城市生活垃圾管理問題研究1957573686

1、螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕

2、螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄

3、袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈

4、蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂

5、羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆

6、螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁

7、薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞

8、袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞

9、蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆

10、羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁

11、螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅

12、薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿

13、袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃

14、蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕

15、袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅

16、螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿

17、薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃

18、衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈

19、蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂

20、襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿

21、螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃

22、薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇

23、螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂

24、蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆

25、襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀

26、螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄

27、罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻

28、螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆

29、螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂莇薂蟻袁蒀莄罿袀腿薀裊袀節(jié)莃螁罿莄薈蚇羈肄莁薃羇膆薆羂羆莈葿袈羅蒁蚅螄羅膀蒈蝕羄芃蚃薆羃蒞蒆襖肂肅蟻螀肁膇蒄蚆肀艿蝕螞聿蒁薂羈聿膁蒞袇肈芃薁螃肇莆莃蠆肆肅蕿薅膅膈莂襖膄芀薇螀膃蒂莀螆膃膂蚆螞膂芄蒈羀膁莇蚄袆膀葿蕆螂腿腿螞蚈袆芁蒅薄裊莃蝕袃襖肅蒃衿袃芅蝿螅袂 城市生活垃圾管理問題研究摘要 本文針對北京市的城市生活垃圾問題進(jìn)行了總量預(yù)測和收運路線優(yōu)化。對于問題一，首先，我們采用灰色理論中的關(guān)聯(lián)度分析方法對選取的12個對北京市城市生活垃圾總量可能有影響因素進(jìn)行了分析（數(shù)據(jù)均來自北京市2008年的統(tǒng)計年鑒）。最終選取關(guān)聯(lián)度最大的五個因

30、素，即常住人口，入境旅游者，城鎮(zhèn)居民人均住房面積，居民燃?xì)庥脩艉屠涨鍜呙娣e作為研究對象。接下來，運用回歸分析的方法對這五個影響個因素進(jìn)行了回歸分析，得到了一個五元線性回歸方程（模型），該方程的決定系數(shù)為0.9677，擬合度較高，模擬值與真實值之間的相對誤差的平均值為0.0492，精確度達(dá)到2級以上。接下來，我們嘗試建立了北京市城市生活垃圾總量的gm(1,1)模型（模型），通過檢測模型的模擬誤差發(fā)現(xiàn)誤差過大，不適合做預(yù)測，所以，在這個基礎(chǔ)上我們建立了模型與模型的組合模型，即模型。先對五個因素建立gm(1,1)模型，模擬誤差只有一個為3級，其它四項均在2級以上，然后預(yù)測了2008年到2015年

31、的相應(yīng)數(shù)據(jù)，運用matlab7.0把這些預(yù)測數(shù)據(jù)帶入模型預(yù)測了2008年到2015年的北京市的垃圾總量分別為599.2955，647.361，699.8842，757.2683，819.9521，888.4132，963.1714，1044.793，單位：萬噸。除了2008年的增長率為-0.27%外，2009年到2015年的垃圾總量的增長率均為8%以上，且增長率逐年遞增。對于問題二，我們先采用模糊c均值聚類對眾多的收集點進(jìn)行簡化處理，在這個基礎(chǔ)上，再對聚類點進(jìn)行區(qū)域劃分，然后通過改良圈算法（模型）求得垃圾車的最短行駛路徑，總行程為2443700英尺，最后求解得到垃圾車的數(shù)量為三輛才能保證當(dāng)天所

32、有的垃圾都收運完，總的工作時間約為20.3個小時，最后一輛車在下午14：50左右可返回車庫。最后，對模型的適用性以及算法的適用性、魯棒性進(jìn)行分析得出，模型的適用性較好，但算法的魯棒性一般。最后我們對模型的優(yōu)缺點進(jìn)行了評價，模型可以充分考慮各種影響因素，但對各因素的影響程度缺乏識別，過多的次要因素不僅增加計算量，而且無助于預(yù)測精度的提高。模型雖然對原始數(shù)據(jù)具有預(yù)處理功能，且有一定的預(yù)測精度，但考慮的因素過于單一，對北京市的城市生活垃圾量用模型做預(yù)測不適合。模型，預(yù)測精度比較高，但建模過程復(fù)雜，不適合做因素過多的預(yù)測分析。模型采用模糊聚類法簡化了問題，缺點在于，在劃分區(qū)域時采取主客觀綜合分析法，理

33、由不夠充分，有待改進(jìn)。關(guān)鍵詞 灰色理論 關(guān)聯(lián)度分析 線性回歸 gm(1,1)模型 模糊c均值聚類 改良圈算法 一、問題重述隨著人類生產(chǎn)和生活的不斷發(fā)展，由此而產(chǎn)生的垃圾對生態(tài)環(huán)境及人類生存帶來極大的威脅，成為重要的社會問題。對未來某段時間內(nèi)垃圾產(chǎn)量的準(zhǔn)確預(yù)測是相關(guān)垃圾管理的部門做出管理規(guī)劃的前提。另外，城市垃圾自其產(chǎn)生到最終被送到處置場處理，需要環(huán)衛(wèi)部門對其進(jìn)行收集與運輸，這一過程稱為城市垃圾的收運。收運過程可簡述如下：某城市有多個行政區(qū)，每個區(qū)內(nèi)均有一個車庫，假設(shè)某一車庫擁有最大裝載量為 w 的垃圾收集車 k 輛，并且該區(qū)的垃圾收集點（待收集垃圾的點）有 n個，該城市共有垃圾中轉(zhuǎn)站 p 座。

34、每天 k 輛垃圾車從車庫出發(fā)，經(jīng)過收集點收集垃圾，當(dāng)垃圾負(fù)載達(dá)到最大裝載量時，垃圾車運往中轉(zhuǎn)站，在中轉(zhuǎn)站卸下所有收運的垃圾，然后再出站收集垃圾，如此反復(fù)，直到所有收集點的垃圾都被收集完，垃圾車返回車庫。以上收運過程均在各點的工作區(qū)間之內(nèi)完成。（注：必須在收集點的工作區(qū)間之內(nèi)，垃圾車才能在該點收集垃圾。）請利用數(shù)學(xué)方法建立以下問題的數(shù)學(xué)模型，并求解模型，對模型的結(jié)果做出合理分析和解釋。1. 查閱相關(guān)文獻(xiàn)，搜集垃圾產(chǎn)量數(shù)據(jù)，在此基礎(chǔ)上建立城市生活垃圾產(chǎn)量中短期預(yù)測模型，并且分析模型的準(zhǔn)確性和實用性。2. 在收運過程已知下述（1）（2）（3）（4）等條件下，如何安排垃圾收運車的收運路線，使在垃圾收運

35、車的行車?yán)锍瘫M可能的少，或者垃圾收運時間盡可能短？（1）車庫和收集點、收集點與中轉(zhuǎn)站、中轉(zhuǎn)站與車庫的距離；（2）各收集點每天的垃圾產(chǎn)量；（3）每輛垃圾收運車的最大載荷；（4）垃圾收集點、車庫、中轉(zhuǎn)站的工作區(qū)間a,b。請給出規(guī)劃以上垃圾收運路線的數(shù)學(xué)模型，并設(shè)計出有效的算法，針對附錄中給出的數(shù)據(jù)，求解模型。并且對模型的適用性、算法的穩(wěn)定性和魯棒性做出分析。二、問題分析2.1.問題一的分析對未來某段時間內(nèi)垃圾產(chǎn)量的準(zhǔn)確預(yù)測是相關(guān)垃圾管理的部門做出管理規(guī)劃的前提。因此選擇合適預(yù)測模型，作出精確的預(yù)測有著重要意義。問題一屬于統(tǒng)計預(yù)測問題，目前解決垃圾總量預(yù)測問題常用的方法有有單變量數(shù)理統(tǒng)計與多變量數(shù)理

36、統(tǒng)計兩類。首先要選取可能對北京市城市生活垃圾總量有影響的因素，影響垃圾產(chǎn)量的因素主要有人口、社會經(jīng)濟(jì)發(fā)展水平和居民生活水平3個方面，結(jié)合北京市實際情況，選取城市常住人口和入境旅游者反映人口情況，選取地區(qū)生產(chǎn)總值，人均地區(qū)生產(chǎn)總值，工業(yè)生產(chǎn)總值，社會消費品零售總額反映社會經(jīng)濟(jì)發(fā)展水平，選取城鎮(zhèn)居民人均住房面積，人均家庭收入，人均消費支出，全市集中供熱面積，居民燃?xì)庥脩?，日清掃面積反映居民生活水平。在這個基礎(chǔ)上，我們將首先建立一個多元回歸方程模型，然后建立一個灰色預(yù)測模型gm(1,1)模型，對預(yù)測情況進(jìn)行分析，并建立改進(jìn)的模型。最后對北京市未來幾年的垃圾量進(jìn)行預(yù)測。2.2 問題二的分析有關(guān)垃圾收運

37、路線的最優(yōu)求解問題，對于規(guī)劃城區(qū)衛(wèi)生建設(shè)和資源的合理調(diào)度利用方面具有重要意義。問題二是求解最短路線的數(shù)學(xué)問題，對于點較多的情況，可采用遺傳算法、模擬退火算法等求得近似最優(yōu)解，還可以把這兩種方法結(jié)合起來，這樣能夠得到更優(yōu)解，上述算法針對的主體多為一個，例如旅行商問題的主體即為該旅行商。然而這次考慮的主體為k輛垃圾車，不單一， 這就使得直接利用上述算法處理該問題顯得不適用；加上收集點的數(shù)量較大，直接處理顯然不合適。由于以上原因，先利用模糊聚類對收集點進(jìn)行簡化，在這基礎(chǔ)上對簡化得到的點進(jìn)行分區(qū)，再分別求得各分區(qū)內(nèi)的最短路線，從而求得總的最短路線三、模型假設(shè)1.文中所提的垃圾清運量能代表北京市的城市生

38、活垃圾總量；2.日清掃面積是指城市清掃街道的面積；3.預(yù)測時間范圍內(nèi)不會出現(xiàn)嚴(yán)重影響預(yù)測結(jié)果的事件（自然災(zāi)害，戰(zhàn)爭等）；4.短時間內(nèi)收集點每天的垃圾量一定；5.垃圾車的車速在行駛過程中始終保持恒定；6.直到所有收集點的垃圾都被收集完，垃圾車才返回車庫；7.行駛街道均平行于坐標(biāo)軸。四、模型的建立與求解4.1 問題一的模型建立與求解4.1.1 灰色關(guān)聯(lián)度分析由于對北京市的城市生活垃圾量的影響因素不明確，所以，我們要先確定對其影響最大的若干因素，對于這種抽象問題，灰色關(guān)聯(lián)度分析法比適用。4.1.1.1灰色關(guān)聯(lián)度分析原理給定一個時間序列：為母系列；相應(yīng)給定一系列時間序列：為子序列。則對的關(guān)聯(lián)系數(shù)為：

39、（1）式中：第k個時刻與的絕對差；兩級最小差；兩級最大差； 分辨系數(shù)，其作用在于提高關(guān)聯(lián)系數(shù)間差異顯著性，一般取。關(guān)聯(lián)度： （2）1.1.2 北京市城市生活垃圾量的關(guān)聯(lián)度分析影響垃圾產(chǎn)量的因素主要有人口、社會經(jīng)濟(jì)發(fā)展水平和居民生活水平3個方面，結(jié)合北京市實際情況，選取城市常住人口和入境旅游者反映人口情況，選取地區(qū)生產(chǎn)總值，人均地區(qū)生產(chǎn)總值，工業(yè)生產(chǎn)總值，社會消費品零售總額反映社會經(jīng)濟(jì)發(fā)展水平，選取城鎮(zhèn)居民人均住房面積，人均家庭收入，人均消費支出，全市集中供熱面積，居民燃?xì)庥脩?，日清掃面積反映居民生活水平。該12個指標(biāo)19912007年的統(tǒng)計數(shù)據(jù)來源于北京市統(tǒng)計年年簽（2008）見附錄1。下面我

40、們就對這些數(shù)據(jù)進(jìn)行關(guān)聯(lián)度1分析，然后篩選出對北京市城市生活垃圾清理量影響最大的若干因素。以北京市城市生活垃圾清運量為母系列，各影響因子為子序列。先作初值化1處理，處理后的數(shù)據(jù)見附錄二，再由（1）式得關(guān)聯(lián)系數(shù)：若采用表示j 對i 的關(guān)聯(lián)系數(shù)由（2）式得：， ，于是可得大小關(guān)系如下：由此可見，城鎮(zhèn)居民人均住房面積、居民燃?xì)庥脩?，常住人口、垃圾日清掃面積，入境旅游者這五個因素與北京市城市生活垃圾清運量具有較好的線性關(guān)系的，因此，在接下來的建模中我們就選取這五個因素進(jìn)行分析，作對為北京市生活垃圾清運量變化的指標(biāo)。4.1.2 多元線性回歸分析預(yù)測模型（模型）4.1.2.1多元線性回歸分析預(yù)測模型理論在多

41、元回歸分析中，多元線性回歸分析模型2為： （3）相應(yīng)的矩陣模型為：y=xb式中：y預(yù)測值向量；x自變量x的矩陣；b回歸系數(shù)向量。其中各變量的矩陣分別為：；由最小二乘法，得： （4）常采用殘差檢驗、r檢驗以及f檢驗對預(yù)測模型的顯著性進(jìn)行檢驗；采用方差分析對預(yù)測模型的精度進(jìn)行檢驗。若檢驗精度達(dá)到要求，則可利用所建模型進(jìn)行預(yù)測；否則，需重新選擇影響因素進(jìn)行建模。4.1.2.2 模型的建立與求解根據(jù)1.1.2北京市城市生活垃圾量的關(guān)聯(lián)度分析可知，影響北京市的城市生活垃圾量的因素主要有城鎮(zhèn)居民人均住房面積、居民燃?xì)庥脩?，常住人口、垃圾日清掃面積和入境旅游者，因此我們選取這五個因素作為自變量，城市生活垃圾

42、的清運量為因變量進(jìn)行回歸分析，初始數(shù)據(jù)見附錄1，考慮到這五個因素的單位不一致，所以我們對其進(jìn)行無量綱化，采用初值化1之后的數(shù)據(jù)進(jìn)行回歸模擬，運用以上模型理論及matlab7.0求解，得到以下回歸方程（模型）：運用matlab7.0求得置信水平為a=0.05時參數(shù)的置信區(qū)間如下表1：表1參數(shù)估計值參數(shù)置信區(qū)間0.2591-1.0590,1.57721.1389-1.0782,3.35600.0191-0.4474,0.4856-1.2090-2.3435,0.07450.82760.4810,1.17420.0562-0.0397,0.1521 ，f= 65.8360, p=0.0000 4.1

43、.2.3 模型的檢驗與評價：表1顯示，說明因變量的96.77%可由模型來確定，f值遠(yuǎn)遠(yuǎn)超過f檢驗的臨界值3.26，p遠(yuǎn)小于a,參數(shù)的區(qū)間長度較小，說明估計的精確度較高，因而模型從整體看是可用的。為了檢驗?zāi)M效果，進(jìn)行誤差檢驗，得以下數(shù)據(jù)：表2年份199119921993199419951996199719981999模擬數(shù)據(jù)1.09191.09791.09801.12961.25631.07581.25021.24651.1985實際數(shù)據(jù)1.00001.08311.12341.17631.21661.21761.23421.24711.2720相對誤差0.09190.01370.02260.0

44、3970.03260.11650.01290.00050.0578表3年份20002001200220032004200520062007相對誤差的平均值為0.0492相對誤差的方差為0.0012模擬數(shù)據(jù)1.3892 1.4172 1.5604 1.8448 2.0269 1.9660 2.4738 2.6048 實際數(shù)據(jù)1.2995 1.3273 1.4079 1.9910 2.1509 1.9914 2.3576 2.6323 相對誤差0.0690 0.0677 0.1083 0.0734 0.0577 0.0128 0.0493 0.0104 從上述表格可以看出，相對誤差平均值為0.04

45、92，根據(jù)表4，可知精確等級達(dá)到2級意以上，而且相對誤差的方差為0.0012，說明誤差的波動比較小。所以，整體的模擬效果比較理想，可以用來預(yù)測北京短時期的垃圾清理量。表4 模型精度等級模型精度等級相對誤差1級(優(yōu))0.012級(良)0.053級(合格)0.104級(不適用)0.204.1.3 gm(1,1)模型（模型）多元線性回歸分析法可以充分考慮各種影響因素，但對各因素的影響程度缺乏識別，過多的次要因素不僅增加計算量，而且無助于預(yù)測精度的提高。gm(1,1)模型雖然存在對影響因素考慮不全的不足，但因其對原始數(shù)據(jù)具有預(yù)處理功能，且有一定的預(yù)測精度，且單變量預(yù)測模型中應(yīng)用較廣泛?；诖宋覀儑L試采

46、用gm(1,1)模型來對北京市城市生活垃圾量進(jìn)行預(yù)測。4.1.3.1 gm(1,1)模型建模原理1對給定的原始時間數(shù)據(jù)序列：做一次累加，生成算子1-ago:,得：由可建立下述白化形式的微分方程： （5）參數(shù)a,u可由最小二乘法，求得：, （6）其中： （7）上述白化形式的微分方程的解（即時間響應(yīng)函數(shù)）為： （8）由此式求得的預(yù)測值，作一階累減運算，即得到原始數(shù)據(jù)列的預(yù)測值： （9）其中 4.1.3.2 gm(1,1)模型（模型）的建立根據(jù)上述建模原理，采用附錄1中的數(shù)據(jù)，運用matlab7.0求解（代碼見附錄三），得到北京市城市生活垃圾清理量與時間的gm(1,1)模型（模型），如下： （10）

47、（k是正整數(shù)，k=1表示1991年）4.1.3.3 gm(1,1)模型的檢驗運用（10）式對北京市19912007年的城市生活垃圾清理量進(jìn)行模擬，并計算誤差，得表5表5年份預(yù)測值真實值相對誤差1991228.28228.2801992202.7047247.250.1801631993216.5533256.450.1555731994231.3481268.530.1384641995247.1537277.730.1100931996264.0392277.960.0500821997282.0782281.750.0011651998301.3496284.680.05855619993

48、21.9377290.380.1086772000343.9323296.640.1594262001367.42963030.2126392002392.5322321.40.221322003419.3497454.50.0773382004447.99954910.0875772005478.6066454.60.0528082006511.3048538.20.0499732007546.2368600.90.090969由表5計算出相對誤差的平均值為0.103225，根據(jù)表4可知精確等級為4，不適用，所以用該模型來做北京市的城市生活垃圾的預(yù)測是不合理的。4.1.4 基于灰色預(yù)測理論與

49、線性回歸理論的預(yù)測模型（模型）通過以上的分析知單獨的gm（1，1）不適合做北京市的城市生活垃圾的預(yù)測，主要原因是考慮的因素單一，不能反映實際情況，基于此，我們把在這兩個模型的基礎(chǔ)上建立模型。首先我們采用gm(1,1)模型對城鎮(zhèn)居民人均住房面積、居民燃?xì)庥脩?，常住人口、垃圾日清掃面積，入境旅游者進(jìn)行預(yù)測，然后根據(jù)得到的預(yù)測值帶入到模型的多元線性回歸方程，得到北京市的城市生活垃在短時期內(nèi)的圾預(yù)測值。具體過程如下：4.1.41 模型的建立與求解以上所述的gm（1，1）建模原理，運用19912007年的數(shù)據(jù)（1）附錄1，分別建立城鎮(zhèn)居民人均住房面積、居民燃?xì)庥脩?，常住人口、垃圾日清掃面積，入境旅游者關(guān)

50、于時間的gm（1，1）模型，結(jié)果如下：常住人口預(yù)測模型的建立：入境旅游者預(yù)測模型的建立：城鎮(zhèn)居民人均住房面積預(yù)測模型的建立：居民燃?xì)庥脩纛A(yù)測模型的建立：垃圾日清掃面積預(yù)測模型的建立：（k是正整數(shù)，k=1表示1991年）4.1.4.2 模型的檢驗采用以上預(yù)測模型對1991到2007年的數(shù)據(jù)進(jìn)行模擬，并計算相對誤差，得以下數(shù)據(jù)表表6常住人口（萬人）年份模擬值真實值相對誤差199110941094019921095.59711020.00581119931124.4911120.01123219941154.14611250.02590819951184.5841251.10.05316619961

51、215.8241259.40.034619971247.88912400.00636219981280.7991245.60.02825819991314.5771257.20.04563920001349.2451363.60.01052720011384.8291385.10.00019620021421.351423.20.001320031458.8351456.40.00167220041497.3081492.70.00308720051536.79615380.00078320061577.32515810.00232420071618.92316330.00862相對誤差平均值

52、為：0.014087根據(jù)表4知，常住人口的預(yù)測模型的相對誤差達(dá)到2級以上，精度比較高，可以用來做預(yù)測。表7入境旅游者（萬人次）年份模擬值真實值相對誤差199113213201992172.0862174.80.0155251993182.2807202.80.101181994193.07912030.0488711995204.51722070.0119941996216.633218.90.0103571997229.4664229.80.0014521998243.0601220.10.1043171999257.4592252.40.0200442000272.7112282.10.0

53、332822001288.8668285.80.0107312002305.9794310.40.0142422003324.1058312.950.0356472004343.306315.50.0881332005363.6437362.90.0020492006385.1862390.30.0131022007408.0048435.50.063135相對誤差平均值為：0.033768根據(jù)表4知，入境旅游者的預(yù)測模型的相對誤差達(dá)到2級以上，精度比較高，可以用來做預(yù)測。表 8城鎮(zhèn)居民人均住房面積(m2/人）年份模擬值真實值相對誤差199111.6411.640199212.1720412.090.006785199312.625812.450.01412199413.0964712.850.019181199513.5846913.340.018343199614.0911113.820.019618199714.6164214.360.017856199815.161314.960.013456199915.7264915.880.009667200016.3127616.750.026104200116.9208817.620.039678200217.5516718.20.035622200318.2059818.670.0248