本文關(guān)鍵詞：我國城市生活垃圾處理現(xiàn)狀及清運量預(yù)測研究　出處：《天津財經(jīng)大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 城市生活垃圾清運量 垃圾處理 單項預(yù)測模型 組合預(yù)測模型 預(yù)測精度

【摘要】：隨著我國城市化進(jìn)程加速推進(jìn),城市經(jīng)濟(jì)快速發(fā)展,城市生活垃圾產(chǎn)生量也與日俱增,然而當(dāng)前一些垃圾處理基礎(chǔ)設(shè)施不能滿足經(jīng)濟(jì)快速發(fā)展的需求,就導(dǎo)致很多城市被垃圾包圍,長此以往,這不僅會造成嚴(yán)重的環(huán)境污染,阻礙經(jīng)濟(jì)的增長,更會對居民身體造成一定的威脅。近幾年,國家越來越重視城市垃圾的問題,加大了對購買和改進(jìn)基礎(chǔ)設(shè)備的投資,力爭使垃圾進(jìn)行完全無害化處理.因此,為了構(gòu)造和諧、穩(wěn)定、健康的發(fā)展環(huán)境,準(zhǔn)確的對我國城市生活垃圾清運量的預(yù)測就顯得十分重要。論文一方面通過對我國城市生活垃圾清運量的處理現(xiàn)狀進(jìn)行了分析,指出當(dāng)前處理中存在的問題,并與國外發(fā)達(dá)城市垃圾處理方法進(jìn)行了對比。另一方面對城市垃圾清運量主要影響因素進(jìn)行了定性的分析,從中選取了10個垃圾清運量的影響因素,針對1995-2013年我國城市生活垃圾清運量及其影響因素的數(shù)據(jù),運用關(guān)聯(lián)度分析方法得到了和垃圾清運量最相關(guān)的4個主要影響因素。分別利用單項預(yù)測模型：逐步回歸模型、指數(shù)平滑模型、GM(1,1)模型對1995-2013年垃圾清運量進(jìn)行預(yù)測精度檢驗,并預(yù)測了未來10年城市生活垃圾清運量。而后在三種單項預(yù)測的基礎(chǔ)上,基于誤差平方和平方根最小原則,構(gòu)建了變權(quán)和不變權(quán)組合預(yù)測模型。通過對比五種模型的預(yù)測精度,表明組合模型明顯優(yōu)于單項模型,它融合了各種單項模型的優(yōu)點,更能夠準(zhǔn)確的預(yù)測城市垃圾清運量。根據(jù)變權(quán)組合模型預(yù)測,我國城市垃圾清運量在2023年將達(dá)到22714.83萬噸,2014-2023年呈現(xiàn)緩慢的增長過程,平均每年增加474.23萬噸,平均增長率為2.79%.研究結(jié)果表明,變權(quán)組合模型在城市生活垃圾清運量的預(yù)測中,有較高的預(yù)測精度,其預(yù)測結(jié)果可以作為國家政府制定相關(guān)垃圾處理政策的重要依據(jù)。
[Abstract]:With the acceleration of urbanization in China, the rapid development of urban economy, urban domestic waste production is also increasing, but some of the current waste treatment infrastructure can not meet the needs of rapid economic development. As a result, many cities are surrounded by garbage. In the long run, this will not only cause serious environmental pollution, hinder economic growth, but also pose a certain threat to the health of residents in recent years. The country has paid more and more attention to the problem of urban garbage, increased the investment in purchasing and improving the basic equipment, and strived to make the garbage completely harmless. Therefore, in order to construct a harmonious, stable and healthy development environment. It is very important to predict the amount of municipal solid waste (MSW) removal and transportation accurately. On the one hand, the paper analyzes the current situation of the disposal of MSW in China, and points out the existing problems in the current treatment. On the other hand, qualitative analysis of the main factors affecting the amount of urban garbage removal is carried out, from which 10 factors are selected. The data of the amount of municipal solid waste (MSW) in China from 1995 to 2013 and its influencing factors are discussed. By using the method of correlation analysis, four main influencing factors are obtained, which are most relevant to the volume of garbage removal. The single prediction model: stepwise regression model and exponential smoothing model are used respectively. The results are as follows: 1) the model tests the prediction accuracy of the garbage removal volume from 1995 to 2013 and forecasts the municipal solid waste removal volume in the next 10 years. Then on the basis of three single forecasts. Based on the principle of minimum error square and square root, the combined prediction model with variable weight and invariant weight is constructed. By comparing the prediction accuracy of the five models, it is shown that the combined model is obviously superior to the single model. It combines the advantages of a variety of individual models, and can accurately predict the amount of urban garbage removal. According to the variable weight combination model, the volume of urban garbage removal in China will reach two hundred and twenty-seven million one hundred and forty-eight thousand and three hundred tons in 2023. 2014-2023 showed a slow growth process, with an average annual increase of four million seven hundred and forty-two thousand and three hundred tons and an average growth rate of 2.79. The variable weight combination model has a high prediction precision in the prediction of municipal solid waste (MSW) removal volume, and its prediction results can be used as an important basis for the national government to formulate relevant garbage disposal policies.
【學(xué)位授予單位】：天津財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：X799.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董艷;賀興時;;一種組合預(yù)測模型及其應(yīng)用[J];西安工程大學(xué)學(xué)報;2010年01期

2 馮玉國;;地下水位動態(tài)最優(yōu)組合預(yù)測模型及其應(yīng)用[J];勘察科學(xué)技術(shù);1993年04期

3 樊正中;鄒杰龍;;基于組合預(yù)測模型的煤炭消費預(yù)測分析[J];中國高新技術(shù)企業(yè);2012年24期

4 馬詠真;吳盧榮;;中國火災(zāi)最佳灰色回歸組合預(yù)測模型[J];中國安全科學(xué)學(xué)報;2006年01期

5 曹永強(qiáng),張道軍;非線性智能組合預(yù)測模型及其應(yīng)用[J];中國礦業(yè)大學(xué)學(xué)報;2004年04期

6 張祺;;中國石油生產(chǎn)量的組合預(yù)測模型及應(yīng)用[J];經(jīng)濟(jì)問題;2013年04期

7 殷建成;袁宗明;岑康;;天然氣需求自適應(yīng)優(yōu)化組合預(yù)測模型的改進(jìn)[J];油氣儲運;2005年10期

8 顏筱紅;;能源消費組合預(yù)測模型的優(yōu)化[J];重慶科技學(xué)院學(xué)報(自然科學(xué)版);2011年04期

9 高鳳;張德生;郭熊娃;侯曉英;;基于相關(guān)系數(shù)的變權(quán)組合預(yù)測模型及其應(yīng)用[J];陜西科技大學(xué)學(xué)報(自然科學(xué)版);2013年03期

10 劉碩;何永秀;陶衛(wèi)君;楊麗芳;張宇;;基于最優(yōu)加權(quán)法的煤炭市場價格組合預(yù)測模型[J];華東電力;2009年04期

相關(guān)會議論文 前10條

1 謝如賢;成盛超;程仕軍;陳思華;;變結(jié)構(gòu)組合預(yù)測模型的建立與應(yīng)用[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第2卷）[C];1993年

2 董景榮;;基于遺傳輔助設(shè)計的匯率組合預(yù)測模型研究[A];面向復(fù)雜系統(tǒng)的管理理論與信息系統(tǒng)技術(shù)學(xué)術(shù)會議專輯[C];2000年

3 馬永開;唐小我;;組合預(yù)測模型研究[A];管理科學(xué)與系統(tǒng)科學(xué)進(jìn)展——全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第4卷）[C];1997年

4 成樞;劉國林;高放;;最優(yōu)組合預(yù)測模型及其在變形預(yù)測中的應(yīng)用[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

5 何迎東;吳婉瑩;郭u&;陳華友;;基于離消度的組合預(yù)測模型及其應(yīng)用[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學(xué)者大會論文集[C];2012年

6 陳華友;程蕾;張倩;;基于相關(guān)系數(shù)的IOWA算子最優(yōu)組合預(yù)測模型[A];第四屆中國不確定系統(tǒng)年會論文集[C];2006年

7 陳華友;;IOWA算子的組合預(yù)測模型及在所得稅預(yù)測中的應(yīng)用[A];第三屆不確定系統(tǒng)年會論文集[C];2005年

8 謝正文;孔凡玉;胡毅夫;;基于熵權(quán)的沉降組合預(yù)測模型及應(yīng)用[A];第一屆中國水利水電巖土力學(xué)與工程學(xué)術(shù)討論會論文集（下冊）[C];2006年

9 王永光;趙國浩;;變權(quán)組合預(yù)測模型在中國煤炭需求預(yù)測中的應(yīng)用[A];2007中國可持續(xù)發(fā)展論壇暨中國可持續(xù)發(fā)展學(xué)術(shù)年會論文集（4）[C];2007年

10 王尚俊;吳剛;陳華友;周禮剛;;基于廣義10WA算子的組合預(yù)測模型及在卷煙消費需求中應(yīng)用[A];第十一屆中國不確定系統(tǒng)年會、第十五屆中國青年信息與管理學(xué)者大會論文集[C];2013年

相關(guān)博士學(xué)位論文 前4條

1 趙川;重載交通對高速公路橋梁的疲勞影響研究[D];河北工業(yè)大學(xué);2015年

2 向昌盛;基于支持向量機(jī)的時間序列組合預(yù)測模型[D];湖南農(nóng)業(yè)大學(xué);2011年

3 萬玉成;基于未確知性的預(yù)測與決策方法及其應(yīng)用研究[D];東南大學(xué);2004年

4 南曉強(qiáng);風(fēng)電預(yù)測技術(shù)及其運行分析[D];西南交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 宋鶴;基于WEB的風(fēng)電場可視化監(jiān)測技術(shù)研究[D];沈陽理工大學(xué);2015年

2 高興良;基于逐步回歸分析的組合神經(jīng)網(wǎng)絡(luò)股指預(yù)測研究[D];哈爾濱工業(yè)大學(xué);2015年

3 Phanthavong Tulaxay;基于小波-BP神經(jīng)網(wǎng)絡(luò)的貝葉斯概率組合預(yù)測模型及其在預(yù)報調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

4 徐曉波;電動汽車充/換電站短期負(fù)荷預(yù)測方法研究[D];華北電力大學(xué);2015年

5 蔣星;基于趨勢點模型的超短期風(fēng)電功率預(yù)測研究[D];廣西大學(xué);2015年

6 奚晨;組合預(yù)測模型的應(yīng)用與研究[D];蘭州大學(xué);2015年

7 周清平;滬深300指數(shù)的組合預(yù)測模型研究[D];蘭州大學(xué);2015年

8 熊威;顧及多效應(yīng)的混凝土壩位移聯(lián)合預(yù)報與監(jiān)控分析[D];南昌大學(xué);2015年

9 李瀅;基于灰色理論的車輛輪對踏面磨損預(yù)測研究[D];蘭州交通大學(xué);2015年

10 吳念;地區(qū)電網(wǎng)中長期負(fù)荷組合預(yù)測模型和方法研究[D];華南理工大學(xué);2012年

，

本文編號：1431093