徐州市城市生活垃圾產(chǎn)生量預(yù)測(cè)分析

董 兵，劉漢湖，李 凱，楊泰宇

（1.中國礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，江蘇 徐州 221116；2.江蘇省資源環(huán)境信息工程重點(diǎn)實(shí)驗(yàn)室（中國礦業(yè)大學(xué)），江蘇 徐州 221116）

城市生活垃圾產(chǎn)生量預(yù)測(cè)方法一般可分為2類：一類是定性預(yù)測(cè)法，主要依靠調(diào)查研究與經(jīng)驗(yàn)判斷；另一類是定量預(yù)測(cè)法，依據(jù)統(tǒng)計(jì)數(shù)據(jù)，建立數(shù)學(xué)模型，這類預(yù)測(cè)由于有較強(qiáng)的理論基礎(chǔ)支撐，一般準(zhǔn)確性較好，應(yīng)用較廣。常用的數(shù)學(xué)模型有灰色預(yù)測(cè)模型、多元回歸模型、逐步回歸模型、時(shí)間序列分析法等［1］。筆者選取徐州市為研究對(duì)象，通過對(duì)徐州市的城市生活垃圾進(jìn)行調(diào)查分析，以徐州市1999—2008年的數(shù)據(jù)（城市生活垃圾產(chǎn)生量、常住人口數(shù)量、GDP、人均可支配收入、固定投資）為基礎(chǔ)，通過Matlab軟件建立灰色預(yù)測(cè)模型和多元線性回歸模型，對(duì)徐州市未來城市生活垃圾產(chǎn)生量進(jìn)行預(yù)測(cè)，為類似的城市提供類比參考依據(jù)。

1 預(yù)測(cè)指標(biāo)與基礎(chǔ)數(shù)據(jù)

1.1 徐州市城市生活垃圾產(chǎn)生量概況

依據(jù)徐州市統(tǒng)計(jì)年鑒，徐州市1999—2008年城市生活垃圾產(chǎn)生量及增長率如表1所示。

徐州市城市生活垃圾產(chǎn)生量總體上呈逐年增長趨勢(shì)，個(gè)別年份出現(xiàn)下降現(xiàn)象，這也是經(jīng)濟(jì)發(fā)展、居民生活水平提高的側(cè)面表現(xiàn)。但城市生活垃圾的年增長率總體呈下降趨勢(shì)，這正是人們環(huán)境健康意識(shí)提高、環(huán)境管理體系改善的體現(xiàn)。綜合來講，就是城市擴(kuò)建和經(jīng)濟(jì)發(fā)展在提高居民生活質(zhì)量的同時(shí)，給城市生活垃圾的清運(yùn)帶來了巨大的壓力，而城市生活垃圾的處理不當(dāng)又會(huì)對(duì)居民的健康產(chǎn)生極大危害，所以城市生活垃圾的產(chǎn)生量以及處理情況愈來愈受到人們的關(guān)注和重視。

表1 1999—2008年徐州市城市生活垃圾產(chǎn)生量

1.2 影響因素分析

城市生活垃圾產(chǎn)生量的影響因素眾多，但主要表現(xiàn)為以下3個(gè)方面：人口、社會(huì)經(jīng)濟(jì)發(fā)展水平和居民生活水平［2-3］，同時(shí)考慮到歷年數(shù)據(jù)的完整性，以及數(shù)據(jù)的可獲取性，選取了人口、GDP、人均可支配收入以及固定投資等4個(gè)因素作為城市生活垃圾產(chǎn)生量的影響因素。1999—2008年徐州市城市生活垃圾影響因素統(tǒng)計(jì)見表2。

表2 徐州市城市生活垃圾產(chǎn)生量的影響因素

2 灰色GM（1,1） 預(yù)測(cè)

城市垃圾系統(tǒng)既有已知信息，也有未知信息，它是本征性灰色系統(tǒng)，符合灰色理論的建模條件［4-5］。因此選擇灰色預(yù)測(cè)法中灰色時(shí)間序列預(yù)測(cè)模型來預(yù)測(cè)城市生活垃圾產(chǎn)生量。

城市生活垃圾產(chǎn)生量預(yù)測(cè)步驟如下。

第1步：級(jí)比檢驗(yàn)。

建立垃圾產(chǎn)生量數(shù)據(jù)時(shí)間序列如下：

計(jì)算級(jí)比h(k)=x(0)(k-1)/x(0)(k)

經(jīng)過級(jí)比判斷，x(0)可使用GM（1，1） 建模。

第2步：建立GM（1，1） 模型。

通過對(duì)原始數(shù)據(jù)（表1） 進(jìn)行累加及構(gòu)造數(shù)據(jù)矩陣B和數(shù)據(jù)向量Y，建立模型，并通過Matlab軟件求得相關(guān)參數(shù)a=-0.017 7，u=33.132 7，進(jìn)而解得預(yù)測(cè)模型：

各年度的擬合值見表3。

表3 1999—2008年擬合數(shù)據(jù)及精度檢驗(yàn)

將分析模型的預(yù)測(cè)結(jié)果與原始值進(jìn)行對(duì)比，計(jì)算得出相對(duì)誤差均在5%的范圍內(nèi)，且平均相對(duì)誤差為1.69%，證明該模型的預(yù)測(cè)比較合理?？梢杂脕韺?duì)徐州市未來的城市生活垃圾產(chǎn)生量進(jìn)行預(yù)測(cè)，特別適用于很多因素不確定的情況。徐州市2009—2018年城市生活垃圾產(chǎn)生量預(yù)測(cè)值見表4。

表4 2009—2018年徐州市城市生活垃圾產(chǎn)生量預(yù)測(cè)結(jié)果

由于上述預(yù)測(cè)是依據(jù)現(xiàn)有數(shù)據(jù)和目前管理現(xiàn)狀所提出的，如果加強(qiáng)管理、采取相關(guān)措施或是與生活垃圾產(chǎn)生量相關(guān)的社會(huì)、自然、經(jīng)濟(jì)等因素發(fā)生大的波動(dòng)，上述預(yù)測(cè)數(shù)據(jù)的可信度將會(huì)大幅降低。所以在此基礎(chǔ)上，考慮城市生活垃圾產(chǎn)生量的一些主要影響因素，搜集相關(guān)數(shù)據(jù)，運(yùn)用多元線性回歸模型對(duì)徐州市城市生活垃圾產(chǎn)生量進(jìn)行預(yù)測(cè)。

3 多元線性回歸方法

應(yīng)用多元線性回歸分析法能夠較綜合地、全面地反映出生活垃圾產(chǎn)生量與各內(nèi)在因素之間的關(guān)系，進(jìn)而能夠較準(zhǔn)確地預(yù)測(cè)出生活垃圾的產(chǎn)生量［6］。

3.1 模型的建立

多元線性回歸預(yù)測(cè)模型的建立是在上述影響因子確定后，選取1999—2008年的各因變量與自變量的已有數(shù)據(jù)（表1～2），代入到四元線性回歸方程中，根據(jù)最小二乘法原理，用Matlab擬合估計(jì)得到回歸系數(shù)，進(jìn)而求得四元線性回歸方程參數(shù)的標(biāo)準(zhǔn)方程。通過對(duì)方程進(jìn)行參數(shù)檢驗(yàn)以及實(shí)證分析，確定該預(yù)測(cè)模型是否適用，若適用，則建立預(yù)測(cè)模型［7-8］。方程的回歸系數(shù)如表5所示。

表5 回歸方程的系數(shù)及置信區(qū)間

由Matlab軟件進(jìn)行線性回歸分析，可知方程的估計(jì)參數(shù)系數(shù)a均在95%置信區(qū)間內(nèi)，由此得到多元線性回歸方程：

檢驗(yàn)回歸模型的相關(guān)參數(shù)見表6。

表6 回歸方程的相關(guān)參數(shù)

相關(guān)系數(shù)R2=0.919 1表明自變量與因變量之間呈高度正相關(guān)；F＝14.204 1＞F0.05（4,5） =5.19；概率P=0.0061＜0.05，可知該回歸模型成立。

通過殘差分析得出，除第4個(gè)數(shù)據(jù)外其余數(shù)據(jù)的殘差離零點(diǎn)均較近，且殘差的置信區(qū)間均包含零點(diǎn)，這也說明了回歸模型能較好地?cái)M合原始數(shù)據(jù)，而第4個(gè)數(shù)據(jù)可視為異常點(diǎn)。

3.2 模型的檢驗(yàn)

以徐州市1999—2008年的數(shù)據(jù)為訓(xùn)練樣本，2009—2010年的數(shù)據(jù)作為測(cè)試樣本檢驗(yàn)預(yù)測(cè)模型的可靠性和準(zhǔn)確性。結(jié)果如表7所示。

表7 1999—2010年徐州市城市生活垃圾產(chǎn)生量預(yù)測(cè)結(jié)果

將分析模型的預(yù)測(cè)結(jié)果與檢驗(yàn)指標(biāo)進(jìn)行對(duì)比，訓(xùn)練樣本與測(cè)試樣本的相對(duì)誤差均在5%的范圍內(nèi)，且平均相對(duì)誤差為1.52%，證明該模型的預(yù)測(cè)比較合理，可以用來對(duì)徐州市未來的城市生活垃圾產(chǎn)生量進(jìn)行預(yù)測(cè)。

3.3 徐州市生活垃圾產(chǎn)生量的預(yù)測(cè)

3.3.1 各影響因素的取值方法

按照年增長率1.13%計(jì)算未來幾年徐州市區(qū)常住人口數(shù)，根據(jù)徐州市“十二五”規(guī)劃可知固定投資按年均增長率為13.8%，因此固定投資按年增長率13.8%進(jìn)行預(yù)測(cè)，徐州市GDP和人均可支配收入擬采用直線擬合和指數(shù)擬合2種方式，結(jié)果見表8，R2越接近1，表明擬合效果越好，因此采用指數(shù)擬合的方式進(jìn)行預(yù)測(cè)。

表8 人均可支配收入和GDP的擬合公式

3.3.2 產(chǎn)生量預(yù)測(cè)

在對(duì)生活垃圾產(chǎn)生量的4個(gè)主要影響因素作出預(yù)測(cè)的基礎(chǔ)上，利用公式（2） 對(duì)徐州市2009—2018年的城市生活垃圾產(chǎn)生量進(jìn)行了預(yù)測(cè)。得出2009—2018年徐州市生活垃圾產(chǎn)生量分別為：4.15×105、3.86×105、4.06×105、4.12×105、4.20×105、4.30×105、4.42×105、4.56×105、4.61×105、4.73×105t。

4 結(jié)論

在分析了徐州市1999—2008年城市生活垃圾產(chǎn)生量與主要影響因素的基礎(chǔ)上，建立了GM（1,1）模型和多元線性回歸模型，得到以下主要結(jié)論。

1）建立了徐州市城市生活垃圾灰色預(yù)測(cè)GM（1,1） 模型，模型為

2)考慮人口、GDP、人均可支配收入以及固定投資4個(gè)因素，建立了預(yù)測(cè)徐州市生活垃圾產(chǎn)生量的多元線性回歸模型：Y=39.2644-0.0601x1+0.0110x2-0.000 9x3+0.002 5x4。

通過檢驗(yàn)，自變量與因變量的相關(guān)系數(shù)R2=0.919 1，自變量與因變量之間相關(guān)性較好，說明了該多元線性回歸模型具有實(shí)用價(jià)值。

3）通過對(duì)2種預(yù)測(cè)方法的預(yù)測(cè)結(jié)果（表4、表7）進(jìn)行比較分析，得出2種模型的預(yù)測(cè)結(jié)果相近，沒有出現(xiàn)較大的偏差，這也說明了1999—2010年徐州市與城市生活垃圾相關(guān)聯(lián)的社會(huì)、自然以及經(jīng)濟(jì)因素并未發(fā)生大的波動(dòng)；但2011—2018年2種模型的垃圾產(chǎn)生量預(yù)測(cè)值出現(xiàn)了些許的偏差，多元線性回歸模型的預(yù)測(cè)值稍高于GM（1,1）模型的預(yù)測(cè)值，比較而言多元線性回歸模型更精確些，由于2種模型的偏差不是很大，所以在特殊（某些影響因素?cái)?shù)據(jù)缺失）情況下，也可以使用灰色GM（1,1）預(yù)測(cè)法對(duì)徐州市的生活垃圾產(chǎn)生量做粗略預(yù)測(cè)。

4）總體觀察，可以發(fā)現(xiàn)雖然整體上徐州市城市生活垃圾產(chǎn)生量呈逐年增長趨勢(shì)，但其增長趨勢(shì)趨緩。

［1］姚穎悟.我國城市垃圾處理現(xiàn)狀與分析［J］.環(huán)境保護(hù)科學(xué)，2004，30（2）：37-39.

［2］向盛斌.城市居民生活垃圾影響因素分析及產(chǎn)量預(yù)測(cè)［J］.環(huán)境衛(wèi)生工程，1998，6（1）：7-12.

［3］梁廣生.北京市2002—2007年城市生活垃圾產(chǎn)量預(yù)測(cè)分析［J］.環(huán)境科學(xué)研究，2003，16（5）：48-51.

［4］Chen H W，Chang N B.Prediction analysis or solid waste generation basedd on grey fuzzy dynamic modeling［J］.Resour Conserv Recycl，2000，29：1-18.

［5］鄧聚龍.灰理論基礎(chǔ)［M］.武漢：華中科技大學(xué)出版社，2002.

［6］旦增，彭鵬，譚均，等.多元線性回歸模型在拉薩市區(qū)城市生活垃圾產(chǎn)量預(yù)測(cè)中的應(yīng)用［J］.西藏科技，2013（8）：40-42.

［7］宣明.數(shù)學(xué)建模與數(shù)學(xué)實(shí)驗(yàn)［M］.杭州：浙江大學(xué)出版社，2010.

［8］何正風(fēng).MATLAB在數(shù)學(xué)方面的應(yīng)用［M］.北京：清華大學(xué)出版社，2005.