深圳杯數(shù)學(xué)建模c題論文及商務(wù)智能實(shí)驗(yàn)9報(bào)告

20年“深圳杯”數(shù)學(xué)建模夏令營(yíng)承諾書我們仔細(xì)閱讀了中國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽的競(jìng)賽規(guī)則.我們完全明白，在競(jìng)賽開始后參賽隊(duì)員不能以任何方式（包括電話、電子郵件、網(wǎng)上咨詢等）與隊(duì)外的任何人（包括指導(dǎo)教師）研究、討論與賽題有關(guān)的問題。我們知道，抄襲別人的成果是違反競(jìng)賽規(guī)則的,如果引用別人的成果或其他公開的資料（包括網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻(xiàn)的表述方式在正文引用處和參考文獻(xiàn)中明確列出。我們鄭重承諾，嚴(yán)格遵守競(jìng)賽規(guī)則，以保證競(jìng)賽的公正、公平性。如有違反競(jìng)賽規(guī)則的行為，我們將受到嚴(yán)肅處理。我們參賽選擇的題號(hào)是（從A/B/C/D中選擇一項(xiàng)填寫）：C 我們的參賽報(bào)名號(hào)為（如果賽區(qū)設(shè)置報(bào)名號(hào)的話）：所屬學(xué)校（請(qǐng)?zhí)顚懲暾娜郝尻?yáng)師范學(xué)院參賽隊(duì)員(打印并簽名)：1.2.3.指導(dǎo)教師或指導(dǎo)教師組負(fù)責(zé)人(打印并簽名)：日期：20年06月01日賽區(qū)評(píng)閱編號(hào)（由賽區(qū)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）：20年“深圳杯”數(shù)學(xué)建模夏令營(yíng)編號(hào)專用頁(yè)賽區(qū)評(píng)閱編號(hào)（由賽區(qū)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）：賽區(qū)評(píng)閱記錄（可供賽區(qū)評(píng)閱時(shí)使用）：評(píng)閱人評(píng)分備注全國(guó)統(tǒng)一編號(hào)（由賽區(qū)組委會(huì)送交全國(guó)前編號(hào)）：全國(guó)評(píng)閱編號(hào)（由全國(guó)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）：垃圾減量分類活動(dòng)中社會(huì)及個(gè)體因素的量化分析摘要由于人類生產(chǎn)和生活的不斷發(fā)展，產(chǎn)生的垃圾對(duì)生態(tài)環(huán)境及人類生存帶來極大的威脅，這逐漸成為重要的社會(huì)問題。本文主要是針對(duì)垃圾減量分類的一系列評(píng)價(jià)及預(yù)測(cè)進(jìn)行了建模、求解以及相關(guān)分析。對(duì)問題一基于層次分析模型。根據(jù)題意共設(shè)七個(gè)不同的因素，利用“層次分析法”建立矩陣并進(jìn)一步計(jì)算最大特征值的權(quán)重，通過計(jì)算并比較他們組合權(quán)向量大小得出天景花園的垃圾減量處理效果要好于陽(yáng)光家園。對(duì)問題二該問題要分析一組隨機(jī)變量之間的相關(guān)性關(guān)系,運(yùn)用相似系數(shù)中的相關(guān)系數(shù)分析試點(diǎn)小區(qū)四類垃圾組分本身的數(shù)量之間的相關(guān)性，得到天景花園和陽(yáng)光花園各自四類垃圾的相關(guān)系數(shù)矩陣，由相關(guān)系數(shù)的大小得到它們之間的相關(guān)性。由模型一中的歸一后的權(quán)向量可知各項(xiàng)激勵(lì)措施與減量分類效果呈正相關(guān)。對(duì)問題三基于分層抽樣模型。通過分析附件8中的資料得出深圳市較其他城市混合類垃圾所占比例大，所以基礎(chǔ)數(shù)據(jù)分項(xiàng)不足夠；粒徑分在0.5mm以下，顆粒徑已經(jīng)足夠；廚余垃圾含水率所占比例最高，因此對(duì)廚余垃圾數(shù)據(jù)的收集應(yīng)該投放更多的精力和成本；設(shè)置少量抽樣數(shù)據(jù)檢測(cè)減量分類效果時(shí)，主要運(yùn)用了分層隨機(jī)抽樣模型。對(duì)問題四基于模型和多元線性回歸模型。通過查找資料得出深圳市最近五年的年末全市常住人口數(shù)據(jù)、環(huán)保投資數(shù)據(jù)以及第三產(chǎn)業(yè)數(shù)據(jù)，通過模型對(duì)未來數(shù)據(jù)進(jìn)行了預(yù)測(cè)，然后建立多元回歸方程，最終預(yù)測(cè)出措施實(shí)施的最好與最壞結(jié)果。關(guān)鍵詞：層次分析法；組合權(quán)重；多元線性回歸模型；相關(guān)系數(shù)矩陣；分層隨機(jī)抽樣；模型一、問題重述隨著城鎮(zhèn)化進(jìn)程加快和人們生活水平提高、生活方式轉(zhuǎn)變，城市生活垃圾處理正在成為一個(gè)挑戰(zhàn)性的難題。僅靠填埋、焚燒等技術(shù)不能持久地解決問題，必須與減量化、無(wú)害化、回收利用等措施結(jié)合起來，才是標(biāo)本兼治、經(jīng)濟(jì)持久的方法。垃圾減量分類活動(dòng)是人類社會(huì)對(duì)自身垃圾產(chǎn)生系統(tǒng)的一個(gè)干預(yù)性工程，主要內(nèi)容是社會(huì)通過教育、督導(dǎo)、激勵(lì)等措施（社會(huì)因素）影響個(gè)人及家庭的垃圾產(chǎn)生動(dòng)因（個(gè)體因素），最終形成減少垃圾總量并分類回收良性結(jié)果的控制過程。1、考慮各項(xiàng)教育、督導(dǎo)、激勵(lì)措施對(duì)居民家庭垃圾減量分類結(jié)果的影響，構(gòu)建能夠以量化參數(shù)描述社會(huì)因素和個(gè)體因素的量化模型來描述深圳天景花園、陽(yáng)光家園垃圾減量分類過程，并在后續(xù)的進(jìn)一步研究過程中通過調(diào)整相關(guān)參數(shù)來修正模型。2、基于構(gòu)建的減量分類模型，分析試點(diǎn)小區(qū)四類垃圾組分本身的數(shù)量存在的相關(guān)性，各項(xiàng)激勵(lì)措施與減量分類效果存在的相關(guān)性，并說明其原因。3、根據(jù)減量分類模型的研究結(jié)果，分析深圳現(xiàn)有垃圾減量分類督導(dǎo)過程中，目前統(tǒng)計(jì)的基礎(chǔ)數(shù)據(jù)分項(xiàng)及顆粒度是否足夠，指出應(yīng)在哪些數(shù)據(jù)的獲取中投放更多的成本和精力，在減量分類模式大面積推廣時(shí)，選擇合適的抽樣模型得到合理的數(shù)據(jù)來檢測(cè)一定區(qū)域內(nèi)減量分類工作的效果。4、基于構(gòu)建的減量分類模型，指出深圳未來5年推進(jìn)減量分類工作關(guān)鍵措施，并預(yù)測(cè)措施實(shí)施的最好與最壞結(jié)果。根據(jù)研究結(jié)果向深圳市政府寫一份建議書，建議政府加強(qiáng)垃圾分類的推力度并增加與垃圾分類宣傳推廣的投入。二、問題分析問題一考慮的是各項(xiàng)教育、督導(dǎo)、激勵(lì)措施對(duì)居民家庭垃圾減量分類結(jié)果的影響，通過層次分析法建立的矩陣求其權(quán)重及組合權(quán)重，然后對(duì)最終結(jié)果進(jìn)行修正，得出天景花園、陽(yáng)光花園兩個(gè)小區(qū)垃圾減量分類效果的好壞。問題二對(duì)小區(qū)的可回收物、廚余垃圾，有害垃圾以及其他垃圾這四類垃圾的相關(guān)性進(jìn)行分析，并用SPSS軟件分析兩個(gè)小區(qū)各類垃圾之間的相關(guān)性；最終可以得出各項(xiàng)激勵(lì)措施與減量分類效果存在什么相關(guān)性。問題三分析基礎(chǔ)數(shù)據(jù)分項(xiàng)及顆粒度是否足夠，通過分析附件8和查詢有關(guān)資料對(duì)問題進(jìn)行分析判斷，得出應(yīng)在哪些數(shù)據(jù)的獲取中投放更多的成本和精力，然后應(yīng)用分層隨機(jī)抽樣的方法檢測(cè)了一定區(qū)域內(nèi)減量分類工作的效果。問題四要指出深圳未來5年推進(jìn)減量分類工作關(guān)鍵措施，預(yù)測(cè)深圳未來五年推進(jìn)減量分類工作的效果，通過查找資料找了深圳最近幾年的年末全市常住人口數(shù)據(jù)、環(huán)保投資數(shù)據(jù)以及第三產(chǎn)業(yè)數(shù)據(jù)，通過模型對(duì)未來數(shù)據(jù)進(jìn)行了預(yù)測(cè)，然后建立多元回歸方程，并根據(jù)軟件對(duì)數(shù)據(jù)的擬合程度確立了預(yù)測(cè)方程,最終預(yù)測(cè)出措施實(shí)施的最好與最壞結(jié)果。三、模型假設(shè)1.假設(shè)題目所給數(shù)據(jù)及建模收集數(shù)據(jù)均真實(shí)可靠；2.假設(shè)小區(qū)居民在傾倒垃圾時(shí)全部按照垃圾的標(biāo)識(shí)進(jìn)行分類；3.假設(shè)收垃圾的車不會(huì)因?yàn)楣收隙鴮⑹绽臅r(shí)間延后；4.假設(shè)城市生活垃圾都能被及時(shí)全部清運(yùn)；5.假設(shè)深圳市常住人口產(chǎn)生的平均垃圾基本不變；符號(hào)說明：影響垃圾減量分類七個(gè)因素的成對(duì)比較矩陣；：特征向量；：權(quán)向量；：最大特征根；：一致性指標(biāo)；：一致性比率；：隨機(jī)一致性指標(biāo)；：各因素的成對(duì)比較矩陣；：七個(gè)因素效果性的比較尺度；：個(gè)樣本的兩個(gè)指標(biāo)間的相關(guān)系數(shù)；：每層的單元數(shù)；：層權(quán)；：層總體和樣本中的第個(gè)單元的指標(biāo)值；：抽樣比；：總體均值的估計(jì)；：總量的估計(jì)值；：發(fā)展灰數(shù)；：內(nèi)生控制灰數(shù)。模型的建立與求解5.1問題一垃圾減量分類活動(dòng)是人類社會(huì)對(duì)自身垃圾產(chǎn)生系統(tǒng)的一個(gè)干預(yù)性工程。主要是通過社會(huì)因素、個(gè)體因素、內(nèi)在因素及自然因素形成減少垃圾總量并分類回收良性結(jié)果的控制過程。根據(jù)有關(guān)資料并結(jié)合自己的經(jīng)歷和生活觀察，我們又從社會(huì)因素和個(gè)體因素兩個(gè)角度分析歸納出與垃圾減量分類有關(guān)的七個(gè)因素：教育、督導(dǎo)、激勵(lì)措施、家庭收入水平、家庭結(jié)構(gòu)、戶籍類型、生活習(xí)慣；對(duì)此我們引入了“城市生活垃圾產(chǎn)生量”這一標(biāo)準(zhǔn)來衡量垃圾減量分類結(jié)果的好壞，然后基于層次分析法，我們分析以上七個(gè)因素對(duì)垃圾減量的影響，同時(shí)得出天景花園及陽(yáng)光花園垃圾減量分類效果比較，基本的層次結(jié)構(gòu)如下圖1所示：城市生活垃圾生產(chǎn)量城市生活垃圾生產(chǎn)量教育家庭結(jié)構(gòu)激勵(lì)措施戶籍類型生活習(xí)慣收入水平督導(dǎo)教育家庭結(jié)構(gòu)激勵(lì)措施戶籍類型生活習(xí)慣收入水平督導(dǎo)天景花園陽(yáng)光花園天景花園陽(yáng)光花園圖1城市生活垃圾生產(chǎn)量層次結(jié)構(gòu)圖5.1.1指標(biāo)權(quán)重求解的層次分析法步驟應(yīng)用層次分析的思想，根據(jù)相關(guān)文獻(xiàn)資料，構(gòu)造七個(gè)因素：教育、督導(dǎo)、激勵(lì)措施、家庭收入水平、家庭結(jié)構(gòu)、戶籍類型、生活習(xí)慣的成對(duì)比較矩陣：通過分析首先對(duì)矩陣按列求和再進(jìn)行歸一化處理然后按行求和得出特征向量：最后進(jìn)行歸一化處理得權(quán)向量，利用MATLAB求得：計(jì)算,代入數(shù)據(jù)可求得最大特征根為判斷矩陣的一致性檢驗(yàn)，需計(jì)算一致性指標(biāo)：平均隨機(jī)一致性指標(biāo)隨機(jī)一致性比率：因此認(rèn)為層次分析排序的結(jié)果有滿意的一致性，即權(quán)系數(shù)的分配是非常合理的。5.1.2計(jì)算組合權(quán)向量并進(jìn)行組合一致性檢驗(yàn)在建立模型的過程中我們已經(jīng)得到了第二層(準(zhǔn)則層)對(duì)第一層（目標(biāo)層）的權(quán)向量:用同樣的方法構(gòu)造第三層（方案層）對(duì)第二層的每一個(gè)準(zhǔn)則的成對(duì)比較陣，通過查閱相關(guān)資料及附件內(nèi)容不妨設(shè)它們?yōu)椋褐械脑厥欠桨概c對(duì)于準(zhǔn)則(教育、督導(dǎo)、激勵(lì)措施、家庭收入水平、家庭結(jié)構(gòu)、戶籍類型、生活習(xí)慣)的效果性的比較尺度。由第三層的成對(duì)比較矩陣計(jì)算出權(quán)向量，最大特征根和一致性指標(biāo),結(jié)果列入表1：表112345672/34/51/51/43/42/34/51/31/54/53/41/41/31/522222220000000因?yàn)殡A的正互反陣總是一致陣，所以當(dāng)時(shí)，即均可通過一致性檢驗(yàn)，求得的組合權(quán)重的值為：同理求得的組合權(quán)重為進(jìn)行組合一致性檢驗(yàn)，定義第三層對(duì)第一層的組合一致性比率為：因此組合一致性檢驗(yàn)通過。綜合上述可以得出的組合權(quán)重大于的組合權(quán)重，說明天景花園的減量分類效果優(yōu)于陽(yáng)光花園。5.2問題二5.2.1求解四類垃圾之間的相關(guān)性該問題需要分析試點(diǎn)小區(qū)天景花園與陽(yáng)光花園四類垃圾組分本身的數(shù)量之間的相關(guān)性,既是要分析一組隨機(jī)變量之間的相關(guān)性關(guān)系,可以運(yùn)用相似系數(shù)中的相關(guān)系數(shù)來分析。相似系數(shù)的相關(guān)系數(shù)的計(jì)算介紹：個(gè)樣本的兩個(gè)指標(biāo)和之間的相關(guān)系數(shù)定義為：其中：,。查閱相關(guān)資料得到相關(guān)系數(shù)與相關(guān)性的關(guān)系，見表2：表2相關(guān)系數(shù)與相關(guān)性的關(guān)系相關(guān)性負(fù)值正值不相關(guān)-0.09~0.00.0~0.09低相關(guān)-0.3~-0.10.1~0.3中等相關(guān)-0.5~-0.30.3~0.5顯著相關(guān)-1.0~-0.50.5~1.0相關(guān)系數(shù)的取值范圍（-1~1），當(dāng)取1時(shí)兩個(gè)指標(biāo)之間具有完全正相關(guān)，當(dāng)取-1時(shí)兩個(gè)指標(biāo)之間具有完全負(fù)相關(guān)，當(dāng)取0時(shí)兩個(gè)指標(biāo)之間沒有相關(guān)關(guān)系。根據(jù)附件2中的數(shù)據(jù)應(yīng)用SPSS軟件得出天景花園四類垃圾相關(guān)系數(shù)矩陣如下表3（其中：代表天景花園的可回收物，代表天景花園的廚余垃圾，代表天景花園的有害垃圾，代表天景花園的其他垃圾）：表3天景花園四類垃圾相關(guān)系數(shù)分析表CorrelationMatrixX1X2X3X4CorrelationX11.000.462.114-.117X2.4621.000.136-.469X3.114.1361.000-.094X4-.117-.469-.0941.000結(jié)合表2與表3數(shù)據(jù)分析可得天景花園四類垃圾之間的相關(guān)性：同種垃圾組分相關(guān)性均顯著；不同種垃圾組分的相關(guān)性關(guān)系分析如下：廚余垃圾與可回收物呈中等正相關(guān)，有害垃圾與可回收物、廚余垃圾均呈低正相關(guān)，其他垃圾與可回收物、有害垃圾之間均呈低負(fù)相關(guān)，其他垃圾與廚余垃圾呈中等負(fù)相關(guān)。同樣根據(jù)附件3中的數(shù)據(jù)應(yīng)用SPSS軟件得出陽(yáng)光花園四類垃圾相關(guān)系數(shù)矩陣如下表4（其中：代表陽(yáng)光花園的可回收物，代表陽(yáng)光花園的廚余垃圾，代表陽(yáng)光花園的有害垃圾，代表陽(yáng)光花園的其他垃圾）：表4陽(yáng)光花園四類垃圾相關(guān)系數(shù)分析表CorrelationMatrixX5X6X7X8CorrelationX51.000-.110.207-.619X6-.1101.000.187-.230X7.207.1871.000-.335X8-.619-.230-.3351.000結(jié)合表2與表4數(shù)據(jù)分析可得陽(yáng)光家園四類垃圾之間的相關(guān)性：同種垃圾組分相關(guān)性均顯著；不同種垃圾組分的相關(guān)性關(guān)系分析如下：廚余垃圾與可回收物、其他垃圾呈低負(fù)相關(guān)，有害垃圾與可回收物、廚余垃圾呈低正相關(guān)，其他垃圾與可回收垃圾呈顯著負(fù)相關(guān)，有害垃圾與其他垃圾呈中等負(fù)相關(guān)。5.2.2激勵(lì)措施與減量垃圾活動(dòng)的相關(guān)性及原因由問題一中的層次分析模型得出準(zhǔn)則層對(duì)目標(biāo)層的權(quán)向量：可以看出七項(xiàng)因素教育、督導(dǎo)、激勵(lì)措施、家庭收入水平、家庭結(jié)構(gòu)、戶籍類型、生活習(xí)慣中，激勵(lì)措施所占的權(quán)重比較大（其次為教育、督導(dǎo)），則可以說明激勵(lì)措施實(shí)施力度越大減量分類效果越顯著，因此各項(xiàng)激勵(lì)措施與減量分類效果呈正相關(guān)。同時(shí)，分析附件中試點(diǎn)小區(qū)垃圾激勵(lì)措施得知激勵(lì)措施中包含：補(bǔ)貼、獎(jiǎng)金、榮譽(yù)等，可見上述結(jié)果也比較符合現(xiàn)實(shí)意義。5.3問題三5.3.1垃圾基礎(chǔ)分項(xiàng)與顆粒度統(tǒng)計(jì)分析通過分析附件7、8中所給資料，得知深圳將垃圾主要分為廚余類、紙類、橡塑類、紡織類、竹木類、灰土類、磚瓦類、玻璃類、金屬類以及其他等，主要成分所占比例如下圖2:圖2深圳市垃圾物理構(gòu)成成分(見附件8)由圖中數(shù)據(jù)可以看出：廚余、塑料、紙類和混合所占比重比較大，四類共占90.02%，其他比重相對(duì)較小。從附件8中所給資料分析可知該基礎(chǔ)分項(xiàng)與北京、上海、香港，甚至美國(guó)、荷蘭、日本等各地區(qū)的垃圾分項(xiàng)有所差異，由于混合類所占比例比較大，說明深圳的基礎(chǔ)數(shù)據(jù)分項(xiàng)尚不足夠，仍需將其他類進(jìn)行細(xì)致劃分以得到更多的分項(xiàng)。生活垃圾量最小采樣量的標(biāo)準(zhǔn)需要顆粒度來衡量，顆粒度用于生活垃圾可燃物、灰分、熱值和化學(xué)成分等項(xiàng)目分析，對(duì)含水率的測(cè)定和生活垃圾樣品物理組成的干基比例有著重要的作用，從附件8中我們可以得到在樣品制備過程中，生活垃圾烘干后各種成分的粒徑分已經(jīng)研磨至0.5mm以下，顆粒徑已經(jīng)足夠小，對(duì)于計(jì)算垃圾含水率和物理組成干基比例已經(jīng)適宜，而垃圾含水率和干基比對(duì)于垃圾減量分類的研究占很大比重，所以顆粒度足夠。從附件8所給資料和圖2深圳市垃圾物理構(gòu)成成分圖分析得出深圳市各個(gè)垃圾廠在垃圾分類中廚余垃圾所占比例為35.07%，占總量的比例較大。且通過附件8中垃圾含水率分析知深圳市垃圾含水率測(cè)定結(jié)果如下表5所示：表5深圳市生活垃圾含水率（%）序號(hào)廚余類紙類橡塑類紡織類木竹類混合類總含水率178.6155.4857.8961.5545.7769.2471.12260.4459.3944.9555.8031.3056.3454.59365.8456.4154.6947.0230.85—57.41464.5862.7147.3237.9077.6948.2659.63571.8565.3853.8368.2360.8364.4362.22677.1457.6649.1861.2846.4460.7763.68765.2254.6339.2762.3380.7862.8458.86878.6155.4857.8961.5545.7769.2471.12960.4459.3944.9555.8031.3056.3454.591065.8456.4154.6947.0230.85—57.411164.5862.7147.3237.9077.6948.2659.631271.3953.6036.5349.1148.6155.5753.671368.1945.9542.7443.5911.6641.3852.171473.5149.1136.3444.7333.4446.0952.741565.5058.5355.4865.9728.6557.7056.501659.4367.4061.0759.7237.3752.1856.521770.5754.9942.4150.5645.4744.6250.491870.0761.6743.0150.3640.0853.5153.361975.0856.3955.3958.3532.2460.9362.402078.7467.1158.8056.8044.2261.5868.072172.8932.8313.0225.13—39.7348.342255.5544.5034.5333.1721.4042.1747.152378.4744.4837.6323.1537.5543.8060.032466.7039.8243.17—16.8646.9242.51平均值69.1455.0846.3450.3141.6053.7257.26從表中可以看出：深圳市總體含水率較高，達(dá)到57.26%，其中廚余類最高，為69.14%,因?yàn)閺N余垃圾所占比例對(duì)垃圾含水率的測(cè)定有著緊密的聯(lián)系，所以對(duì)廚余垃圾數(shù)據(jù)的收集應(yīng)該投放更多的精力和成本。5.3.2分層隨機(jī)抽樣根據(jù)網(wǎng)上資料查詢得知深圳市共分為8個(gè)行政區(qū)，由于一定行政區(qū)域內(nèi)的人口數(shù)量及其他因素都有一定的差別，產(chǎn)生的垃圾量也不同，因此需要通過對(duì)總體采用分層隨機(jī)抽樣才能夠更加準(zhǔn)確檢測(cè)一定區(qū)域內(nèi)減量分類工作的效果，具體分層隨機(jī)抽樣如下：（1）以居民小區(qū)為抽樣單元，根據(jù)區(qū)域不同把將深圳市化為8個(gè)不同的行政區(qū)。在這里是把整個(gè)深圳市的垃圾分類看成是一個(gè)總體，則這個(gè)總體可分為8層，以表示每層的編號(hào)（），為所有小區(qū)數(shù)，然后將每層分成個(gè)居民小區(qū)，即為每層的單元數(shù)，且，層權(quán),分別在這8個(gè)行政區(qū)中隨機(jī)抽取居民小區(qū)；（2）分別為層總體和樣本中的第個(gè)單元的指標(biāo)值，第層的總體和樣本均值分別為：,；（3）第層的總體和樣本總量分別為：,；（4）因?yàn)槊繉拥臉颖玖慷寂c層的大小呈正比例，即，所以應(yīng)采用比例分配較為合理，比例分配的比例常數(shù)為抽樣比：，；（5）總體均值的估計(jì)：；最后得到對(duì)總體總量的估計(jì)為：；由的值，我們可以用來檢測(cè)一定區(qū)域內(nèi)的減量分類效果。5.4問題四通過第一二問基于我們上述所建的模型，可以看出所占比重最大的是社會(huì)因素，由于個(gè)體因素的主觀能動(dòng)性比較大，深圳市流動(dòng)人口多、不可控因素較多，通過量化分析的結(jié)果不一定準(zhǔn)確，而能直接影響推進(jìn)減量分類工作的關(guān)鍵是社會(huì)因素，政府能直接干預(yù)的也就是社會(huì)因素。通過第一問的層次分析法，我們社會(huì)因素中影響最大的依次是激勵(lì)措施、教育和督導(dǎo)，為了更好的量化這些影響因子，我們選取三個(gè)影響因子作為代表性的指標(biāo)，分別為：年末全市常住人口記為、第三產(chǎn)業(yè)記為、環(huán)保投資記為，對(duì)垃圾清運(yùn)量進(jìn)行三元線性回歸分析，其回歸模型設(shè)為為了使參數(shù)估計(jì)量具有良好的統(tǒng)計(jì)性質(zhì)，對(duì)三元線性回歸模型作出以下假設(shè)：假設(shè)1：與隨機(jī)擾動(dòng)項(xiàng)不相關(guān)；假設(shè)2：隨機(jī)誤差項(xiàng)的數(shù)學(xué)期望為零；假設(shè)3：隨機(jī)誤差項(xiàng)同方差；假設(shè)4：無(wú)自相關(guān)假定；假設(shè)5：解釋變量之間不存在線性相關(guān)關(guān)系即兩個(gè)解釋變量之間無(wú)確切的解釋關(guān)系；假設(shè)6：為了假設(shè)檢驗(yàn)，假定隨機(jī)誤差項(xiàng)服從均值為零，方差為的正態(tài)分布。運(yùn)用軟件得到回歸結(jié)果如下表6：表6回歸結(jié)果DependentVariable:YMethod:LeastSquaresDate:05/31/13Time:19:07Sample:111Includedobservations:11VariableCoefficientStd.Errort-StatisticProb.

C62.37607226.52370.2753620.7910X90.1125070.3517750.3198260.7584X100.0886010.0721791.2275220.2593X11-0.3345650.988987-0.3382910.7451R-squared0.931327

Meandependentvar347.8891AdjustedR-squared0.901895

S.D.dependentvar102.8219S.E.ofregression32.20552

Akaikeinfocriterion10.05744Sumsquaredresid7260.367

Schwarzcriterion10.20213Loglikelihood-51.31592

F-statistic31.64399Durbin-Watsonstat1.298730

Prob(F-statistic)0.000192由上表得出回歸方程：因?yàn)?0.931327足夠大，顯然可知回歸方程線性顯著。然后對(duì)每個(gè)解釋變量進(jìn)行顯著性檢驗(yàn)，以決定是否作為解釋變量被保留在模型中，因此對(duì)此進(jìn)行檢驗(yàn)，其過程如下：原假設(shè)為備擇假設(shè)為給定一個(gè)顯著性水平，自由度為7，查分布表得到：由表6知三個(gè)變量的值分別為：可見三個(gè)變量的值都大于該臨界值，所以拒絕原假設(shè)，即模型中引入的三個(gè)解釋變量在95%的水平下影響顯著，都通過了變量的顯著性檢驗(yàn)。由于未來五年的年末全市常住人口、第三產(chǎn)業(yè)以及環(huán)保投資的數(shù)據(jù)是未知的，所以必須對(duì)其進(jìn)行預(yù)測(cè)，這里采用灰色模型預(yù)測(cè)，具體步驟如下：模型的建立：模型的具體形式如下：其中為待估參數(shù)，稱為發(fā)展灰數(shù)和內(nèi)生控制灰數(shù)，設(shè)有數(shù)列：第一步數(shù)據(jù)處理對(duì)原始數(shù)據(jù)做一階累加生成，得到新的數(shù)據(jù)列第二步構(gòu)造數(shù)據(jù)矩陣和向量第三步計(jì)算第四步建立模型以帶入微分方程得到該序列預(yù)測(cè)模型為：通過GM(1,1))預(yù)測(cè)出未來預(yù)測(cè)出未來5年深圳三種因素的預(yù)測(cè)值如下表7：表7深圳三種因素的預(yù)測(cè)值年份年末全市常住人口（萬(wàn)人）第三產(chǎn)業(yè)（億元）環(huán)保投資（億元）20131185.256835.73308.5520141240.847435.1450.820151300.358014.33515.4020161365.658701.69585.4520171430.829100.91660.55把表7中每年的預(yù)測(cè)值分別代入：得到深圳市未來五年每年的城市垃圾清運(yùn)量增長(zhǎng)預(yù)測(cè)值見下表8：表8垃圾清運(yùn)量增長(zhǎng)預(yù)測(cè)年份年末全市常住人口（萬(wàn)人）第三產(chǎn)業(yè)（億元）環(huán)保投資（億元）垃圾清運(yùn)量20131185.256835.73308.55698.14747520141240.847435.1450.8709.91464920151300.358014.33515.4746.31739920161365.658701.69585.45791.12861120171430.829100.91660.55808.706152由表8可以看出深圳市未來五年城市生活垃圾清運(yùn)量增長(zhǎng)比較緩慢，因此這是措施實(shí)施的最好結(jié)果。在建立回歸模型的時(shí)候如果因其它原因受到一些不可預(yù)測(cè)因素的影響，即在不滿足假設(shè)前提的條件，措施不能很好地得到實(shí)施，可能會(huì)存在較大偏差，所得出的結(jié)果即為最壞結(jié)果。模型的評(píng)價(jià)與推廣在對(duì)數(shù)據(jù)進(jìn)行分析處理的過程中，針對(duì)不同的模型需求對(duì)數(shù)據(jù)進(jìn)行了不同的處理：例如數(shù)據(jù)的歸一化處理，在應(yīng)用層次分析法對(duì)小區(qū)垃圾質(zhì)量進(jìn)行綜合評(píng)價(jià)時(shí)采用組合權(quán)重進(jìn)行評(píng)價(jià)，取得了較好的效果；在對(duì)綜合評(píng)價(jià)結(jié)果進(jìn)行分析時(shí)，采用多元回歸分析方法對(duì)結(jié)果進(jìn)行分析，對(duì)多項(xiàng)指標(biāo)進(jìn)行比較，達(dá)到了較好的效果；對(duì)于權(quán)重的確定，一般大多都是由專家憑經(jīng)驗(yàn)給出，人為干擾較為嚴(yán)重，導(dǎo)致評(píng)判結(jié)果與實(shí)際情況的出入，本文在評(píng)價(jià)中采用層次分析法來確定權(quán)重，較為客觀真實(shí)地得出了各評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)，因此所得出的結(jié)果相對(duì)更加真實(shí)準(zhǔn)確。另外在層次分析法中主要是對(duì)社會(huì)因素(主要指標(biāo)有教育，督導(dǎo)，激勵(lì)措施)與個(gè)體因素(主要有家庭收入水平、家庭結(jié)構(gòu)、戶籍類型、生活習(xí)慣中)對(duì)垃圾產(chǎn)生的影響進(jìn)行分析，綜合考慮了各方面因素的影響，較為合理地分析了各因素對(duì)垃圾產(chǎn)生量的影響。針對(duì)垃圾產(chǎn)生量對(duì)深圳未來的影響，我們建立了GM(1,1)模型，首先找到影響因素的相關(guān)權(quán)重，并針對(duì)此模型重新對(duì)權(quán)重進(jìn)行了評(píng)定，對(duì)第一問產(chǎn)生的幾個(gè)關(guān)鍵因素進(jìn)行了進(jìn)一步量化與細(xì)分，如：對(duì)垃圾減量利用造成的影響有年末全市常住人口、環(huán)保投資以及第三產(chǎn)業(yè)等；最后再通過多元線性回歸，得出了他們與垃圾減量利用之間的關(guān)系，增加了論文的科學(xué)性。多元回歸模型充分考慮了各個(gè)影響解釋變量變化的因素，模型預(yù)測(cè)中所得到的結(jié)果是在假設(shè)前提下成立的條件下得出的，因此模型能夠較好地對(duì)未來的情況進(jìn)行預(yù)測(cè)，但是現(xiàn)實(shí)生活中由于考慮到其他不可控變量因素的影響變動(dòng)，所以在實(shí)際運(yùn)用中仍存在一定的局限性。此模型還可以推廣運(yùn)用到商品銷售額的預(yù)測(cè)，未來經(jīng)濟(jì)發(fā)展的趨勢(shì)走向，能夠較好地從多個(gè)方面來把握總體，將預(yù)測(cè)總量達(dá)到最大化。七、給深圳市政府的建議隨著改革開放的深入開展，深圳市經(jīng)濟(jì)的發(fā)展發(fā)展日新月異。隨著城鎮(zhèn)化進(jìn)程加快和人們生活水平提高、生活方式的轉(zhuǎn)變，城市生活垃圾處理正在成為一個(gè)挑戰(zhàn)性的難題，僅靠填埋、焚燒等技術(shù)不能持續(xù)長(zhǎng)久地解決問題，必須與減量化、無(wú)害化、可回收利用等措施結(jié)合起來，才是標(biāo)本兼治、經(jīng)濟(jì)持久的方法。本文通過對(duì)深圳市相關(guān)數(shù)據(jù)資料的分析及試點(diǎn)小區(qū)垃圾減量分類工作效果的研究，向深圳市政府提出以下幾點(diǎn)建議：1、增加政府教育，監(jiān)督，激勵(lì)力度。由第一問建立的層次分析模型知社會(huì)因素在垃圾減量分類活動(dòng)中占很大權(quán)重（大于50%），同時(shí)，經(jīng)分析天景花園垃圾減量活動(dòng)中教育、監(jiān)督、激勵(lì)力度大并且取得良好效果。故政府可以考慮增加此方面推廣力度及投入。2、合理控制深圳市常住人口。伴隨著經(jīng)濟(jì)快速增長(zhǎng)及深圳經(jīng)濟(jì)特區(qū)的成立，源源不斷的吸引大量的外來人員進(jìn)入深圳工作、生活。深圳常住人口增長(zhǎng)率快于全國(guó)（0.57%），由模型知常住人口每增加一萬(wàn)人，垃圾將增加0.112507萬(wàn)噸，況且也應(yīng)考慮深圳環(huán)境最大承受力。3、增加環(huán)保投資。深圳市生產(chǎn)總值屢創(chuàng)新高，為環(huán)保投資提供經(jīng)濟(jì)基礎(chǔ)。政府增加環(huán)保投資為垃圾減量給予足夠重視，改善居民生活環(huán)境，使得垃圾減量快速有效進(jìn)行。參考文獻(xiàn)[1]姜啟源，謝金星.數(shù)學(xué)模型.高等教育出版社,2011.01[2]徐映梅.市場(chǎng)分析方法.中國(guó)財(cái)經(jīng)經(jīng)濟(jì)出版社,2006.02[3]王維國(guó).預(yù)測(cè)與決策.中國(guó)財(cái)經(jīng)經(jīng)濟(jì)出版社,2006.02[4]葛軍，葛倫應(yīng).層次分析法確定水質(zhì)指標(biāo)權(quán)重.當(dāng)代建筑，2003.03[5]李子奈，潘文卿.計(jì)量經(jīng)濟(jì)學(xué).高等教育出版社,2010.03附錄用MATLAB程序做層次分析法A=[1,6/5,6/5,3/2,3,2,6;5/6,1,7/10,5/4,5/2,8/5,5;5/6,10/7,1,7/4,7/2,23/10,7;2/3,4/5,4/7,1,2,13/10,4;1/3,2/5,2/7,1/2,1,13/20,2;1/2,5/8,10/23,10/13,20/13,1,3;1/6,1/5,1/7,1/4,1/2,1/3,1]A=1.00001.20001.20001.50003.00002.00006.00000.83331.00000.70001.25002.50001.60005.00000.83331.42861.00001.75003.50002.30007.00000.66670.80000.57141.00002.00001.30004.00000.33330.40000.28570.50001.00000.65002.00000.50000.62500.43480.76921.53851.00003.00000.16670.20000.14290.25000.50000.33331.0000>>W=[0.225618;0.177091;0.239253;0.14236;0.07118;0.108778;0.03572]W=0.22560.17710.23930.14240.07120.10880.0357>>A*Wans=1.58421.24111.67870.99780.49890.76250.2504用Excel計(jì)算權(quán)重矩陣A32621/213/5531/223/107213/104113/20217/13131/21/3114.038461549征向量0.213698630.2177858440.214285714按行求和1.5793237520.1780821920.1742286750.1785714291.2396359760.2493150680.2504537210.251.6747684020.1424657530.1415607990.1428571430.996523120.0712328770.0707803990.0714285710.498261560.1095890410.1088929220.1071428570.7614489690.0356164380.0362976410.0357142860.250038221111按列求和7權(quán)向量A*W商再求歸一化0.2256176791.58427.0216128790.1770908541.24117.0082670790.2392526291.67877.0164328320.1423604460.99787.0089693450.0711802230.49897.0089693450.1087784240.76257.009662130.0357197460.25047.010128263特征值N20/7一致性比率49.084041877.0120059820.0020009970.001515907用SPSS軟件分析相關(guān)系數(shù)矩陣ANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression8.190E742.048E7..000aResidual.00027.000Total8.190E731a.Predictors:(Constant),F5,F4,F3,F2b.DependentVariable:F6CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)7.105E-14.000..F21.000.000.191..F31.000.000.362..F41.000.000.001..F51.000.000.446..a.DependentVariable:F6FACTOR

/VARIABLES

可回收物

廚余垃圾

有害垃圾

其他垃圾

/MISSING

LISTWISE

/ANALYSIS

可回收物

廚余垃圾

有害垃圾

其他垃圾

/PRINT

INITIAL

CORRELATION

EXTRACTION

ROTATION

FSCORE

/CRITERIA

FACTORS(4)

ITERATE(25)

/EXTRACTION

PC

/CRITERIA

ITERATE(25)

/ROTATION

VARIMAX

/SAVE

REG(ALL)

/METHOD=CORRELATION.CorrelationMatrix可回收物廚余垃圾有害垃圾其他垃圾Correlation可回收物1.000.998.926.990廚余垃圾.9981.000.932.991有害垃圾.926.9321.000.907其他垃圾.990.991.9071.000CommunalitiesInitialExtraction可回收物1.0001.000廚余垃圾1.0001.000有害垃圾1.0001.000其他垃圾1.0001.000ExtractionMethod:PrincipalComponentAnalysis.TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%Total%ofVarianceCumulative%13.87396.82696.8263.87396.82696.8262.34758.67158.6712.1152.87799.703.1152.87799.7031.64041.00199.6723.010.25299.954.010.25299.954.009.21399.8854.002.046100.000.002.046100.000.005.115100.000ExtractionMethod:PrincipalComponentAnalysis.ComponentMatrixaComponent1234可回收物.995-.082-.053.027廚余垃圾.996-.069-.035-.033有害垃圾.956.294.012.002其他垃圾.988-.132.077.004ExtractionMethod:PrincipalComponentAnalysis.a.4componentsextracted.RotatedComponentMatrixaComponent1234可回收物.818.570.073.015廚余垃圾.811.581.026.057有害垃圾.550.835.005.004其他垃圾.847.529-.050-.034ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.a.Rotationconvergedin3iterations.ComponentTransformationMatrixComponent12341.771.637.014.0112-.637.771.004.0033.011.015-.847-.5314.001.002.531-.847ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScoreCoefficientMatrixComponent1234可回收物.609-.43612.410-9.946廚余垃圾.525-.379-6.52916.969有害垃圾-1.4222.142-.509-1.362其他垃圾1.013-.607-5.404-5.769ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScores.ComponentScoreCovarianceMatrixComponent123411.000.000.000.0002.0001.000.000.0003.000.0001.000.0004.000.000.0001.000ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScores.用于多元回歸分析中原始數(shù)據(jù)YX1X2X3年份201.9701.241085.7930.68200021900724.571236.6842.862001221.1746.621488.1447.442002324.5778.271754.161.872003346.97800.82058.5779.52004332.9827.752307.73115.72005359.53846.432757.06156.62006406.98861.553389.91193.52007440.69876.833984.09218.582008475.96891.234363.12237.832009497.251035.794981.55272.962010《數(shù)據(jù)挖掘與商務(wù)智能實(shí)驗(yàn)》實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)題目：