城市生活垃圾管理系统现状研究_大学论文.doc

《城市生活垃圾管理系统现状研究_大学论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、城市生活垃圾管理系统研究摘要本文对城市垃圾管理系统进行了研究，并对其中城市垃圾年产量的预测及垃圾收运车的路线选择进行了着重分析。首先，对城市垃圾的年产量进行预测。分析搜集数据得出垃圾的年产量与许多因素有相关关系，且它自身并没有随时间变化的明显趋势。对各因素进行灰色关联度分析，得到影响垃圾年产量的主要的因素为：人口、住宅使用面积、消费水平、可支配收入。并用回归分析的方法求出了垃圾的年产量与各主要因素之间的函数关系（以北京市为例）：由于主要因素的变化规律明确，用GM(1,1)模型对各主要因素进行预测，结果见附表1。然后将各因素的预测值代入回归方程，得到

2、2008年垃圾年产量的预测值为680万吨。对比趋势预测（692.7万吨）及2008年的真实值（672万吨）进行检验，得到模型准确性好，实用性强的结论。其次，设计垃圾收运车的运行路线，使整个收运过程路程最短，并在此基础上让每辆车的收运时间均匀。分析问题，将其转化为一辆无限大容量的车遍历所有收集点的最短路径问题（TSP），运用现代优化算法中的遗传算法进行求解，见表11。再让垃圾收运车沿求出的路线收集垃圾，当垃圾量等于或略小于200后前往中转站（为一条线路），卸载完垃圾后再前往下一个收集点，如此往复进行。进而可以计算出每辆车所需时间为：结果经过的线路段路

3、线花费总时间第一辆车线路5、线路6、线路7、线路106.998小时第二辆车线路4、线路8、线路9、线路117.106小时第三辆车线路1、线路2、线路36.103小时由于遗传算法的种群选择比较大（为200）所以结果具有很强的稳定性，并且算法是全局寻优的，具有实用性。路线的安排中，车载重量为都未达到200，留有一定得稳定裕量，使模型有较强的鲁棒性。关键词：灰色关联度；多元线性回归；GM(1,1)；遗传算法；TSP问题；20一、问题重述随着人类生产和生活的不断发展，由此而产生的垃圾对生态环境及人类生存带来极大的威胁，成为重要的社会问题。一般认为，城市生活

4、垃圾的影响因素包括地理位置、人口、经济发展水平（生产总值）、居民收入以及消费水平、居民家庭能源结构等等。城市生活垃圾产量是垃圾管理系统的关键参数，因此对未来某段时间内垃圾产量的准确预测，是相关垃圾管理部门做出管理规划的前提。另外，城市垃圾自其产生到最终被送到处置场处理，需要环卫部门对其进行收集与运输，这一过程称为城市垃圾的收运。收运过程可简述如下：每天垃圾车从车库出发，经过收集点收集垃圾，当垃圾负载达到最大装载量时，垃圾车运往中转站，在中转站卸下所有收运的垃圾，然后再出站收集垃圾，如此反复，直到所有收集点的垃圾都被收集完，垃圾车返回车库。（以上收运

5、过程均在各点的工作区间之内完成。）请利用数学方法建立以下问题的数学模型，并求解模型，对模型的结果做出合理分析和解释。1.查阅相关文献，搜集垃圾产量数据，在此基础上建立城市生活垃圾产量中短期预测模型，并且分析模型的准确性和实用性。2.在收运过程已知下述四个条件下，如何安排垃圾收运车的收运路线，使在垃圾收运车的行车里程尽可能的少，或者垃圾收运时间尽可能短？(1)车库和收集点、收集点与中转站、中转站与车库的距离；(2)各收集点每天的垃圾产量；(3)每辆垃圾收运车的最大载荷；(4)垃圾收集点、车库、中转站的工作区间。请给出规划以上垃圾收运路线的数学模型，并

6、设计出有效的算法，针对附录中给出的数据，求解模型。并且对模型的适用性、算法的稳定性和鲁棒性做出分析。二、模型的假设与符号说明2.1模型的假设1．忽略每天交通高低峰的路况区别及其他特殊情况，即垃圾收运车的行驶速度保持不变；2．城市两点之间的manhattan距离能很好的表示他们之间的实际距离；3．所搜集到得数据真实可靠，且具有代表性；4．忽略遗传算法本身所造成的系统误差；2.2符号说明：参考数列，表示时刻；：表示第比较数列；：表示比较数列对参考数列在时刻的关联系数；：数列对参考数列的关联度；：分辨系数；：表示回归系数；：阶单位矩阵；：回归误差平方和；

7、：GM(1,1)模型的初始数据；20：级比偏差；：分别表示人口、住宅使用面积、消费水平、可支配收入；：表示垃圾年产量；：表示经过第段线路所花费的时间；：为变量，当为1时表示第辆车通过第段线路，当为0时表示第辆车不通过第段线路；：表示第辆车通过路线花费的总时间；：三辆车走过所有路线的总时间；三、问题分析3.1问题分析问题一，在搜集相关数据的基础上，对影响垃圾管理规划的主要因素——垃圾产量进行预测。分析问题我们发现，影响垃圾产量的因素很多，如：人口数量、居民生活水平等，而且垃圾产量并没有随年份变化的明显趋势。因此，必须首先找到影响垃圾年产量的主要的因素

8、，然后对垃圾年产量与主要因素进行多元回归分析，得到回归方程，进而进行垃圾产量的预测。预测过程必须遵循以下两条原则：①连贯性