317 71.000 00.441 50.546 00.379 60.396 3
表2(续)
评价因素评价因子合肥芜湖蚌埠马鞍山安庆阜阳滁州宿州生态环境污染城镇生活污水排放量1.000 00.323 00.327 80.212 10.141 50.161 80.138 10.109 2PM10年平均浓度0.754 70.773 60.924 50.783 00.745 31.000 00.773 60.915 1工业烟尘排放量0.198 90.396 30.055 41.000 00.107 80.110 90.114 60.098 9二氧化氮年平均浓度1.000 00.942 30.769 20.750 00.692 30.692 30.769 20.788 5生活垃圾无害化处理率1.000 01.000 01.000 01.000 01.000 01.000 01.000 00.999 6道路交通等效声级0.988 50.998 60.987 10.968 30.982 70.977 00.945 31.000 0城市交通拥堵每万人有公共交通车辆1.000 01.000 00.935 50.871 00.903 20.871 00.838 70.806 5居民生活困难城镇登记失业率0.922 60.983 91.000 00.961 30.845 20.619 40.967 70.971 0人均住宅使用面积0.957 30.954 70.938 70.941 30.936 00.952 00.978 71.000 0居民消费价格指数0.996 10.995 10.992 10.994 11.000 00.996 10.994 10.995 1每十万人传染病死亡率0.879 11.000 00.835 20.923 10.901 10.879 10.714 30.835 2公共资源紧张每所中学负担的中学生0.802 90.770 10.932 10.768 30.879 21.000 00.883 40.827 0每一教师负担的学生数0.673 20.686 30.917 00.661 70.928 00.887 00.813 51.000 0执业医师1.000 00.415 10.326 30.226 90.412 00.663 80.316 00.439 8卫生机构床位1.000 00.424 20.406 20.187 20.400 80.805 00.370 30.464 3公共安全弱化交通事故发生数1.000 00.665 20.406 40.364 50.880 90.416 80.184 10.351 8火灾发生数0.931 80.292 20.708 80.890 30.409 20.326 31.000 00.204 6刑事案件立案数1.000 00.289 70.230 00.161 90.196 40.291 60.274 80.248 1
为提高模型精度，利用上述层次分析模型中得出的特征向量W和权重Wi(i=1,2,……,6)作为权系数来帮助解决问题。根据综合评价函数
Qi=WiRi(i=1,2,……,6)，计算得出6个准则层的模糊关系子矩阵[8]，将它们组合可得出模糊关系总矩阵，继而对其进行综合评价。
我们说改革开放40年成就了当代中国，并不是说当今的中国就尽善尽美，正是因为还有不足、缺陷、短板乃至失误，所以我们要继续坚持深化改革。奋斗没有休止符，中国共产党为了谋划中国人民的利益和中华民族的福祉永远在路上。
平均随机一致性指标为RJ，当n=6时，RJ=1.24。
将权系数矩阵W与评价矩阵R相乘，通过模糊变换，得到模糊评价集S，即为综合得分。
对冠状动脉支架植入术围术期预防应用抗菌药物的考察与分析…………………………………… 孙 莹，孙增先（5·381）
S=WR=(0.782 1,0.646 1,0.526 3,0.508 8,0.594 6,0.636 1,0.520 4,0.547 9)
(1)如上评价集可代表城市病严重情况综合评价得分，可知各城市的城市病得分差距并不是特别明显，合肥市的城市病最为严重，总体得分为0.782 1，可能由于合肥市的经济综合能力最为发达。具体得分排名从高到低依次为合肥市、芜湖市、阜阳市、安庆市、宿州市、蚌埠市、滁州市和马鞍山市。
(2)从自然资源短缺来看，由于选取的指标为效益型指标，故得分越低即为自然资源短缺越严重，资源短缺情况排名依次为宿州市、蚌埠市和滁州市。宿州市主要短缺的自然资源为水资源、植被资源，不能满足人口密度的需求；蚌埠市资源短缺主要表现在水资源上；滁州市资源短缺主要表现在植被资源上。
(3)从生态环境污染来看，生态环境污染严重情况得分前3名为马鞍山市、合肥市和芜湖市，它们的空气污染情况都十分严重，表现在污染物排放量年平均浓度得分均名列前茅。马鞍山市工业烟尘排放量最为严重，因为工业方面最为发达；合肥市常年居住人口较多，故生活污水排放量在所有城市里最为严重。
(4)从城市交通拥堵来看，得分前3名从高到低依次为合肥市、芜湖市和蚌埠市。其中，作为安徽省省会的合肥市，相对来说居民经济水平较高，机动车出行率较高，导致交通流量持续上升，加剧了城市交通拥堵，超出了道路承载力。芜湖市、蚌埠市作为安徽省重要城市，交通拥堵现象明显。
(5)从居民生活困难来看，前3名从高到低依次为芜湖市、蚌埠市和宿州市。其中，芜湖市的居民生活困难情况主要表现在传染病死亡率最高；蚌埠市居民生活困难表现在城镇登记失业率最高；宿州市的人均住宅面积较少，住宅价格可能较高。
(6)从公共资源[9]短缺来看，选取的指标与自然资源类似，均以效益型指标赋权量化后来说明严重情况，故公共资源短缺情况得分前3名依次为马鞍山市、滁州市和芜湖市。马鞍山市的公共资源短缺主要为在医疗资源方面的短缺，执业医师和卫生机构床位较少；滁州市和芜湖市在公共资源短缺方面与马鞍山市相同。
由图4可以明显看出，经过退火处理后，薄膜的上转换荧光强度较未经过退火处理的样品相比，上转换荧光强度明显增强，这说明薄膜经过退火处理后，可以有效的提高薄膜内部的结晶度。
4基于多元线性回归对城市病严重程度与影响因素之间关系的分析
4.1 模型建立
上文假设6个评价因素分别为Y1,Y2,……,Y6，因此构建多元线性回归模型的一般形式是：
Z=b0+b1Y1+b2Y2+b3Y3+b4Y4+b5Y5+b6Y6+εi
(3)
其中bj(j=0,1,…,6)是回归系数，Z是因变量，Y1,Y2,…,Y6是因变量，均对Z有明显的影响，εi是反映各种误差扰动综合影响的随机项，下标i表示第i期观测值(Zi,Y1i,Y2i,…,Y6i)。当每个自变量的检验值P<0.1时，可认为该变量对因变量有显著影响，否则不显著。
利用上文的模糊层次分析法分别计算出合肥市2008年至2018年各个评价因素的得分和城市病综合得分，运用SPSS 20.0软件，建立多元线性回归模型，得出城市病严重程度与6个评价因素之间的关系，针对城市病的各方面治理提供有力的依据。
4.2 结果分析
对已经标准化的数据进行多元线性分析，得出分析结果及以下回归方程式：
Z=0.045 1+0.253 3Y1+0.075 2Y2+0.040 3Y3+0.139 7Y4+0.434 0Y5+0.054 7Y6
(4)
为了观察比较方便，绘制了观测值与预测值之间的拟合曲线如图3，可以看出观测值与预测值相差不大，模型拟合研究较为合理。
图3 预测值与观测值比较图
在分析结果中，自然资源短缺、公共资源紧张、居民生活困难这几个评价因素的P值均小于0.1，对合肥市城市病综合得分的作用显著，即这3个方面与城市病严重程度呈线性关系，对城市病严重程度影响较大；而生态环境污染、城市交通拥堵、公共安全弱化与城市病情况线性关系不明显，即这3个方面对合肥市城市病严重程度综合得分的作用不显著。6个影响因素对城市病综合得分均起到正作用，即评价因素的得分越高，城市病得分越高，城市病也越严重。
对于整体模型来说，F值为75.876 45，P<0.05，说明该模型通过回归方程的显著性检验，具有显著统计学意义。校正后的R2=0.956 1，说明该模型关于城市病综合得分的拟合效果较好，能很好的揭示合肥市城市病严重情况与6个评价因素之间的关系。
5基于时间序列分析对城市病的发展趋势进行预测
5.1 理论准备
时间序列分析强调对一个区域一定时间段内的连续观测，提取相关特征，分析区域的变化过程和未来发展规模。确定时间序列成分和时间序列类型，对预测方法进行评估，确定最佳预测方案。
5.2 模型建立
首先分析准则层对目标层的影响，将22个指标归结成6个影响方面，所以设有6个因素(Y1,Y2,……,Y6)，分别为自然资源、生态环境、城市交通、居民生活、公共资源和公共安全，用aij(i,j=1,2,……,n)来表达Y1～Y6对目标层的影响比。aij的取值可取正整数1～9及其倒数，若因素i与因素j相比得aij，则因素j与因素i比较得1/aij。
5.3 结果分析
选择时间序列分析中的专家建模方法直接进行预测，可得到贴合时间序列数据的预测模型，并得出预测数据及波动值如表3所示。
社会化媒体不断丰富，在新闻事件传播中，手机用户发挥了重要作用。全媒体时代下，每个手机用户都是新闻事件和舆论的传播者。每个人都是新闻事件的制造者和传播者。手机用户的摄影也是历史的见证者，每个手机用户的摄影行为都是对受众的信息传播，在自媒体时代，新闻把关者的角色逐渐缺位，这就需要对手机用户的新闻素养进行把关，不断提升公民综合素养，确保新闻事件信息传播更加准确合理。
表3 时间序列分析预测数据表
年份预测数据UCLLCL2019年0.903 80.991 80.815 92020年0.907 61.078 40.736 92021年0.911 41.179 90.642 9
根据预测结果可得出，2019年、2020年和2021年合肥市城市病综合得分分别为0.903 8，0.907 6，0.911 4。由图4可知，合肥市城市病的综合得分从2015年开始呈下降趋势，但是在2017年又缓慢上升，出现这个趋势的原因可能是政府加大了治理城市病的投入力度，抑制了城市病的恶化。虽然城市人口在不断增加，人民经济水平提升，交通日渐拥堵，自然资源常有紧缺等原因会导致合肥市城市病的加重。但是今后，若根据引发城市病的原因，通过有效的环境治理，采取防控大气污染和水污染、增加绿化面积等措施，使合肥市的城市病情况上升的趋势逐渐缓慢，日复一日，城市病严重情况将不再加剧，甚至减弱。
图4 时间序列分析预测图
6 结论与建议
6.1 结论
我想让我的每一部作品，都能成为给孩子打精神底子的书。首先要有正当的道义感，第二要有自始至终的审美价值，第三要在字里行间流动悲悯情怀，这三个维度就是我所说的精神底子。
（4）为了获得最佳的碾压效果，严格控制灰土中的最优含水量，在施工现场一般以手握灰土成团，两手轻捏即碎，即可认为接近最优含水量。
6.2 对策建议
为减轻城市病严重程度，提出针对城市病治理的相关对策与建议。
6.2.1 政府采取针对性管制，并建设奖惩制度
政府可根据本研究的城市病综合评价排名和各市城市病受评价因素影响情况，针对引起各市城市病的主要因素，对各市下达管控任务，并积极建设奖惩机制，在行政管理过程中，对各市前期下达的任务进行督促检查，对督查结果落实奖励和惩罚措施，奖优罚劣，推进工作落实。
6.2.2 宏观调控人口数量，促进区域发展
常住人口多的城市的城市病情况愈发严重，可推测城市病的根源在于人口过于向大城市集中，故人口问题有着重要的影响，需要通过提升城市治理水平去防控。在原有的土地资源上，摒弃之前的低端产业，逐渐以高新技术产业代替，从而调控人口数量[9]。相关政府部门应加强政策力度，使经济与空间结构得到调整和优化，发掘出适合于人口经济密集地区科学开发的新型模式，从而促进区域协调可持续发展。
6.2.3 加快建设基础设施，打造居民幸福生活
由回归分析可得，公共资源短缺是影响城市病严重情况最重要的因素，居民生活困难也对其有着不小的影响。由于人口增长迅速，基础设施建设已满足不了人口增长的需求[10]。各市相关政府部门应根据自身实际情况，增大基础设施建设的投入，制订科学合理的基础设施建设规划[11]。为居民说实话办实事，提高人民生活水平，为城市化进程提供物质保障，切实做到为人民服务，为人民舒适的环境和美好的生活打好基础。
水泥：山铝牌P.O 42.5水泥，其熟料的化学成分与物理力学性能列于表1和表2；砂(产地临朐):细度模数为2.5，含泥质量分数为2.0%；骨料：边河碎石，5～25 mm，连续级配，含泥质量分数为0.5%；粉煤灰：莱芜电厂Ⅱ级灰，其成分见表3；矿粉：张店钢铁厂，等级S95，其成分见表3；高岭土：试剂纯，天津市科密欧化学试剂有限公司，其成分见表4；水：自来水.
6.2.4 注重生态保护，提倡低碳环保
近年来，随着城镇化进程的加快，尤其是伴随着我国“城中村”改造，兴起了大批的居住建筑。一方面建筑材料的生产过程需要消耗大量的能源；另一方面，人们居住环境在不断地改善，为了营造一个适合生活、生产及开展各类社会活动的环境，建筑物在使用过程中会不断的消耗能源。建筑的能耗非常严重，约占社会总能耗的1/3，我国是人口大国，居住建筑规模巨大，其耗能的总量占总建筑能耗的57%左右。如果不注重居住建筑节能，房屋建得越多，能源耗费就越大，将会给社会和环境带来很大的压力。由此引发的能源问题已严重影响到社会及经济的可持续性发展，这是一个关系到国计民生的重大问题。因此，居住建筑节能十分迫切。
在研究中发现，生态环境污染加剧了城市病的严重情况，是影响城市病的次重要因素。随着经济的高速发展，大量的企业及机构忽略了对环境造成的影响[12]，从而加剧了城市病的发生。构建生态城市，倡导人与自然和谐相处，不仅有利于安徽省空气污染的治理重任，也有利于吸引杰出的人才来建设美好城市。相关政府部门应积极调整制定生态环境管理制度，实施生态环境修复工程，呵护绿水青山，加大治理水污染、空气污染的力度，为城市家园构筑一道绿色生态屏障。
6.2.5 政府加大治理力度，积极参与治理
通过预测分析，可推测各市的城市病严重情况不会明显下降，但上升趋势逐渐变换，可知是近年来政府的管控起到了明显的效果。故各市政府应加强治理力度[13]，针对自身存在的具体问题，提出相对的政策措施。例如积极发展轨道交通，科学规划地面路线[14]，呼吁人民群众积极采用公共交通出行；优化城市布局，增强城市承载能力；科学配置资源，完善城市公共系统，突出城市公共安全等。相信在政府的坚持和人民的配合下，城市病治理情况会越来越好！
参考文献：
[1]张璐晶.如何用大数据治理城市病[J].中国经济周刊，2018(41)：59-60.
[2]李天健.城市病评价指标体系构建与应用——以北京市为例[J].城市规划，2014，38(8)：41-47.
[3]陆小成.构建新时代首都城市病治理新机制[N].中国城市报，2018-10-15(15).
[4]潘凯雄.城有病，人知否？[N].文汇报，2018-11-02(12).
[5]张忠华，刘飞.当前我国城市病问题及其治理[J].发展研究，2012(2)：84-85.
[6]石忆邵.城市规模与“城市病”思辨[J].城市规划汇刊，1998(5)：15-18.
[7]司守奎.孙玺菁.数学建模算法与应用[M].北京：国防工业出版社，2015.
[8]杨桂元，朱家明.数学建模竞赛优秀论文评析[M].合肥：中国科学技术大学出版社，2013.
[9]王桂新.我国大城市病及大城市人口规模控制的治本之道——兼谈北京市的人口规模控制[J].探索与争鸣，2011(7)：50-53.
[10]王桂新.“大城市病”的破解良方[J].人民论坛，2010(32)：16-18.
[11]房亚明.“城市病”、贫富分化与集权制的限度：资源分布格局的政治之维[J].湖北行政学院学报，2011(4)：27-32.
[12]李姗姗，李勇，倪梦莹，等.北京市“大城市病”测度及对策建议[J].长春工程学院学报(自然科学版)，2018，19(1)：115-119.
[13]朱颖慧.城市六大病：中国城市发展新挑战[J].今日国土，2011(2)：14-15.
[14]许谨谦.以科学规划根治“城市病”[N].青海日报，2018-11-12(11).
ComprehensiveEvaluationofUrbanDiseaseBasedonQuantitativeAnalysis——TakingAnhuiProvinceasanExample
LIWei，ZHUJiaming，SUNWenyu
(SchoolofStatisticsandAppliedMathematics，AnhuiFinanceandEconomicsUniversity，Bengbu，Anhui233030，China)
[Abstract]Aiming at the comprehensive evaluation of urban diseases in prefecture-level cities and dealing with development issues in Anhui Province，fuzzy analytic hierarchy process，multiple linear regression，time series analysis，MATLAB and SPSS software are used to analyze the comprehensive situation of urban diseases.From the six aspects of natural resources，ecological environment and urban transportation etc，the urban diseases of 8 prefecture-level cities are comprehensively evaluated in Anhui Province in 2018.Taking Hefei city as an example，it analyzes the correlation between the severity of urban diseases and the influencing factors，predicts the development trend of urban diseases，and puts forward relevant suggestions.
[Keywords]urban disease；multiple linear regression；time series analysis；fuzzy analytic hierarchy process
[中图分类号]F291
[文献标识码]A
[文章编号]1672-9021(2019)02-0098-09
[作者简介]李薇(1999-)，女，安徽安庆人，安徽财经大学统计与应用数学学院本科生，主要研究方向：信息与计算科学。
[基金项目]国家自然科学基金项目(11601001)；安徽财经大学校级教研项目(acxkjsjy201803zd)。
[引用格式]李薇，朱家明，孙文语.基于量化分析的城市病综合评价——以安徽省为例[J].河池学院学报，2019，39(2)：98-106.
[投稿邮箱]hcxyxb@163.com
收稿日期2019-02-26
[责任编辑姚胜勋]
标签：城市论文; 合肥市论文; 因素论文; 矩阵论文; 情况论文; 社会科学总论论文; 社会学论文; 社会结构和社会关系论文; 《河池学院学报》2019年第2期论文; 国家自然科学基金项目(11601001)安徽财经大学校级教研项目(acxkjsjy201803zd)论文; 安徽财经大学统计与应用数学学院论文;