量化分析垃圾减量分类活动中社会及个体因素

潘宇婷，胡伟，陈宇晨

1.上海工程技术大学机械工程学院，上海,201620 2.上海工程技术大学电子电气工程学院，上海,201620

量化分析垃圾减量分类活动中社会及个体因素

潘宇婷1，胡伟1，陈宇晨2*

1.上海工程技术大学机械工程学院，上海,201620 2.上海工程技术大学电子电气工程学院，上海,201620

以深圳市为例，研究垃圾减量分类活动中各因素之间的关系，基于层次分析法、专家打分法以及熵值法，获得各影响因素间的权重向量；基于Pearson相关系数分析四类垃圾之间的相关性；基于GM(1,1)模型的建立及多元线性回归分析法对未来五年数据进行预测，并分析求解出该工作关键措施实施的最好与最坏结果，最后指出深圳市未来5年推进减量分类工作的关键措施。

层次分析法；专家打分法；熵值取权法；距离分析法；多元线性回归法；GM(1,1)模型

1 问题的提出

垃圾减量分类活动是人类社会对自身垃圾产生系统实施的一项干预性工程，主要内容是由社会通过督导、教育、激励等社会因素影响个体因素，最终形成减少垃圾总量并分类回收的可持续进行的良性控制过程。目前，随着经济社会高速发展，深圳市垃圾每年以8%的速度递增，垃圾填埋场逐渐饱和，“垃圾围城”[1-3]现象日趋明显。这种情况下，人们就开始选择从源头上让垃圾减量、无害化和资源化，以最终化解日益加剧的“垃圾围城”困境。

量化分析垃圾减量分类中的社会因素和个体因素，不仅是为了能够更好地提升居民的道德素质和城市的文明程度，提高城市管理的效率和水平，而且还是为了让居民有意识地减少资源损耗，逐步消除垃圾在污染环境、损害人民健康方面的危害，使得各种垃圾能够更好地作为“二手资源”回复到新的产品生产过程，从而为资源的循环利用创造有利条件。

本文针对垃圾减量分类的一系列问题进行建模、求解、预测以及相关分析。采取垃圾减量分类措施，并量化分析其中的关键因素，不仅对于最大限度地实现垃圾资源利用，减少垃圾处置量，改善生存环境质量具有一定的指导意义，而且还可以通过在垃圾分类试点小区中量化分析出垃圾减量分类的切实有效的实施方法，并为大面积推广该方法，实现城市环境美化提供可靠依据。

2 分析及解决过程

2.1 构建量化分析模型，描述垃圾减量分类过程

依据深圳市天景花园、阳光家园垃圾减量分类过程相关数据，建立模型,求解社会因素、个体因素、经济因素、环境因素、内在因素五个因素之间的权重，其基本层次结构如图1所示。

图1 层次分析法结构示意图

2.1.1 主要影响因素

2.1.1.1 社会因素影响

应用层次分析[4]的思想，构建成对比较矩阵A，并把比较的结果定量化。

2.1.1.1.1 数据处理

(1)把各个因素分别标记为A1：督导；A2：社会道德；A3：激励；A4：教育，A5：回收利用。可以用1～9尺度来定量化。

(2)假定各因素重要性之间的相对关系为：A2比A1的影响强，A3比A1的影响稍强，A2比A3的影响稍强，则两两相对比较的定量结果如(1)中成对比较矩阵所示：

(1)

(3)对社会因素中的五个子因素进行综合排序。根据类比性，可以得到社会因素的重要性向量为：

(2)

采用归一化处理，通过MATLAB[5]编程，得到一个权重向量如式(3)所示。

(3)

2.1.1.1.2 对数据结果进行一致性检验

与(1)式对应的特征方程为：

(4)

由此可以解出其最大特征值：n′=5.2047，有

CI=0.0512，CR=0.0457

(5)

由式(5)可知，CR<1，因此,其不一致性可以被接受，即该结果满足一致性要求。

2.1.1.2 个体因素影响

由个体因素中家庭结构、家庭收入、户籍资料、生活习惯、职业背景五项因素的成对比较矩阵B。

(6)

将矩阵B做归一化处理,然后按行求和，最后将求和结果进行归一化处理，得权重矩阵：

w2=[0.39410.15540.05690.09370.2999]

(7)

(8)

该结果满足一致性的要求。

2.1.2 专家打分法求权重

请10名专家对五个因素进行打分，打分结果如表1。

表1 10名专家对五项因素打分结果

利用MATLAB可得权重向量为：

w1=[0.22590.12320.22720.19200.2318]

(9)

2.1.3 熵值取权法[6]

由于专家打分法分数权重矩阵的给出存在主观因素，于是利用熵值取权法进行校正。

以0.3∶0.7的比例进行校正，从而对合理化指标的组合权重给出一个5个因素的1×5的权重矩阵w，对专家打分法给出1×5的权重w1，值矩阵W=0.7w1+0.3w。结合附录中相关数据及网上所查数据求解得到：

w=[0.26700.24700.24900.22690.2567]

(10)

则最终5个因素对合理化指标的组合权重值矩阵：

S=0.3w1+0.7w

(11)

由该权重结果可知，影响垃圾减量分类活动中最重要的因素是社会因素，其次是个人因素。

2.2 分析试点小区四类垃圾组分本身的数量之间的相关性

2011年，深圳市垃圾物理构成成分如图2所示。

图2 深圳市垃圾物理构成成分

2.2.1 数据处理

2.2.1.1 分析试点小区四类垃圾组分本身的数量之间的相关性

(1)把四类垃圾组本身的理化指标分别记作：

Xi={x1，x2，x3，x4}

(12)

其中，x1代表可回收物，x2代表厨余垃圾，x3代表有害垃圾，x4代表其他垃圾。

(2)用距离分析法对Xi和Yi两个多维向量进行相关性分析，结果如表2和表3所示。

表2 天景花园小区值向量间的相关性

表3 阳光家园两小区值向量间的相关性

2.2.1.2 分析数据结果

同种垃圾组分相关性均显著；不同种垃圾组分的相关性关系分析如下。

(1)天景花园：厨余垃圾与可回收物呈极弱相关或无相关，厨余垃圾与其他垃圾呈中等程度负相关，有害垃圾与可回收物呈强相关、和厨余垃圾均呈弱相关，其他垃圾与可回收物之间呈弱负相关、与厨余垃圾呈中等程度弱相关、与有害垃圾之间均呈弱负相关。

(2)阳光家园：厨余垃圾与可回收物、其他垃圾呈弱负相关，有害垃圾与可回收物、厨余垃圾呈弱正相关，其他垃圾与可回收垃圾呈显著负相关，有害垃圾与其他垃圾呈弱负相关。

2.3 垃圾减量分类工作关键措施及结果预测

由于深圳市的流动人口数量占据相当的比重，政府部门可以直接干预的是社会因素而非个体因素，因此，通过选取社会因素中的相关子因素来预测结果更具有可行性。

2.3.1 结果预测

利用深圳年鉴[12]中的相关数据，并将数据进行标准归一化处理，如表4所示。

表4 深圳市减量分类工作关键因素及生活垃圾清运量数据(已归一化处理)

由多元线性回归得出四者之间的关系如式(13)所示。

Y=0.000376X1+0.000322X2-0.000335X3

+0.220030X4

(13)

其中，Y代表城市垃圾产生量，X1代表水利、环境和公共设施管理业，X2代表教育，X3代表公共管理和社会组织，X4代表常住人口数。

通过建立GM(1,1)模型，如表5所示，可以预测未来5年深圳市对水利、环境和公共设施管理业、教育、公共管理和社会组织，常住人口等二级指标的值，并通过所得模型预测，得出相应的垃圾减量利用预测值，如式(14)所示：

表5 通过GM(1，1)预测出未来5年深圳减量分类工作关键措施

Y=10-3×[0.0479 0.0609 0.0774

0.0983 0.1245 0.1574 0.1983]

(14)

由预测出的数据，可以看出未来5年深圳垃圾清运量将大幅增加，这大大加重了城市负担，给居民的生活将带来极大的不便，此为最坏结果。

基于所建立的预测模型，未来想取得最好的结果，必须在控制人口增长及公共管理和社会组织投入这两个方面加大工作力度。本文预测：当公共管理和社会组织指标系数由-0.000 335变为-0.001 75，人口增长指标系数由0.220 030降为0.143时，将得到最好结果，此时：

Y=[-0.0016 -0.0017 -0.0019-0.0022

-0.0024 -0.0027 -0.0030]

3 结束语

基于数学模型建立及相关量化分析可知，垃圾减量分类活动是解决“垃圾围城”现象的有效措施，厨余垃圾是垃圾减量分类活动中的重要环节。通过分析社会因素和个体因素可知，应该在控制人口增长及公共管理和社会组织投入这两个方面加大投资力度，从而进一步推进深圳市垃圾总量的减少工作有效进行。

[1]樊良树.环保回馈：“邻避行动”化解之道[J].中南林业科技大学学报，2013,7(1):66-69

[2]李松.城市生活垃圾危局凸显如何化解“垃圾围城”的困境[J].决策探索，2012(9):55-57

[3]林一焕.如何完善城镇垃圾分类减量监管体系[J].能源与节能，2012(12)：75-76

[4]刘新宪,朱道立.选择与判断:AHP(层次分析法)决策[M].上海:上海科学普及出版社,1990

[5]董守贵.基于MATLAB的层次分析法实现[J].航空兵器,2003(4):16-18

[6]陆添超,康恺.熵值法和层次分析法在权重确定中的应用[J].中国矿业大学学报,2007(22):19-20，53

[7]Pearson相关系数简介[EB/OL].[2013-05-18].http://wenku.baidu.com/view/24f36106de80d4d8d15a4fad.html,2013-5-17

[8]盛骤,谢式千.概率论与数理统计[M].北京:高等教育出版社,2010

[9]牛海鹏,宋建蕊.基于一元线性回归和GM(1,1)模型的农村人口预测[J].农村经济与科技，2013(2):113-114,130

[10]李庆扬,王能超,易大义.数值分析[M].5版.北京:清华大学出版社,2008:73-76

[11]薛毅.数学建模基础[M].2版.北京:科学出版社,2011:367-370

[12]深圳统计局,国家统计局深圳调查队.深圳统计年鉴2012[M].中国统计出版社，2012:1-416

(责任编辑：汪材印)

QuantitativeAnalysisofSocialandIndividualfactorsinGarbageReductionandClassificationActivities

PAN Yu-ting1，HU Wei1，CHEN Yu-chen2

1.Shanghai University of Engineering Science，Mechanical Engineering，Shanghai,201620;2.Shanghai University of Engineering Science，Institute of Electrical and Electronic Engineering，Shanghai,201620,China

Taking the city of Shenzhen as an example,the relationships between the factors of classification of waste reduction are studied.Based on AHP,expert scoring method and entropy method,the weight vectors among each factor are obtained.Based on Pearson's correlation coefficient,the correlation among the four types of waste is analyzed.Based onGM(1,1) model and multiple linear regression analysis,the data in the next five years are predicted and the best and the worst results in the implement of the key measures in the work are analyzed.Finally, the key measures to promote the reduction and classification work in the next five years in Shenzhen are pointed out.

AHP;Expert scoring method;Entropy method;Distance analysis;Multivariate linear regression;GM(1,1) model

10.3969/j.issn.1673-2006.2013.09.020

X799.3

A

1673-2006(2013)09-0074-04

2013-05-24

潘宇婷(1990-)，女，安徽宿州人，硕士研究生，主要研究方向：电力系统潮流计算。

陈宇晨(1957-)，上海人，博士，教授，主要研究方向：电力系统分析、智能电网、电气设备控制检测、电力系统信息化。