《总论文-垃圾减量分类论文.doc》由会员分享，可在线阅读，更多相关《总论文-垃圾减量分类论文.doc（21页珍藏版）》请在金锄头文库上搜索。
1、答卷编号（参赛学校填写）：答卷编号（竞赛组委会填写）：论文题目：垃圾减量分类活动中社会及个体因素的量化分析（C题） 组 别：本科生参赛队员信息(必填)： 姓 名专业班级及学号联系电话参赛队员1参赛队员2参赛队员3 参赛学校：哈尔滨学院 答卷编号（参赛学校填写）： 答卷编号（竞赛组委会填写）：评阅情况（学校评阅专家填写）：学校评阅1.学校评阅2.学校评阅3. 评阅情况（联赛评阅专家填写）：联赛评阅1.联赛评阅2.联赛评阅3.垃圾减量分类活动中社会及个体因素的量化分析摘要在现代城市发展进程中，城市生活垃圾的处理问题成为了城市文明建设中的一个重要问题，随着城镇化进程加快和人们生活水平提高、生活方式转
2、变，城市生活垃圾处理正在成为一个挑战性的难题。在垃圾减量分类活动中，通过建立“社会因素”和“个体因素”及其相互作用的量化模型，不仅能帮助提升城市生活垃圾产量的预测精度（目前的研究者通常只选取GDP、城市人口、居民人均可支配收入等内在因素指标对城市生活垃圾产量进行预测研究），同时也可能给城市垃圾减量分类工作中的资源投入决策活动提供有益的辅助支持手段。城市生活垃圾的数量和构成与城市人口数、经济水平及生活习惯等因素有关。随着城镇化进程加快和人们生活水平提高、生活方式转变，城市生活垃圾处理正在成为一个挑战性的难题。仅靠填埋、焚烧等技术不能持久地解决问题，必须与减量化、无害化、回收利用等措施结合起来，才
3、是标本兼治、经济持久的方法。其中，从源头对垃圾进行减量分类收集是必须且关键的一个环节。垃圾减量分类活动是人类社会对自身垃圾产生系统的一个干预性工程。主要内容是社会通过教育、督导、激励等措施（社会因素）影响个人及家庭的垃圾产生动因（个体因素），最终形成减少垃圾总量并分类回收良性结果的控制过程。目前对这一控制过程的研究改良主要依靠的还是经验总结型的定性分析，主要原因是缺少描述“社会因素”和“个体因素”及其相互作用的量化模型，难以开展具有一定精度的量化分析工作。因此，本文以多元回归模型来探讨垃圾减量分类活动“社会因素”、“个体因素”及关系，利用EViews6.0多元回归分析软件具体分析给出的数据，对
4、数据进行Granger因果检验，力图能给城市垃圾减量分类工作中的资源投入决策活动提供有益的辅助支持手段。关键词： 垃圾减量分类 多元回归 Granger因果检验 12目录垃圾减量分类活动中社会及个体因素的量化分析31 背景简介32 问题分析33 垃圾减量分类量化模型43.1回归分析的数学模型43.2回归方程的显著性检验64 垃圾减量分类相关性分析114.1 四类垃圾组分本身的数量之间的相关性124.2误差修正模型144.3 不同措施垃圾分类数据相关性145 垃圾减量分类关键措施分析166 参考文献177 附录181 背景简介改革开放以来，我国社会经济高速发展，人民生活水平日益提高，城市化进程不
5、断加快，人口向城市大量迁移和流动，城市垃圾产生量激增。我国垃圾处理技术比较落后，处理方式单一，从而使城市垃圾处理系统不堪重负，产生了一系列的社会和环境问题。有着“国际花园城市”之美称的深圳，近几年来，由于经济突飞猛进的发展，人民生活和消费水平的大幅度提高，致使生活垃圾产生量与日剧增，同时也导致生活垃圾成分发生了一些变化。为了更深入更全面更精准地了解全市生活垃圾产量及其成分变化，以便更好地对城市生活垃圾处理设施进行合理的规划布局和有效的监管，继而达到对制定更科学的深圳可持续发展战略提供一定参考的目的。为了进一步保护深圳市居民的身心健康，提高城市的卫生质量，维护城市的市容，实现城市的可持续发展，必
6、须科学、及时和妥善地对城市生活垃圾进行收运和处理。但是目前普遍存在“重清扫、轻处理”，“重末端处理、轻源头控制” 的生活垃圾治理模式。这种不合理的治理模式已经对环境造成了现实的影响和潜在的危害，既不符合城市迅速发展的要求，又阻碍了人民生活水平的进一步提高和城市建设的发展。因此，预测未来城市生活垃圾问题的变动趋势，找到解决问题的有效途径，全面协调公众的行为；实现城市生活垃圾的全程化和系统化管理对城市保护环境、实施可持续发展战略、落实科学发展观和提高城乡人民的生活质量不仅具有重要的理论意义，而且也具有重大的现实意义。当前我国最常见的生活垃圾处理是垃圾卫生填埋法，这些生活垃圾大多没有经过分类处理，里
7、面掺杂着一些有毒害性的物质如废旧电池、废旧电器等(此类物质属于危险废物，国家明文规定严禁用填埋法处理)，也有许多可回收利用的物质如废纸、金属、玻璃等，这些垃圾不经处理，直接填埋，既会造成严重的污染又会造成部分可利用资源的浪费，同时还会增大填埋场的处理量，缩短填埋场的使用寿命，造成不必要的损失。仅靠填埋、焚烧等技术不能持久地解决问题，必须与减量化、无害化、回收利用等措施结合起来，才是标本兼治、经济持久的方法。其中，从源头对垃圾进行减量分类收集是必须且关键的一个环节。垃圾减量分类活动是人类社会对自身垃圾产生系统的一个干预性工程。主要内容是社会通过教育、督导、激励等措施（社会因素）影响个人及家庭的垃
8、圾产生动因（个体因素），最终形成减少垃圾总量并分类回收良性结果的控制过程。2 问题分析垃圾减量分类活动是人类社会对自身垃圾产生系统的一个干预性工程。该工程是一个综合性的复杂问题，涉及的方面很多，又由于垃圾分类的多样性进一步加增大了问题的难度。为了解决这个问题，我们选择数理统计的多元回归的分析方法，从垃圾分类影响因子及主要影响因子出发，建立垃圾分类量化模型多元回归模型，并以深圳天景花园、阳光家园垃圾减量分类过程为例，基于建立的减量分类模型分析试点小区四类垃圾组分本身的数量之间的相关性，利用EViews6.0多元回归分析软件具体分析给出的数据，对数据进行Granger因果检验，基于构建的垃圾减量分
9、类模型指出深圳未来5年推进减量分类工作关键措施，并预测措施实施的最好与最坏结果。为了分析的直观简便现提出如下假设：（1） 认为所有数据均真实可靠，只根据已有数据进行定量分析，数据不足的采用定性分析；（2） 在建立模型时不考虑自然灾害、战争以及其他极偶然事件造成的垃圾，只基于正常情况考虑；（3） 仅考虑深圳市的垃圾减量分类工程。3 垃圾减量分类量化模型垃圾减量分类过程受到多种因素影响，为了分析问题需要，主要考虑社会因素和个体因素。社会因素主要包括各项教育、督导、激励措施等，个体因素主要包括家庭收入水平、家庭结构、户籍类型、生活习惯等。3.1回归分析的数学模型回归（Regression）分析是处理
10、变量之间关系的一种统计方法。具体地说，回归分析主要解决以下几方面的问题：通过分析大量的样本数据，确定变量之间的数学关系式；对所确定的数学关系式的可信程度进行各种统计检验，并区分出对某一特定变量影响较为显著的变量和影响不显著的变量；利用所确定的数学关系式，根据一个或几个变量的值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确度。回归分析通常根据变量的个数、变量的类型以及变量之间的相关关系分为一元线性回归分析、多元线性回归分析、非线性回归分析等类型。一元线性回归分析讨论的回归问题只涉及了一个自变量，但在实际问题中，影响因变量的因素往往有多个，仅考虑单个变量是不够的，还需要就一个因变量与
11、多个自变量的联系来进行考察，才能获得比较满意的结果。研究在线性相关条件下两个或两个以上自变量对一个因变量的数量变化关系，称为多元线性回归分析，表现这一数量关系的数学公式，称为多元线性回归模型。多元线性回归模型是在计算上较为复杂，一般需借助计算机来完成。设是一个可观测的随机变量，它受到个非随机因素，和随机因素的影响，若与，有如下线性关系： (1)则称式为多元线性回归模型，其中，是个未知参数，是不可测的随机误差，且通常假定。自变量常被称为回归变量、设计变量、预报变量、回归因子、预报因子，因变量常被称为解释变量、响应变量，观测变量。称下式为理论回归方程。 (2)对于一个实际问题，要建立多元回归方程，
12、首先要估计出未知参数，为此要进行次独立观测，得到组样本数据，它们满足式，即有： (3)其中相互独立且都服从。式又可表示成矩阵形式： (4)，为阶单位矩阵，阶矩阵称为资料矩阵或设计矩阵，并假设它是列满秩的，即。由模型以及多元正态分布的性质可知，仍服从维正态分布，它的期望向量为，方差和协方差阵为，即。多元线性回归方程中的未知参数可用最小二乘法来估计，即选择使误差平方和：达到最小。由于是关于的非负二次函数，因而必定存在最小值，利用微积分的极值求法，得：这里是的最小二乘估计。上述通过对求偏导数求得正规方程组的过程可用矩阵代数运算进行，得到如下矩阵表达式：移项得： (5)称此方程组为正规方程组。依据假定
13、，所以。故存在。解正规方程组得： (6)称为拟合方程、预报方程、回归方程、经验回归方程。将自变量的各组观测值代入回归方程，可得因变量的估计量（拟合值）为：向量称为残差向量，其中为阶对称幂等矩阵，为阶单位阵。称数为残差平方和（Error Sum of Squares，简写为SSE）。由于且，则：从而：为的一个无偏估计。由于是的线性函数，故其为线性估计，且有：这说明为的线性无偏估计。这表明残差与的最小二乘估计是不相关的，又由于残差平方和SSE是的函数，故它与也不相关。在正态假定下不相关与独立等价，因而SSE与独立。3.2回归方程的显著性检验给定因变量与，的组观测值，利用前述方法确定线性回归方程是否
14、有意义，还有待于显著性检验。对多元线性回归方程作显著性检验就是要看自变量，从整体上对随机变量是否有明显的影响，即检验假设：如果被接受，则表明与，之间不存在线性关系。为了进行检验首先建立方差分析表。.离差平方和的分解观测值，之所以有差异，是由于下述两个原因引起的，一是与，之间确有线性关系时，由于，取值的不同而引起值的变化；另一方面是除去与，的线性关系以外的因素，如，对的非线性影响以及随机因素的影响等。记数据的总离差平方和（Total Sum of Squares）定义如下： (7)总离差平方和反映了数据的波动性的大小。残差平方和定义如下： (8)残差平方和反映了除去与，之间的线性关系以外的因素引起的数据，的波动。若，则每个观测值可由线性关系精确拟合，SSE越大，观测值和线性拟合值间的偏差也越大。回归平方和（Regression Sum of Squares）定义如下： (9)由于可证明：故SSR反映了线性拟合值与它们的平均值的总偏差，即由变量，的变化引起，的波动
