基于GRA-BiLSTM組合模型的深圳市生活垃圾預(yù)測(cè)研究

摘要：城市生活垃圾的日益增多帶來(lái)的環(huán)境問(wèn)題和能源資源瓶頸是我國(guó)面臨的重要挑戰(zhàn)。為保證城市生活垃圾的有效管理，以深圳市作為研究對(duì)象，首先，構(gòu)建灰色關(guān)聯(lián)度分析與雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)組合模型（GRA-BiLSTM）；其次，運(yùn)用灰色關(guān)聯(lián)度分析方法篩選關(guān)聯(lián)度較高的指標(biāo)作為模型的輸入指標(biāo)；最后，對(duì)深圳市2021—2035年城市生活垃圾清運(yùn)量進(jìn)行預(yù)測(cè)。結(jié)果表明，組合模型GRA-BiLSTM對(duì)預(yù)測(cè)深圳市城市生活垃圾清運(yùn)量表現(xiàn)出良好的適用性，可為城市生活垃圾的管理提供參考。

關(guān)鍵詞：生活垃圾清運(yùn)量預(yù)測(cè)；GRA-BiLSTM組合模型；神經(jīng)網(wǎng)絡(luò)；可持續(xù)發(fā)展

0 引言

隨著我國(guó)城市化進(jìn)程步伐的加快，城市人口日益增長(zhǎng)，經(jīng)濟(jì)繁榮，顯著增加了城市生活垃圾產(chǎn)量^[1]。城市生活垃圾是人類活動(dòng)產(chǎn)生的各種固體廢物的混合物，包括食物垃圾、紙張、生物質(zhì)、玻璃、金屬、塑料、橡膠和紡織品^[2]。目前，城市生活垃圾通過(guò)填埋、堆肥和焚燒的方式進(jìn)行管理^[3]，特別是焚燒處理逐漸成為管理策略。垃圾焚燒處理方式更能滿足城市生活垃圾處理的減量化和無(wú)害化發(fā)展需求，未來(lái)焚燒處理方式將進(jìn)一步成為生活垃圾處理的主流方向。

深圳市作為我國(guó)經(jīng)濟(jì)特區(qū)，人口持續(xù)凈流入，生活垃圾清運(yùn)量持續(xù)高速增長(zhǎng)，城市生活垃圾的處理需求不斷增加。低估城市生活垃圾的產(chǎn)生會(huì)導(dǎo)致處置能力不足，對(duì)環(huán)境造成嚴(yán)重污染，而預(yù)測(cè)城市生活垃圾新技術(shù)的出現(xiàn)^[1]，為城市生活垃圾管理提供了有力的數(shù)據(jù)支撐。在最新的研究中，深度學(xué)習(xí)方法已逐漸應(yīng)用到城市生活垃圾清運(yùn)量預(yù)測(cè)過(guò)程中，但簡(jiǎn)單的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度往往低于組合模型預(yù)測(cè)方法。本研究結(jié)合灰色關(guān)聯(lián)分析和深度學(xué)習(xí)方法的優(yōu)勢(shì)，構(gòu)建灰色關(guān)聯(lián)分析和雙向長(zhǎng)短期記憶網(wǎng)絡(luò)模型GRA-BiLSTM，利用9個(gè)關(guān)鍵影響因素實(shí)現(xiàn)對(duì)2021—2035年深圳市城市生活垃圾清運(yùn)量的準(zhǔn)確預(yù)測(cè)，并提出相應(yīng)的可持續(xù)發(fā)展的建議。

1 模型

1.1 GRA-BiLSTM組合模型

1.1.1 BiLSTM

在傳統(tǒng)長(zhǎng)短期記憶（Long Short-Term Memory，LSTM）網(wǎng)絡(luò)中，輸入的時(shí)間序列數(shù)據(jù)以串聯(lián)方式處理，會(huì)丟棄未來(lái)的數(shù)據(jù)信息^[4]。與LSTM相比，雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（BiLSTM）結(jié)構(gòu)充分考慮輸入數(shù)據(jù)在時(shí)間序列中的雙向關(guān)系。本文運(yùn)用BiLSTM模型，通過(guò)雙向處理基于門機(jī)制獲取更多結(jié)構(gòu)信息，可增強(qiáng)信息增益的能力^[5]。BiLSTM模型將信息按前后順序進(jìn)行編碼，獲取前后數(shù)據(jù)的信息特征，從而提高泛化能力。LSTM單元從輸入序列出發(fā)，輸入序列的反形式集成到LSTM網(wǎng)絡(luò)中。前向?qū)雍秃笙驅(qū)由葿iLSTM模型。雙向長(zhǎng)短期神經(jīng)記憶網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖1所示。

該模型運(yùn)行公式如下

h_t=f（w₁x_t+w₂h_t－1+b）""" （1）

h′_t=f（w₃x_t+w₅h_t－1+b′）""" （2）

y_t=w₄h_t+w₆h′_t+b_y""" （3）

式中，w₁～w₆為對(duì)應(yīng)的權(quán)重系數(shù)；x_t為輸入層；y_t為輸出層；h_t為前向?qū)樱籬′_t為后向?qū)?；b、b′、b_y為對(duì)應(yīng)的偏差向量。

1.1.2 GRA

灰色關(guān)聯(lián)度分析（GRA）是一種多因素統(tǒng)計(jì)分析方法^[6]，其基本思想是通過(guò)確定參考數(shù)據(jù)列和若干個(gè)比較數(shù)據(jù)列的幾何形狀相似程度來(lái)判斷二者關(guān)系，可反映指標(biāo)間的關(guān)聯(lián)程度。由于系統(tǒng)中各因素列中的數(shù)據(jù)可能有不同的范圍和單位，不便于比較或在比較時(shí)難以得到正確的結(jié)論。因此，在進(jìn)行灰色關(guān)聯(lián)度分析前要進(jìn)行數(shù)據(jù)的無(wú)量綱化處理。

設(shè)參考數(shù)列x₀={x₀（1），x₀（2），…，x₀（n）}，其中，n為輸入數(shù)據(jù)個(gè)數(shù)，比較數(shù)列x_i={x_i（1），x_i（2），…，x_i（n）｝（i=0，1，2，…，m－1），其中m為所有指標(biāo)數(shù)量。每個(gè)指標(biāo)作為一個(gè)參考序列，其余指標(biāo)序列作為比較序列。

首先，將m組指標(biāo)進(jìn)行均值化處理，以消除維數(shù)的影響，即

然后，計(jì)算t時(shí)刻y_i（t）和y₀（t）的灰色關(guān)聯(lián)系數(shù)，即

式中，ξ_i（t）是灰色關(guān)聯(lián)系數(shù)。調(diào)整參數(shù)ρ∈（0，1），使得各指標(biāo)的關(guān)聯(lián)性增強(qiáng)。計(jì)算y₀和y_i兩者之間的關(guān)聯(lián)系數(shù)，即

各指標(biāo)作為一個(gè)參考序列，借助式（7）計(jì)算得到每個(gè)指標(biāo)的關(guān)聯(lián)系數(shù)矩陣，式（7）如下

通過(guò)計(jì)算關(guān)聯(lián)系數(shù)的平均值，作為比較序列與參考序列間關(guān)聯(lián)程度的數(shù)量，得到各指標(biāo)對(duì)應(yīng)的權(quán)重。綜上，關(guān)聯(lián)系數(shù)的絕對(duì)值與關(guān)聯(lián)性的強(qiáng)弱相對(duì)應(yīng)。絕對(duì)值越大，關(guān)聯(lián)性越強(qiáng)；反之，關(guān)聯(lián)性越弱。

2 實(shí)驗(yàn)分析

2.1 指標(biāo)相關(guān)性分析

城市生活垃圾不同于其他垃圾，具有來(lái)源廣、種類雜、異質(zhì)性等特點(diǎn)。影響城市生活垃圾產(chǎn)生量的因素眾多，現(xiàn)有研究主要集中在經(jīng)濟(jì)因素、社會(huì)因素和人口因素三個(gè)方面。城市人口增長(zhǎng)作為直接導(dǎo)致城市垃圾產(chǎn)生量的內(nèi)在因素，與城市生活垃圾生成呈正相關(guān)關(guān)系。當(dāng)就業(yè)人員具有一定的收入水平時(shí)，產(chǎn)生的濕廢物較少，干廢物較多；而當(dāng)人們失業(yè)時(shí)，收入較低甚至沒有，購(gòu)買力下降，城市生活垃圾的產(chǎn)生也將減少。

隨著城市規(guī)模擴(kuò)大，經(jīng)濟(jì)快速發(fā)展，城市居民經(jīng)濟(jì)收入和生活水平的提高，居民消費(fèi)品數(shù)量與類別增加，相應(yīng)的城市生活垃圾產(chǎn)生量會(huì)隨之增加，因此，居民的可支配收入、消費(fèi)支出及社會(huì)消費(fèi)品零售總額都是城市生活垃圾產(chǎn)生量的重要影響因素。經(jīng)研究發(fā)現(xiàn)，城市第三產(chǎn)業(yè)產(chǎn)值的增長(zhǎng)與城市生活垃圾產(chǎn)生量呈正相關(guān)關(guān)系。

本文研究了深圳市總體城市生活垃圾產(chǎn)生量情況，利用1986—2020年城市生活垃圾產(chǎn)生量歷史數(shù)據(jù)，預(yù)測(cè)2020—2035年城市生活垃圾產(chǎn)生量，以此計(jì)算得到深圳市總體城市生活垃圾焚燒處理可產(chǎn)生的熱值。

在現(xiàn)有研究基礎(chǔ)上，本研究收集并整合了可獲得的社會(huì)、經(jīng)濟(jì)和人口三大類指標(biāo)12個(gè)影響因素共442筆數(shù)據(jù)，綜合構(gòu)建了深圳市總體城市生活垃圾產(chǎn)生量的影響指標(biāo)體系，其中包括5個(gè)宏觀經(jīng)濟(jì)指標(biāo)，可以有效反應(yīng)深圳市的城市發(fā)展質(zhì)量及居民消費(fèi)能力，即GDP（億元）、人均可支配收入（元）、人均消費(fèi)支出（元）、第三產(chǎn)業(yè)產(chǎn)值（億元）、社會(huì)消費(fèi)品零售額（億元）；4個(gè)人口指標(biāo)，為影響城市生活垃圾產(chǎn)生量的直接因素，即年末戶籍人口戶數(shù)（萬(wàn)戶）、年末常住人口數(shù)（萬(wàn)人）、年末就業(yè)人員（萬(wàn)人）、過(guò)夜入境游客（萬(wàn)人）；3個(gè)社會(huì)指標(biāo)，即城市道路面積（萬(wàn)平方米）、年末實(shí)有公共汽車（輛）、建成區(qū)綠化覆蓋面積（公頃）。數(shù)據(jù)均來(lái)自于深圳市統(tǒng)計(jì)局發(fā)布的1987—2021年《深圳統(tǒng)計(jì)年鑒》。

本研究將收集到的社會(huì)、經(jīng)濟(jì)和人口三大類指標(biāo)12個(gè)影響因素進(jìn)行灰色關(guān)聯(lián)分析，指標(biāo)相關(guān)性見表1。可以看出5個(gè)經(jīng)濟(jì)指標(biāo)、4個(gè)人口指標(biāo)和3個(gè)社會(huì)指標(biāo)與城市生活垃圾清運(yùn)量之間的關(guān)聯(lián)度排序情況。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，過(guò)夜入境游客與城市生活垃圾清運(yùn)量的關(guān)聯(lián)性最強(qiáng)，建成區(qū)綠化覆蓋面積關(guān)聯(lián)性最弱。實(shí)驗(yàn)結(jié)果顯示，在經(jīng)濟(jì)、人口、社會(huì)三大類指標(biāo)中，經(jīng)濟(jì)指標(biāo)與城市生活垃圾清運(yùn)量的關(guān)聯(lián)度最強(qiáng)。為了得到更精準(zhǔn)的預(yù)測(cè)結(jié)果，本研究選擇關(guān)聯(lián)性排序前9位的指標(biāo)作為預(yù)測(cè)指標(biāo)。

2.2 模型精度分析

為了能夠較為精準(zhǔn)的預(yù)測(cè)城市生活垃圾清運(yùn)量，本研究采用傳統(tǒng)預(yù)測(cè)模型與深度機(jī)器預(yù)測(cè)模型，進(jìn)行多組對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)選取平均絕對(duì)誤差（MAE）、均方根誤差（RMSE）和平均絕對(duì)百分比誤差（MAPE）三個(gè)評(píng)價(jià)指標(biāo)來(lái)評(píng)價(jià)所選模型的預(yù)測(cè)精度，MAE、RMSE、MAPE用來(lái)衡量模擬數(shù)據(jù)與模型數(shù)據(jù)間的差異，取值范圍為：當(dāng)預(yù)測(cè)值與真實(shí)值完全吻合時(shí)，等于0；誤差越大，值越大。

平均絕對(duì)誤差計(jì)算公式如下

均方根誤差計(jì)算公式如下

平均絕對(duì)百分比誤差計(jì)算公式如下

式中，?={?₁，?₂，…，?_n}為預(yù)測(cè)值；y={y₁，y₂，…，y_n}為真實(shí)值；n為指標(biāo)變量個(gè)數(shù)。

為檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)精度，本文選取當(dāng)前較為成熟且常見的機(jī)器學(xué)習(xí)模型及深度學(xué)習(xí)模型作為對(duì)比模型，即支持向量回歸（Support Vector Regression， SVR）、LSTM、門控循環(huán)單元（GRU）、灰色關(guān)聯(lián)度與支持向量回歸的組合模型（GRA-SVR）、與門控循環(huán)單元的組合模型（GRA-GRU）、與長(zhǎng)短期記憶網(wǎng)絡(luò)的組合模型（GRA-LSTM）。

深度學(xué)習(xí)模型與其他模型相比，不同之處在于模型結(jié)構(gòu)參數(shù)經(jīng)過(guò)了優(yōu)化調(diào)整，4個(gè)影響模型精度的參數(shù)分別是學(xué)習(xí)率、每層的時(shí)間步長(zhǎng)、隱藏層數(shù)和訓(xùn)練次數(shù)。每次只調(diào)整一個(gè)參數(shù)，然后觀察損失的變化，直到確定最優(yōu)參數(shù)。各組模型的預(yù)測(cè)精度見表2。由實(shí)驗(yàn)結(jié)果可知，灰色關(guān)聯(lián)分析處理數(shù)據(jù)對(duì)提高預(yù)測(cè)模型精度有顯著作用。在這8種預(yù)測(cè)模型中，GRA-BiLSTM模型的MAE、RMSE、MAPE的值為22.7468、28.3250、3.5882%，均低于其他模型，對(duì)深圳市城市生活垃圾清運(yùn)量的預(yù)測(cè)顯出良好的適用性。

3 實(shí)驗(yàn)結(jié)果

為了能夠?qū)Τ鞘猩罾暹\(yùn)量做出更精準(zhǔn)的預(yù)測(cè)，本研究結(jié)合所選9個(gè)指標(biāo)的歷史數(shù)據(jù)和宏觀經(jīng)濟(jì)的相關(guān)規(guī)劃及發(fā)展政策，充分考慮所選影響因素未來(lái)的變化趨勢(shì)，設(shè)定了低增長(zhǎng)、基準(zhǔn)、高增長(zhǎng)三種情景。低增長(zhǎng)情景即該情境的增長(zhǎng)率是根據(jù)歷史數(shù)據(jù)合理計(jì)算經(jīng)濟(jì)、社會(huì)和人口指標(biāo)的最低非負(fù)增長(zhǎng)率；基準(zhǔn)情景即該情景的增長(zhǎng)率是基于1986——2020年各指標(biāo)年平均同比增長(zhǎng)率；高增長(zhǎng)情景即該情景是根據(jù)歷史數(shù)據(jù)系列的變化計(jì)算出各指標(biāo)的年平均增長(zhǎng)率，同時(shí)，將深圳市“十四五”時(shí)期的經(jīng)濟(jì)社會(huì)發(fā)展目標(biāo)與各指標(biāo)的行業(yè)平均增長(zhǎng)率相結(jié)合，將指標(biāo)數(shù)據(jù)設(shè)定為基準(zhǔn)增長(zhǎng)率的1.2倍。

本研究通過(guò)對(duì)比城市生活垃圾清運(yùn)量的8種預(yù)測(cè)模型，得到最優(yōu)模型GRA-BiLSTM，并運(yùn)用GRA-BiLSTM組合模型對(duì)深圳市15年的城市生活垃圾清運(yùn)量（2021—2035年）進(jìn)行預(yù)測(cè)。將三種情景的指標(biāo)作為最優(yōu)預(yù)測(cè)模型的輸入數(shù)據(jù)，合理預(yù)測(cè)深圳市城市生活垃圾清運(yùn)量。三種情景城市生活垃圾清運(yùn)量預(yù)測(cè)結(jié)果如圖2所示。低增長(zhǎng)情景結(jié)果顯示，城市生活垃圾產(chǎn)量呈緩慢增長(zhǎng)趨勢(shì)，從2020年的716萬(wàn)t增長(zhǎng)至2035年的1507.71萬(wàn)t；基準(zhǔn)情景結(jié)果顯示，深圳市城市生活垃圾清運(yùn)量呈遞增趨勢(shì)，從2020年的716萬(wàn)t增長(zhǎng)至2035年的1940.53萬(wàn)t；高增長(zhǎng)情景結(jié)果顯示，城市生活垃圾清運(yùn)量的變化趨勢(shì)與基準(zhǔn)增長(zhǎng)情景相似，但增長(zhǎng)幅度較快，從2020年的716萬(wàn)t增長(zhǎng)至2035年2788.85萬(wàn)t。綜上，到2021年深圳市城市生活垃圾清運(yùn)量在792.08萬(wàn)t～967.54萬(wàn)t波動(dòng)；到2035年，城市生活垃圾清運(yùn)量將在1507.71萬(wàn)t～2788.85萬(wàn)t波動(dòng)。

綜合現(xiàn)有的相關(guān)政策，深圳市政府建立的再生資源回收體系和生活垃圾分類收運(yùn)體系，推動(dòng)生活垃圾從源頭到末端的全過(guò)程治理，在很大程度上影響了垃圾焚燒發(fā)電的環(huán)保水平。本研究考慮深圳市的能源環(huán)境、基礎(chǔ)設(shè)施建設(shè)等因素，從城市生活垃圾產(chǎn)生和焚燒處理方面給出可持續(xù)發(fā)展的政策建議。

一方面，通過(guò)預(yù)測(cè)結(jié)果可知，深圳市生活垃圾在逐年增加，隨著城市生活垃圾清運(yùn)量的增加，現(xiàn)有垃圾焚燒廠可能無(wú)法滿足未來(lái)城市生活垃圾的處理需求，政府應(yīng)健全再生資源回收體系和生活垃圾分類收運(yùn)體系，嚴(yán)格按照市政府指定的垃圾分類及處罰規(guī)定執(zhí)行，鼓勵(lì)垃圾分類有獎(jiǎng)有罰，倡導(dǎo)城市居民綠色低碳的生活方式，從源頭限制或減少產(chǎn)生生活垃圾；應(yīng)考慮深圳市經(jīng)濟(jì)發(fā)展、社會(huì)與環(huán)境等方面的訴求，制定關(guān)于垃圾焚燒廠等無(wú)害化處理設(shè)施的建設(shè)方案，有效促進(jìn)城市生活垃圾系統(tǒng)的可持續(xù)管理。

另一方面，對(duì)城市生活垃圾回收利用的垃圾焚燒法仍存在一定的弊端，焚燒過(guò)程中產(chǎn)生大量的酸性氣體，焚燒后殘留的灰渣中含有高濃度金屬成分，如將其直接排入環(huán)境，會(huì)導(dǎo)致二次污染，因此需要對(duì)其做出適當(dāng)?shù)奶幚恚瑧?yīng)強(qiáng)化生活垃圾焚燒發(fā)電企業(yè)對(duì)垃圾從運(yùn)輸、焚燒處理到最后灰渣、排放氣體處置全流程、全環(huán)節(jié)環(huán)境管理，建立健全焚燒飛灰、臭氣、滲濾液信息化管理體系，形成常態(tài)化監(jiān)管，有效防控環(huán)境風(fēng)險(xiǎn)、防范和化解“鄰避”問(wèn)題。

4 結(jié)語(yǔ)

城市生活垃圾的清運(yùn)量不斷增長(zhǎng)，因處理不當(dāng)而造成的生態(tài)環(huán)境污染也不斷加深，逐漸制約著地區(qū)及國(guó)家經(jīng)濟(jì)發(fā)展和人民幸福生活。通過(guò)建立GRA-BiLSTM組合模型精準(zhǔn)預(yù)測(cè)深圳市城市生活垃圾清運(yùn)量，得出以下兩點(diǎn)結(jié)論：

（1）本研究運(yùn)用灰色關(guān)聯(lián)度方法分析收集的12個(gè)預(yù)測(cè)指標(biāo)與城市生活垃圾清運(yùn)量的關(guān)聯(lián)度，明確了指標(biāo)間的相互關(guān)系，篩選出9個(gè)關(guān)聯(lián)度更高的預(yù)測(cè)指標(biāo)，并將原始數(shù)據(jù)做標(biāo)準(zhǔn)化處理，可有效解決數(shù)據(jù)異常變化，有助于提高城市生活垃圾清運(yùn)量的預(yù)測(cè)性能。

（2）本研究提出了以GRA-BiLSTM組合模型對(duì)深圳市城市生活垃圾清運(yùn)量進(jìn)行預(yù)測(cè)。結(jié)果表明，該組合預(yù)測(cè)模型的MAPE為3.5882。與機(jī)器學(xué)習(xí)和單一預(yù)測(cè)模型相比，該模型可以更準(zhǔn)確地預(yù)測(cè)深圳市城市生活垃圾清運(yùn)量。

參考文獻(xiàn)

[1]劉菊芳，劉玉芳.基于神經(jīng)網(wǎng)絡(luò)的城市生活垃圾產(chǎn)生量預(yù)測(cè)——以新疆為例[J].新疆開放大學(xué)學(xué)報(bào)，2022，26（2）：62-67.

[2]李韻.城市生活垃圾成分和產(chǎn)量的統(tǒng)計(jì)分析[J].中國(guó)國(guó)際財(cái)經(jīng)（中英文），2017（7）：239.

[3]尹玉晶.城市生活垃圾處理技術(shù)現(xiàn)狀與管理對(duì)策思考[J].清洗世界，2022，38（9）：190-192.

[4]丁梓瓊，湯廣李，張波濤，等.基于改進(jìn)的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)[J].網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2023，42（8）：52-58.

[5]曹學(xué)飛，李濟(jì)洪，王瑞波，等.基于穩(wěn)健設(shè)計(jì)的雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型的調(diào)優(yōu)方法[J].應(yīng)用概率統(tǒng)計(jì)，2022，38（3）：317-332.

[6]孫金，高化猛，齊分嶺，等.基于AHP-GRA的指揮通信系統(tǒng)可靠性指標(biāo)體系構(gòu)建[J].艦船電子工程，2023，43（2）：132-138.

收稿日期：2023-09-15

作者簡(jiǎn)介：

劉雨欣（2000—），女，研究方向：工業(yè)工程與管理。