无废城市建设场景下LightGBM垃圾产量预测模型构建

中国于2018年提出“无废城市”建设试点工作方案。通过对某试点研究区域调研发现,近年来当地生活垃圾产量呈现高出城市人口发展速度,且呈非线性快速增长趋势。传统的预测手段已经无法满足当地垃圾产量的精细化管理需求,难以将当地垃圾处理能力的发展与产量增加的趋势相协调。因此,基于社会多元数据,构建对研究区域整体垃圾总产量预测的模型研究方案。通过将灰色关联分析算法与LightGBM机器学习算法结合,获得了多元社会数据中与研究区域垃圾产生增长关联最为密切的几类特征数据,以进行机器学习模型构建与交叉验证调优,获得了MAE为1.48,MAPE为15.42%的生活垃圾产量精准预测模型。最终利用该模型预测,2025年该地的生活垃圾产量将达到17.23万t/a。     

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。