關(guān)于垃圾減量分類中的量化分析

1、 答卷編號（競賽組委會填寫）：答卷編號（競賽組委會填寫）：論文題目：c關(guān)于垃圾減量分類中的量化分析參賽隊員（務(wù)必注明學(xué)號、班級）：1.姓名：李揚潔 學(xué)院：物理與電子學(xué)院 學(xué)號：1404110736 班級應(yīng)物1102電話：2. 姓名：李浩然 學(xué)院：航天航空學(xué)院學(xué)號： 班級電話： 3. 姓名： 李禎怡 學(xué)院：交通運輸工程學(xué)院 學(xué)號： 班級電話： 答卷編號（參賽報名號）：答卷編號（競賽組委會填寫）：評閱情況（評閱專家填寫）：評閱1.評閱2.評閱3.關(guān)于垃圾減量分類中的量化分析摘要本文根據(jù)題設(shè)情況和相關(guān)數(shù)據(jù)，首先建立了層次分析模型和多元線性回歸模型來描述社會因素和個體因素對于

2、垃圾產(chǎn)量的影響，其次通過各類垃圾產(chǎn)量趨勢圖和影子價格及其靈敏度分析來研究其相關(guān)性，接著從基礎(chǔ)數(shù)據(jù)的統(tǒng)計分析中判斷出其顆粒度是足夠的，應(yīng)該在廚余垃圾類和其他垃圾類中投入更多成本和精力，以及使用分層抽樣方法來檢測其工作效果，最后構(gòu)建時間序列模型預(yù)測干預(yù)措施的實施結(jié)果。綜合以上探討研究，向深圳市政府提出了一份相關(guān)建議書。針對問題一，以垃圾產(chǎn)量為目標(biāo)層，社會因素和個人因素為準(zhǔn)則層，求取各階段的判斷矩陣，建立了層次分析模型（ahp）。在一致性比率檢驗合格之后求得其最大特征根以及權(quán)向量。最后在歸一化處理后建立多元線性回歸模型，由此描述社會因素和個體因素在垃圾減量分類過程中的不同作用。針對問題二，根據(jù)附件材

3、料中兩個小區(qū)的垃圾收集統(tǒng)計表，作出各類垃圾產(chǎn)量的時間趨勢圖，從中分析出試點小區(qū)四類垃圾組分本身的數(shù)量之間的相關(guān)性。由影子價格及其靈敏度分析確定激勵措施與減量分類效果存在正相關(guān)性，原因是激勵措施影響了回歸方程中的各項系數(shù)，最終使垃圾產(chǎn)量總體減少。針對問題三，基于前面減量分類模型的研究結(jié)果，對比深圳市與其他地區(qū)的生活垃圾基礎(chǔ)數(shù)據(jù)統(tǒng)計分析，判斷出其基礎(chǔ)數(shù)據(jù)分項及顆粒度是足夠的，并且應(yīng)該在廚余垃圾類以及其他垃圾類數(shù)據(jù)獲取中投放更多的成本和精力。同時使用分層抽樣方法，從而設(shè)置少量數(shù)據(jù)便可以對其減量分類工作效果進(jìn)行檢測。針對問題四，建立時間序列模型，對各組垃圾產(chǎn)量進(jìn)行觀察測量，求得其相關(guān)圖以及自相關(guān)函數(shù)。

4、在深圳市未來5年的減量分類工作中，其關(guān)鍵措施則應(yīng)隨著arima模型中相關(guān)系數(shù)的變化而做出相應(yīng)改變。同時通過對各個影響因子建立干預(yù)模型，預(yù)測出深證市在相關(guān)措施實施之后的最好與最壞結(jié)果。本文綜合運用了matlab、lingo、eviews、excel等軟件對以上所列出的模型以及相關(guān)函數(shù)進(jìn)行求解，所求的數(shù)據(jù)經(jīng)過檢驗之后確保了精度的合格。關(guān)鍵詞：層次分析法、多元線性回歸、分層抽樣法、時間序列、干預(yù)模型1、 問題重述1.1問題背景 垃圾減量分類收集是城市生活垃圾處理問題的一個關(guān)鍵環(huán)節(jié)，通過教育、督導(dǎo)、激勵等措施（社會因素）影響個人及家庭的垃圾產(chǎn)生動因（個人因素），從而形成減少垃圾總量并分類回收良性結(jié)果的

5、控制過程。由于缺少描述“社會因素”和“個體因素”及其相互作用的量化模型，對該控制過程的研究難以開展具有一定精度的量化分析工作。相關(guān)量化模型的探討不僅可以提升垃圾產(chǎn)量的預(yù)測精度，還可以給決策活動提供有益的輔助支持手段。目前深圳市以天景花園和陽光花園作為兩個試點小區(qū)，正在進(jìn)行垃圾減量分類的試點活動。1.2問題提出 根據(jù)兩個試點小區(qū)的實際數(shù)據(jù)記錄，工作經(jīng)驗總結(jié)以及其他相關(guān)資料，構(gòu)建量化模型描述深圳天景花園和陽光花園的垃圾減量分類過程，分析試點小區(qū)四類垃圾組分?jǐn)?shù)量的相關(guān)性以及激勵措施和垃圾減量分類效果之間的相關(guān)性，探討基礎(chǔ)數(shù)據(jù)分項及顆粒度是否足夠，應(yīng)在哪些數(shù)據(jù)獲取中投入更多資源以及如何設(shè)置少量抽樣數(shù)據(jù)

6、來檢測工作效果，指出深圳市未來五年相關(guān)工作關(guān)鍵措施并預(yù)測其最好和最壞結(jié)果，最后向深圳市政府提供一份相關(guān)建議書。1.3相關(guān)數(shù)據(jù)1、 天景花園垃圾收集統(tǒng)計表，見附件二。2、 陽光花園垃圾收集統(tǒng)計表，見附件三。2、 問題分析 針對問題一，要求綜合考慮影響居民垃圾產(chǎn)量的各個方面，構(gòu)建量化模型來描述社會因素和個體因素對于垃圾產(chǎn)量的影響，而這個問題中社會因素和個體因素有多有少，有大有小，是多層次、多因素而具有復(fù)雜性的，需要利用層次分析法對其分析，處理數(shù)據(jù)之間的相關(guān)性。因此通過層次分析模型建立遞階層次結(jié)構(gòu)，求出其最大特征根以及最大特征向量，再建立多元線性回歸模型。針對問題二，要求基于問題一的減量分類模型，分

7、析小區(qū)四類垃圾組分本身的數(shù)量之間存在的相關(guān)性，以及各項激勵措施與減量分類效果存在的相關(guān)性，并闡釋其原因。因此根據(jù)附件材料中的相關(guān)數(shù)據(jù)作出其趨勢圖，從中便可以通過曲線的變化而直觀地判斷出其相關(guān)性，并且通過影子價格及其靈敏度分析確定激勵措施與減量分類效果存在的相關(guān)性，根據(jù)這些分析結(jié)果得出其中的原因。針對問題三，要求前兩問減量分類模型的研究結(jié)果，探討基礎(chǔ)數(shù)據(jù)分項的顆粒度是否足夠，應(yīng)在哪些地方投放更多的精力，以及如何設(shè)置少量抽樣數(shù)據(jù)來檢測其一定區(qū)域內(nèi)的工作效果。因此通過對深圳市與其他地區(qū)的生活垃圾基礎(chǔ)數(shù)據(jù)分析進(jìn)行對比，從而得出其基礎(chǔ)數(shù)據(jù)分項以及顆粒度是否足夠，在哪部分?jǐn)?shù)據(jù)中投放更多精力，最后通過分層抽

8、樣方法監(jiān)測其工作效果。針對問題四，要求在減量分類模型的基礎(chǔ)上，指出未來五年減量分類工作的關(guān)鍵措施，并且預(yù)測期措施實施的最好與最壞結(jié)果。由于各類生活垃圾的數(shù)據(jù)動態(tài)變化并且具有隨機(jī)性，因此建立時間序列模型對這些數(shù)據(jù)進(jìn)行觀察測量，建立armia一階模型。深圳市的垃圾減量分類工作相關(guān)措施應(yīng)該要隨著時間序列模型的相關(guān)系數(shù)變化而做出相應(yīng)改變，而其措施實施結(jié)果可由干預(yù)模型預(yù)測得出。3、 模型假設(shè)1、 垃圾產(chǎn)量不因為節(jié)假日等特殊原因而大幅變化；2、 垃圾產(chǎn)量原有因素的比例不因新引進(jìn)因素變化；3、 城市生活所產(chǎn)生的生活垃圾都得到了相應(yīng)分類；4、 城市生活所產(chǎn)生的生活垃圾都得到了相應(yīng)回收；5、 政府對垃圾處理的政

9、策在相應(yīng)時間內(nèi)沒有變化；6、 家庭情況這些個人因素在相應(yīng)時間內(nèi)沒有變化。4、 符號說明序號符號含義1y垃圾總產(chǎn)量2法律法規(guī)3教育和宣傳4經(jīng)濟(jì)及社會效益5平均收入6受教育水平7家庭結(jié)構(gòu)8戶籍類型9生活習(xí)慣10最大特征根11a矩陣12b結(jié)果向量5、 模型的建立和求解5.1問題一：描述垃圾減量分類過程5.1.1變量分析以作為評價對象的垃圾總產(chǎn)量y建立目標(biāo)層，以影響垃圾總量的有八個因素建立準(zhǔn)則層，分別是法律法規(guī)、教育和宣傳、經(jīng)濟(jì)及社會效益、平均收入、受教育水平、家庭結(jié)構(gòu)、戶籍類型、生活習(xí)慣，將這八個因素作為八個評價因子。通過兩兩比較構(gòu)造判斷矩陣, 確定各準(zhǔn)則對于目標(biāo)的權(quán)重及各方案對每一準(zhǔn)則的權(quán)重。進(jìn)行

10、一致性檢驗以確定獲得的判斷矩陣是否合理。應(yīng)用矩陣運算最終確定方案層對目標(biāo)層的權(quán)重, 具有最大權(quán)重的方案即為最優(yōu)方案。如下所示：法律法規(guī)教育和宣傳經(jīng)濟(jì)及社會效益平均收入受教育水平家庭結(jié)構(gòu)戶籍類型生活習(xí)慣5.1.2構(gòu)建量化模型根據(jù)陽光家園垃圾減量分類情況，深圳市垃圾減量分類工作試點小區(qū)在其過程中分為啟動期、試行期、實施期三個階段。而每個階段的最主要影響因素均不同，所以本模型針對每一階段運用一次層次分析模型。對于每一個層次分析模型，均需要在一致性檢驗合格之后求得其最大特征根和最大特征向量，從而建立起三個多元線性回歸方程以描述其減量分類過程，體現(xiàn)社會因素和個人因素在不同階段對于垃圾產(chǎn)量的不同影響。其遞

11、階層次結(jié)構(gòu)如下圖所示：生活習(xí)慣教育和宣傳經(jīng)濟(jì)及社會效益平均收入受教育水平家庭結(jié)構(gòu)垃圾產(chǎn)量法律法規(guī)戶籍類型 由此構(gòu)建出三個時期的對比矩陣分別為：1、 啟動時期：a= 1 1 2 1/5 1/4 1/7 1/8 3 1 1 2 1/4 1/3 1/6 1/7 2 1/2 1/2 1 1/6 1/5 1/7 1/8 1 5 4 6 1 2 1/3 1/5 6 4 3 5 1/2 1 1/2 1/4 5 7 6 7 3 2 1 1/3 7 8 7 8 5 4 3 1 1/9 1/3 1/2 1 1/6 1/5 1/7 9 12、 試行時期3、 實施時期a= 1.0000 4.0000 2.0000 8

12、.0000 5.0000 6.0000 7.0000 4.0000 0.3333 1.0000 0.3333 6.0000 2.0000 3.0000 4.0000 0.5000 0.5000 3.0000 1.0000 8.0000 4.0000 5.0000 6.0000 2.0000 0.1250 0.1667 0.1250 1.0000 0.2000 0.3333 0.5000 0.1429 0.2000 0.5000 0.2500 5.0000 1.0000 2.0000 3.0000 0.3333 0.1667 0.3333 0.2000 3.0000 0.5000 1.0000

13、2.0000 0.2500 0.1429 0.2500 0.1429 2.0000 0.3333 0.5000 1.0000 0.20000.2500 2.0000 0.5000 7.0000 3.0000 4.0000 5.0000 1.0000 矩陣構(gòu)建之后分別對其做以下處理： 1、計算a每一行的元素的積： 2、給開n次方 3、標(biāo)準(zhǔn)化： 其中為特征向量，三個矩陣的特征向量分別如下： 4、求出最大特征值 5、判斷三個矩陣一致性 =通過v,d=eig(a)求得矩陣a的最大特征根，= 8.3479 一致性指標(biāo)cici = 0.0497一致性比率crans = 1.4100經(jīng)過檢驗后這個矩陣是合格

14、的，對應(yīng)的權(quán)向量為：=0.3425 0.1086 0.2275 0.0213 0.0710 0.0460 0.0311 0.1521歸一化處理后得 b= 2.8588 0.9064 1.8992 0.1774 0.5928 0.3842 0.2592 1.2698 由此建立多元線性回歸模型得到：y=b*(i)y=(2.8588+0.9064+1.8992+ 0.1774+ 0.5928+0.3842+0.2592 +1.2698)通過以上多元線性回歸模型可以看出，法律法規(guī)對垃圾產(chǎn)量的影響最大，為2.8588，其次為經(jīng)濟(jì)及社會效益，達(dá)到了1.8992，以及生活習(xí)慣的影響也較為重要，為1.2698

15、.5.2問題二：探討其中的相關(guān)性根據(jù)附件材料提供的天景花園和陽光花園的垃圾收集統(tǒng)計表，通過matlab7.0作圖如下所示：由圖像可以直觀明了地看出，可回收物廚余垃圾有害垃圾其他垃圾可回收物0.4621520.114367-0.11697廚余垃圾0.135967-0.46887有害垃圾-0.09404其他垃圾 由觀察分析可知： 對于天景花園，其廚余垃圾與可回收物呈正相關(guān)、與其他垃圾呈負(fù)相關(guān)，有害垃圾與可回收物、廚余垃圾均呈正相關(guān)，其他垃圾與可回收物、廚余垃圾、有害垃圾之間均呈負(fù)相關(guān)。 對于陽光花園，其廚余垃圾與可回收物、其他垃圾呈負(fù)相關(guān)，有害垃圾與可回收物、廚余垃圾呈正相關(guān)，其他垃圾與可回收垃圾

16、呈負(fù)相關(guān)，有害垃圾與其他垃圾呈負(fù)相關(guān)。當(dāng)相關(guān)政府部門對垃圾分類工作實施激勵措施的時候，隨著相關(guān)政策的鼓勵、督導(dǎo)的加強(qiáng)以及惠民政策的提出時，由前問中的三個多元線性回歸模型：（三個線性回歸模型） 對其通過影子價格分析法、以及對其靈敏度分析可知，當(dāng)政府的督導(dǎo)加強(qiáng)、相關(guān)政策的提出時，模型中相應(yīng)項的x(i）會變化，回歸方程中相應(yīng)系數(shù)也可能會隨之變化，在這一切的影響下，垃圾總量y最終會隨之減少。 最終通過分析得出各項激勵措施與減量分類的效果呈正相關(guān)，加大政府督導(dǎo)有利于垃圾減量分類的更好實現(xiàn)。5.3問題三：探討數(shù)據(jù)分項是否足夠以及檢測其工作結(jié)果5.3.1 基礎(chǔ)數(shù)據(jù)分項及顆粒度是否足夠 在世界各地，垃圾回收都

17、作為一種產(chǎn)業(yè)得到了迅速發(fā)展，而垃圾分類作為其中極為重要的一個步驟而逐漸得到重視。以下將根據(jù)附件材料中的各種統(tǒng)計分析，探討其基礎(chǔ)數(shù)據(jù)分項以及顆粒度是否足夠。 首先是深圳某垃圾場的垃圾成分分析圖如下： 由上圖可以得知，深圳市將垃圾主要分為廚余類、紙類、橡塑類、紡織類、竹木類、灰土類、磚瓦類、玻璃類、金屬類以及其他等。而在西方發(fā)達(dá)國家如美國和日本等國家，其生活垃圾組分含量圖如下所示：通過三個圖的比較，可以了解到深圳市當(dāng)前的垃圾類型分類與美國、菲律賓、日本的垃圾分類有所不同。并且深圳的垃圾分類中僅其他類和廚余類占總量的十分之一甚至還高。這也就說明深圳的基礎(chǔ)數(shù)據(jù)分項尚不足夠細(xì)，仍需將這兩類進(jìn)行細(xì)致劃分以

18、得到更多的分項。因此深圳市目前統(tǒng)計的基礎(chǔ)數(shù)據(jù)分項并不足夠。 另外在樣品制備過程中，將烘干后的生活垃圾樣品中各種成分的粒徑分級破碎至5mm以下，嚴(yán)格按照生活垃圾樣品物理組成的干基比例，將粒徑為5mm以下的各種成分混合均勻；縮分至500g；用研磨儀將其粒徑研磨至0.5mm以下。這種研磨標(biāo)準(zhǔn)對于計算垃圾含水率和物理組成干基比例已經(jīng)足夠，而垃圾含水率和干基比對于垃圾減量分類的研究占很大比重，所以顆粒度足夠。5.3.2在廚余垃圾和其他垃圾類投放更多成本和精力 由上述數(shù)據(jù)可分析得出廚余類、混合類垃圾占有很大比重，以鴨湖填埋場的垃圾分析為例，如下圖表所示 由以上數(shù)據(jù)可分析得出深圳市垃圾分類處理中，廚余類、混

19、合類、其他類所占比例較大，這三種分類操作難度大，工作復(fù)雜，且含水率普遍較高，因此在進(jìn)行深圳現(xiàn)有垃圾減量分類督導(dǎo)過程中，應(yīng)在這些方面主要投入人力、物力、財力。 5.3.3通過分層抽樣來檢測工作效果 根據(jù)分析，在減量分類模式大面積推廣時，我們可以使用層次隨機(jī)抽樣法來獲得數(shù)據(jù)，可將深圳市按區(qū)域大致劃分為九個區(qū)，然后由各區(qū)人口占總?cè)丝诘牟煌髯苑峙涑霾煌某闃颖壤嬎愠龈鱾€區(qū)的人口比重。然后，將所要獲取的樣本名額分層發(fā)放到各個區(qū)中，在每個區(qū)內(nèi)部也采用同樣的分層抽樣方法將抽樣名額逐層分配，這樣能以較少的具有代表性的樣本名額來科學(xué)的分析總體分類減量的效果。5.4問題四：探討減量分類工作的關(guān)鍵措施以及預(yù)測

20、其結(jié)果5.4.1關(guān)鍵措施經(jīng)過前面三個問題的探討，已經(jīng)建立起描述垃圾分類過程的三個層次分析模型、多元線性回歸方程，分析了其中的相關(guān)性以及檢測其工作結(jié)果。在最后一問中，要求基于之前三問的模型研究，指出深圳未來五年的工作關(guān)鍵措施并且預(yù)測其結(jié)果。從問題一的探討中可知，法律法規(guī)、社會及經(jīng)濟(jì)效益、生活習(xí)慣，這些因素都是在垃圾減量分類過程中影響最大的幾個因子。深圳市未來五年推進(jìn)減量分類工作的關(guān)鍵措施，則應(yīng)該圍繞著這幾個點展開。出臺相應(yīng)的政策，采取更多的激勵措施，注重其工作的社會及經(jīng)濟(jì)效益，加強(qiáng)教育和宣傳督導(dǎo)，讓市民生活習(xí)慣得以改進(jìn)。深圳市政府應(yīng)該在這些關(guān)鍵點上采取更多措施，從而使得深圳市的垃圾減量分類工作有

21、條不紊地展開，取得更好的效果。5.4.2預(yù)測其最好與最壞結(jié)果5.4.2.1時間序列模型 在之前研究的基礎(chǔ)上，深圳市采取了相應(yīng)的關(guān)鍵措施之后，要求預(yù)測出其最好與最壞結(jié)果，由此引入時間序列模型和干預(yù)模型。回收物分析： 1.自相關(guān)圖顯示延遲3階之后，自相關(guān)系數(shù)全部衰減到2倍標(biāo)準(zhǔn)差范圍內(nèi)波動，這表明序列明顯地短期相關(guān)。但序列由顯著非零的相關(guān)系數(shù)衰減為小值波動的過程相當(dāng)連續(xù)，相當(dāng)緩慢，該自相關(guān)系數(shù)可視為不截尾 2.偏自相關(guān)圖顯示除了延遲1階的偏自相關(guān)系數(shù)顯著大于2倍標(biāo)準(zhǔn)差之外，其它的偏自相關(guān)系數(shù)都在2倍標(biāo)準(zhǔn)差范圍內(nèi)作小值隨機(jī)波動，而且由非零相關(guān)系數(shù)衰減為小值波動的過程非常突然，所以該偏自相關(guān)系數(shù)可視為一

22、階截尾 。3.所以可以考慮擬合模型為ar(1)所以：ar模型，y=59.71359+由此依次對其他垃圾組類進(jìn)行相關(guān)分析，得到：廚余垃圾分析： ：從而得到廚余垃圾的ar一階模型：y=117.6648+以此方法得到其他垃圾的ar一階模型為: y=125.3474+5.4.2.2干預(yù)模型在深圳市推進(jìn)減量分類工作之前，對其數(shù)據(jù)進(jìn)行分析，得到下圖：該圖中無明顯的增長或減小趨勢，可以認(rèn)為是平穩(wěn)序列，依照前面敘述作出其自相關(guān)和偏相關(guān)的圖，得出其能以95%的水平保證自相關(guān)函數(shù)、偏自相關(guān)函數(shù)為0，所以，該序列為純隨機(jī)序列。 建立干預(yù)模型： （干預(yù)前=0，干預(yù)后=1） 干預(yù)預(yù)測值為：由以上數(shù)據(jù)可以得知，深圳市在推

23、進(jìn)其垃圾減量分類工作之后的五年，其最好結(jié)果便是在原有的基礎(chǔ)垃圾產(chǎn)量分別減少如上表所示，最壞結(jié)果便是不受干預(yù)模型的影響。6、 建議書 經(jīng)過改革開放三十年的高速發(fā)展，深圳已成為具有國際影響力的區(qū)域中心城市。隨著城市化的推進(jìn)，市民生活水平的逐步提高，城市生活垃圾處理已成為一個具有挑戰(zhàn)性的問題。垃圾減量分類活動作為一個干預(yù)性過程正在逐步得到重視，而由于缺少描述其中各種因素作用的量化模型而難以開展量化分析工作。本文基于相關(guān)問題建立了一系列模型，并對于各種問題進(jìn)行了深入探討，得出了一定的研究結(jié)果。在這些成果的基礎(chǔ)上，向深證市政府發(fā)出以下倡議：1、出臺相應(yīng)的激勵措施以及相關(guān)惠民政策。激勵措施與減量分類效果之

24、間存在正相關(guān)性，隨著這些政策的施行，將會影響垃圾產(chǎn)量其多元線性回歸模型中的相關(guān)系數(shù)，并且最終實現(xiàn)垃圾產(chǎn)量減少的目的。2、注重垃圾減量分類工作其經(jīng)濟(jì)及社會效益，并且制定一些強(qiáng)制性的法律法規(guī)。因為這些因素在影響垃圾產(chǎn)量的各種社會因素和個人因素中占有更為重要的作用，對其的重視將更為有效地對垃圾產(chǎn)量產(chǎn)生影響。3、加強(qiáng)教育和宣傳力度。讓更多的人意識到垃圾減量分類的重要性，并對其個人習(xí)慣產(chǎn)生影響，最終作用于垃圾產(chǎn)量的減少。教育和宣傳力度不僅對于垃圾產(chǎn)量本身存在作用，其后續(xù)影響則更為重要。4、加大垃圾分類的相關(guān)項目的投資，在部分?jǐn)?shù)據(jù)的獲取中投放更多的成本和精力。垃圾分類是一個相當(dāng)復(fù)雜的工程，要想達(dá)到良好的效

25、果，需要投入更多的的人力和財力。加大垃圾分類工程的投資，是進(jìn)行分類工作的基礎(chǔ)。4、改善市民生活質(zhì)量。通過減量分類工作的量化分析模型的研究，居民生活質(zhì)量、生活水平的良好程度對垃圾分類減量工程的效果有相當(dāng)?shù)挠绊?。民生和環(huán)保是相互作用、相輔相成的，政府應(yīng)該致力于民生質(zhì)量的提高。5、限制人口數(shù)量。隨著深證市經(jīng)濟(jì)的強(qiáng)勁發(fā)展，外來人口持久快速增長，目前深圳總?cè)丝谝堰^兩千萬。人口數(shù)量的快速增長同時也會使垃圾產(chǎn)量大幅提升，在一定程度上控制人口數(shù)量的劇烈增長，也是治理垃圾增長得重要措施。6、參考借鑒其他國家和地區(qū)的管理經(jīng)驗。西方發(fā)達(dá)國家在環(huán)境管理尤其是垃圾處理上具有許多優(yōu)勢，在國內(nèi)上海、杭州等地區(qū)都是垃圾治理的

26、成功案例。通過參考借鑒這些優(yōu)秀的管理經(jīng)驗，會使得垃圾工作更為順利。7、 模型的評價和推廣 7.1優(yōu)點：7.1.1合理性 1、模型的合理性。在建立相關(guān)模型之前，都對于題中數(shù)據(jù)進(jìn)行了相關(guān)分析，并且對于模型的建立進(jìn)行了相關(guān)的可行性分析。比如在第一個問題的層次分析模型確定之前，已進(jìn)行一致性比率檢驗并且合格。2、假設(shè)的合理性。對于模型的假設(shè)，都是基于現(xiàn)實生活中的一般情況以及解決問題的必要條件而提出的，主要圍繞著垃圾產(chǎn)量涉及的各種社會因素和個人因素進(jìn)行假設(shè)，使其不會因為其他干擾因素而使得結(jié)果出現(xiàn)大的偏差。7.1.2創(chuàng)造性在問題四的解決中，引入了時間序列模型，首先對于各類垃圾動態(tài)數(shù)據(jù)進(jìn)行平穩(wěn)分析，確認(rèn)其為隨

27、機(jī)序列。之后引入干預(yù)模型，求得其在相關(guān)措施實施之后取得的效果，由此預(yù)測出的最好與最壞結(jié)果具有一定的創(chuàng)造性。7.1.3科學(xué)性在本文中引入的一系列模型都是由具體問題分析后建立的，層次分析模型基于其各種因素的影響不同，多元線性回歸模型基于其多種影響因子，時間序列模型基于其隨機(jī)序列，這些模型都可以用數(shù)學(xué)軟件求解，減少了工作量。7.2缺點7.2.1層次分析模型。 層次分析模型的遞階層次結(jié)構(gòu)以及對比矩陣在一定程度上都是基于個人的判斷，并且在一致性比率的檢驗中雖然合格，但其仍然還有一定的誤差。而在層次分析模型建立之后的多元線性回歸模型，其精確性也會受其影響。7.2.2時間序列模型 時間序列模型沒有考慮到實際

28、生活情況中各種干擾因素的變化，只是純粹從數(shù)學(xué)的角度來預(yù)測，因此其結(jié)果是比較理想化的。通過時間序列模型預(yù)測出的措施實施后的最好與最壞結(jié)果，干預(yù)模型基于時間序列，仍會受到其影響。7.3推廣本文所建立的模型都具有很強(qiáng)的現(xiàn)實意義，對于現(xiàn)實生活中的問題的解決都可以起到一定幫助作用。若將文中的數(shù)學(xué)模型與實際生活情況結(jié)合起來，將對垃圾分類減量工作起到一定程度上的輔助和支持作用。8、 參考文獻(xiàn)【1】姜啟源，數(shù)學(xué)模型，高等教育出版社，2004年【2】丁正生 ，概率論與數(shù)理統(tǒng)計簡明教程，高等教育出版社 ，2008 年【3】葛軍，葛倫應(yīng)，層次分析法確定水質(zhì)指標(biāo)權(quán)重，當(dāng)代建筑，2003年【4】向盛斌，城市居民生活垃圾

29、影響因素分析及產(chǎn)量預(yù)測，環(huán)境衛(wèi)生工程 【5】錢頌迪 運籌學(xué) 清華大學(xué)出版社， 2005年9、 附錄9.1 相關(guān)程序%輸出格式 format short; %(輸入待求的矩陣a); a=xlsread(d:matlabbin3.xls,a1:h8);v,d=eig(a); %最大特征值 tbmax=max(d(:); %得到行數(shù)和列數(shù) m,n=size(v); ri=0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49 1.51; %將特征向量標(biāo)準(zhǔn)化 sum = 0; for i=1:m sum = sum + v(i,1); end tbvector = v(:

30、,1); for i=1:m tbvector(i,1)= v(i,1)/sum; end ci=(tbmax-n)/(n-1);cr=ci/ri(n); disp(=); disp(輸入的矩陣為：); a disp(所有的特征向量和特征值為：); v d disp(最大的特征值為：); tbmax disp(最大的特征值對應(yīng)的特征向量為（標(biāo)準(zhǔn)化后的）或叫權(quán)向量：); tbvector disp(一致性指標(biāo)ci);cidisp(一致性比率cr);ri(n)crif cr=0.1 disp(符合一致性驗證);else disp(沒通過9.2 時間序列模型數(shù)據(jù)差量干預(yù)預(yù)測值措施后總量措施前總量措施

31、后預(yù)測總量預(yù)測后總量58.9345335558.9345328521122112328.379705447.75002758.3159429621522110.867334.59901839.015468947.1314330521002112.497326.513911622.7423731638.3968732120802110.82323.404255313.2541554822.1237733021202107.822329.623567941.2002528612.6355630220902107.491324.959083536.836125240.5816530620852105

32、.255324.181669446.4211890336.2175329621302102.707331.178396162.5026129345.8025928021522103.207334.59901839.851432961.8840130321432105.349333.199672733.1354394439.2328331021112107.093328.224222637.094401832.5168430621352106.841331.955810123.3233657936.475832021252108.247330.40098232.4604836322.704773

33、1120822109.089323.715220941.1375564631.8418930220722107.106322.160392843.6952618740.5189629920582104.39319.983633442.088165343.0766630020922100.662325.270049152.8396595741.4695728920882099.136324.648117829.5536988552.2210631220662097.38321.227495916.0334001628.935132521032094.185326.980360124.915986

34、9115.414831621222093.464329.934533630.0247692324.2973931121362094.132332.11129315.3128469729.4061732621022095.901326.824877336.2586186614.6942530521422095.568333.044189941.6528731635.6400230021052097.989327.291325738.6701350241.0342730320922098.095325.270049142.5523960738.0515429921132097.372328.535188235.6650867441.933830621322098.064331.48936177.99648199735.0464933421002100.099326.513911640.995179217.37788430120982100.091326.20294639.9718919840.3765830220782099.948323.093289731.7290859239.3532931021222098.457329.934533636.9582127731.1104930521442099.864333.35