最优组合预测模型在城市生活垃圾清运量中的应用

为了比较客观地反映我国城市生活垃圾清运量的发展趋势,在灰色预测、后退法回归和多元回归三种预测方法的基础上提出了我国城市生活垃圾产生量的线性及非线性的最优组合预测模型。文章以我国1998～2006年的城市生活垃圾清运量为基础,通过实例对模型精度进行了分析,结果表明,预测值与实际结果具有良好的一致性,模拟精度达到0.1%,在此基础上对中国城市生活垃圾未来近几年的变化趋势做出预测。     

中国城市生活垃圾排放现状及成分分析

城市生活垃圾在填埋处理过程中会向大气排放甲烷,增加大气中温室气体的含量,对全球气候变化产生一定的影响.采用数学统计方法,通过对中国城市生活垃圾清运量的变化趋势及影响因子分析,证实了城市生活垃圾的产生与非农业人口数量、国民经济发展水平、城市建成区面积以及城市人口数量和城市数量等因子有较好的相关关系.通过对代表城市的垃圾成分进行调查分析,结合历史资料,得出中国城市生活垃圾成分有区域和时间变化特征:南方城市和大城市的有机物与可回收物含量高于北方城市和中小城市,而无机物含量则相反;有机物含量随时间基本上呈上升趋势,无机物含量则呈下降趋势,但近些年有机物和无机物含量均逐渐趋于平稳,变化不是很大.     

安徽省垃圾填埋气CO_2减排潜力研究

采用IPCC与可生物降解两种预测模型对安徽省2020年城市生活垃圾填埋气甲烷产量进行预测,并分析比较模型预测结果;进而通过填埋气发电项目对安徽省垃圾填埋气二氧化碳减排潜力进行探讨。结果表明:预计到2020年,安徽总的生活垃圾清运量可达到758.9万吨,可产生的生活垃圾填埋气甲烷产量约45.5万吨,若这些甲烷气体不经处理直接排放到大气中,相当于排放约900万吨的CO2,因此,安徽省垃圾填埋气CO2减排潜力巨大,其基于清洁发展机制(CDM)的减排潜力可达1.46×109吨。该研究对促进安徽省CDM项目的开发,充分利用CDM资金促进安徽经济的可持续、健康发展具有一定的指导意义。     

江苏省城市生活垃圾清运量的相关因素分析及灰色模型预测

生活垃圾产生的不确定性和分散性使其清运量符合灰色数据特征,可建立相应的灰色模型进行预测。本文在已知2003—2007年间江苏省城市生活垃圾清运量、城镇人口数量、15～64岁人口比例、人均年可支配收入和消费性支出的基础上,通过灰色关联分析,得出城镇人口数量和15～64岁人口比例为影响江苏省城市生活垃圾清运量的主要因子,并利用灰色系统理论建立了满足精度要求的GM(1,1)预测模型,对2008—2012年的江苏省城市垃圾清运量进行了预测。该预测结果将对近期江苏省城市生活垃圾治理决策的制定具有指导作用。     

荆州城区生活垃圾产生量的关联度分析与预测

准确地预测城市生活垃圾产生量,有利于更好地制定城市生活垃圾处置规划。本文利用荆州市1998年-2007年垃圾清运量和社会经济统计资料进行了关联度分析,预测了2010年-2020年荆州城区生活垃圾量。结果表明,GDP、社会消费品零售总额和人均消费支出3个因素是推动垃圾清运量增加的主要因子,其权重分别为0.281、0.386和0.333,预计到2010年、2015年和2020年荆州城区生活垃圾清运量将分别达到31.51万t、38.62万t和48.70万t,其预测结果可为制定荆州市生活垃圾处置规划提供科学依据。     

辽宁省城市生活垃圾清运量影响因素分析

自2006年后辽宁省城市生活垃圾清运量呈上升趋势。使用MATLAB7.0软件分析了6项影响辽宁省城市生活垃圾清运量的主要因素。利用灰色模型和多元线性回归分析相结合预测辽宁省城市生活垃圾清运量,预测结果表明,2015年辽宁省城市生活垃圾清运量将达到1 141万t。     

上海市区生活垃圾预测

一、引言生活垃圾处理方法主要取决于生活垃圾的成份。发达国家垃圾中纸等可燃物的成份较高,处理方法除填埋外主要采用焚烧法。而发展中国家垃圾中食品废物和煤灰成份较高,处理方法除填埋外主要采用堆肥法。目前,上海市区生活垃圾中食品废物和煤灰量约占80％,但随着市区家庭煤气普及率的大幅度提高,垃圾成份将会有较大的变化。过去,由于上海很少开展对生活垃圾成份的测定工作,缺乏历年统计数据,给生活垃圾的预测带来了较大困难。一般生活垃圾预测方法有总量回归法、类比法和主成份分析法,而总量回归法和类比法较难准确反映不同城市的生活垃圾结构。为此,本文采用主成份分析法来预测未来上海市区的生活垃圾结构。     

城市生活垃圾智能分类技术研究与应用进展

城市生活垃圾清运量逐年增加, 由此带来的环境问题日益严峻.不同垃圾组分有其各自适宜的处理与利用方式, 因此, 有效的垃圾分类技术具有重要意义.我国现有的以人工为主的垃圾分类方式存在效率低、成本高、准确性差等弊端, 而垃圾智能分类技术是解决相关瓶颈的重要手段.本文简述了中国代表性城市生活垃圾分布和近年变化趋势, 从密度、电、磁、声波、图像以及光谱多种技术角度出发, 解析了国内外现有的城市生活垃圾智能分类技术, 简要介绍了智能垃圾分类技术的实际应用情况, 分析了智能垃圾分类技术的挑战与机遇.     

沈阳市垃圾填埋处理甲烷产量研究

分析了4种典型的生活垃圾填埋处理甲烷产气量模型：IPCC模型、化学计量式模型、COD模型和生物降解理论模型;利用这4种模型估算沈阳市生活垃圾的甲烷产气总量,对计算结果的差异进行比较讨论;分析了4种模型的优缺点及其不同的适用性;根据沈阳市城市生活垃圾的特点,建议采用生物降解理论模型来估算沈阳市垃圾填埋甲烷产气量。     

基于BP神经网络的城市生活垃圾产生量预测研究——以上海市为例

文章总结分析了影响城市生活垃圾产生量的因素,并根据相关性分析结果确定了主要影响因素,然后建立了上海市生活垃圾产生量的BP神经网络预测模型,并将预测值与实际值进行比较,表明该模型具有较好的适用性和准确性,最后对上海市未来几年的生活垃圾产量进行了预测.     

杭州市城市生活垃圾处理主要温室气体及VOCs排放特征

为了解城市生活垃圾处理过程中主要温室气体及VOCs排放的变化特征,基于《2006年IPCC国家温室气体清单指南》《浙江省市县温室气体清单编制指南》和《大气挥发性有机物源排放清单编制技术指南》推荐的方法,估算了2005-2016年杭州市生活垃圾处理主要温室气体及VOCs排放量.结果表明:2005-2016年杭州市生活垃圾处理过程中温室气体排放占绝对主导地位,VOCs排放只占极少一部分.杭州市生活垃圾处理主要温室气体和VOCs排放量总体上呈上升趋势,与2005年相比,2016年杭州市生活垃圾处理主要温室气体排放量增长了68.8%,VOCs排放量增长了134.0%.从生活垃圾处理方式来看,杭州市生活垃圾填埋处理的温室气体排放量远高于焚烧处理方式,但填埋处理的VOCs排放量却低于焚烧处理方式（2007年和2008年除外）.杭州市生活垃圾填埋处理和焚烧处理的温室气体排放强度分别为0.72~0.86、0.18~0.23.从排放贡献和排放强度来看,采用填埋处理方式有利于减少垃圾处理过程中VOCs的排放,而采用焚烧处理方式更有利于温室气体的减排.随着人均生活垃圾产生量的上升,无论是温室气体还是VOCs,杭州市人均垃圾处理排放量总体呈现稳步上升的态势.研究显示,深入垃圾分类回收、控制人均生活垃圾产生量、优化垃圾焚烧处理方式,可以实现生活垃圾处理主要温室气体和VOCs的协同减排.      

近5年我国部分城市群生活垃圾特性

城市生活垃圾处理处置日益成为世界范围内一个普遍关注的问题,生活垃圾特性是终端处理方式选择的重要依据.从全国超30个城市共采集400余个生活垃圾样品,分析了垃圾的物理组成、污染物含量和热值等基础物化特性.并以深圳为例分析了采样时间和垃圾分类措施等对生活垃圾物化特性的影响.通过偏最小二乘法建立了垃圾组成与热值间的关联模型,并对模型进行了校验.结果表明,湿基中厨余类仍是垃圾中占比最高的组分,大多数样品的占比在40%～60%之间;可燃组成中橡塑类和纸类占比较高,分别在20%～30%和10%～20%之间;无机物占比通常不超过5%;垃圾含水率在50%～60%之间. 2019年实施垃圾分类后生活垃圾中厨余类占比明显降低,橡塑类占比增加,其他组分变化不大,垃圾热值得到一定的提升.生活垃圾中S、 Cl和N这3种污染元素的含量均在1%以下,其平均值规律为：N>Cl>S;垃圾样品中的Hg、 As、 Cr、 Cd和Pb含量随组分及采样时间没有明显的变化规律,垃圾中Pb、 Cr含量受到环境背景值的影响.模型分析发现橡塑类和垃圾水分是生活垃圾热值的主要影响变量,85.96%的样品实测值与预测值之间的偏...     

中国城市垃圾典型可行焚烧技术的综合评价

中国城市垃圾处理的主要方式正在由卫生填埋向垃圾焚烧转变.基于中国城市垃圾焚烧处置需求特征分析,建立了技术评价指标体系,采用层次分析法,从技术的可靠性、经济性和适用性三方面,对国内外现有4种主要城市垃圾焚烧技术进行了综合评价.结果表明:流化床技术和层燃技术在技术成熟度、技术能力和二英污染控制等方面相对可靠,适用于我国多数大城市的垃圾焚烧处置.国产流化床焚烧技术更加适应当前国内垃圾分类水平较差的大部分城市;层状焚烧技术则比较适用于城市垃圾管理水平高、垃圾分类较好、热值较高、垃圾处置集中度高和规模较大的城市;旋转焚烧和热解焚烧技术则较适用于垃圾成分复杂、尺寸不均匀的小城镇、工业园区垃圾处置或医疗废物处置,但二者均需加强二英排放控制.     

云南省环境库兹涅茨特征研究

根据云南省1985~2003年历年环境污染指标的统计数据和历年人均GDP统计数据,对人均GDP与环境污染(工业"三废"排放量)作相关分析,建立两者之间的计量模型,并在此基础上分析工业"三废"排放量与人均GDP增长的关系。经研究发现,云南省经济增长与环境污染基本符合环境库兹涅茨曲线,人均GDP与工业废水排放量曲线和人均GDP与工业固体废弃物排放量曲线均已处于倒U型曲线的右半段,并随人均GDP的增长而呈下降趋势,曲线走势良好;人均GDP与工业废气排放量曲线则处于倒U型曲线的左半段,且尚未达到转折点,随着经济的增长,工业废气排放量将呈上升趋势。但从总体而言,云南省工业环境状况总体上呈逐步好转趋势。     

中国典型城市固体废物可降解有机碳含量的测定与研究

城市固体废物填埋处理产生的甲烷是一种重要的温室气体,城市固体废物中可降解有机碳(DOC)含量是计算其甲烷排放量的重要因子之一.1996年IPCC指南给出了不同可降解有机碳的公式和不同类型固体废物可降解有机碳缺省值.该缺省值主要来自发达国家的文献,不能完全适合中国的实际情况.选择武汉和沈阳作为我国南方和北方城市的代表,分别在其老城区、新建城区、综合市场、食品超市、垃圾填埋场等区域进行固体废物采样,经过化学分析得到代表城市干基和湿基固体废物的含水率、含碳量和可降解有机碳含量,并对其成分特征进行分析,得到中国城市固体废物可降解有机碳含量推荐值.     

灰色关联在城市生活垃圾处理方案优选中的应用

根据城市生活垃圾和其处理技术的特点,运用灰色关联法建立数学模型,并应用于南方某城市生活垃圾处理方案的优选。该城市2020年的预计生活垃圾产生情况:总人口为131.5万,生活垃圾产生量为1404.5 t/d,其中可回收垃圾量为483.5 t/d。拟采用备选方案:方案1为卫生填埋;方案2为分类资源化,可回收垃圾回收,不可回收垃圾卫生填埋;方案3为分类资源化,可回收垃圾回收,不可回收垃圾焚烧。通过灰色关联模型计算,求得灰色关联度ε2>ε3>ε1。结果表明,方案2为该城市生活垃圾处理的最佳方案;表明灰色关联法简易可行,利用其得出的结论具有一定的参考价值。     

基于DEA模型的我国城市生活垃圾管理效率评价

运用数据包络分析(DEA)的模型,通过建立城市生活垃圾管理系统的指标体系,对我国34座城市的生活垃圾管理效率进行了总体评价,并分析了城市GDP产值和人口规模与生活垃圾管理系统效率的相关性.结果表明,现阶段大部分城市的生活垃圾管理具有较好的规模效率(均值0.905),但总体效率需要进一步提高(均值0.622).按照城市所在的地理分区进行排序,华南、华北、华东地区的生活垃圾管理效率较高,而东北、西南、西北和华中地区的城市相对较低.1000万人口规模以上的城市生活垃圾管理的平均效率(0.843)要明显高于该规模以下的城市(<0.6).由此,优化资源配置,提高技术和投入,实现集约发展是提升生活垃圾管理系统的有效途径.     

植被对恢复卫生填埋场环境的作用

卫生填埋是目前我国城市生活垃圾处置的主要手段，以城市生活垃圾主要成份的卫生填埋汤，由于来源广，成份复杂，含有大量的易腐有机物和带病原菌的污染物，不可避免地给填埋场周边环境带来一定影响，有些甚至是较严重的影响。     

内蒙古经济发展与环境污染之间关系的检验

利用内蒙古1986-2009年间的6类环境污染指标和人均GDP数据,基于VAR计量技术,通过变量平稳性和协整检验,Granger因果检验和脉冲响应分析对经济增长与环境污染的关系及其动态性进行了实证研究。结果显示:①当内蒙古粉尘排放量增长率、 工业固体废弃物产生量增长率、 工业二氧化硫排放量增长率和工业烟尘排放量增长率各增加1%时,人均GDP分别降低0.068%、 0.411%、 0.380%以及0.418%;当工业废气排放量增长率和工业废水排放量增长率分别增加1%时,人均GDP分别上升1.305%和1.601%。②人均GDP变化是工业固体废弃物产生量和工业废气排放量变化的Granger原因,但各污染物排放并不是人均GDP变化的Granger原因,这与研究期间内蒙古处于工业化尤其是工业中的采矿业发达的事实吻合。③人均GDP增长率对来自环境变量增长率的冲击影响其响应表现为在第1期均为0,从长期响应来看,给粉尘和废水排放增长率一个正的冲击,人均GDP增长率的响应为持续的降低;对来自废气排放增长率冲击响应函数图在前4期表现出"增长-降低-增长"的趋势,而在后6期表现为缓缓下降;对来自固体废弃物产生量增长率和二氧化硫排放量增长率冲击响应不明显;对来自烟尘排放量增长率的冲击其响应在第2期达到最大值,随后也呈递减趋势。④从方差分析的结果看,不考虑GDP自身的贡献率,内蒙古环境污染指标排放增长率对人均GDP增长率贡献率较小,而在不考虑内蒙古各个环境污染指标排放增长率自身的贡献率的情况下,内蒙古人均GDP增长率对环境污染指标排放的增长率的贡献较高。这进一步说明了内蒙古环境各污染因子排放量的增多并没有大幅度促进人均GDP的增长,但是人均GDP增长却带动了工业污染物排放的增长。