随着中国社会经济的不断发展，近年来国内众多城市的人口和规模不断扩张，超大城市的垃圾处理问题也日益突出。准确预测城市垃圾量的峰值，能为垃圾管理系统能力建设提供决策依据，对超大城市的可持续发展具有重大意义。传统预测方法大多利用平均值概念，不能有效地衡量数据动态变化和对峰值进行动态跟踪。基于此，本文提出一种改进的基于连续混合高斯分布的隐马尔科夫模型(GMM-HMM)，用以动态跟踪城市垃圾量峰值。以小样本的上海市近30年生活垃圾量和大样本的作为公共数据源的美国城市废水量为案例，分别采用状态转移推知预测期望值和通过后验概率搜索历史最相似时刻做预测，并利用Bootstrapping方法对结果进行区间修正以减少初始分布带来的不确定性。案例结果验证了所提出方法对城市垃圾量预测的适用性和有效性。基于改进的GMM-HMM得到上海市2004至2010年生活垃圾量预测值，将其作为上海市垃圾处理量系统动力学模型的垃圾生成变量的输入。垃圾生成包括垃圾循环回收、非法处理和垃圾处理量。垃圾处理量与垃圾处理能力设计直接相关。通过改变垃圾回收价格、垃圾处理价格和针对垃圾非法处理的规章制度的严格程度，仿真得到上海市2004至2010年垃圾处理量。仿真结果表明提升垃圾处理价格是有效减少最终垃圾处理量，实现垃圾可持续处理最有效最灵敏的政策。