北京城市塑料垃圾年产量的模拟预测及其影响因素分析

揭示城市塑料垃圾年产量及影响因素、预测其发展趋势对于城市生活垃圾收集系统的优化、处理技术的合理选择和降低环境影响具有重要意义.本研究基于1989年以来北京塑料垃圾占比、城市生活垃圾产量数据和社会经济数据,利用赤池信息量准则（AIC）和灰关联度法研究了北京城市塑料垃圾占比的年变化趋势和城市塑料垃圾年产量的主要影响因素.通过多元线性回归模型（MLR）、灰色系统模型GM（1,1）和BP神经网络模型对北京城市塑料垃圾年产量进行了模拟预测.结果表明,北京城市塑料垃圾占比由1989年的1.88%,增加到2012年的14.87%.基于AIC准则预测2013—2050年北京城市塑料垃圾占比增长趋势较平缓、稳定在14%~19%之间.2000—2012年北京市城市塑料垃圾年产量由40.2×10⁴ t增加到121.1×10⁴ t,年增长15.5%.人均可支配收入是影响北京城市塑料垃圾年产量的最大社会经济因素,而常住人口的影响较低.BP神经网络是模拟预测北京城市塑料垃圾产量的最佳模型,其模拟预测结果表明：2013年后北京市塑料垃圾年产量随时间呈不规则的非线性增长趋势,到2025、2035、2050年北京城市塑料垃圾产量将分别达到335、488和859×10⁴ t,将对北京城市生活垃圾处理处置与防控管理带来巨大挑战.     

基于GIS遥感数据分析的生活垃圾空间分布模型

面向我国无废城市建设的源头减量指标要求,开展生活垃圾的时空产生特征进行科学预测,是生活垃圾管理全局规划的重要基础工作。研究目标区域在2020年生活垃圾年产量达到12.60万t,近年来增幅显著,亟待对生活垃圾的时空产生特征进行精细分析,以服务当地无废城市的建设。在综合分析研究区域历史数据的背景下,建立了研究区域夜间灯光与生活垃圾年产量的线性关联关系,形成了R²达到0.92的回归模型;基于ArcGIS,以2.25 hm²为空间单位,结合克里金算法,为生活垃圾空间分布建立基于夜间灯光的网格化模型;利用泰森多边形算法,对1个生活垃圾收集点进行插值,获取各个收集点的生活垃圾年负荷状况,揭示了某无废城市试点地区中城乡垃圾产量的空间不均衡性。     

合肥城市生活垃圾量的关联分析与灰色预测研究

基于灰色系统理论,运用灰色关联度分析法定量分析了影响合肥城市生活垃圾产量的主要相关因素;建立了合肥城市生活垃圾年产量的预测GM(1,1)模型,并对合肥市未来五年的生活垃圾产量进行了预测.预测结果显示,"十一五"期间合肥城市生活垃圾产量的年平均增长率将8.9%左右,而到2010年合肥生活垃圾产量更是将达到81.2万吨.研究表明,所建立的模型精度较高,预测值的验证性良好,运用灰色关联度分析和模型预测方法在城市生活垃圾研究中可以发挥良好的作用.     

系统动力学方法在城市生活垃圾产生系统的应用

准确预测城市生活垃圾产生量是构建与运行生活垃圾管理系统的首要条件. 我国大部分城市生活垃圾的历史统计数据稀缺,传统预测方法往往难以得到要求精度的预测结果. 在系统地分析生活垃圾产生量影响因素及因素间互动关系的基础上,建立了基于VENSIM软件的系统动力学模型,并将该模型应用于深圳市城市生活垃圾产生系统. 结果表明:运用系统动力学方法可以较好地进行城市生活垃圾产生量预测,解决了数据稀缺条件下城市生活垃圾产生量的精确预测问题,为处理处置工艺的选择和规模的确定提供了数据支撑,同时可以在垃圾产生量预测的基础上进行不同政策下系统的行为模拟.      

东营市城市生活垃圾污染防治规划

随着经济的发展和生产生活的需要,城市生活垃圾产量急剧增加,生活垃圾污染防治规划变得日趋重要。通过对东营市城市生活垃圾的现状分析,运用人口、人均日垃圾量双因素法和BP法对生活垃圾产量及成分进行预测,在此基础上进行合理地规划。试图为探讨适合中小城市发展的城市生活垃圾污染防治规划模型研究的进一步开展提供有益的参考。     

我国小城市群生活垃圾优化管理的技术方法

针对小城市群生活垃圾管理中存在的问题,初步建立了适合区域生活垃圾优化管理的技术方法流程。该流程包括基础数据调查、垃圾产量和成分预测、中转设施的确定、处理技术遴选、模型计算和方案决策等6个部分,已达到生活垃圾管理区域优化、时序优化和技术优化的目的。将该技术方法应用于广东佛山市生活垃圾优化管理,取得了良好的效果。      

城市生活垃圾产生预测的核心问题探讨

城市生活垃圾问题严重威胁城市的可持续发展,其产量和成分的预测已成为生活垃圾管理研究的热点,是生活垃圾管理体系规划、实施和优化的基础。文章总结了城市生活垃圾预测的基本框架,认为尺度、因素和方法是三大核心问题。在界定研究的时空尺度基础上,概述了国内外影响生活垃圾产生的因素,将其分成内在、社会人口学、个体、自然和政策5类,列举了回归分析、时间序列、灰色系统模型和系统动力学等预测方法的原理、特征和应用,并展望了未来研究重点和发展方向。     

基于指数趋势模型在城市垃圾产量预测中的应用

采用了一种较新的预测算法———指数趋势模型算法对城市垃圾产量进行了预测,从结果看较为合理,对填埋场容量规划起到一定的参考作用,同时丰富了预测计算方法的研究思路。     

徐州市生活垃圾处理现状及资源化研究

介绍了徐州市生活垃圾的处理现状;对生活垃圾中常见成分比例和垃圾热值进行了测定.应用MATLAB7.0软件,以影响城市生活垃圾产生量的主要因素(人口数量、人均可支配收入、燃气化率、源头减量及资源化利用率)作为输入,来建立预测城市垃圾产量的BP神经网络模型,发现当隐含层的节点数为8时,网络收敛速度较快,预测偏差最小,于是确定预测模型的结构为4-8-1,应用该模型对徐州市生活垃圾产量进行了预测.最后,以所得数据为基础,并结合当地实际情况,提出了徐州市垃圾综合处置和资源化的若干措施.     

灰色系统理论对我国垃圾产量的预测

为了给城市环境规划提供理论依据,需要对城市生活垃圾产量进行预测,以期揭示其变化规律和发展趋势,提出了预测模型,并进行分析研究.模型充分考虑了影响垃圾产量的多种因素,并通过灰色关联度分析,选取与垃圾产量最为相关的5个因素,建立了包括多个因素指标的GM(1,1)预测模型.该模型考虑了城市生活垃圾产量的主要影响因素,得到的拟...     

垃圾图像识别研究进展

实现生活垃圾自动分类是解决城市固体废弃物(municipal solid waste, MSW)问题的有效途径。着眼于近10年基于计算机视觉的垃圾图像识别相关研究,依据垃圾自动分类方法的差异性,将当前现有相关研究分为基于传统机器学习方法和基于深度学习方法。介绍了机器学习方法以及深度学习方法特征提取方式,对比分析了传统机器学习方法和基于深度学习方法的垃圾种类识别的优缺点,着重阐述深度学习方法通用神经网络的应用研究。此外,对当前垃圾图像识别相关研究所用数据集进行了介绍,并对当前垃圾图像识别存在的问题进行了分析与展望。     

建筑工程垃圾减量化概况及评价标准探究

随着"无废城市"建设试点的确立,建筑垃圾的减量化和资源化利用成为工作重心。建筑垃圾可分为工程渣土、工程泥浆、工程垃圾、拆除垃圾和装修垃圾。重点介绍了国内建筑工程垃圾的组成与规模以及减量化策略与技术,并在建筑工程从设计到施工的建设全周期角度上,根据相关类似的评价标准创新性地提出了建筑工程垃圾的减量化评价标准。该评价标准可为未来行业标准的确立提供建议,助推"无废城市"试点建设。     

机器学习在碳基环境功能材料领域的应用研究进展

随着环境功能材料领域产生的数据量及其数据复杂性急剧增加,高成本、长周期的传统实验手段已无法迎合目前功能材料的发展趋势。近年来迅速发展的机器学习能对数据进行深入挖掘和解析,有望为此类问题提供有效的解决方案。机器学习具备效率高、精度高等优势,有效弥补了传统"试错"方式的不足。介绍了机器学习的基本工作原理和算法,从预测理化性质、辅助微观表征和指导新型材料合成3个方面简述了机器学习在环境碳基功能材料领域中的应用研究进展,分析了机器学习在该领域的问题与挑战,展望了机器学习方法在环境碳基功能材料领域的前景与发展趋势。     

基于机器学习的电热防除冰表面温度变化趋势预测

针对飞机部件周期控制律电加热防除冰的应用,提出基于机器学习以预测电加热防除冰表面温度的变化趋势.依靠大型结冰风洞及其电加热防除冰控制系统完成防除冰试验,获得有效的试验数据,以通、断电周期为分割单元,将试验数据划分成验证集和训练集.根据电热防除冰过程的换热情况,构建样本的特征参数,利用机器学习的有监督学习方式,选择KNN近邻回归算法和局部线性加权回归算法预测温度变化率,再转换为温度,得到的温度变化与测量数据的线性相关性达到80％以上的高相似度结果,表明使用机器学习可快速预测电热防除冰部件的表面温度变化趋势,且不同的回归算法针对模型不同测温点位置的预测效果存在差异.     

催化燃烧法处理聚酯工艺废气的实践

探索研究使用催化燃烧方法处理聚酯生产工艺废气的可行性，并在生产装置上进行了中试。试验结果证明，使用催化燃烧法处理效果好，不产生二次污染，处理后的废气可达标排放。     

基于数据驱动的汽车部件温度预测模型研究

目的基于某汽车在中国吐鲁番地区自然暴露的部件温度变化试验数据,预测该车在美国凤凰城地区气象环境下的汽车部件温度变化。方法把汽车部件的温度作为输出变量,提取影响汽车部件温度变化的关键特征(试验时间、大气温度、太阳辐照)作为输入变量,同时运用公式对不同纬度地区部件受到的太阳辐照进行修正,以消除地理位置的影响。利用Python等软件构建机器学习模型,用吐鲁番试验数据训练模型,然后预测该车部件在美国凤凰城地区的温度变化。结果梯度提升机模型具有良好的泛化能力和预测精度,其预测值与实际值的平均绝对误差均在3.3°以内,拟合优度R^(2)均大于0.90。BP神经网络和随机森林算法模型也具有较好的预测精度。结论利用汽车在我国试验站点进行的自然暴露试验数据,可以预测该汽车部件在国外相似地区气象条件下的温度变化。该研究对于依据汽车部件在我国的自然暴露试验结果预测其他国家相似地区自然环境下汽车部件的温度变化具有一定的指导意义。     

城市固体废物的灰色预测与评价

对城市固体废物中长期预测，由于影响因素较复杂，采用常规回归分析模型预测，一般精度较低，且要求数据充分。采用灰色预测模型，以杭州市固体放心物历年实际数据进行拟合性预测。结果表明，该模型对城市固体废物作中长期预测，其预测的准确率可达９３－９９％之间，能较好满足环境规划预测的需要。     

深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

新冠肺炎疫情环境下医疗废物的信息化储运策略

新冠肺炎疫情突发时,医疗废物的有效处理是防疫工作的重要支撑保障环节。首先对新冠肺炎医疗废物的性质及特点进行剖析,收集疫区相关统计数据,获取疫情期间医疗废物储运问题的特征。然后结合物联网及大数据相关的信息化技术,构建了一个医疗废物智能管控平台,并对疫情环境下医疗废物储运的应急指挥系统进行了详细设计。同时提出了构建疫情下医疗废物储运问题的数学模型,利用优化算法对其进行优化,得到了适应疫情突发状况的医疗废物储运策略,可为公共卫生安全防护防治决策提供理论支持。