《城市生活垃圾清运量及组分预测模型研究》由会员分享，可在线阅读，更多相关《城市生活垃圾清运量及组分预测模型研究（65页珍藏版）》请在金锄头文库上搜索。
1、华中科技大学硕士学位论文城市生活垃圾清运量及组分预测模型研究姓名：张博申请学位级别：硕士专业：环境工程指导教师：华虹20080601I华 中 科 技 大 学 硕 士 学 位 论 文 摘 要 随着我国经济的发展和人民生活水平的提高，特别是城市化进程的飞速发展，城市生活垃圾的清运量日益增多，其组分也发生了很大的变化。城市生活垃圾所引起的社会问题和环境问题日益突出，不仅造成严重的环境污染，而且影响社会稳定和经济的发展。城市生活垃圾清运量和组分是城市建设和管理的基础性资料，准确预测城市生活垃圾的清运量和组分可以为城市环境卫生规划提供决策信息。 论文对城市生活垃圾清运量及组分的影响因素进行了分析，运用灰
2、色关联度分析方法确定城市生活垃圾清运量及组分与其影响因素的关联性，判断城市生活垃圾的主要影响因素。 针对确定 BP 神经网络输入变量的问题， 以灰色关联度分析方法确定的城市生活垃圾主要影响因素作为 BP 神经网络的输入向量， 建立了能满足城市生活垃圾清运量及组分预测要求的 BP 神经网络预测模型。 以上海市为例，对所建预测模型进行实证分析，通过计算模型预测值与实际值的平均绝对百分误差和均等系数来检验模型的预测精度，结果表明本文所建模型预测精度较高。并利用所建模型对上海市 2007 年至 2010 年的城市生活垃圾清运量及组分进行了预测。 研究结果表明， 基于灰色关联度和 BP 神经网络的城市生
3、活垃圾清运量和组分预测模型能有效的预测城市生活垃圾的清运量和组分，具有较好的可行性和适用性。 关键词：城市生活垃圾清运量 组分 预测模型 灰色关联度 B P 神经网络 II华 中 科 技 大 学 硕 士 学 位 论 文 Abstract With the development of social economy and the improvement of living standards, especially the development of urbanization process, the generation of municipal solid waste （MSW） in
4、China is rapidly increasing, and the composition of MSW has changed. Municipal solid waste gradually become an very important threat of urban environmental sanitation and resident health, and restrict the sustainable development of the society, economy and environment. Successful planning and operat
5、ion of a municipal solid waste management system depends on accurate predictions of MSW transportation amount and composition. The influence factors of MSW transportation amount and composition were analyzed. The grey correlation analysis method was applied to analyze contribution level of the influ
6、ence factors on MSW transportation amount and composition to determine the main influence factors of MSW. A BP neural network prediction model of MSW transportation amount and composition was set up, and the main influence factors of MSW determined by grey correlation analysis were chosen as the inp
7、ut vectors of BP neural network. The case study on Shanghai showed a high accuracy between the predicted and measured values by calculated MAPE and EC of the prediction model. MSW transportation amount and composition in Shanghai from 2007 to 2010 were predicted. The result indicated that prediction
8、 model based on grey relational degree and BP Neutral Network can predict MSW delivering quantity and composition, and was proved to be feasible and suitable. Key words: MSW transportation amount MSW composition Prediction model Grey relational degree BP neutral network 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进
9、行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体， 均已在文中以明确方式标明。 本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密， 在 年解密后适
10、用本授权书。 不保密。 （请在以上方框内打“” ） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 本论文属于 1华 中 科 技 大 学 硕 士 学 位 论 文 1 绪论 1.1 研究背景与意义 随着经济发展和人民生活水平的提高，特别是近几年来我国城市化进程的飞快发展，城市生活垃圾的清运量日益增多。城市生活垃圾所引起的社会问题和环境问题日益突出，不仅造成严重的环境污染，而且影响社会稳定和经济的发展。垃圾问题已经成为制约城市化进程和城市经济发展的重大问题之一。 城市生活垃圾清运量和组分是城市建设和管理的基础性资料，是城市生活垃圾从清运到最终处置整个决策系统的关键参数，
11、是生活垃圾处理工程的重要设计依据。城市生活垃圾清运量和组分不仅随经济发展水平而异，而且受城市人口数量、城市能源结构、城市居民生活习惯、地域、季节和气候等变化的影响。准确预测城市生活垃圾的清运量和组分是合理进行城市环境卫生规划的先决条件，是对生活垃圾进行全过程管理的基础性工作。 1.2 国内外研究现状 预测是根据事物过去和现在的演变规律，利用一定的资料、数据和方法，对事物的发展趋势进行科学的推测和判断，常规的预测方法主要分为定性预测方法和定量预测方法两种1。定性预测方法主要是根据事物的性质、特点、过去和现在的延续及有关的资料等对事物进行非数量化的分析，然后根据这种分析对事物的发展趋势做出判断和预
12、测。定性预测在很大程度上依靠人们的主观判断来取得预测结果，它以专家知识为基础，也称主观预测或判断预测。当缺乏统计数据，不能构成数学模型，或者环境变化很快，历史统计数据的规律无法反映事物变化规律时，一般用定性预测。定量预测方法主要是利用历史统计数据并通过一定的数学方法建立模型，对事物进行数量分析，从而对事物的未来做出判断和预测。定量预测方法以模型为主，也称客观预测。 目前国内外在对城市生活垃圾产生量的预测方面已经做了大量工作，但是预测工作主要偏重于城市生活垃圾产生量的预测，而对城市生活垃圾的组成、热值、含2华 中 科 技 大 学 硕 士 学 位 论 文 水率等特性的预测工作开展不多。经常使用的模
13、型有：平均增长率模型、多元回归分析模型、灰色预测模型、时间序列分析模型等。 以下对主要的预测模型进行简要介绍： （1）平均增长率模型 平均增长率模型对城市生活垃圾产生量的预测，依靠的是人均垃圾产生量，所以增长率指的是人均垃圾产生量的增长率。也就是根据所收集到的有关资料数据，经过数值拟合得出人均垃圾产生量与时间的关系函数，然后再根据城市发展规划等相关的资料数据推算出未来的人口数量，乘以对应时间的人均垃圾产生量，就得到当年的城市生活垃圾产生量。平均增长率模型简便易用，在历史资料数据充分的情况下，得到较为广泛的应用。 平均增长率模型的通式为： taqq)1 (0+= （1- 1） 式中 q 为预测年
14、度的人均垃圾产生量，q0为基准年度的人均垃圾产生量，a 为人均垃圾产生量的年增长率，t 为预测年度与基准年度的差值。 （2）多元回归分析模型 回归分析是研究因变量和自变量之间数量变化规律，并通过一定的数学表达式来描述这种关系，进而确定一个或几个自变量的变化对因变量的影响程度2。回归分析是常规统计预测方法中常用的一种方法。多元回归分析的依据是各种可能影响城市生活垃圾产生量的影响因素（一般为社会经济指标）对产生量的影响具有历史的延续性，利用这些影响因素作为自变量，应用数理统计回归揭示这些影响因素与城市生活垃圾产生量之间的数量关系。这一关系可应用于在确定相关指标变化趋势的前提下，对城市生活垃圾产生量
15、的趋势进行定量分析。 多元回归分析模型的通式如下： exbxbxbbynn+=22110（1- 2） 式（1- 2）中 y 为与城市生活垃圾相关的量，如产生量、某一物理组分的百分比等；xk（k=1，2，3，n）为各项影响城市生活垃圾的社会经济指标，如城市人口数等；b0为回归常数；bk（k=1，2，3，n）为回归参数；e 为随机误差。 3华 中 科 技 大 学 硕 士 学 位 论 文 （3）灰色预测模型 城市生活垃圾系统同时存在大量已知和未知信息，是典型的灰色系统。一般来说，城市生活垃圾的产生量单调递增，变化率不均匀，符合灰色理论的建模条件3。灰色模型记为 GM（n，h） ，其中 n 为微分方程
16、的阶数，h 为变量个数。在垃圾产生量预测中应用的最广的是 GM（1，1）预测模型，即一阶单变量微分方程的灰色动态模型。 灰色预测模型可在数据较少的情况下对非线性、不确定系统的数据序列进行预测。但是当系统中出现了突变、切换、故障或大扰动等情况，对预测序列造成了干扰，就会出现异常数据，从而破坏预测数据的平稳性，导致预测误差大幅上升。 （4）时间序列分析模型 时间序列分析模型4是揭示时间序列自身的变化规律和相互联系的数学表达式。影响城市生活垃圾产生的因素错综复杂，而且有关影响因素的资料难于得到，但可以时间综合替代这些因素，将其作为一维随机过程来处理。时间序列分析就是通过分析这种一维随机过程的演变规律来进行预测。时间序列分析的特点是城市生活垃圾产生量仅与时间有关。但是注重的是垃圾产生量自身随着时间的变化规律，而对其各
