基于指数趋势模型在城市垃圾产量预测中的应用

采用了一种较新的预测算法———指数趋势模型算法对城市垃圾产量进行了预测,从结果看较为合理,对填埋场容量规划起到一定的参考作用,同时丰富了预测计算方法的研究思路。

基于MLR-ARIMA-IOWHA优化模型的城市生活垃圾产量预测

以合肥市2011—2020年历史城市生活垃圾产量为验证数据,以多元线性回归(MLR)、时间序列(ARIMA)单一模型为基础,结合加权平均组合法构建MLR-ARIMA组合模型,并引入诱导有序加权调和平均(IOWHA)算子构建MLR-ARIMA-IOWHA优化组合模型。通过历史数据验证结果表明,IOWHA算子可以提高模型预测精度,其误差平方和(SSE)、均方误差(MSE)、平均绝对百分比误差(MAPE)、均方百分比误差(MSPE)四项评价指标值分别为27.029、0.520、1.167%、0.00450,均优于MLR、ARIMA和MLR-ARIMA模型,IOWHA算子优化组合模型在城市生活垃圾产量预测的研究领域中具有一定可靠性和有效性。基于MLR-ARIMA-IOWHA优化模型预测了合肥市城市生活垃圾产量,至2030年将达到355.48万吨。MLR-ARIMA-IOWHA优化组合模型可以作为城市生活垃圾产量精准预测,为生活垃圾处理设施建设提供数据参考,为城市发展提供支撑。

BP神经网络组合预测在城市生活垃圾产量预测中应用

文章分析了组合预测理论,在建立由二次指数平滑预测模型、灰色预测模型、BP神经网络预测模型组成的组合预测模型库的基础上,利用以上三种单一预测模型的组合构成BP神经网络组合预测模型。分别应用单一预测模型和组合预测模型对湖南省城市生活垃圾产生量进行预测,通过分析和比较预测结果,验证了该组合预测方法的有效性。

城市生活垃圾产量预测研究——以武汉市为例

首先对利用回归分析方法来预测城市生活垃圾产量时容易产生伪回归进行了阐述和例证,接着运用时间序列的分析方法,对武汉市城市生活垃圾年产量序列建立了ARIMA模型,借助SAS软件系统对该模型进行了分析,并对垃圾年产量做了预测,模型拟合效果比较理想,为环卫部门加强对城市生活垃圾的回收处置及管理提供了参考。

兰州市城市生活垃圾清运量影响因素多元统计分析

为了给兰州市城市环境管理、规划及市政建设提供参考依据,在统计分析软件SPSS17.0的技术支持下,运用数理统计方法,对兰州市城市生活垃圾清运量的诸多影响因素进行了统计分析,最终得到兰州市垃圾清运量的增长趋势及其主要影响因素。研究结果表明,兰州市城市生活垃圾清运量的影响因素可归纳为三类主成分:城市发展程度、产业发展情况和居民消费价格总指数;清运量主要受全市人口密度(x1)、人均绿地面积(x2)、城市居民人均消费性支出(x3)等因素的影响;垃圾清运量的回归方程为y=150.473-0.498x1+4.184x2+0.006x3,回归方程通过概率水平0.05的检验,结果证明拟合效果良好。

变权重组合预测模型在生活垃圾产量预测计算中的应用

以合肥市2000年～2005年城市生活垃圾产量为基础数据，采用变权重组合模型对其进行分析．结果表明，该模型的预测效果优于一元线性回归法、Logarithm Fit法、指数平滑法、灰色GM（1，1）模型等各单项模型．采用该模型对合肥市2006年～2015年的垃圾产量进行了预测．预计到2015年，合肥市生活垃圾产量将达到125Mt．

基于多种时间预测模型的组合对成都市垃圾生产量的预测

通过相关文献对影响垃圾产量的因素进行分析,发现垃圾产量的来源主要受城市常住人口的影响,依据GM(1,1)灰色预测模型对2020—2030年这10年成都市人口总量进行预测,再根据预测结果建立人口数量与垃圾产量的一元线性回归预测模型,通过MATLAB对模型进行求解,从而对成都市2020—2030年的垃圾产量进行预测。由灰色预测模型分析发现,该市城市生活垃圾产生量逐年增加,建议进一步加强城市生活垃圾的管理。

发展中国家的固体废弃物管理（第二章 确定固体废弃物特性）

本文介绍了发展中国家城市垃圾产量及特性变化。