第一章 绪论
第一节 课题研究背景
近年来，我国城市人口不断增加，户籍人口城镇化率已经提高到 2019 年的44.38％。人口的增多带来生活垃圾总量的不断增加。至 2017 年，全国范围内的生活垃圾清运量达 21520.9 万吨，较上年同比增长了 5.7%。2018 年，全国范围内的生活垃圾的清运量达 22801.8 万吨。近几十年，国内生产总值不断增长，人民的生活水平也在不断提高,城市生活垃圾（Municipal Solid Waste，MSW）所激发的社会问题以及环境问题逐渐凸显,垃圾的增长导致了严重的环境污染,不但影响了社会的稳定，还会阻碍经济的发展,在我国人口集中的省会及沿海城市，这些问题更加突出。
现如今，环境、资源与发展问题已经受到国际社会普遍关注，我国的部分城市，日益增长的生活垃圾已经严重的影响到经济的可持续发展，成为大众媒体关心的焦点问题，也成为各级政府急需解决的社会问题。为了广大人民的身体健康以及营造城市经济持续有力的发展环境，政府各部门对于城市生活垃圾产生的问题加强了关注力度，并出台了很多相关政策，从各种层面开展了城市生活垃圾一系列管理措施的相关研究，加强建设了一批生活垃圾集运及处理设施，详细地探究城市生活垃圾产生机理及如何对产生系统进行有效管理被逐渐提上日程。
城市生活垃圾产生机理及产生系统的有效管理的相关研究成为城市垃圾全过程处理高效运行的基石。在我国，即使是现在经济较发达的城市，垃圾全过程管理工作出现的也比较晚,有关的统计数据比较稀缺,导致找出影响生活垃圾产生系统的因素及其权重更加困难,所以生活垃圾量的准确预测非常困难，这就进一步带来垃圾产生系统的调控和垃圾的及时清运的困难。目前，为了引进先进理念的生活垃圾收集储运装置和处理设施，每年都会花费大量的财政税收，因此，每次在形成生活垃圾管理体系建设和城市环境公共卫生设施建设可行性报告时，第一步就是准确科学地预测城市生活垃圾产量。
......................
第二节 课题的理论意义与实践意义
一、理论意义
对于城市生活垃圾的全过程有效管理来说，弄清楚城市生活垃圾清运量的现状及其未来的发展趋势是有效管理的核心，也是其基础，对城市生活垃圾清运量产生影响的因素有很多，且它们之间是相互联系相互影响的。要对含有众多因素的体系进行建模，预测垃圾清运量，就需要攻克众多难题，优化模型并细致地研究影响城市生活垃圾清运量各种内在和外在因素，以对生活垃圾产生量进行预测。
对历年城市生活垃圾清运量的变化趋势进行分析，以便找出城市化进程中影响生活垃圾清运量发生变化的主要因素，进一步对城市生活垃圾量的增长采取针对性的控制措施，发现城市生活垃圾处理可以采用的新技术。
二、实践意义
合肥市环境市容卫生设施的数量及其分布，甚至于各个设施的规模都是根据生活垃圾清运量的估测数据进行估算和规划的。垃圾清运量的估测值不仅可以为短期的城市生活垃圾的集运和处理处置提出合理有效的实施措施和行动方案，还可以为长期的城市的环境市政规划提供准确的决策信息。
城市生活垃圾处理可采用的新技术研究为城市生活垃圾全程管理提供了有效信息，全程管理的改变又反过来影响到下一阶段城市生活垃圾的组分和清运数量，并使城市生活垃圾的全程管理进入良性循环中来。
...................
第二章 合肥市城市生活垃圾产生现状及影响因素分析
第一节 合肥市生活垃圾产生量概况
城市生活垃圾，一般指城市生活及供其服务形成的各式固体垃圾的混合体，还包括了被法律规章限定的各种固体垃圾。目前大部分城市并未实现垃圾分类，还是使用混合收集的方式，它具有成分复杂的特点，涵盖了厨余垃圾、废塑料袋、丢掉的衣服、过期药品、废旧电器及电池、旧书旧报纸等。一般垃圾分类有二到五分法四种，通常意义上，我们采用四分法：有害垃圾、厨余垃圾、可回收及不可回收垃圾。我国大部分城市的生活垃圾是由当地环卫部门具体辖区的环卫所和环卫处进行处理，环卫部门进行垃圾数量统计时，使用清运量和产生量两种专有名词。在全国统计年报、公报以及《合肥市统计年鉴》等资料中，统一使用了城市生活垃圾清运量这一指标，一般意义上认为，垃圾产生量等于清运量，所以，本文将城市生活垃圾清运量作为被研究变量，研究合肥城市生活垃圾产生量的变化发展趋势。
从图 2-1 可以看到，除 2018 年略有下降外，合肥城市生活垃圾清运量基本上是逐年增长的。2002 到 2004 年，生活垃圾清运增长量仅为 3.7 万吨，增长速度较为缓慢，此后两年增长率明显升高，于 2006 年达到一个小高峰，之后出现了一定程度的回落。2008 到 2017 年，生活垃圾清运量逐年增加，幅度基本上也是逐年增大。垃圾清运量于 2018 年回落是受到了 2017 年的政策影响，住建部于 2017 年拟定了一张名单，要求合肥市及其他 45 个城市实施城市生活垃圾的强制四分类，合肥市政府及各部门高度重视，着力推动体制机制的完善和创新，加快硬件设施建设，取得了初步的工作成效。这也是导致 2018 年垃圾清运量下降的关键政治因素。
根据合肥市统计年鉴及全国环境统计公报的调查数据，近十几年来，合肥市城市生活垃圾清运量如图 2-1 所示。
........................
第二节 合肥市城市生活垃圾清运量影响因素影响
我国城市生活垃圾清运量变化的因素一般可分为以下四类：
一是内在因素，包括城镇居民生活水平、常住人口数量以及城市发展水平等直接导致垃圾清运量变化的因素。通常意义上来说，城市规模的扩大代表了常住人口的增多，相应地，大量的人口就会产生的越多的垃圾。按照垃圾总量为人口与人均垃圾产量的乘积计算，合肥市常住人口应与合肥市的城市生活垃圾清运量呈正相关。同样，人们的生活水平与清运量也应呈正相关的规律，经济的繁荣促进了人民消费水准的提升，消费品的种类、品质和数量也会相应地增多，这就导致了清运量的迅速增长。城镇居民生活水平的提升还会涵盖市政市容市貌的变化，包括道路清扫面积、公园面积和城市建成区绿化覆盖面积的增大，这些因素都会造成清运量的大幅度增长。
二是自然因素，包括了季节、经纬度、海拔、地质、气候及城市的地理位置等外在因素。例如，山区由于地理环境的限制，人口密度远小于平原地区，其生活垃圾清运量相对就较少，东北城市的纬度较高，其中一些城市主要以煤碳为取暖燃料，其取暖需求在冬天会大大高于低纬度城市，特别是，燃烧后会留下大量煤渣等固体废物，导致这些城市的生活垃圾清运量将远高南方城市。相对缺水的西北内陆城市与水量充沛的东南城市对蔬菜瓜果的消费量明显不同，东南城市更易产生大量的易腐烂厨余垃圾。
三是个体因素，个体因素与个人有关，指的是产生垃圾的个体特征，比如年龄、性别、受教育程度、个人行为习惯、生产生活方式等。这一因素造成的影响也是不可忽视的，比如现在全国提倡的节约粮食的清盘行动和绿色低碳出行、网购、学习、办公、使用餐具等，鼓励人们勤俭节约，爱护环境，也会带来垃圾清运量的下降。
四是社会因素，社会因素也是外部因素的一种，社会因素制约着其他几个因素。社会因素具体指法律规章制度、正确的道德观、价值观、社会行为准则等，近年来，市政府及有关部门出台并实施了大量规范政策，推动垃圾的减量化。2015 年，合肥市颁发了增强资源回收利用力度的文件，对政府部门和生产企业提出了更高要求。要求政府部门加强监督和管理，要求相关企业提高再生资源回收率。进一步加强可生资源的再利用，减轻垃圾的清运和处置压力。2017 年，全市着力完善体制机制、推动制度创新、加快硬件设施建设，取得了初步的工作成效。在住建部对 46 个试点城市的考核中，合肥市排名由 2018 年初的倒数第六上升到第 28 名。2019 年，合肥市为了使垃圾分类做到常态化、制度化，相继颁布了各层级管理制度和考核规范以及收集设备配备规范等。
...........................
第三章 基于改进人工蜂群算法的 BP 神经网络的优化··························15
第一节 BP 神经网络 ··························· 15
一、BP 神经网络的基本原理··························· 15
二、BP 神经网络的结构以及算法过程.·················· 16
第四章 合肥市生活垃圾清运量预测模型构建······················35
第一节 BP 神经网络基本模型的建立··························· 35
一、神经网络输入与输出的确立 ······················· 35
二、隐层的确立·················· 36
第五章 研究结论与展望····························42
第一节 研究的结论················ 42
第二节 未来展望······················· 43
第四章 合肥市生活垃圾清运量预测模型构建
第一节 BP 神经网络基本模型的建立
一、神经网络输入与输出的确立
本文使用从 EPS 数据网和合肥年鉴下载的 2002 到 2018 年间的 17 组经灰色关联算法分析筛选后的数据，代入到 ANN 输入和输出变量。处理后的数据集将会被任意分成训练及测试样进行模型的拟合和验证。任意选出这之中的 14 组数据集带入建模，当成训练使用，余下 3 组为测试样本。
因为数据集中各因素来自不同指标，代表不同的意义，则其数值大小和单位也往往不同，为规避较大的模型误差，所以下载的数据集不能直接进行比较。因此在比较之前，往往需要数列的归一化处理。归一化一般分为均值化、平均数方差法和区间化等，是 ANN 预测前经常使用的处置策略以去除不同数量级造成的影响。
BP 神经网络有一个到多个隐层，后者是由前者叠加而成，层数多少的好坏不是一定的，要按照实际问题的实际情况来决定，多隐含层的优点是其预测的精度较高，但相应的建模和运行时间将长很多，多隐层 ANN 的适用性和拟合性能比较高，当一个ANN 有双隐层和无数个隐层神经元，从理论上讲，它就能实现任意的非线性映射。但在实际的研究中，模型的输入向量和输出向量都是有限的，所以我们这里采用最简单的单隐含层。单隐含层的节点数量的选择也比较复杂，太多会加剧网络复杂化，降低其泛化能力；太少又会使映射关系过于简单，难以满足样本的学习，匹配现实情况。所以我们需要构建一个隐含节点数尽可能少，而又能反映出输入输出关系的神经网络。迄今为止，尚无准确的节点数设计公式，我们只有借鉴前人的设计经验并结合自己的试验来选择较少的隐含层节点数。
........................
第五章 研究结论与展望
第一节 研究的结论
随着国家提出对生活垃圾处置由填埋到焚烧的转型要求，未来三年做到零填埋，尤其是焚烧设施的建造规模和标准由清运量来决定，这就对垃圾清运量的预测提出了更高的要求，改善现阶段比较传统的垃圾清运量预测算法，构建更加精确，更贴合实际情形的动态模型。鉴于垃圾清运量的影响因素多而复杂，本文在分析了影响合肥城市生活垃圾清运量的内在和外在因素的基础上，选择了可定量的内因代入灰色关联度分析进行筛选，最终选出高关联性的四大因素，即人均生产总值、常住人口、城镇居民人均消费性支出和建成区绿化覆盖面积。
根据以上四个因素和相应的城市垃圾清运量，在已有的神经网络模型的基础上，加入了改进的人工蜂群算法，减少了原有模型的误差，提高其精度。本文的研究结论如下：
（1）通过优化后模型对合肥市 2019 年至 2022 年的城市生活垃圾清运量进行了预测，得到合肥市 2019 年至 2022 年的城市生活垃圾清运量分别为 168.50（万吨），169.30（万吨），170.25（万吨），171.53（万吨）。这一预测结果有助于合肥市垃圾焚烧厂的进一步规划，并为其建造规模和标准的确定提供了有效的参考。对于其他卫生设施，尤其是垃圾的清运设施，提供了有效的参考数据。
（2）对于现有的城市生活垃圾清运量预测模型做了总结，对比了发达国家的模型，找出现有国内预测方法的不足。本文还着重介绍了使用理论的发展、具体定义、算法、优缺点等。为随后模型的建立和优化奠定了理论基础。
（3）为了改善人工蜂群算法的缺点，本文受到粒子群的启发，对观察蜂的局部寻优公式中的惯性权重值做出些许改进。以达到改善人工蜂群算法在全局和局部搜索力度上的不均衡，尽量防止人工蜂群算法落入局部极值。最后用得到的权重和阈值代入到 BP 神经网络的相应初始值中去，减小神经网络模型的误差，加快其收敛速度和效率。
(4)本文使用优化后模型进行城市生活垃圾清运量的拟合和预测,采用 MATLAB 对采集到的数据做出处理和代入训练,并用常用测试函数和实际数据验证了改进后模型的可行性,可以充分证明新模型在城市生活垃圾清运量的预测上,精度相较于基础 BP神经网络有所提升。证明了新模型在解决实际问题中的适用性。
参考文献（略）