垃圾减量分类活动分析数模优秀论文

垃圾减量分类活动中社会及个体因素的量化分析[摘要]随着城镇化进程加快和人们生活水平提高、生活方式转变，城市生活垃圾处理正在成为一个挑战性的难题,垃圾减量工程也日益受到人们的关注。本文以深圳市天景花园和阳光花园为例，通过研究社会因素和个体因素对垃圾减量分类的影响，以及各类垃圾的相关性，对其的垃圾减量工程进行分析探讨，提出了垃圾减量量化模型和有效的预测算法。针对问题一：根据题意，将影响垃圾减量分类的因素划分为七方面——教育、督导、激励、家庭收入、家庭结构、户籍类型以及生活习惯，采用层次分析法，确定出各因素的权重，再对各因素进行量化，从而构建出垃圾减量效果量化模型。最后用TOPSIS法去验证所建模型和分析的合理准确性。通过检验，得出天景花园的垃圾减量处理效果要好于阳光家园。针对问题二：在pearson相关性分析的基础上，分析了四类垃圾之间存在的相关性，得出相关结论与原因。接着，利用第一小问构建的减量分类模型基础上，我们综合权重和附录2,3的各垃圾组分的数量变化进行定性的相关性分析及原因分析。总体上我们得出政府各项激励措施和减量分类效果之间的存在正相关关系。针对问题三：基础数据分项是否足够主要通过与一些发达地区及环保工作做得比较好的地区之间比较以及根据现有经验分析，结果是在厨余垃圾和混合类垃圾及有害垃圾方面要细分；对于颗粒度是否足够主要通过对附加8中的数据进行分析并参照《生活垃圾采样和物理分析方法（CJ/T313-2009）》的要求判断，求解结果是足够的；通过垃圾分类的作图，在对数据分析及根据一些发达地区的标准的基础上确定成本和精力投入方向；运用统计学上的一些抽样思想来达到设置少量抽样数据来检测一定区域内减量分类工作的效果的目的。针对问题四：采用多元线性回归方法构建预测模型，再利用灰色系统的方法预测未来五年内各因子的值，将预测出的未来五年的数据代入之前拟合的线性回归方程，即可得到最好结果，而当负相关的因素不增长时，清运量就变大，此时减量效果不好。根据所建模型中的系数权重及附件信息，指出深圳未来5年推进减量分类工作关键措施关键词：层次分析法Topsis法检验pearson相关性分析分层抽样灰色系统一问题重述城市生活垃圾的数量和构成与城市人口数、经济水平及生活习惯等因素有关。随着城镇化进程加快和人们生活水平提高、生活方式转变，城市生活垃圾处理正在成为一个挑战性的难题。仅靠填埋、焚烧等技术不能持久地解决问题，必须与减量化、无害化、回收利用等措施结合起来，才是标本兼治、经济持久的方法。其中，从源头对垃圾进行减量分类收集是必须且关键的一个环节。垃圾减量分类活动是人类社会对自身垃圾产生系统的一个干预性工程。主要内容是社会通过教育、督导、激励等措施（社会因素）影响个人及家庭的垃圾产生动因（个体因素），最终形成减少垃圾总量并分类回收良性结果的控制过程。目前对这一控制过程的研究改良主要依靠的还是经验总结型的定性分析，主要原因是缺少描述“社会因素”和“个体因素”及其相互作用的量化模型，难以开展具有一定精度的量化分析工作。因此，探讨以量化模型描述垃圾减量分类活动“社会因素”、“个体因素”及关系，不仅能帮助提升城市生活垃圾产量的预测精度（目前的研究者通常只选取GDP、城市人口、居民人均可支配收入等内在因素指标对城市生活垃圾产量进行预测研究），同时也可能给城市垃圾减量分类工作中的资源投入决策活动提供有益的辅助支持手段。目前深圳市正在进行垃圾减量分类试点工作，附件给出了相关的研究实践资料。其中有深圳在对比我国台湾地区相关情况后的自身问题反思总结，以及采用不同方案的天景花园和阳光家园两个试点小区的实际数据记录。请你基于这些资料和自己收集的其他资料，研究以下几个问题：1、自己的经历和分析附件有关资料并结合你生活观察，考虑各项教育、督导、激励措施对居民家庭垃圾减量分类结果的影响，构建量化模型描述深圳天景花园、阳光家园垃圾减量分类过程，模型应能以量化参数描述社会因素（如各项教育、督导、激励措施等）以及个体因素（如家庭收入水平、家庭结构、户籍类型、生活习惯等），并在后续的进一步研究过程中通过调整相关参数来修正模型。2、基于你构建的减量分类模型，试分析试点小区四类垃圾组分本身的数量存在什么样的相关性？各项激励措施与减量分类效果存在什么相关性？原因是什么？3、根据你构建减量分类模型的研究结果，你认为在深圳现有垃圾减量分类督导过程中，目前统计的基础数据分项及颗粒度是否足够？应该在哪些数据的获取中投放更多的成本和精力？在减量分类模式大面积推广时，如何设置少量抽样数据来检测一定区域内减量分类工作的效果？4、基于你构建的减量分类模型，指出深圳未来5年推进减量分类工作关键措施，并预测措施实施的最好与最坏结果。二模型的假设与符号的说明2.1模型的假设（1）假设题目所给数据及建模收集数据均真实可靠；（2）假设产生的垃圾能够有效的回收，不存在未知垃圾；（3）假设扔垃圾的量不受天气及气候的影响；（4）假设所有人都按要求对垃圾分类；（5）小区人员能准确投放垃圾在指定地点；（6）各个指标因素互不相关，互不影响；（7）假设小区居民在倾倒垃圾时全部按照垃圾的标识进行分类；（8）小区没有若干户家庭集体外出等不在小区产生垃圾的情况；（9）假设建模中涉及主观分析的结论基本与事实相符；（10）假设深圳对环保的投资全部用于对垃圾的减量分类过程。2.2符号的说明符号说明ija若元素i和元素j的重要性之比max正互反矩阵ijnnRa的最大特征值CI一致性指标CR一致性比率1C阳光花园与最优方案的接近程度2C天景花园与最优方案的接近程度iP深圳九个区的i区人口数(0)(0)(0)(0)(1),(2),(11)xxxx七个因素中的一个预测对象的原始数据列，iw，各基础数据分项的抽样量权重N垃圾抽样时的总抽量in各基础数据分项的抽样量a为待定系数，称为发展系数为待定系数，称为灰色作用X代表影响垃圾减量的因素集合注：其他符号已在文章的相应部分给出说明三问题的分析3.1对问题一的分析：垃圾减量分类活动是人类社会对自身垃圾产生系统的一个干预性工程。主要是社会通过教育、督导、激励等措施（社会因素）影响个人及家庭的垃圾产生动因（个体因素），最终形成减少垃圾总量并分类回收良性结果的控制过程。我们将影响垃圾减量的因素大致划分为七个方面：教育、督导、激励、家庭收入、家庭结构、户籍类型以及生活习惯。首先我们考虑的是是否可以通过灰色关联度分析的方法进行分析，但由于缺少两个小区在这七个方面的具体数据，所以改用层次分析法。基于层次分析法，确定各因素的权重，再量化各因素建立模型，分析社会因素及个体因素对垃圾减量分类结果的影响。最后用TOPSIS法对利用层次分析法构建的量化模型进行检验，评价出天景花园、阳光家园两个小区垃圾减量分类效果的好坏。3.2对问题二的分析：此问主要是针对数据间的相关性分析，对数据相关性分析可以采用多种方法和软件，对比许多方式，我们采用pearson相关性分析，分析了四类垃圾之间存在的相关性，得出相关结论与原因。在考虑激励措施对垃圾减量的影响是，由于缺乏具体的措施所以无法细化分析，因此在利用第一小问构建的减量分类模型基础上，我们综合权重和附录2,3的各垃圾组分的数量变化进行定性的相关性分析及原因分析。3.3对问题三的分析：首先对题目中的几个名词加以分析，基础数据项:数据项是数据结构中讨论的最小单位，是数据记录中最基本的、不可分的有名数据单位，是具有独立含义的最小标识单位。数据项用来描述实体的某种属性。在地理信息系统中，数据项描述对象是地理实体各要素及其属性。所以在本问中的基础数据项就是对垃圾的具体分类。数据颗粒度:主要针对指标数据的计算范围,简单说来，数据颗粒度就是用于表示某数据集的组成的最小单元。根据附件8所给信息知道现深圳对垃圾处理的颗粒度标准。基础数据分项是否足够主要通过与一些发达地区及环保工作做得比较好的地区之间比较以及根据现有经验分析；对于颗粒度是否足够主要通过对附加8中的数据进行分析并参照《生活垃圾采样和物理分析方法（CJ/T313-2009）》的要求判断；通过垃圾分类的作图，在对数据分析及根据一些发达地区的标准的基础上确定成本和精力投入方向；运用统计学上的一些抽样思想来达到设置少量抽样数据来检测一定区域内减量分类工作的效果的目的。3.4对问题四的分析：问题四与问题一的模型上有些区别，问题一针对的是小区，问题四针对的是整个深圳市。由于问题一中，小区的垃圾影响因素的具体数据较难找，所以用层次分析法，但在判断矩阵的建立中有较大的主观性，而针对整个深圳市时数据资料可以通过《2012深圳年鉴》来查找，所以采用多元线性回归预测模型及灰色系统用灰色系统预测未来五年内各因子的值，再代入求解最好坏结果。评价未来5年内的具体工作措施，可以根据权重及附件信息综合考虑来完成。四模型的建立与求解4.1问题一模型的建立与求解4.1.1模型的引入（1）层次分析法步骤建立层次结构模型。在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次。构造成对比较阵。从层次结构模型的第2层开始，对于从属于(或影响)上一层每个因素的同一层诸因素，用成对比较法和1—9比较尺度构造成对比较阵，直到最下层。计算权向量并做一致性检验。对于每一个成对比较阵计算最大特征根及对应特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量(归一化后)即为权向量：若不通过，需重新构造成对比较阵。④计算组合权向量并做组合一致性检验。计算最下层对目标的组合权向量，并根据公式做组合一致性检验，若检验通过，则可按照组合权向量表示的结果进行决策，否则需要重新考虑模型或重新构造那些一致性比率较大的成对比较阵。（2）TOPSIS模型Topsis[11]是系统工程中有限方案多目标决策分析的一种常用方法，可用于效益评价、卫生决策和卫生事业管理等多个领域。基于归一化后的原始数据矩阵，找出有限方案中的最优方案和最劣方案，然后分别计算诸评价对象与最优方案和最劣方案间的距离，获得各评价对象与最优方案的相对接近程度，以此作为评价优劣的依据。4.1.2模型的建立1、确定目标层和评价指标记目标为Y，为垃圾减量分类效果，七个评价指1234567,,,,,,Xxxxxxxx，分别代表影响垃圾减量的因素，为教育、监督、激励、家庭收入、家庭结构、户籍类型、生活习惯。具体见图1：图1垃圾减量影响因素分类2、建立成对正反对比矩阵通过相互比较确定各准则对于目标的权重，即构造判断矩阵。在层次分析法中，为使矩阵中的各要素的重要性能够进行定量显示，引进了矩阵判断标度:表1Saaty比例标度表标度含义1表示两个元素相比，具有同样的重要性3表示两个元素相比，前者比后者稍重要5表示两个元素相比，前者比后者明显重要7表示两个元素相比，前者比后者极其重要9表示两个元素相比，前者比后者强烈重要2,4,6,8表示上述相邻判断的中间值注：对于要比较的因子而言，认为一样重要就是1:1，强烈重要就是9:1，也可以取中间数值6:1等，两两比较，把数值填入，并排列成判断矩阵（判断矩阵是对角线积是1的正反矩阵），在构建矩阵时也有倒数的方式填入，所谓倒数就是：若元素i和元素j的重要性之比为ija,那么元素j与元素i的重要性之比为ijjiaa/1查找相关文献如《2012深圳年鉴》根据里面各项财政支出比重及当地的文化背景等因素再结合所定义的标度可以得出正反对比矩阵如下：6435713552255555551673224575514445232322121355312111123542222111115542354332317552R3、一致性检验由参考文献知定理如下：设是max正互反矩阵ijnnRa的最大特征值，则必有maxn，其中，等式当且仅当R为一致性矩阵时成立。应用上面的定理，则可以根据maxn是否成立来检验矩阵的一致性，如果max比n大得越多，则