长春市生活垃圾产量预测剖析.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
长春市生活垃圾产量预测剖析

长春市生活垃圾产量预测剖析    摘要:影响城市生活垃圾产生的因素有很多,本文通过分析长春市2001~2010生活垃圾年产量变化趋势,建立了分析垃圾年产量的灰色GM(1,1)预测模型,并对长春市未来十年的生活垃圾产量进行了预测。预测结果表明未来十年长春市生活垃圾产量呈递减趋势,与前几年变化趋势相符合。      关键词:长春市; 生活垃圾年产量;预测;灰色模型   Abstract: the influence of urban living garbage produced a number of factors, the paper analyzes the 2001 ~ 2010 in changchun city garbage output change trend, established the annual output of garbage analysis gray GM (1, 1) prediction model, and the future of changchun city ten years life waste production forecast. Prediction results show that the future ten years life rubbish in the production of changchun city progressive decrease, and a few years ago corresponds with the trend.      Keywords: the changchun city; Living garbage output; Predictions; Grey model   中图分类号:R124.3文献标识码:A 文章编号:      一.长春市生活垃圾年产量变化特征   随着我国城市化、工业化的不断发展和人们生活水平的日渐提高,城市生活垃圾问题渐渐成为阻碍城市可持续发展战略的一个不可回避的问题。改革开放以来,长春市取得快速发展,但是,研究长春市生活垃圾的论文相对较少,仅有的一些也都是年份较早、数据陈旧。大都集中在2000年以前[1]。   城市生活垃圾的影响因素包括地理位置、人口变化情况、经济发展水平、居民收入以及消费水平、居民家庭能源结构等。根据对长春市2001~2010年生活垃圾产量变化趋势(如表1),可以看出,在2002年长春市生活垃圾产量到达顶峰130.16万吨过后,整体开始呈现下降趋势(见图1),到2009年最少下降到105万吨。长春地属东北地区,能源消费长期以燃煤为主要生活来源,所以在生活垃圾成分中,煤渣、灰土所占的比重很大。近年来,随着长春市能源结构的调整,例   如地热取代燃煤供暖,新能源的多样化开发利用,使得燃煤消耗比重大大降低,导致相应的垃圾产量大大减少。      表1长春市2001-2010年生活垃圾总产量         图1长春市2001~2010年生活垃圾产量表      二.灰色预测模型的原理   本次预测主要是用灰色GM(1,1)建模,其基本思路是把无明显规律的时间序列,经过一次累加生成有规律的时间序列,为建立GM(1,1)灰色模型提供中间信息,同时弱化原序列的随机性,然后采用一阶单变量动态模型GM(1,1)进行拟合,用模型推求出来的生成数回代计算值,作累减还原运算,最后对还原值进行精度检验,就可以用于预测。   第一步:对原始数据作一次AGO (accumuated generating operation)累加生成, 目的在于为建模提供中间信息, 使原始时间序列的随机性弱化。设时间   序列X(0)有n个观察值,原始数列为:    X(0)={X(0)(1),X(0)(2),X(0)(3),X(0)(4),X(0)(5),X(0)(6)…X(0)(n)}   一次AGO生产后生成序列则为:    X(1)={X(1)(1),X(1)(2),X(1)(3),X(1)(4),X(1)(5),X(1)(6)…X(1)(n)}   其中:X(1)(i)= X(0)(k) (i=1,2…n).   第二步:构造累加数据矩阵B,和常向量Yn   B=      Yn=[X(0)(2),X(0)(3),X(0)(4),X(0)(5),X(0)(6)…X(0)(n)]T   第三步:用最小二乘法求得灰参数 ,    =(BTB)-1BTYn   第四步:将灰参数带入时间微分方程      dX(1)/dt+ X(1)=   解微分方程求得时间函数    XX(1)(t+1)=[X(0)(1)- / ] + /   第

文档评论(0)

erterye + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档