夏 晶, 张 旺
(湖北工业大学经济与管理学院, 湖北 武汉 430068)
基于BP神经网络的武汉市生活垃圾清运量预测研究
夏 晶, 张 旺
(湖北工业大学经济与管理学院, 湖北 武汉 430068)
以武汉市中心城区垃圾清运量的历年统计数据为例,用熵权法确定其主要影响因素,建立基于BP神经网络的武汉市生活垃圾清运量预测模型,并将实际值与预测值进行比较。结果表明,该模型具有较好的预测性和适用性。用该模型对武汉市未来几年生活垃圾清运量进行了预测,研究发现GDP、居民人均纯收入、第三产业产值、固定资产投资和社会消费总额等5个因素对武汉市生活垃圾清运量影响较大。
生活垃圾清运量; 熵权法; BP神经网络
城市生活垃圾清运量与城市人口、经济水平及生活习惯等因素密切相关。随着我国城镇化的不断推进,城市人口越来越集中,城区生活垃圾清运量正在逐年增加。《2013年中国统计年鉴》显示,2012年全国垃圾产生量已达1.70809亿t,相比1979年的2508万t增加了5.8倍[1]。城市生活垃圾产生量及分类是城市环境卫生管理的基础性资料,准确预测城市生活垃圾产生量可以为城市生活垃圾的总量控制和减量化工作提供科学的指导[2]。
表1是武汉市2004-2014年城市生活垃圾清运量与增长率,图1为2004-2014年武汉市生活垃圾清运量及年增长曲线图[3]。
表1 2004-2014年武汉市生活垃圾清运量与年增长率
图 1 生活垃圾清运量与年增长率曲线图
随着武汉市社会经济的发展,城市规模的扩大、人口数量的增加以及居民生活消费水平的提高,武汉市生活垃圾产生量逐年增多,给城市生活垃圾清运和处置带来了巨大挑战。对武汉市生活垃圾产生量做出准确的预测,不仅有助于做好生活垃圾的清运与处置工作,还能促进生活垃圾总量控制和减量化工作。表2是武汉市2004-2014年城市生活垃圾清运量及其影响因素统计表[3]。
表2 武汉市2004-2014年生活垃圾清运量及其影响因素统计
通过熵权法对这11个影响因素求权值,来筛选影响生活垃圾清运量的主要因素。通过MATLAB语言编程及算法实现,求得权值分别为:0.1461,0.0029, 0.0866,0.0369,0.1100,0.1362,0.2095,0.0825,0.0656,0.0022,0.1215。通过权值筛选,GDP、居民人均纯收入、第三产业产值、固定资产投资和社会消费总额等因素是影响武汉市生活垃圾清运量的主要因素。
3.1 BP神经网络模型
本文建立的基于BP神经网络[1]的武汉市生活垃圾清运量预测模型共有三层:输入层、隐含层和输出层(图2)。根据武汉市生活垃圾清运量与其影响主因素筛选结果,选取GDP、居民人均纯收入、第三产业产值、固定资产投资和社会消费总额这5项指标为输入层。
图 2 BP神经网络模型[4]
如图2所示,pi为输入层节点,yi为隐含层节点,ak为输出层节点,wij为输入层节点与隐含层节点的网络权值,T1i为隐含层节点与输出层节点的网络权值,θi为神经网络的阀值。隐含层节点的计算和输出层节点的计算如式(1)、(2)所示,BP神经网络的节点误差如式(3)所示。
(1)
(2)
(3)
3.2 武汉市生活垃圾清运量预测模型参数设置
本文用BP神经网络模型预测2015-2017年武汉市生活垃圾清运量,以2004-2014年生活垃圾清运量作为训练样本,以2007-2014年生活垃圾清运量作为测试样本,检验本文所建模型的准确性。选取隐含层神经元的传输函数为“tansig”双曲线正切S型传输函数,输出层神经元的传输函数为“purelin”线性传输函数,网络训练函数为“trainlm”函数,最大训练次数设为1000,训练收敛均方误差为0.0001,BP神经网络学习算法采用改进过的LM(Levenberg-Marquardt)算法[1-5]。
[p,minp,maxp,a,mina,maxa]=premnmx(p,a);对数据进行归一化
net=newff(minmax(p),[11 1],{'tansig','purelin'});%创建神经网络
net.trainparam.show=200;%训练显示间隔
net.trainParam.epochs=1000;%训练次数
net.trainparam.goal=0.0001;%训练目标误差
net=train(net,p,a);
a=sim(net,p)%测试数据输出
a1=postmnmx(a,mina,maxa)%反归一化
3.3 预测结果与分析
训练网络误差逼近曲线如图3所示,从图中可以看出当进行到第27次迭代后,网络误差为3.0758×10-7,达到预测的目标。用训练好的BP神经网络对武汉市2015-2017年的生活垃圾清运量做预测(图4)。
图 4 武汉市生活垃圾清运量预测走势图
用“trainlm”函数训练得到的BP神经网络对2007-2014年武汉市生活垃圾清运量进行预测,并将预测值与真实值进行比较(表3)。由表3可知,预测样本平均相对误差为0.56%,达到高精度预测。用训练好的BP神经网络预测2015-2017年武汉市生活垃圾清运量、GDP、居民人均纯收入、第三产业产值、固定资产投资和社会消费总额的值如表4所示。
表3 2007-2014年武汉市生活垃圾
表4 2015-2017年武汉市生活垃圾清运量及其主要影响因素的预测值
本文分析了武汉市生活垃圾清运量影响因素,用熵权法筛选发现GDP、居民人均纯收入、第三产业产值、固定资产投资和社会消费总额这五个因素对武汉市生活垃圾清运量影响较大。本文建立了基于BP神经网络的武汉市生活垃圾清运量预测模型,将模型的预测值与实际值进行比较,预测平均相对误差为0.56%,表明该预测模型的预测精度较高。用训练好的神经网络对2015-2017年武汉市生活垃圾清运量进行了预测,该预测方法和预测结果对武汉市生活垃圾收运管理和环境卫生规划具有一定的参考价值。
[1] 马惠民,张政.基于BP神经网络的城市生活垃圾产生量预测研究——以上海市为例[J].环境科学与管理,2015(2):56-73.
[2] 郑文.基于神经网络模型的城市生活垃圾预测[J].西南师范大学学报(自然科学版),2014(8):51-56.
[3] 湖北省统计局.湖北省统计年鉴[EB/OL](2016-09-09)http://www.stats-hb.gov.cn/info/iList.jsp?cat_id=10436.
[4] 于涛, 黄涛, 潘膺希,等. 基于BP神经网络和灰色关联度组合模型的城市生活垃圾清运量预测[J]. 安全与环境学报, 2013(4):98-101.
[5] 张珏,张建强.基于灰色理论与 BP 神经网络预测成都市生活垃圾产生量[J].环境科学与管理,2012(8):52-56.
[6] 汤鸣.基于BP神经网络模型的西安市生活垃圾产生量预测[J].西安航空技术高等专科学校学报,2011(5):75-77.
[责任编校: 张 众]
Prediction Study on Municipal Solid Waste Yields Based on BP Neural Network in Wuhan
XIA Jing, ZHANG Wang
(SchoolofEconomicsandManagement,HubeiUniv.ofTech.,Wuhan430068,China)
This paper analyzed the factors that influence the municipal solid waste yields. Taking Wuhan as an example and according to historical statistics of municipal solid waste yields in Wuhan, this paper used entropy weight method to determine its main influencing factors and established the BP neural network forecasting model of Wuhan solid waste yields. After comparing the actual value with predicted value, the results show that this model has good predictability and applicability. This paper used the model to predict municipal solid waste yields in Wuhan over the next few years, in order to provide a decision-making reference for municipal solid waste management and environmental planning in Wuhan.
municipal solid waste yields; entropy weight method; BP(Back Propagation) neural network
1003-4684(2016)06-0020-03
X705
A
2016-09-30
夏 晶(1968-), 女, 湖北武汉人,管理学博士,湖北工业大学教授,研究方向为物流管理