论文部分内容阅读
随着我国城市化进程的加速推进,城市经济快速发展,城市生活垃圾清运量以每年3%~10%的速度快速增长。当前一些垃圾处理基础设施不能满足经济快速发展的需求,就导致很多城市被垃圾包围。长此以来,不仅会造成严重的环境污染,阻碍经济的增长,更会对居民身体造成一定的威胁。针对上述问题,本文以我国历年城市生活垃圾清运量为基础,运用灰色关联度筛选影响我国城市生活垃圾清运量变化的主要因素。在此基础上提出基于BP神经网络和基于Elman神经网络的城市生活垃圾清运量预测模型。分别用两种模型对我国城市生活垃圾清运量进行预测,通过对预测样本进行检验选择预测精度较高的Elman神经网络模型对我国未来几年城市生活垃圾清运量进行预测。生活垃圾清运量作为城市不容忽视的民生难题之一,准确预测生活垃圾清运量意义非凡。它能为垃圾的综合治理提供依据,有效控制垃圾增长,减轻环境污染。还能为城市建设规划和环境卫生规划提供决策信息,对垃圾转运站的规划布局有着重要的影响。以武汉市为例,对武汉市2004-2014年的生活垃圾清运量及其11个影响因素的数据,运用灰色关联度法筛选得到了影响垃圾清运量最相关的6个主要因素。对所建预测模型进行对比分析,通过计算模型预测值与实际值的平均绝对百分误差和均等系数来检验模型的预测精度,结果表明Elman神经网络预测模型精度优于BP神经网络预测模型。并利用所建模型对武汉市2015-2018年的城市生活垃圾清运量进行预测,预测垃圾清运量分别为285.28(万吨),287.83(万吨),304.98(万吨),291.42(万吨)。研究结果表明,基于灰色关联度和Elman神经网络的城市生活垃圾清运量预测模型能有效的预测城市生活垃圾的清运量,具有较好的可行性和适用性。