垃圾減量分類活動中社會及個體因素的量化分析畢業(yè)論文

年份政府教育支出深圳市發(fā)展水平（GDP）人均GDP值人口總數(shù)戶籍人口/非戶籍人口每戶人口數(shù)2001223601248234822724.570.2228413.2095282002278160296940369746.620.2296723.1175942003346031358547029778.270.2405873.1741322004430462428254236800.80.2597733.1731362005535495495160801827.750.2817043.1911952006666156581468441871.10.2919163.2072672007828698680276273912.370.3034043.27342820081030900778783431954.280.3140553.39895720091366266820184147995.010.3204123.458674201015953559582942961037.20.3193083.51385820111967928115061104211046.740.3439693.594043=2\*GB3②標準化數(shù)據(jù),構(gòu)造相關系數(shù)矩陣利用SPSS將數(shù)據(jù)標準化后，定義為與的相關系數(shù)，利用以下公式求得：從而構(gòu)造相關系數(shù)矩陣如下表：表一：相關系數(shù)矩陣1.000-0.262-0.195-0.265-0.103-0.502-0.2621.0000.9960.9850.9630.947-0.1950.9961.0000.9830.9810.918-0.2650.9850.9831.0000.9690.936-0.1030.9630.9810.9691.0000.861-0.5020.9470.9180.9360.8611.000從表中可以看出深圳市發(fā)展水平、人均GDP、人口總數(shù)、戶籍與非戶籍人口比極其顯著相關，存在信息重疊，可以用主成分分析，提取主成分。=3\*GB3③求得特征值與特征向量主成分的個數(shù)提取原則一般為主成分對應的特征值大于1的前個主成分。特征值在某種程度上可以被看成是表示主成分影響力度大小的指標，如果特征值小于1，說明該主成分的解釋力度還不如直接引入一個原變量的平均解釋力度大，因此，一般可以用特征值大于1作為納入標準。下表為本題方差分解主成分提取分析表：表二：解釋的總方差成份初始特征值提取平方和載入合計方差的%累積%合計方差的%累積%14.90681.77281.7724.90681.77281.77221.01416.90098.6721.01416.90098.6723.048.79599.4674.018.30799.7745.013.22099.9946.000.006100.000從上表中可以看出，前兩個主成分的值累計百分比達到98.672%,表示提取前兩個主成分信息量已經(jīng)足夠，根據(jù)上述分析，選擇提取兩個主成分，即=2。用SPSS求得特征值，將其按大小排序取出和所對應的主成分，利用下表主成分載荷矩陣，求得特征向量。表三：主成份載荷矩陣a成份12政府教育支出-.332.941深圳市發(fā)展水平.994.070人均GDP.987.143人口總數(shù).991.070戶籍人口喻非戶籍人口比.960.238每戶人口數(shù).965-.204=4\*GB3④得到主成分評價函數(shù)將上述主成分載荷矩陣做標準化處理，得到結(jié)果如下：表四：主成分載荷矩陣A1B1A2(特征值)B2(特征值)ZA2(標準化數(shù)據(jù))ZB2(標準化數(shù)據(jù))-0.33210.9407-0.14990.9342-2.04051.88740.99410.07040.44880.06990.4358-0.35970.98690.14330.44560.14230.4224-0.17170.99080.06990.44730.06940.4297-0.36100.95990.23850.43340.23680.37190.07420.9647-0.20430.4355-0.20290.3808-1.0691將所得到的特征向量和標準化數(shù)據(jù)相乘，得到主成分表達式如下：然后計算主成分總表達式，以每個主成分所對應的特征值占所提取主成分總的特征值之和的比例所謂權重，即總表達式中的系數(shù)為第一表達式中的系數(shù)乘以對應貢獻率再除以兩個主成分的貢獻率之和，加上第二表達式中的系數(shù)乘以對應貢獻率再除以兩個主成分的貢獻率之和。得到主成分綜合模型如下：5.1.2多元回歸模型一、模型的準備(1)模型的確定本題中社會因素和個人因素中在垃圾減量分類工作中是主導因素，可通過量化指標進行具體分析；對社會因素及個人因素分別進行量化，確定六個量化指標即政府教育支出，深圳GDP值，人均GDP值，人口總數(shù)，戶籍人口與非戶籍人口比例，家庭平均人口數(shù)。通過六個量化指標建立多元線性回歸模型。多元線性回歸分析的模型為式中都是與無關的未知參數(shù)，其中稱為回歸系數(shù)。現(xiàn)得到個獨立觀測數(shù)據(jù)，由上述模型公式得記，其中為階單位矩陣。(2)參數(shù)估計上述模型中的參數(shù)用最小二乘法估計，即選取估計值，使當時，時，誤差平方和達到最小。為此，令，得經(jīng)整理化為一下正規(guī)方程組正規(guī)方程組的矩陣形式為當矩陣X列滿秩時為可逆方陣，上式的解為將帶回原模型得到的估計值而這組數(shù)據(jù)的擬合值為，擬合誤差稱為殘差，可作為隨機誤差的估計，而為殘差平方和，即。(3)統(tǒng)計分析不加證明地給出以下結(jié)果：=1\*GB3①是的線性無偏最小方差估計。指的是是的線性函數(shù)：的期望等于；在的線性無偏估計中，的方差最小。=2\*GB3②服從正態(tài)分布==3\*GB3③對殘差平方和，=，且由此得到的的無偏估計=4\*GB3④對總平方和進行分解，有，其中是由上式定義的殘差平方和，反映隨機誤差對的影響，稱為回歸平方和，反映自變量對的影響。上面的分解中利用了正規(guī)方程組。(4)回歸模型的假設檢驗因變量與自變量之間是否存在如模型（20）所示的線性關系就不明顯，顯然，如果所有的都很小，與的線性關系就不明顯，所以可令原假設為當成立時由分解式定義的滿足在顯著性水平下有上分位數(shù)，若，接受；否則，拒絕。注意接受只能說明與的線性關系不明顯，可能存在非線性關系，如平方關系。還有一些衡量與的線性關系不明顯，如用回歸平方和在總平方和中的比值定義復判定系數(shù)稱為負相關系數(shù)，越大，與相關關系越密切，通常大于0.8(或0.9)才認為相關關系成立(5)回歸系數(shù)的假設檢驗和區(qū)間估計當上面的被拒絕時，不全為零，但是不排除其中若干個等于零。所以應進一步作如下個檢驗：由于，是中的第元素，用代替，當成立時對給定的，若，接受；否則，拒絕。上式也可用于對作區(qū)間估計，在置信水平下，的置信區(qū)間為其中(6)利用回歸模型進行預測當回歸模型和系數(shù)通過檢驗后，可由給定的預測，是隨機的，顯然其預測值（點估計）為給定可以算出的預測區(qū)間（區(qū)間估計），結(jié)果較復雜，但當n較大且接近平均值時，的預測區(qū)間可簡化為其中是標準正態(tài)分布的上分位數(shù)。對的區(qū)間估計方法可用于給出已知數(shù)據(jù)殘差的置信區(qū)間，服從均值為零的正態(tài)分布，所以若某個的置信區(qū)間不包含零點，則認為這個數(shù)據(jù)是異常的，可予以剔除。具體以流程圖的形式表現(xiàn)如下：二、模型的建立與求解通過查詢深圳統(tǒng)計年鑒得到以下數(shù)據(jù)：表五：各量化指標數(shù)據(jù)年份政府教育支出深圳市發(fā)展水平（GDP）人均GDP值人口總數(shù)戶籍人口/非戶籍人口每戶人口數(shù)生活垃圾清運量（萬噸）2001223601248234822724.570.22283.20952192002278160296940369746.620.22973.11762212003346031358547029778.270.24063.17413252004430462428254236800.800.25983.17313472005535495495160801827.750.28173.19123332006666156581468441871.100.29193.20733602007828698680276273912.370.30343.273440720081030900778783431954.280.31413.399044120091366266820184147995.010.32043.4587476201015953559582942961037.20.31933.513947920111967928115061104211046.70.34403.5940458畫出生活垃圾清運量與政府教育支出、深圳市發(fā)展水平、人均GDP值、人口總數(shù)、戶籍人口與非戶籍人口比、每戶人口的趨勢圖(其它數(shù)據(jù)見附錄)：通過趨勢圖，觀察各曲線大致呈線性關系?？梢杂枚嘣€性回歸模型，首先建立生活垃圾清運量分別與各因素的線性回歸方程，然后根據(jù)上述分析，建立減量分類模型的形式如下：其中、、、、、、分別表示生活垃圾清運總量、政府教育支出、深圳市發(fā)展水平、人均GDP值、人口總數(shù)、戶籍人口與非戶籍人口比、每戶人口。、、、、、、表示待估計的參數(shù)。利用MATBLE編程可得：置信區(qū)間bint=-4448.0924-1515.57130.00010.0008-0.9133-0.28570.02920.09350.68951.9931-7672.0476-1531.6401284.43361272.9329Stats0.9934100.89570.0003141.6117殘差圖如下：從殘差圖中可以看出，殘差的置信區(qū)間均包含零點，說明回歸模型能較好符合原始數(shù)據(jù)，無異常點。多元回歸線性交互式畫面可知本模型的剩余標準差和殘差為：rmse=11.9001residuals=-0.77350.1138-4.030411.989-3.3667-14.030212.875-3.56723.4044-2.75250.1383b,bint為回歸系數(shù)估計值和置信區(qū)間，r,rint為殘差（向量）及其置信區(qū)間，stats是用于檢驗回歸模型的統(tǒng)計量，有四個數(shù)值，第一個是相關系數(shù)，第二個是值，第三個是與對應的概率，拒絕，回歸模型成立，第四個是殘差的方差由所得結(jié)果可知，R2=0.9934，擬合結(jié)果較好，且F值所對應的概率p=0.0003，小于顯著性水平，拒絕H0，說明因變量與自變量之間存在顯著線性關系，原模型假設成立。根據(jù)題設回歸模型可得 結(jié)論：由檢驗結(jié)果可知生活垃圾清運總量每增加一萬噸，政府教育支出降低0.0005萬元，深圳市發(fā)展水平增加0.5995萬元，人均GDP下降0.0614元，人口總數(shù)增長1.3413萬人，戶口與非戶口比例降低4601.8438個百分點，每戶人口數(shù)增加778.6832人。 5.2問題二的模型的建立與求解5.2.1基于主成分綜合模型的相關性分析根據(jù)附件中《天景花園垃圾收集統(tǒng)計表》,繪制出各個垃圾組分數(shù)量隨時間變化圖像：根據(jù)上圖曲線的變化趨勢，四條曲線大致在某一水平上來回波動，但在第37天到第45天時，曲線明顯有大幅下落的跡象，因此該段數(shù)據(jù)剔除，重新整理數(shù)據(jù)，繪制圖像：從上表中明顯可以看出已經(jīng)基本處于平穩(wěn)狀態(tài)?？梢詫?shù)據(jù)進行相關性分析。相關性分析是對兩個或多個具備相關性的變量因素進行分析，從而衡量兩個變量因素的相關密切程度。相關性的元素之間需要存在一定的聯(lián)系或者概率才可以進行相關性分析，相關性不等于因果性，也不是簡單的個性化。相關性分析可以用來驗證兩個變量間的線性關系，從相關系數(shù)可以知道兩個變量是否呈線性關系，線性關系的強弱，以及是正相關還是負相關。相關性系數(shù)介于-1到1之間。如果接近0則兩個變量沒有線性相關性；當接近-1或者1時，說明兩個變量線性關系很強；正的值代表當值很小時值也很小，當值很大時值也很大。反之亦然。首先計算數(shù)據(jù)的各描述統(tǒng)計量如下圖：表六：描述統(tǒng)計量N極小值極大值均值標準差方差可回收垃圾8143.0073.0061.55565.9791335.750廚余垃圾8192.00150.00118.790112.79132163.618有害垃圾81.002.00.2198.41846.175日期8119045.7827.527757.750其他垃圾8192.00157.00126.187714.73256217.048總量81280.00340.00306.753110.70926114.688有效的N（列表狀態(tài)）81由上表可以看出方差和標準差都不大，利用SPSS軟件對其進行相關性分析，得到相關性系數(shù)表七：相關性可回收垃圾廚余垃圾有害垃圾其他垃圾總量可回收垃圾Pearson相關性1.319**.190-.577**.153顯著性（雙側(cè)）.004.089.000.173N8181818181廚余垃圾Pearson相關性.319**1.130-.664**.465**顯著性（雙側(cè)）.004.249.000.000N8181818181有害垃圾Pearson相關性.190.1301-.100.163顯著性（雙側(cè)）.089.249.376.146N8181818181其他垃圾Pearson相關性-.577**-.664**-.1001.257*顯著性（雙側(cè)）.000.000.376.021N8181818181總量Pearson相關性.153.465**.163.257*1顯著性（雙側(cè)）.173.000.146.021N8181818181**.在.01水平（雙側(cè)）上顯著相關。*.在0.05水平（雙側(cè)）上顯著相關。從上表可以得出如下結(jié)論：垃圾總量和有害垃圾與可回收垃圾不相關，而與其他垃圾在0.05水平上顯著相關，與廚余垃圾在0.1水平上顯著相關，說明其他垃圾和廚余垃圾才是垃圾總量的主要成分。而其他垃圾與廚余垃圾、可回收垃圾、有害垃圾都呈負相關說明其他垃圾中含有很多廚余垃圾、可回收垃圾、有害垃圾而沒有歸于其中，表明現(xiàn)今分類標準尚且不夠明確。對于陽光家園，處理方法相同，數(shù)據(jù)等見附錄。得到結(jié)論:垃圾總量只與其他垃圾有關，而其他垃圾與廚余垃圾、有害垃圾、可回收垃圾呈負相關，同樣表明分類標準未明確。5.2.2各項激勵措施與減量分類效果的相關性從圖中可以發(fā)現(xiàn)，廚余垃圾、可回收垃圾、有害垃圾數(shù)據(jù)的擬合曲線在一定的波動范圍內(nèi)緩緩增長，而其他垃圾數(shù)據(jù)的曲線緩緩下降，回收垃圾總量數(shù)據(jù)也在上升。這個結(jié)果充分表明減量分類活動的效果逐漸表現(xiàn)出來，并取得初步成果，人們的分類標準漸漸清晰，意識更加增強。而回收垃圾總量的增加也更說明了人們對這一政策的大力支持，使這項政策得以順利實施。從總體來說，這是一項利國利民的政策，不僅節(jié)約資源，促進循環(huán)利用，還能提高人民的環(huán)保意識和節(jié)約意識。垃圾減量分類工作持續(xù)進行，各項措施逐漸施行，垃圾減量分類工作效果顯著。5.3問題三的模型的建立與求解5.3.1統(tǒng)計的基礎數(shù)據(jù)分項及顆粒度根據(jù)國家發(fā)布的《生活垃圾采樣和物理分析方法（CJ/T313-2009）》，深圳市在垃圾減量分類督導過程中，將顆粒度按照國家標準，進行設定，見表1：表八：生活垃圾量最小采樣量生活垃圾最大粒徑mm最小采樣量/kg主要使用范圍分類生活垃圾混合生活垃圾12050200產(chǎn)生源生活垃圾、生活垃圾篩上物301030生活垃圾篩下物、餐廚垃圾等1011.5堆肥產(chǎn)品、焚燒灰渣等30.150.15最大粒徑指篩余量為10%時的篩孔尺寸。通過附加8得知，深圳市對于樣品顆粒度采用了多級指標（1mm，0.5mm，0.1mm），符合國家相關規(guī)定的標準?？梢哉f，深圳市在生活垃圾樣本采集中的顆粒度選取為合理。在政府垃圾減量分類督導過程中，垃圾按照其種類被分為11類，分別為廚余、紙類、橡塑類、紡織類、木竹類、灰土類、磚瓦陶瓷類、玻璃類、金屬類、其他及混合類，具體定義見表2：表九：生活垃圾物理組成分類一覽表序號類別說明1廚余類各種動、植物類食品（包括各種水果）的殘余物2紙類各種廢棄的紙張及紙制品3橡塑類各種廢棄的塑料、橡膠、皮革制品4紡織類各種廢棄的布類（包括化纖布）、棉花等紡織品5木竹類各種廢棄的木竹制品及花木6灰土類爐灰、灰砂、塵土等7磚瓦陶瓷類各種廢棄的磚、瓦、瓷、石塊、水泥塊等塊狀制品8玻璃類各種廢棄的玻璃、玻璃制品9金屬類各種廢棄的金屬、金屬制品（不包括各種紐扣電池）10其他各種廢棄的電池、油漆、殺蟲劑等11混合類粒徑小于10mm的、按上述分類比較困難的混合物在問題一中，垃圾的分類為可回收垃圾、廚余垃圾、有害垃圾和其他四類。在現(xiàn)實生活中，分類越詳細，處理難度越小，造成的資源浪費越少；但是對居民來說，較難區(qū)分不同分項。按照政府的基本設想，垃圾分類應從源頭做起，在居民投送垃圾時，即進行初步的分類。但是由于居民的生活習慣、受教育程度、垃圾分類能力等個人因素的影響，所以垃圾分類工作成為一個盲區(qū)。同時，政府在基礎數(shù)據(jù)分類方面的數(shù)據(jù)統(tǒng)計不足，社會中沒有相關準則和法規(guī)來對不同分類進行制定。所以政府在基礎分類制定的過程中，應該基于較為龐大的數(shù)據(jù)源，結(jié)合居民和垃圾處理難度兩方面的因素，制定明確的相關基礎分類，頒布相關的行為準則和法規(guī)制度。同時，對已實行的制度進行全面、大量的統(tǒng)計分析，對基礎分類進行修正。5.3.2數(shù)據(jù)的獲取根據(jù)《生活垃圾采樣和物理分析方法（CJ/T313-2009）》，在垃圾回收中，根據(jù)所調(diào)查區(qū)域深圳的人口數(shù)量確定最少采樣點數(shù)為30個，具體采樣點確定方法見表：表十：采樣點數(shù)要求人口數(shù)量/萬人＜5050～100100～200≥200最少采樣點數(shù)/個8162030在具體的收集中，應當以隨機收集為主。由于不同垃圾的比例不同，在比重較大的分項中應當投入較大的精力。根據(jù)問題二中的相關性分析，在陽光家園和天景小區(qū)中，與總量相關性最強的是廚余垃圾和其他垃圾，見圖（垃圾分組相關性圖）。同時聯(lián)系近年來的數(shù)據(jù)，可以發(fā)現(xiàn)廚余垃圾的趨向為上升，而其他垃圾所占的比重最大。所以為了達到減量的目標，我們在數(shù)據(jù)獲取中，應當將其他垃圾和廚余垃圾作為重點。5.3.3抽樣數(shù)量的精簡在3.2中，抽樣方法采用以人口數(shù)量為依據(jù)的分層抽樣。為了減少抽樣數(shù)據(jù)來檢測一定區(qū)域內(nèi)減量分類工作的效果，進行分析后，決定新的抽樣方案。由問題一和問題二可知，一定區(qū)域內(nèi)，有害垃圾（如廢舊電池、油漆、殺蟲劑等）的數(shù)量基本不變；而經(jīng)過相關性分析，廚余垃圾和其他垃圾對總量的影響最大，所占比例最多。所以在一定區(qū)域，設置抽樣數(shù)據(jù)時，應當針對相關性比較強的數(shù)據(jù)進行抽樣分析，對于總量基本不變的分項可以不進行比例分析。另外，根據(jù)歷史數(shù)據(jù)統(tǒng)計結(jié)果，對落實政策比較好的區(qū)域可以減少抽樣的頻率或減少抽樣的次數(shù)。5.4問題四的模型建立與求解深圳市的垃圾減量分類工作在近幾年平穩(wěn)推進，假設政府相關政策和政策推行力度在一定的范圍內(nèi)基本保持不變，多元線性回歸模型參數(shù)在區(qū)間范圍內(nèi)波動，根據(jù)區(qū)間估計的思想，在置信區(qū)間為0.95時，各參數(shù)的區(qū)間為：表十：參數(shù)置信區(qū)間估計值極小值極大值-2981.8318-4448.0924-1515.57130.00050.00010.0008-0.5995-0.9133-0.28570.06140.02920.09351.34130.68951.9931-4601.8438-7672.0476-1531.6401778.6832284.43361272.9329由權重的區(qū)間估計值可知對多元回歸方程參數(shù)進行調(diào)整，得到最好結(jié)果：最壞結(jié)果：5.5給政府的建議報告尊敬的深圳市政府領導：您好！為進一步推進“十二五”期間城市生活垃圾減量分類工作，根據(jù)國家有關法律、法規(guī)、規(guī)劃和標準，結(jié)合深圳市實際情況，提出如下建議方案：一、指導思想以打造“深圳質(zhì)量”為標桿，以實施“十二五”規(guī)劃為綱領，以建設生態(tài)、循環(huán)、可持續(xù)的城市生活垃圾處理系統(tǒng)為宗旨，遵循減量化、資源化、無害化原則，大力推進垃圾減量和分類，提高資源回收利用率，構(gòu)建政府主導、全民參與、市場化運作的垃圾分類和資源利用運行機制，倡導清潔、低碳、文明的生活方式，實現(xiàn)市民文明的生活方式，實現(xiàn)市民文明素質(zhì)大發(fā)展、大飛躍，促進城市精神文明與生態(tài)環(huán)境建設。二、工作原則和工作目標(一)工作原則循序漸進，由易至難。分類類別由簡到繁，由粗到細?，F(xiàn)階段將垃圾分為可回收物、廚余垃圾、有害垃圾和其他垃圾等，遠期根據(jù)實施效果進一步細化垃圾分類類別。以點帶面，逐步推廣。選擇機關、學校、居民小區(qū)、餐館等單位進行垃圾分類示范工作，取得經(jīng)驗后在全市范圍內(nèi)逐步推廣實施。突出重點，抓住關鍵。以廚余垃圾分類投放、收集、運輸和處理作為工作重點，以完善垃圾分類收集、運輸和處理設施建設作為關鍵環(huán)節(jié)。條塊結(jié)合，協(xié)同推進。堅持統(tǒng)一領導，明確部門職責，強化區(qū)和街道屬地管理、綜合協(xié)調(diào)和分工協(xié)作運行機制，共同推進垃圾減量分類工作。宣傳引導，公眾參與。加大宣傳教育力度，提高市民對垃圾減量分類的認知度和參與率。完善機制，注重長效。充分運用法律法規(guī)、標準規(guī)范和資金保障等手段，建立和完善促進垃圾減量分類的長效管理機制。(二)工作目標大力開展垃圾減量分類工作，引導市民養(yǎng)成愛護環(huán)境、勤儉節(jié)約、物盡所用、減少廢棄的文明生活習慣，促進源頭減量和資源回收。全力推進垃圾分類收集、運輸和處理設施建設，不斷完善運營管理體系。建立健全垃圾減量分類標準和評價考核體系。在未來幾年內(nèi)實現(xiàn)人均垃圾產(chǎn)生量零增長。三、主要任務(一)推進垃圾源頭減量積極推進清潔生產(chǎn)技術和綠色認證制度，鼓勵使用清潔能源和原料，采用先進工藝設備，減少或避免垃圾排放。建立廢包裝材料、廢舊電器、廢電池燈領域的生產(chǎn)者責任延伸制度，鼓勵制造商回收處理報廢產(chǎn)品。(二)確定垃圾分類方法居民小區(qū)垃圾一般可分為可回收物、廚余垃圾、有害垃圾及其它垃圾四類；酒樓、賓館、飯?zhí)玫炔惋媹鏊睦话憧煞譃榭苫厥瘴?、廚余垃圾、其他垃圾三類；機場、碼頭、火車站、公交站、公園、旅游景區(qū)、加油站等公共場所的垃圾一般可分為可回收物、其他垃圾兩類；政府機關、企事業(yè)單位辦公區(qū)域、學校等場所的垃圾一般可分為可回收物、其他垃圾兩類，大型辦公區(qū)的可回收物可進一步細分為紙張類、飲料瓶罐類、塑料類。(三)完善垃圾分類收集和運輸系統(tǒng) 進一步完善全市再生資源回收網(wǎng)點。政府機關、企事業(yè)單位、學校、酒店、商場、居民小區(qū)等公共區(qū)域應按照標準配置可回收物儲存設施。新建或已建居民小區(qū)應設立具備垃圾減量分類咨詢、可回收物和大件垃圾預約回收服務等功能的資源回收服務站。 (四)完善垃圾分類處理設施系統(tǒng) 積極引進垃圾分類處理技術，高標準建設運營處理設施，采用垃圾焚燒、生化處理、綜合利用等方式對分類的垃圾進行資源化和無害化處理。淘汰落后處理設施，加快綠色處理設施建設。 (五)加大宣傳引導力度 加強輿論宣傳工作，協(xié)調(diào)新聞媒體積極開展各類宣傳教育活動；通過編寫市民城市生活垃圾減量分類指導手冊，編制垃圾減量分類教材，制作公益廣告和指導短片，普及垃圾減量分類、資源綜合利用知識，發(fā)動熱衷公益事業(yè)的志愿者，提高市民垃圾減量分類知曉率、參與率和準確率。 總之，垃圾分類回收利國利民，這項工程不僅加大社會效益，還能減少資源開發(fā)和加工過程中產(chǎn)生的環(huán)境污染等。希望我們的建議對市政府的垃圾減量分類工作有一定幫助。六、模型評價模型的優(yōu)點：1采用主成分分析法將定性問題很好的轉(zhuǎn)化為定量問題。2多元線性回歸分析對上述模型進行修正，更符合實際情況。3數(shù)據(jù)抽樣法選擇將分層抽樣相關分析等多條原則相結(jié)合，使抽樣數(shù)據(jù)少且具有代表性。模型的缺點：1由于小區(qū)的范圍過小，數(shù)據(jù)不易統(tǒng)計完全，導致結(jié)果的偏差。2選擇的指標數(shù)據(jù)不能完整的代表全部。3多元線性回歸模型中，居民垃圾回收意識無法得以量化。參考文獻[1]姜啟源.數(shù)學建模(第四版).北京：機械工業(yè)出版社，2012年[2]張志涌.精通MATLAB.北京：航空航天大學出版社，2012年[3]楊啟帆.數(shù)學建模.北京：高等教育出版社,2005年[4]蔡鎖章.數(shù)學建模原理與方法[M].北京：海洋出版社，2000年[5]劉先省，潘泉，“傳感器管理方法研究”，西安：西北工業(yè)大學博士論文，2009。[6]史峰，王輝，郁磊，胡斐，MATLAB智能算法30個案例分析，北京：北京航空航天大學出版社，2011。[7]姜啟源，謝金星，葉俊，數(shù)學模型（第四版），北京：高等教育出版社，2011。[8]李德宜，李明，數(shù)學建模，北京：科學出版社，2009。[9]吳孟達，成禮智，吳翊，毛紫陽，王丹，數(shù)學建模教程，北京：高等教育出版社，2011。[10]田雪怡，李一兵，“多傳感器數(shù)據(jù)關聯(lián)與航跡融合技術研究”，哈爾濱:哈爾濱工程大學，2012。[11]韓中庚，數(shù)學建模方法及其應用（第二版），北京：高等教育出版社，2009。[12]吳建民，牟之英，“智能化多傳感器管理系統(tǒng)的設計和仿真”，航空電子技術，第37卷第4期：28-32,2006。[13]張志涌，楊祖櫻，MATLAB教程：R2010a，北京：北京航空航天大學出版社,2010。[14]（美）邁斯特（Musto.J.C），（美）霍華德（HowardW.E.）,（美）威廉（WilliamsR.R.），MATLAB&Excel工程計算，北京：清華大學出版社,2010。附錄描述統(tǒng)計量N極小值極大值均值標準差日期6116131.0017.753可回收物61360.00450.00413.442619.14203廚余垃圾61275.00310.00291.163910.09155有害垃圾61.001.80.9492.37843其他垃圾611339.801495.201405.280333.69247總量612058.002152.002110.836124.53309有效的N（列表狀態(tài)）61