重庆市主要电子废弃物产生量预测研究

何开伦，孙会龙，程创业

(重庆理工大学 管理学院，重庆 400054)

重庆市主要电子废弃物产生量预测研究

何开伦，孙会龙，程创业

(重庆理工大学 管理学院，重庆 400054)

以电视机、电冰箱、洗衣机、空调器和家用电脑为主要测算对象，利用BP神经网络模型预测重庆市电子产品的保有量，在此基础上利用市场供给A模型预测重庆市的电子废弃物产生量。结果表明：未来10年，电视机、电冰箱、洗衣机、空调器、家用电脑等重庆市主要电子废弃物产生总量呈现出快速增长趋势，但个体差异明显，且废弃物产生量远远超出现有企业的处理能力。建议重庆市针对各类电子废弃物未来增长趋势和特征对应发展专业化电子废弃物处置企业，重点关注电冰箱和空调器的回收处理，考虑不确定性因素的影响。

电子废弃物；产生量预测；BP神经网络

一、引言

近年来，随着人们生活水平的不断提高，家用电器更新换代的速度越来越快，由此带来了电子废弃物的迅速增长。据重庆市环保局估计，2011年全市电子废弃物产生量约为284万台，而当年资质企业处理能力为160万台*重庆市环境保护局《重庆市废弃电器电子产品处理发展规划(2011—2015)》，2011年1月14日。，仅占产生量的56.34%。电子废弃物含有丰富的可回收利用资源，对其进行规范有效的回收处理具有相当大的经济效益和社会效益,对包含电路板、重金属在内的电子废弃物如果处置不当则会对环境造成永久性的污染。目前，重庆市尚未建立科学规范的回收网络体系，回收方式较为落后、处理技术较为粗劣，这已成为制约重庆市社会和环境可持续发展的重要因素。因此，科学合理地预测电子废弃物产生量及其动态变化可以为重庆市电子废弃物的回收处理提供可靠依据[1]。

国内外学者利用不同的模型针对不同的区域进行了电子废弃物产生量的预测。Antoinette等利用系统动力学模型在预测电子废弃物产生量的基础上构建了基于产品设计特征的回收动态模型[2]；梁晓辉等采用市场供给A模型，针对上海市主要电子废弃物进行了估算，结果显示2017年上海市电子废弃物将达到635.75万台[3]；郭晓倩等引入了生态学中的Logistic种群增长模型并进行改进，预测了天津市5类电子废弃物产生量，并得出将在2040年达到1 877.66万台的顶峰的结论[4]；何开伦等利用“估计”模型预测了重庆市2013—2020年主要电子废弃物产生量，结果表明到2020年重庆市主要电子废弃物将达到324万台[5]。

从模型精确性和适应性的角度，“估算”模型由于其假设过于简单只能适合粗略估计，重庆市尚未建立详细的电子产品的销售数据库，根据销售数据预测电子废弃物的产生量也不符合重庆市的具体情况。考虑到电子废弃物产生量具有非序列性特征，本文拟引入BP神经网络，并结合市场供给A模型来预测2015—2025年重庆市电子废弃物产生量。

二、预测模型与数据

(一)预测模型

1.市场供给A模型

市场供给A模型是根据产品的销售量或新增量和产品的寿命分布来计算电子废弃物的产生量[6]，其主要假设是电子产品使用寿命围绕平均寿命前后呈正态分布特征。计算公式为：

(1)

其中，Qw为电子废弃物产生量；Si为从该年算起第i年前电子产品的销售量或新增量；Pi为i年前销售的电子产品过了i年之后废弃的百分比；i为电子产品的实际使用年数。

2.BP神经网络模型

BP(Back-Propagation)神经网络是一种神经网络学习算法，全称为基于误差反向传递算法的人工神经网络，其网络拓扑结构见图1，一般称为3层前馈网或3层感知器，即输入层、隐含层(也称中间层)、输出层[7]。它的特点是各层神经元仅与相邻层神经元之间相互全连接，同层内神经元之间无连接，各层神经元之间无反馈连接，构成具有层次结构的前馈型神经网络系统[8]。

图1 神经网络拓扑结构示意图

(二)数据来源与处理

1.重庆市电子产品社会保有量

(1)1996—2014年电子产品社会保有量

通过查找历年《重庆市统计年鉴》[9]，可以得到1996—2014年农村居民家庭平均每百户年末耐用品拥有量以及城镇居民家庭平均每百户年末耐用品拥有量，再根据重庆市历年农村居民总户数以及城镇居民总户数，即可得到1996—2014年重庆市主要电子产品社会保有量，具体数据如表1所示。

表1 1996—2014年重庆市主要电子产品

(2)2015—2020年电子产品社会保有量预测

由于电子产品开始废弃的时间一般在售后的5～10年，因此预测2025年电子废弃物的产生量需要对不同电子产品的社会保有量预测到不同的年限：电视机需要预测到2017年；空调器和家用电脑需要预测到2020年；电冰箱和洗衣机不需要进行预测。

根据1996—2014年的数据构建训练样本对网络进行训练，采用3层BP神经网络建立预测模型。输入层节点数为4，输出层节点数为3。采用试凑法确定最佳隐节点的个数，并用2013年和2014年数据作为验证。

对1996—2014年的时间序列Ij,k=(Ij,1,Ij,2,Ij,3,…,Ij,k)(j表示第j种电子产品)。设序列中最大值、最小值分别为Ij,kmax，Ij,kmin，对时间序列的值做归一化处理。

(2)

取a=0.3,b=(1-a)/2，避免神经元的输出进入饱和状态，得到新的序列记为Xj,k(j表示第j种电子产品)。

令输入样本为Xj,k=(xj,k,xj,k+1,…,xj,k+(n-1))，输出样本为Yj,k=(xj,k+(n-m+1),xj,k+(n-m+2),…,xj,k+n)。k表示第k个输入、输出样本，n为输入层神经元的个数，m为输出层神经元的个数。则第j种电子产品第1个输入样本为Xj,1=(xj,1,xj,2,xj,3,xj,4)，第j种电子产品的第1个输出样本为Yj,1=(xj,3,xj,4,xj,5)。

首先，对电视机、空调器、家用电脑的样本进行归一化处理，得到其神经网络训练样本，并进行BP网络训练。在BP网络训练中，发现电视机、空调器的最佳隐节点个数为8，家用电脑的最佳隐节点个数为7，3个网络的训练时学习效率均取0.1，期望误差为0.000 1，最大运算步数为1 000。用2013年和2014年相应的神经网络预测样本对训练好的网络进行预测，电视机、空调器、家用电脑的预测结果分别为1 546.31、1 189.36、526.58万台和1 506.23、1 285.78、503.59万台，精确度分别高达99.51%、96.39%、97.43%和99.72%、98.33%、97.66%。据此，用训练好的BP网络对重庆市2015—2020年电子产品保有量进行仿真预测，结果如表2所示。

表2 2015—2020年重庆市主要电子产品社会

2.重庆市电子产品每年新增量

上述预测中已经得到1996—2020年重庆市主要电子产品的年社会保有量，根据式(3)可以计算得出1997—2020年重庆市电子产品的每年新增量，具体数据如表3所示。

(3)

其中，Ii表示第i种电子产品每年新增量；Hi表示第i种电子产品当年社会保有量；Si表示第i种电子产品当年报废量。

表3 1997—2020年重庆市主要电子

(三)相关参数

1.电子产品的平均寿命及重量

综合中国家用电器研究院出台的行业报告[10]、国内相关研究[3,11-13]，同时参考市场上各类知名品牌电子产品的使用手册，得到主要电子产品的平均使用寿命以及平均重量，具体数据如表4所示。

表4 主要电子产品的平均使用寿命及平均重量

2.电子产品的报废年限分布

报废年限分布的确定是一项复杂和不精确的过程，因为这不仅和电子产品本身的质量及特性有关，消费者的使用习惯也会造成不确定性[14]。根据市场供给A模型假设各类电子产品的寿命按不同的比例围绕平均寿命呈正态分布特征，综合国家质监局颁布的通则以及国内相关学者的研究成果[3,11,15-16]，本文确定了各种电子产品的使用年限及报废比例，具体结果见表5。

三、预测结果与分析

(一)预测结果

根据电子产品每年新增量和报废年限分布数据，利用市场供给A模型得到重庆市2015—2025年主要电子废弃物产生量，具体结果如表6和图2、图3所示。

(二)结果分析

结果表明，重庆市主要电子废弃物增长迅速且呈现不同的特征。(1) 从产生总量来看，2015年电子废弃物产生数量为297.82万台，2025年增长到737.00万台，年均增速14.75%，高于全国平均增速(12.42%[17]、7.9%[11])，但低于北京和东部沿海城市的增速(北京30.63%[18]，上海19.42%[3]，天津14.93%[4])。另外，电子废弃物产生重量从2015年的10.97万吨增长到2025年的31.64万吨，年均增速达到18.86%，高出数量增速4个百分点，主要是因为保持高速增长的电冰箱、空调器的单位重量(60 kg、55 kg)远远高于其他电子废弃物(23 kg、23 kg、25 kg)。(2) 从产生结构来看，电冰箱、空调器、洗衣机废弃物产生量以年均55.04%、20.55%、17.40%的速度高速增长,而电视机和家用电脑废弃物产生量则以年均1.77%、10.85%的增速缓慢增长，这种两极分化的增长趋势为重庆市电子废弃物回收处理工作提供了方向，即重点关注电冰箱、空调器的回收处理。(3) 从增长趋势来看，未来10年，占比最高(2015年占比31.05%，2025年占比38.33%)的空调器呈现波动增长的趋势，经历快速增长、缓慢下降、缓慢增长3个阶段；电冰箱则呈现出单调快速增长的趋势，增长速度之快需要引起重点关注；电视机和洗衣机则呈现出先增长后减少的趋势，分别在2022年、2023年达到峰值；家用电脑则保持稳定缓慢增长的状态，且增长速度呈现放缓的趋势。

表5 主要电子产品报废年限分布

注：不同废弃年限下的废弃比例，括号内的数字表示从新增当年开始计算所经过的年数，括号前的数字表明当年的废弃比例，比如电视机一行中的10%(8)表示从新增当年开始计算，第8年的废弃比例为10%。

表6 2015—2025年重庆市主要电子废弃物产生量预测结果

图2 2015—2025年重庆市主要电子废弃物 产生数量预测结果

四、结论与建议

未来10年，重庆市主要电子废弃物产生量呈现出总量快速增长、个体差异明显的特征。2015年、2025年总产生数量(总产生重量)分别达到297.82万台(10.97万吨)、737.00万台(31.64万吨)，年均数量增速和重量增速分别达到14.75%、18.86%，远远高出全国平均水平。从产生结构和产生趋势来看，电冰箱以年均55.04%的增速保持单调快速增长；空调器则以年均20.55%的增速呈现先快速增长，再缓慢下降，进而缓慢增长的趋势；其他电子废弃物则呈现缓慢增长的趋势。

针对各类电子废弃物未来产生量的增长趋势和特征，提出以下政策建议：一是发展专业化电子废弃物处置企业，重庆市主要电子废弃物快速增长，而资质处理企业不足，因此建议新建2～3个区域性电子废弃物处理企业，提高电子废弃物的处理能力。二是重点关注电冰箱、空调器的回收处理，这两类电子废弃物重量合计占到电子废弃物总量的60.33%，且保持高速增长，重点处理电冰箱、空调器具有更大的成本效益。三是本文对电子废弃物的预测是基于稳定的经济环境、突变因素较少的前提下作出的，然而近年来随着社会经济增长速度放缓和房地产市场降温，这些与家电产品密切相关的不确定因素会对电子废弃物的产生量带来较大的影响，因此相关政策制定者在对电子废弃物的回收处理进行长期规划时，需要考虑到这些不确定性因素的影响。

[1] KOTHAN P,AHLUWALIA P,NEMA A.A grey system approach for forecasting disposable computer waste quantities:a case study of Delhi[J].International Journal of Business Continuity and Risk Management，2011，2(3):203-218.

[2] ANTOINETTE V S,MARKUS A R.Dynamic modeling of E-waste recycling system performance based on product design[J].Minerals Engineering，2010，23(3):192-210.

[3] 梁晓辉，李光明，黄菊文，等.上海市电子废弃物产生量预测与回收网络建立[J].环境科学学报，2010，30(5):1115-1120.

[4] 郭晓倩，孟伟庆，汲奕君.基于改进logistic模型的天津市电子废弃物产生量预测[J].环境科学与技术，2014，37(3):188-193.

[5] 何开伦，程创业，孙会龙，等.基于“估计”模型的重庆市主要电子废弃物产生量预测研究[J].绿色科技，2015(3):227-228.

[6] 高颖楠，徐鹤，卢现军.基于市场供给A模型的手机废弃量预测研究[G]//中国环境科学学会.2010中国环境科学学会学术年会论文集：第4卷.北京：中国环境科学出版社，2010:5.

[7] 詹建徽.第一类正交(张量)权函数神经网络的算法复杂度研究及其应用[D].南京：南京邮电大学,2014.

[8] 郭涛.正交权函数神经网络灵敏度研究及其应用[D].南京：南京邮电大学,2012.

[9] 重庆市统计局.重庆市统计年鉴[M].北京:中国统计出版社，1996-2015.

[10]中国家用电器研究院.中国废弃电器电子产品回收处理及综合利用行业白皮书[R].2014.

[11]张伟，蒋洪强，王金南，等.我国主要电子废弃物产生量预测及特征分析[J].环境科学与技术，2013，36(6):195-199.

[12]刘邦凡，王冬梅.论我国电子废弃物资源化[G]//中国公共管理论丛2013年第1辑，2013:11.

[13]余辉.江苏省电子废物管理与资源化政策研究[D].南京：南京农业大学，2011.

[14]颜蕾，洪德胜，郑淑真.重庆市环境库兹涅茨曲线实证分析 [J].重庆理工大学学报(社会科学),2014(12):36-42.

[15]张东萍，肖岳峰.广西电子废弃物产生量预测[J].物流科技，2010(1):21-23.

[16]张克勇.山西省主要电子废弃物产生量估算研究[J].现代工业经济和信息化，2014(13):156-158.

[17]梁晓辉，李光明，贺文智.中国电子产品废弃量预测[J].环境污染与防治，2009，31(7):82-91.

[18]陈鸣，宗刚，高晓龙.北京市废旧家电产生量预测及回收体系规范化研究[J].再生资源与循环经济，2013，6(12):24-27.

(责任编辑 魏艳君)

Research on the Prediction of Major Electronic Waste Generation in Chongqing

HE Kai-lun, SUN Hui-long, CHENG Chuang-ye

(School of Management, Chongqing University of Technology, Chongqing 400054, China)

This paper primarilystudy on the television sets, refrigerators, washing machines, air conditioners and home computers, and predicts the electronics holdings in Chongqing with BP neural network model. Based on the this, this study forecast the generation and weight of electronic waste of 2015—2025 in Chongqing with market-supply Model A. The results show thatthere will be a rapid growth of main electronic waste of television sets, refrigerators, washing machines, air conditioners and home computersin Chongqing in next 10 years，but the wastes are far beyond the processing capacity of the factories.Facing the challenge of increased electronic waste, it suggests that the Chongqing government should improve e-waste recycling in the development of specialized electronic waste disposal companies, focus on recycling refrigerators and air conditioners, and consider the impact of uncertainties, etc.

electronic waste; generation prediction; BP neural network

2016-03-22

重庆市社会科学规划项目“重庆工业园区废弃物利用合作机制研究”(2012HQZZ04)

何开伦(1965—)，男，重庆人，教授，硕士生导师，研究方向：物流与供应链管理。

何开伦，孙会龙，程创业.重庆市主要电子废弃物产生量预测研究[J].重庆理工大学学报(社会科学)，2016(10):47-52.

format：HE Kai-lun, SUN Hui-long, CHENG Chuang-ye.Research on the Prediction of Major Electronic Waste Generation in Chongqing[J].Journal of Chongqing University of Technology(Social Science)，2016(10):47-52.

10.3969/j.issn.1674-8425(s).2016.10.007

F205

A

1674-8425(2016)10-0047-06