城市生活垃圾产量预测模型

城市生活垃圾调查,处理,研究,和实用性分析

《再生资源研究》2003年第6期垃圾处理

城市生活垃圾产量预测模型

陈金发,宁平,侯明明①

(昆明理工大学环境科学与工程学院,云南昆明650093)

摘要:分析了昆明市1996—2001垃圾产量预测的GM(1,1)SSODMM灰色模型。,原始数据进行较为准确预测,:;;0　引言

城市生活垃圾的产生量和成分,是城市建设

和管理的宝贵基础资料,是建设城市生活垃圾处理工程的重要依据。为对未来垃圾整治方案和措施进行可行性研究,首先就需要对未来城市垃圾产生量进行科学合理的预测。如果对城市垃圾产生量估计过高会导致人力和物力的浪费;估计过低就会导致不能满足实际情况的需要。

城市垃圾产生量预测方法可分为定性预测法和定量预测法。其中定量预测分析法通常采用灰色预测法、多元回归法、逐步回归法、时间序

列分析法等。本文所介绍的GM(1,1)SSODMM

灰色预测模型是在原GM(1,1)灰色模型基础上优化而得,是GM(1,1)逐步优化直接建模方法的简称。不仅保持了原GM(1,1)直接建模法的升(降)凹(凸)一致性,线性变换一致性,而且具有渐近白指数律重合性,弥补了原方法不具有白指数律重合性的缺陷,提高了建模精度。对原始数据不满足升凹或升凸性质的数据,其精度也是令人满意的。昆明市1996—2001年度垃圾产生量见表1。

表1　昆明1996—2001年生活垃圾产生量[1～3]

年份

1996199719981999

20002001

生活垃圾清运量/万t

36.271441.93665758.3

82.9383.3

对表1数据进行变化分析,

可以得出数据变化并不满足原GM(1,1)模型要求的升凹或升凸性质,而是如图1所示。笔者曾试过直接采用GM(1,1)原模型进行预测,但结果精度不够,由于所能得到的昆明城市垃圾实际产生量原始数据不够,单独采用回归模型进行预测,其结果的后验差比值和精度并不高。而GM(1,1)SSOD2MM灰色模型的应用并不受以上条件的限制。

图1　昆明1996—2001年度城市垃圾产生量示意图

应用此模型在昆明城市生活垃圾的预测中,取得

),男,福建省莆田市人,昆明理工大学环境科学与工程学院2001级在读研究生。①作者简介:陈金发(1976—

25

城市生活垃圾调查,处理,研究,和实用性分析

垃圾处理

了较满意的预测结果。1　模型预测方法介绍

GM(1,1)逐步优化直接建模方法[6]:若X(t)满足一阶线性微分方程+ax(t)=bdt

at0

即　x(t)=ce-at+,c=x(t0)-

e

aa

则存在

aξ(1)=ξ(2)=Λ=ξ(n-1)=aξ-e-1a

《再生资源研究》2003年第6期xsk=(1-ξs)x(k)+ξsx(k+1)xΔk=x(k+1)-x(k)

n-1

xs=∑x

n-1k=1skn-

1xΔ=∑xΔk=

n-1k=1n-1-as+1k

再对(e,x(k)),k∈K作线性回归得指数模

1-11-2

型Ms+1:

xx+1(=cs+-^

+1+=

1-3

使

x[x(k+1)-x(k)]+a[(-+)](1-4)b,k∈-|n|

c+1

n-e

-as+1k

n-1--∑e-as+1k

as+1k

n-1

x(k)-∑x(k)as+1k

2

n-1

对原始数据,=k)时,取迭代步数S=

ξ(as)=limξ(a)0,取初值as=0,由1-3式得ξS=

a→a

s

k=1

e

n-1--∑e

nk=1

=

(tk3))的白化值,对(x(tk3),x′

2

((1-ξs)x(k)+ξsx(k+1),x(k+1)-x(k)),

n-1

n-1

()bs+1=∑xk-cs+1∑e-as+1k

k=1nk=1

若对Ms+1满意,则停止迭代,否则令迭代步数s

取s+1,继续迭代。

为叙述方便,简记上述建模方法为GM(1,1)SSODMM。2　昆明市垃圾产量GM(1,1)SSODMM模型预测

对GM(1,1)SSODMM进行三次迭代,得指数模型M3:^x3(t)=c3e-a3t+b3=-1353.157179e-01007797t+13761802343。由此模

k∈k-|n|

作线性回归得参数a的白化值

as+1=-Sxxs

其中

SxxΔk-xΔ)Δs=∑(xsk-xs)(x

k=1n-1

Sxxs=∑(xsk-xs)2

k=1

n-1

型计算得出的模拟值再与实际值进行相关计算,具体数据见表2。

表2　昆明市垃圾产量GM(1,1)SSODMM模型预测的相关数据计算值

年份

199619971998199920002001

垃圾产量模拟值(t)

34.15,44.58,54.93,65.20,75.38,85.49,

q(k)2.1214-2.64342.07-6.97.55-2.19

相对误差(dret)

0.0580.0630.0360.1180.0910.026

c=0.24　pin(q)=0.008　p=1　pin(dret)=0.0653

　　q(k)—模拟值与实际值差额　pin(q)—模拟值的平均值　pin(dret)—相对误差平均值　c—后验差比值　p—小误差概率

　　从表中可以看出,1996～2001年各年的垃圾产量模拟值与实际值间最大的相对误差仅为01118,反映模型的模拟误差很小,后验差比值c26

仅为0.24,小误差概率为1,一般来说,只要模型的c<0.35,p>0.95,则模型的精度达到一级。可以进行垃圾产量预测[9]。预测结果见表3。

城市生活垃圾调查,处理,研究,和实用性分析

《再生资源研究》2003年第6期

表3　GM(1,1)SSODMM模型模拟预测结果(万t)

年份

200220032004200520062007200820092010

GM(1,1)SSODMM模型垃圾预测产量

95.52105.47115.35125.14134.86144.58垃圾处理

3　结论

计出版社,20021

[5]灰色系统理论及应用,刘思峰著-2版,北京:科学出

,得出2002—。对未来昆明市生活垃圾的处置及系统规划提供了基础的参考数据。同时,也进一步证明了GM(1,1)SSODMM模型在城市垃圾预测方面的可行性。

版社,19991

[6]预测与决策的不确定性数学模型,王清印、崔援民

等,北京:冶金工业出版社,20011

[7]王义闹,GM(1,1)的直接建模方法及性质.系统工程

垃圾产生量的影响是多方面的,未来政府对垃圾产生系统的干预。如国外推行垃圾减量、回收和再利用措施,可以大幅度减少垃圾最终处理量。且随着人们平均受教育程度的提高及习惯的改变,对垃圾的产生量也会有一定的影响。

参考文献:

[1]中国城市统计年鉴,国家统计局城市社会经济调查

理论与实践,19881

[8]王义闹,刘光珍,刘开第.GM(1,1)的一种逐步优化直

接建模方法.系统工程理论与实践,20001

[9]邓聚龙.灰色预测与决策.武汉:华中工学院出版社,19861

[10]李云贵等.灰色GM(1,1)预测模型的改进.系统工

程,19921

[11]Mian-yunChen.Greysystemanditsdynamicmodeling.ProceedingIntern.AMSEConfer.“Singles,Data,System”,Cal2cutta(India),Dec.7～9,1992,AMSEPress,Vol.2,pp.89～961

[12]LiShuhua,wangYinao.Thegreypredicationofeffective2nessofstrutintensityofhydraulictressel.TheJournalofGREYSYSTEM,1994(2)1

(

收稿日期:2003-09-17)

总队编,北京:中国统计出版社,20011

[2]新编昆明市情,林爽爽编《新编昆明市情》,编委会

编,昆明:云南科技出版社

[3]中国城市统计年鉴,国家统计局城市社会经济调查

总队编,北京:中国统计出版社,19991

[4]2002昆明统计年鉴,昆明市统计局编,北京:中国统

Predicationmodelforurbanwasteoutput

CHENJin2fa,NINGPing,HOUMing2ming

(KunmingUniversityofScienceandTechnology,Kunming650093,China)

Abstract:ThepaperdealswithGM(1,1)SSO …… 此处隐藏：2341字，全部文档内容请下载后查看。喜欢就下载吧 ……