城市生活垃圾管理问题研究

1、蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅

2、羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀

3、蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄

4、肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈

5、袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂

6、肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿

7、罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄

8、螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈

9、羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂

10、袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆

11、肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁

12、罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈

13、螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂

14、羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆

15、袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀

16、聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅

17、袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿

18、螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃

19、羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀

20、袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄

21、肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿

22、袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃

23、螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇

24、羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂

25、螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈

26、肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃

27、袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇

28、螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁

29、羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄蒆薇羆肃蕿螃袂膃芈薆螈膂莁螁蚄膁薃薄肃膀芃衿罿腿莅蚂袅膈蒇袈螀膇薀蚀聿膇艿蒃羅芆莂虿袁芅蒄蒂螇芄膃蚇螃芃莆薀肂节蒈螅羈芁薀薈袄芁芀螄螀莀莂薆肈荿蒅螂羄莈薇薅袀莇莇螀袆羄葿蚃螂羃薁袈肁羂芁蚁羇羁莃袇袃羀蒆蚀蝿聿薈蒂肇聿芈蚈羃肈蒀蒁罿肇薂螆袅肆节蕿螁肅莄螄肀肄 城市生活垃圾管理问题研究摘要本文对城市生活垃圾产量变化和垃圾收集管理问题进行了研究。在第一问中，首先采用灰色理论中的预测模型合理地对垃圾产量直接进行预测得到预测并得到时间响应序列其中发展系数和灰作用系数的估计值为。预测数据相对原始数据在数据的时间区间内的关联度为0.9976

30、0.9,预测结果比较理想。然后通过影响垃圾产量的因素进行间接预测，得到以下多元线性回归模型进而对方程进行拟合优度检验和回归方程的显著性检验得到检验统计量分别为调整的、，都表明预测效果非常好。模型从两个角度进行预测提高了模型实用性。在第二问中，模型根据收运车的最大载荷将站点分成若干个块，每块由一车收运。分块前先用遗传算法求出垃圾收集站点的全局最优路线，再沿站点的全局最优路线进行分块，避免了直接按地理分布分块的特殊性，适合各种分布的分块。最后将站点划分成11块，并分两种情况对每一块求最优路线：第一趟收集垃圾时车从车库出发最后到达垃圾中转站，相应地采用非巡回的tsp改进模型求得；后面的趟数则都是从垃

31、圾中转站出发后又回到垃圾中转站，这是典型的tsp问题。在点数较少时以上两个模型可以转化成混合整数规划模型运用lingo进行求解。由此可知，对于不同的车辆数，模型都能给出相应最优垃圾收集方案。最后在一定的数据或计算结果的基础上从不同角度分析得到模型适用于不同车辆数的路径设计与分析，考虑到问题的复杂度，算法不是很稳定，分析不同的遗传算法最优控制参数，推出算法鲁棒性较好，模型比较健壮。关键词：灰色理论 预测 多元线性回归 遗传算法 混合整数规划1 问题重述1.1 问题背景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。城市生活垃圾的年增长速度达8

32、-10%，严重污染环境。城市垃圾管理包括计划、组织、行政、金融、法律和工程等多方面，并涉及到城市生活垃圾收集、运输和处置。而中国目前处置水平低，管理办法不多，更是急待解决的问题。在这方面，世界许多国家在谋求解决城市生活垃圾过程中，产生出许多好的办法，并在此过程中总结了经验和教训。一般认为，城市生活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的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，

33、这一过程称为城市垃圾的收运。收运过程可简述如下：某城市有多个行政区，每个区内均有一个车库，假设某一车库拥有最大装载量为 w 的垃圾收集车 k 辆，并且该区的垃圾收集点（待收集垃圾的点）有 n个，该城市共有垃圾中转站 p 座。每天 k 辆垃圾车从车库出发，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。以上收运过程均在各点的工作区间之内完成。（注：必须在收集点的工作区间之内，垃圾车才能在该点收集垃圾。）1.2 问题提出为了合理并高效地对城市垃圾进行管理，需要利用数学方法建立

34、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。问题一，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。问题二，在收运过程中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a,b。给出规划以上垃圾收运路线的数学模型，并设计出有效的算法，针对所得数据，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。

35、2 问题分析对于问题一，要对城市生活垃圾产量进行中短期预测，必须建立在垃圾产量数据基础上，并采用一种适合中短期预测的预测方法进行预测。考虑到模型的准确性，还需要对预测值和实际值的的符合程度进行检验；另外，要使模型具有实用性就要分析城市生活垃圾的影响因素，即在这些因素发生变化时，相应地，在对垃圾产量进行预测时，需要对模型进行改进采用更加适合新情况的模型。对于问题二，由于车库中的车辆数不定，且受每辆垃圾收运车的最大载荷的限制，要设计垃圾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，就要从垃圾收集点着手同时考虑垃圾收运车的最大载荷和收运路线最短。最后从不同角度分析模型的适用性

36、、算法的稳定性和鲁棒性。3 模型假设与符号说明3.1模型假设1）题目给出的以及本文搜集的数据真实可信。2）预测年份不发生重大自然灾害或经济危机等影响经济、人口等因素的突发情况。3）垃圾车路途中保持匀速且不考虑路面情况和交通事故的发生。4）各收集点垃圾量一天之内不发生变化。3.2符号说明 垃圾产量的时间序列， 垃圾点的编号， 收运车载重剩余处理临界值， 垃圾总量， 收运车的最大装载量， 站点的垃圾量， 判断之间是否有回路， 站点到站点间的距离 城市人口数 城市居民人均可支配收入 国民生产总值 城市垃圾产量 初始种群规模 遗传算法交叉概率 突变概率4 模型的建立与求解4.1 生活垃圾产量中短期预测

37、模型的建立与求解根据获取的垃圾产量的数据，本文采用灰色预测理论中的模型，并对预测的结果的准确性进行了分析；然后考虑各种因素对垃圾产量的影响，建立垃圾产量与各种因素的关系模型，以便当这些因素发生变化时，修正垃圾产量的预测值，提高模型的实时性，使模型更加实用。4.1.1 垃圾产量的灰色预测模型1）模型的建立与求解记所得垃圾产量的时间序列为非负序列其中，为序列中第年垃圾产量，。为了排除垃圾产量序列中的随机干扰（即所谓“噪声” ），需要对序列中的数据进行处理，产生新的序列，以此来挖掘和寻找序列的规律性，这种方法叫做序列的生成。由于累加生成可使非负的摆动与非摆动的数列或任意无规律性的数列转化为非减的、递

38、增的数列。本模型对该序列进行累加处理，得到其相应的ago生成数据序列为其中，上标（1）表示1 次累加生成，记作1ago。由于得到灰微分方程还需要用到序列的均值生成。称 与 为数列的一对（紧）邻值，称为前值，称为后值。对于常数，则称为由数列的邻值在生成系数（权）下的邻值生成数（或生成值）。特别地，当生成系数时，则称为（紧）邻均值生成数，即等权邻值生成数。由以上定义可知的紧邻均值生成序列其中，。于是定义的灰微分方程模型为即其中或称为灰导数，称为发展系数，称为白化背景值，称为灰作用量。，是需要通过建模求解的参数。以下给出参数和的计算方法。若为参数列，且，则求微分方程的最小二乘估计系数列，满足由此得出

39、和的估计值。然而以上灰微分方程还不能对未来数据进行预测，需要对其进行转化即白化处理。因此定义为灰微分方程的白化方程，也叫影子方程。其中导数对应于灰导数，背景值对应于。如上所述，则有白化方程的解或称时间响应函数为灰微分方程的时间响应序列为取，则将生成序列转化成还原值为本模型以北京2001年到2007年的垃圾生产量为数据基础，将其代入以上模型得到参数和的估计值为从而，得到城市垃圾产量的预测方程进一步求解并进行预测得到预测结果与原始数据对比如下表1所示：表1 垃圾生产量预测结果与原始数据比较年份实际值预测值预测误差200130330302002321.4370.917149.51712003454.

40、5407.9093-46.59072004491448.5908-42.40922005454.6493.329538.72952006538.2542.53014.33012007600.9596.6376-4.2624为了更加直观地观察预测结果，画出垃圾产量图如下图1所示 图1：垃圾产量图2）预测数据的检验本模型通过对实际数据和预测数据的关联度进行分析，得出两者之间的吻合程度，以判断预测模型的准确性。在计算关联系数时一般要求作关联度计算的数列的量纲最好相同，并要求所有数列有公共交点（公共参数点）。为解决这二个问题，在计算关联系数之前，先将数列作为初值化处理。一般用每个数列的第一个数除其他数

41、。然后根据关联系数的计算公式求出原始数据与预测数据的相对差值。式中相当于原始数据，而相当于预测数据，称为分辨系数，一般取0.5。称为两极（两个层次）的最小差；称为两极（两个层次）的最大差。关联度的一般表达式为由以上分析最后得出预测数据相对原始数据在数据的时间区间内的关联度为0.99760.9,由此可知预测得到的数据与原始数据的吻合程度很好，本文所建立的模型较合理。4.1.2 垃圾产量及其影响因素关系预测模型本文采用多元线性回归模型分析垃圾产量与人口、经济发展水平（生产总值）、人均居民收入的关系，并对模型进行检验。然后通过不同地区城市之间的垃圾产量的比较得出地理因素对垃圾产量的区别。以北京为例得

42、到各因素与垃圾产量的数据如下表2所示表2 北京各因素与垃圾产量的数据年份垃圾量 y(万吨)生产总值 x3（亿元）城市居民人均可支配收入 x2（元）人口 x1（万）20013032817.6115781120.52002321.4313012463.921136.32003454.53611.913882.61148.820044914283.315637.81162.92005454.66814.5176531180.72006538.27720.3199781197.62007600.99006.2219891213.3多元线性回归模型的一般形式为其中表示影响因素的值，表示垃圾产量，为独立变

43、量。将表2中的数据代入上式中得到用矩阵表示为简写为用最小二乘法求的估计，为此，令其中为误差平方和，其中可得由上述分析并代入实际数据可得最终的回归方程为进而对方程进行拟合优度检验和回归方程的显著性检验得到检验统计量分别为调整的、，具体的数据如下表3所示表3 检验统计量值rr squarefsig. f change0.983761080.9677858730.0420.009720225由于检验统计量对应的概率值为0.0097，小于显著性水平0.05，调整的非常接近1，表明拟合优度较高；而且统计量f值也较大，说明被解释变量与解释变量之间的线性关系较显著。因此，上述求解的线性模型比较合理。4.1.

44、3 模型准确性与实用性分析对于模型的准确性，模型首先对数据进行累加处理由于垃圾产量序列等实际问题的数列皆是非负数列，累加生成可使非负的摆动与非摆动的数列或任意无规律性的数列转化为非减的、递增的数列。数列经过累加生成后规律性得到加强，为序列的准确预测打下了明确的基础。在对灰微分方程中的参数进行估计时采用的为最小二乘方法，准确度较高。最后对预测数据和原始进行灰色关联度分析得到二者的关联度为0.9976,可知模型预测的准确性。回归模型中也用到了最小二乘方法，并通过控制离差平方和保证了结果的准确性，最后经过拟合优度检验和回归方程的显著性检验得到的结果表明预测模型与实际数据规律吻合程度很高。对于模型的实

45、用性，本文建立两个垃圾产量的预测模型，表面上看是多此一举，实际增强了模型的实用性。在模型中仅仅从各年垃圾产量直接进行预测，这是从预测对象本身找出其发展趋势的规律。然而这样考虑比较单调，且只有在知道了预测前的垃圾产量才能对未来进行预测，其功能限于预测。而考虑垃圾产量的影响因素不仅扩大了预测模型的数据来源，可以用不同的数据进行预测，而且能根据垃圾产量的影响因素进行间接预测。考虑到因素对垃圾产量的影响具有时延性，因此通过因素进行间接预测相对直接预测有一定的提前量。另外还可以利用回归模型的控制功能对垃圾产量进行控制。在考虑地理因素时，模型还可以分析不同地区的垃圾产量的变化规律，得出了各地区间的垃圾产量

46、的关系；在以后的预测中就可以只预测出一个地区的垃圾产量，再根据这个关系预测出别的地区的垃圾产量。4.2 垃圾收运车的收运路线的设计模型4.2.1全局最优路线的近似算法确定 1）确定全局最优路线的意义根据所得数据，经简单计算可知一辆垃圾收运车一天之内无法收集完所有垃圾收集点的垃圾，收集垃圾过程中还受每辆垃圾收运车的最大载荷限制。因此当一辆垃圾收运车达到或接近其最大载荷时，就要回到垃圾中转站卸载垃圾。又由于车库中的车辆数缺少约束，无法确定其数值，本模型将其作为一个待定的变量，并根据实际情况确定它的值。出于以上考虑，可知垃圾收集点被分成若干块，要设计最优收运路线一个可行的方法就是先将所有垃圾收集点进

47、行分块。然而如果直接进行分块会因为收集点分布和疏密过于散乱造成工作量非常大且很难对保证其合理性，可能会出现如下图2中所示的情况图2 分块不合理的情况图中由于所围部分被分成一块，导致其右侧点被独立起来，当这些点不能装满一辆车时就必须跨过（绕过）所围部分。这样明显不符合问题的要求。为了解决以上问题，本模型以全局最优路线为基础，沿最优路线对垃圾收集站点进行分类。这样即在一定程度上避免了图2中的情况出现，而且能够保证在对收集站点分块之后整体收运趋于最优。2）全局最优路线的近似求解遍历垃圾收集点的全局最优路线是一个tsp问题，由于这类问题目前还没有找到一个有效算法，并已证明它是属于npc问题，且收集点的

48、数量太多，只能求得最优路线的近似解。考虑到收集点数太多，本文采用智能算法中的遗传算法解tsp问题。遗传算法的求解过程： 编码。对于个城市的tsp问题，如果用常规码对解进行编码，所以解的个数为,当确定一个城市为始终点时，可用城市间顺序的排列来表示可行解，可行解的个数有 ,采用0-1编码，在计算过程中只有极小的比例为可行解，大量的计算浪费。所以针对tsp问题，利用非常规编码，其具体形式为,表示垃圾点编号。 初始化过程。定义整数作为染色体的个数，随机产生个初始染色体，构成一个初始种群，计算种群中每个染色体的适应度函数：其中，,是第个初始染色体（可行解）的目标函数值。 若停止规则满足，则算法停止；否则

49、，计算概率：计算累积概率,从区间中产生一个随机数，若,则选择第个染色体，这就是旋转赌轮选择。 交叉操作。定义参数作为交叉操作的概率，这个概率说明种群中有期望值为个染色体进行交叉操作。为确定交叉操作的父代，从到重复以下过程：从中产生随机数，如果,则选择作为一个父代。 变异操作。定义参数作为遗传系统中的变异概率，这个概率表明，总体中有期望值为个染色体用来进行变异操作。它选择父代的过程类似于交叉操作中的父代选择。在实际应用中，常取个体编码长度数的一个线性倍数作为初始群体的规模，此处，定义,专家建议的最优参数范围 ,，通过试验发现在此问题中，当时取得的结果较好，具体值参考目录，进化过程图如下：图3 遗

50、传进化过程从图中可以看出，遗传算法在第1233代求得最短路径，效率较高。4.2.2 站点划分模型1）收运车载荷剩余处理在垃圾收运车收运过程中，当车内的垃圾将要达到其最大装载量，但是还不满，而下一站的垃圾量又超过了车内的剩余量。这就出现了收运车载荷剩余处理的问题。本模型定义了一个收运车载荷剩余处理的临界值其计算公式为其中表示所有垃圾站点的垃圾总量，表示一辆垃圾收运车的最大装载量。根据所得数据并进行一定的计算可知所有垃圾站点的垃圾总量为2132.5 yards，而一辆垃圾收运车的最大装载量为200 yards。由此可知，如果所有的车都按其最大装载量收运，运完所有的垃圾至少需要11车，而且最后一车装

51、不满，其剩余载荷还可以装67.5 yards。由此可得出的值为6.75 yards，由临界值的意义可对收运车载荷剩余作如下处理：当一辆垃圾收运车的剩余载荷大于时该车继续到下一个点收垃圾，直到收满为止，而下一个垃圾收集点剩下的垃圾由下一车继续收集；当剩余载荷小于时直接回垃圾中转站，不再继续收运垃圾。2）局部站点确定利用前面得到的全局最优路线从路线第一个垃圾收集点开始，对后续经过的收集点的垃圾量进行累加，再利用收运车载荷剩余处理的临界值判断此次收运的结束点，从而确定此次收运所经过的收集点，将这些点记录下来并归为一块，记为。该过程的流程图如下图4所示nynnyy已知线路中收集点排序和各点垃圾量是否到

52、达最后一个收集点垃圾车剩余空间是否小于6.75记录该收集点位置n收集该点垃圾后是否超载装入该收集点垃圾垃圾车容量清零结束到下一个收集点装满垃圾车该点垃圾是否有剩余继续到该收集点图4 局部站点确定流程图通过运算得出所有的垃圾收集点可以分成11块，其序号表示如下表4所示表4 垃圾收集点分区分区1分区2分区3分区4分区5分区6分区7分区8分区9分区10分区1157179140242275103236979938572381875383142181242194613723818980144170255235138156152186189123139148131225271882920023012373

53、782260250112391571081647345184237198621253516286254454416381212272687621011944143583014622244421493175143266105678425916025624611826426643133549517552529014220843174206242392702324563207941741211101221169781992111511971217179178161532621761923722071215751778261402672326524121520551342691319025810910

54、010205521831452102652518510270158521811211520141188107104165611812409811227204233471191825024025728196603637223142332572622987741171669222213211326159913524811413419127425348159179120771111681942281731801792476612816127217115432249116130211726642341475217251596822322420920853822627369141992132021813

55、61671952634.2.3 局部最优路线的确定由于问题中车库中的车辆数不定，则收运车收运垃圾分为两种情况：一种是某车第一趟从车库出发经过垃圾收集点再到中转站；另一种是某车第一趟以后从垃圾中转站出发经过垃圾收集点再回到垃圾中转站。则局部最优路线的确定相应也分成两种情况：一种是确定起始点和终点的非巡回最短路径；另一种是确定起点的巡回最短路径，即典型的tsp模型。以下分别给出两种最短路径的求解模型。首先建立典型tsp问题的求解模型。由于这类问题目前还没有找到一个有效算法，并已证明它是属于npc问题，且收集点的数量太多，只能求得最优路线的近似解。本文把最优路线模型转化成混合整数规划，然后用lingo软件来求解。以下给出最优路线的数学描述，以便用lingo软件来求解。首先引入0-1整数变量:表示路线从到，表示不走路线到，为局部路径中的站点数。则对每个站点都有只一条路到达该点，并只有一条路从这一点离开。为了保证路线构成整体巡回路线而不出现子巡环，还要加入以下约束条件其中为增加的变量。下面证明：假设存在子巡回，则至少有两个子巡回。那么必然至少有一个子巡回中不含起点城市1，例如子巡回（4-5-6-4），则新增约束用于该子巡回，必有，把这三个