城市生活垃圾预测及管理模型

城市生活垃圾预测及管理模型 摘 要 本文讨论了徐州市未来十年生活垃圾产量的预测和垃圾收运问题。 针对问题一，运用灰色预测思想建立徐州市年垃圾产量的多元线性回归模 型。此问分三步进行：第一，根据所查的 1999-2007 年影响徐州市垃圾产量变 化的五个因素，分别建立 模型，并解得其时间响应序列表达式，以此(1,)GM 预测出未来十年影响徐州市生活垃圾产量变化的各因素值；第二，根据 1999- 2007 年徐州市的垃圾产量数据及影响垃圾产量变化的因素，运用 MATLAB 回归 解得徐州市年垃圾产量的多元线性回归模型；第三步，将所预测的徐州市未来 十年影响城市生活垃圾变化的因素代入回归模型，预测出未来十年徐州市城市 生活垃圾产量。由预测结果来看，徐州市未来十年城市生活垃圾产量呈逐年上 涨趋势，用 MATLAB 计算回归模型的统计量并作残差图知，模型的准确性达 90.5%且拟合程度良好，实用性较高。 针对问题二，运用贪心算法建立垃圾收集车收运垃圾的优化模型。为使行 车里程最短，垃圾收集车早上八点从车库出发驶向离车库最近的垃圾收集点， 在该垃圾点收集完垃圾后驶向离此垃圾收集点最近的收集点，以此类推，直到 所收集垃圾达到垃圾收集车的最大负载量后驶向中转站卸载垃圾，卸载完之后 又驶向离中转站最近的收集点（没有垃圾的收集点除外）收集垃圾，如此循环， 直到所有手机点的垃圾收集完，垃圾车返回车库，运用 MATLAB 根据附录一表 1 所给数据设计程序，运行得当车库每天早上派出 11 辆垃圾车时，垃圾收集点的 垃圾可一次性收集完，所有垃圾车不必从中转站重新返回垃圾收集点手机垃圾， 而是直接返回车库，具体路径见图。此过程所花费总时间为 2.52 小时，所行驶 总路程为 2576792feet。 关键词 灰色预测；多元线性回归模型； 模型；贪心算法；优化模型(1,)GM 2 一、 问题重述 城市生活垃圾的产生对人类生活存在着极大的威胁，其产生受多方面影响， 包括地理位置、人口、经济发展水平（生产总值） 、居民收入以及消费水平、居 民家庭能源结构等等。城市生活垃圾的管理包括计划、组织、行政、金融、法 律和工程等多方面，并涉及到城市生活垃圾收集、运输和处置。在处置之前， 需要环卫部门对其进行收集与运输，即垃圾的收运。 在求解问题时，都要求建立模型、对模型进行求解，并对模型的实用性和 准确性进行分析。 在垃圾的收运过程中，要求 辆垃圾收集车从车库出发，在遍历 个垃圾k n 收集点、将每个垃圾收集点的垃圾收集完的基础上使行车里程尽可能小，或者 行车时间尽可能短，除此之外，垃圾收集车只能在在垃圾收集点的工作区间内 手机垃圾。 问题一：查阅有关城市垃圾产量即影响垃圾产量的因素，预测此城市中短 期内的垃圾产量变化，并分析模型的准确性和实用性。 问题二：在收运过程中已知下述（1）（2）（3）（4）等条件下，安排垃 圾收运车的收运路线，使垃圾收运车的行车里程尽可能少，或者垃圾收运时间 尽可能短： （1）车库和收集点、收集点与中转站、中转站与车库的距离； （2）各收集点每天的垃圾产量； （3）每辆垃圾收运车的最大载荷； （4）垃圾收集点、车库、中转站的工作区间a ,b； 建立以上规划的数学模型，并根据所给的数据（见附录一）对模型进行求 解，对模型的实用性，准确性进行分析。 二、问题分析 对问题一，首先这是一个灰箱问题。徐州市中短期内城市生活垃圾产量及 影响城市生活垃圾变化的因素是未知的，而1999-2007年城市生活垃圾产量及影 响城市生活垃圾的因素可查阅得到，因此将采用灰色预测法预测未来十年影响 徐州市生活垃圾产量的因素；其次，此问题的讨论对象为中短期内徐州市生活 垃圾产量，而其生活垃圾产量受地理位置、人口、经济发展水平（生产总值） 、 居民收入以及消费水平、居民家庭能源结构等共同影响，因此将建立徐州市生 活垃圾产量的多元线性回归模型，并通过MATLAB回归求解；最后，需将预测所 得未来十年影响徐州市生活垃圾产量变化的因素代入回归模型，预测未来十年 徐州市的垃圾产量变化。对比1999-2007年徐州市生活垃圾产量的预测值与真实 3 值，求相对误差，参照精度检验等级表即得精度等级。 对问题二，若要尽可能使垃圾收集车总的整体行车里程最短，则垃圾收集 车在任何几个垃圾收集点的行车里程也要尽可能最短，因此将根据此思想运用 贪心算法建立垃圾收运的优化模型，使垃圾收集车每次都驶向最近的垃圾收集 点，最后只需用MATLAB设计程序画出垃圾车行驶路径并求出最短时间和路程。 三、模型假设 1.忽略除题目所给影响因素外其他因素对生活垃圾产量的影响； 2.对徐州市来说，地理位置不随时间发生变化，因此垃圾生产量不受地理 位置的影响； 2.假设每辆垃圾收集车在装载过程中均能发挥其最大装载能力； 3.忽略垃圾收集车在运输过程中拐弯的时间，以保证每辆车每天可以达到 最大作业时间； 4.假设垃圾收集车在运输过程中不会出现抛锚等耽误运输的意外事故； 5.假设垃圾收集车在垃圾收集点的停留时间为附录一所给时间，不多滞留， 也不提前离开； 6.因为不能保证垃圾收集车恰好在某个垃圾收集点收集完垃圾后达最大负 载量，因此不要求垃圾收集车每次返回中转站时垃圾量为最大负载量。 四、符号约定 符号 表示意义t 年份， 表示1999年，以此类1t 推1x 人口，单位:万人2 生产总值，单位：亿元3 人均收入，单位：元4x 社会消费品零售总额，单位：亿 元5 燃气化率（%）y 徐州市生活垃圾产量(1)x 徐州市人口数量的累加序列z 的紧邻均值序列(1)x1a 的 模型的发展系数,GM 4 1b的 模型的灰色作用量1x(,)GM 五、模型的建立与求解 题中只给出了影响城市生活垃圾产量的因素，而未给出具体资料，查阅徐 州市1999-2007年城市生活垃圾产量及影响因素 见表1，以下将根据所查徐州 市资料进行模型的建立与求解。 表1 1999年-2007年徐州市生活垃圾产量及影响因素 年份 垃圾产量 （吨） 人口 （万人） 生产总值（亿元） 人均收入 （元） 社会消 费品零 售总额 燃气化率 （%） 1999 34.1 107.84 603.3 6498.56 161.2 62.65 2000 34.6 113.64 658.45 7147.24 185.2 70.8 2001 35.6 115.01 730.88 7616.21 202 75.8 2001 33.5 116.43 794.88 8036.91 223.9 76.9 2003 35.4 118.4 905.66 8954.23 235.4 90.2 2004 36.5 119.23 1095.8 9839.65 342.5 95.56 2005 37.2 120.04 1212.15 10820 396 96.5 2006 38.3 121 1360.3 11830.31 432.5 96.73 2007 39.6 112 1501.23 12961.63 486.2 97.01 5.1 影响徐州市生活垃圾产量的因素预测 影响徐州市生活垃圾产量的因素有五个，即人口、经济发展水平（生产总 值） 、居民收入、消费水平、居民家庭能源结构。运用灰色预测理论分别对它们 进行预测。 5.1.1 人口数量 的预测1x 设原始人口数据序列为 ，则(0)1x ，(0)17.84,3.6,543,18.923,10.4,2) 经 累加算子作用生成累加序列(0)1xAGO().,2.,.9,2.,7.,6.5,.,.59,13. 令 为 的紧邻均值生成数列，即1z(1)()(1)()(1)()(1)()()1,3,4,7,8,zzzzz 其中 ， =2,3，9，则代入数据得()10.5.txttt ，64,2789,05,2.,630.95,.,.09,.5) 模型为(,)GM()(1)1xtaztb 其中 为发展系数， 为灰色作用量。1a1b 5 为求解此 模型，构造矩阵(1,)GM , (0)1()01()(0)123456789xYx(1)()1()1()123456789zzBz 令 ,则 模型的最小二乘估计数参数列满足A1()Tab(,)GM ,A11()TTBY 利用 MATLAB 求得 (0.3,5.28)T 即 ,则 。110.3,5.28ab14.7ba 模型的时间响应序列为(,)GMA1(1)(1)atbxtxe 取 ，则(1)(0)x ，A1(1)(0)1atbxtxe 则还原值 A(0)(1)(1)1xtxtt 1 1(0)(aatbee 0.3.3852.7()t 上式即为所需人口数量 的预测序列。1x 为保证上述所作灰色预测的准确性与实用性，计算并对比 1999-2007 年九 年内徐州市人口数量的预测值与真实值，观察此次预测的相对误差和精度。 所得徐州市 1999 年到 2007 年人口数量的真实值与预测值数据如下表如表 6 2 所示： 表 2 1999-2007 年人口数量预测结果 人 口 1999 年 2000 年 2001 年 2002 年 2003 年 2004 年 2005 年 2006 年 2007 年 真 实 值 107.8 4 113.6 4 115.01 116.4 3 118,4 119.2 3 120.0 4 121 112 预 测 值 115.3 8 115.7 3 116.08 116.4 3 116.7 8 117.1 3 117.4 8 117.8 3 118.1 9 相 对 误 差 0.01 0.009 0.00001 0.0148 0.017 0.021 0.026 0.055 0.025 记 的相对误差为 ，则 的平均模拟相对误差1txt1x ， 91t 即 ，参照精度检验等级表知， 的精度达二级，说明对 的灰色预测0.26x1x 是较为准确的。 5.1.2 生产总值 ，居民人均收入 ，社会消费品零售总额 和燃气化率 的2x3 45 预测 同 5.1.1 对 的灰色预测，对生产总值 ，居民人均收入 ，社会消费品1 2x3x 零售总额 和燃气化率 用同样的方法进行预测，解得4x5x 生产总值 的时间响应序列为2 ，A(0) 0.12.21496.8()txte 居民人均收入 的时间响应序列为3 ，(0) 0.1.53.()txte 社会消费品零售总额 的时间响应序列为4 ，A(0) 9()txte 燃气化率 的时间响应序列为5 7 ，A(0) 0.64.515.3()txte ， ， ， 的预测结果分别见附录二表 1、表 2、表 3、表 4，由表知2x34 ， ， ， 的平均模拟误差分别为 0.024、0.041、0.057、0.052，参照精5 度检验等级表， ， 的预测精度达二级，而 ， 的精度达三级，表示对 ，2x3 4x5 2x ， ， 的灰色预测均可用但对 ， 的预测明显比对 ， 的预测精确。3x45 2x34x5 5.1.3 未来十年影响徐州市生活垃圾产量的因素计算 根据 5.1.2 中求得的 ， ， ， ， 的时间响应序列分别预测未来十12345 年影响徐州市生活垃圾产量因素，结果如表 3： 表 3 未来十年影响徐州市生活垃圾产量的因素表 影 响 因 素 2008 年 2009 年 2010 年 2011 年 2012 年 2013 年 2014 年 2015 年 2016 年 2017 年1x 118. 54 118. 90 119. 25 119. 61 119. 97 120. 33 120. 69 121. 06 121. 42 121. 792 1718 .89 1942 .51 2195 .22 2480 .80 2803 .54 3168 .26 3580 .43 4046 .21 4572 .60 5167 .463x 1528 4.39 1689 1.86 1866 8.39 2063 1.11 2280 1.63 2519 9.70 2784 9.97 3077 8.98 3401 6.03 3759 3.534 579. 56 673. 69 783. 10 910. 29 1058 .14 1230 .00 1429 .77 1661 .99 1931 .92 2245 .695x 107. 09 112. 17 117. 50 123. 08 128. 93 135. 05 141. 46 148. 18 155. 22 162. 59 表 3 显示，燃气化率在未来十年的变化趋势超过了 100%，这显然是不可能 的，因此在后面的回归模型中，未来十年的燃气化率不取表 8 中的预测值而用 2007 年的燃气化率 97.01%代替，因为，97.01%到 100%之间的变化区间非常小， 由此产生的误差可忽略不计。 5.2 徐州市生活垃圾产量的回归模型 徐州市生活垃圾产量 受到市内人口数量 ，生产总值 ，居民人均收入y1x2x ，社会消费品零售总额 和燃气化率 的共同影响，因此通过 MATLAB 分别3x4x5 8 画出徐州市生活垃圾产量对 ， ， ， ， 的散点图，见图 1 至 5:1x234x5 图 1 徐州市生活垃圾产量对人口数量的散点图 图 2 徐州市生活垃圾产量对社会生产总值的散点图 图 3 徐州市生活垃圾产量对人均收入的散点图 由图 1 知，徐州市的生活垃圾产量与人口数量呈线性关系，因此假定回归 函数为 ，01yx 9 其中 、 为待回归系数， 为误差。01 同理，由图 2 知，徐州市的生活垃圾产量与社会生产总值（即经济水平） 亦呈线性关系，因此也假定回归函数为 ，012yx 其中 、 为待回归系数， 为误差。01 图 4 徐州市生活垃圾产量对社会消费品零售总额的散点图 由图 3，图 4 知，徐州市居民人均收入和社会消费品零售总额与生活垃圾 产量也呈线性关系，因此分别假定回归函数为 ， ，013yx014yx 其中 、 为待回归系数， 为误差。01 图 5 徐州市生活垃圾产量对燃气化率的散点图 根据 5.1.3 中对表 3 的分析知，未来十年燃气化率不可能超过 100%，而图 5 知，燃气化率在 1999 年-2004 年基本沿一条抛物线变化，因此未来十年的燃 气化率仍取 2007 年的 97.01%，显然是合理的。因此未来十年的燃气化率都一 10 样而对徐州市生活垃圾产量无影响。 综上所述，建立如下回归模型 ， （1）01234yxx 对回归模型（1）利用 MATLAB 求解，所得结果为 ， （2）123436.49.8001.92x 将表 3 预测的未来十年影响徐州市生活垃圾产量的因素代入回归模型（2） ， 得未来十年徐州市生活垃圾产量如表 4： 表 4 未来十年徐州市生活垃圾产量预测表 年 份 2008 年 2009 年 2010 年 2011 年 2012 年 2013 年 2014 年 2015 年 2016 年 2017 年 垃 圾 产 量 41.8 8 43.4 6 45.2 4 47.2 5 49.5 2 52.0 3 55.1 8 58.4 6 62.1 6 66.3 3 5.2 最佳垃圾收运路线的设计 已知附录一表1所给车库和收集点、收集点与中转站、中转站与车库的距离、 各收集点每天的垃圾产量、每辆垃圾收运车的最大载荷、垃圾收集点、车库、 中转站的工作区间，此问要求设计最佳垃圾收运路径，使得垃圾收集车的行车 里程尽可能短或收集完所有垃圾所花时间尽可能少，以下根据贪心算法来设计 收运路径。 5.2.1 最佳路径的设计思想 由题知，车库的工作时间为早上8点到下午5点，而中转站和垃圾收集点的 工作时间为0点到24点，因此垃圾收集车是早上8点从车库出发，根据贪心算法 思想，垃圾车从车库出发后驶向离车库最近的垃圾收集点收集垃圾，在该收集 点收集完之后驶向离该收集点最近的收集点，以此类推，直到垃圾车收集完垃 圾后驶向中转站卸载垃圾；第二次从中转站出发驶向离中转站最近的垃圾收集 点（已收集完垃圾的收集点除外），重复上述过程，直到所有垃圾收集完返回 车库。 5.2.2 最佳路径的实现 根据附录一中所给数据用MATLAB设计贪心算法程序并求解最佳路径（见附 录三）。由结果知，当车库每天早上派出11辆垃圾车时，垃圾收集点的垃圾可 一次性收集完，所有垃圾车不必从中转站重新返回垃圾收集点手机垃圾，而是 直接返回车库，此过程所花费总时间为2.52小时，所行驶总路程为 2576792feet。具体路径（其中数字为垃圾收集点编号）为： 第一辆车：车库出发-78-53-80-33-71-27-47-75-67-74-35-84-46-37-31- 65-61-62-43-38-66-8572-81-57-59-45-77-54-中转站-返回车库 第二辆车：车库出发 11 -163-180-115-95-157-158-112-111-121-126-93-162-167-165-97-117-168- 103-119-145-129-108-123-171-152-158-175-151-164-178-127-94-114-中转 站-返回车库 第三辆车：车库出发 -41-73-70-44-86-79-39-49-30-63-60-92-56-34-64-25-51-58-29-91-69-48- 82-52-36-42-中转站-返回车库 第四辆车：车库出发 -50-68-40-55-76-32-26-194-192-213-189-183-200-196-212-185-207-125- 136-106-109-187-198-195-186-202-中转站-返回车库 第五辆车：车库出发 -156-197-208-199-201-210-205-204-184-89-144-193-132-102-96-177-161- 104-137-130-139-113-181-116-148-140-124-中转站-返回车库 第六辆车：车库出发 -170-134-166-135-107-120-141-105-174-146-142-150-101-163-180-149-173- 182-147-中转站-返回车库 第七辆车：车库出发 -143-155-153-159-172-154-169-118-131-99-98-100-122-160-90-179-110-88- 133-176-87-5-4-3-24-22-19-28-18-6-21-128-中转站-返回车库 第八辆车：车库出发 -188-203-191-206-190-209-7-13-15-17-23-11-10-16-8-14-245-83-256-265- 274-267-241-中转站-返回车库 第九辆车：车库出发 -12-20-9-259-264-269-217-237-243-220-242-222-240-214-266-223-226-229- 228-225-215-中转站-返回车库 第十辆车：车库出发 -239-221-262-230-235-261-216-275-249-260-232-250-231-234-233-224-246- 211-244-218-253-277-248-271-中转站-返回车库 第十一辆车：车库出发 -247-251-219-236-255-258-252-273-272-254-238-263-227-276-270-257-268- 中转站-返回车库 行驶情况见图6： 图 6 最佳行驶路径 12 六、结果检验与分析 1.结果检验 为检验所建立回归模型的实用性，利用 MATLAB 对回归模型(1)求解，所得 数据如表 5： 参数 参数估计值 参数置信区间0 36.0349 4.685,7.341 -0.0683 02912 -0.0038 .,.3 0.0010 6784 0.0092 0.1,.9 20.95R9.52F0.254P2.765s 表 5 显示， 表示因变量 ，即徐州市生活垃圾产量的 90.5%可2.0y 由所建立的回归模型决定，因为计算检验的统计量 ，给定的/(1)SRkFEn 显著性水平 ，分子自由度=4，分母自由度=9-4-1=4，查 分布表 得0.5 2 ,而表 5 中回归模型的 值超过 检验的临界值，0.5(4,)638F 小于 ，因而所建回归模型从整体来看是可用的。2P. 对比 1999 年-2007 年徐州市垃圾产量的预测值与真实值，见图 7: 13 图 7 1999-2007 年徐州市垃圾产量真实值与预测值对比图 图 7 表明，除 2002 年以外，1999-2007 年徐州市垃圾产量真实值与预测值 是基本一致，为进一步观察所建立模型的拟合程度，作出 1999-2007 年徐州市 垃圾产量真实值与预测值的残差图，见图 8： 图 8 回归模型（2）的残差图 图 8 显示，除 2002 年徐州市生活垃圾产量真实值与预测值的残差较大外， 其它 1999-2007 每一年残差都很小，可见回归模型的拟合程度良好，模型是实 用的。 2.结果分析 （1）第一问结果分析 利用 MATALB 画图，徐州市从 2008 年到 2017 年生活垃圾产量如图 9： 图 9 徐州市未来十年生活垃圾产量图 由图 9 可知，徐州市生活垃圾产量在未来十年仍然是逐年上涨的，并从 2013 年开始上涨速度变大。 （2）第二问结果分析 准确性分析：第二问中使用贪心算法，所得路线为局部最优路线，并且计 算速度快，但是局部最优路线的组合并不一定是整体最优路线，因此此处使用 贪心算法的准确性一般。 实用性分析：因为模型求解过程中不仅求出了最佳路径，还求出了完成垃 圾收集任务所需时间最短的车辆数，因此使用贪心算法的实用性较高。 14 七、模型推广 第一问所建立的多元线性回归模型中，不包括 ， ， ， 的交叉项，1x234x 而社会消费品零售总额 受到居民的人均收入 的影响，居民人均收入又受4x3 到社会生产总值 的影响，因此，在推广模型中建立 和 ， 和 的交叉项，2 2x34x 推广回归模型为 0123243546yxx 用 MATLAB 求解回归模型即得具有上述交叉项的徐州市生活垃圾产量预测模型。 八、模型评价 优点： 1.运用灰色预测理论，根据离散的数据点预测徐州市生活垃圾产量影响因 素； 2.第二问使用贪心算法计算速度快，较简便； 缺点： 1.所建立多元线性回归模型中没有交叉项，预测结果存在误差； 2.贪心算法只考虑局部最优解，而未必是整体最优解，因此设计路线未必 是最佳路径。 参考文献 豆丁网. /p-489827187.html.1 贾俊平,何超群，金勇进.统计学（第五版）.北京：中国人民大学出版社，2 2012.6. 15 附录一 参数与说明： 1.垃圾车的最大装载量：200.0 (yards)； 2.每辆垃圾车每天的负载总量：2200.0 （yards）； 3.每辆垃圾车每天最多经过的垃圾收集点个数：500； 4.垃圾车的行车速度：40（MPH, Miles Per Hour）； 5.Stop_ID：收集点编号，X,Y 分别为该点的坐标，单位：feet 6.EST，LST(Early Service Time, Last Service Time)：该点的工作区间， 时间格式为 HHMM 格式，例如：0800 表示早上八点； 7.ST（Service Time）：该点收集或者卸载垃圾需要的工作时间，单位:s 8.Load：该点的垃圾量，单位：yard 9.Stop_Type：收集点类型（0:车库，1：垃圾收集点，2：中转站） 表中两点之间距离为 Manhattan 距离: ( )。121212(,) (,)(,distancexyxyxy Stop_I D（编 号） X(feet )（横 坐标） Y(feet )（纵 坐标） EST（ 工作开 始时间） LST(工 作结束 时间) ST(装 载卸载 时间) Load（ 垃圾量） Stop Type（ 收集点 类型） 0 - 484089 0.00 418106 9.00 0800 1700 0 9999.0 0 0 1 - 481779 6.00 413206 2.00 0000 2400 1800 9999.0 0 2 2 - 484826 0.00 420154 5.00 0000 2400 25 6.00 1 3 - 484639 5.00 420122 7.00 0000 2400 25 4.00 1 4 - 484632 8.00 420123 5.00 0000 2400 25 4.00 1 5 - 485475 4.00 419864 9.00 0000 2400 75 24.00 1 6 - 486152 1.00 420386 4.00 0000 2400 25 8.00 1 7 - 486204 7.00 420702 6.00 0000 2400 25 8.00 1 16 8 - 486155 3.00 419266 6.00 0000 2400 25 4.00 1 9 - 486258 0.00 420728 7.00 0000 2400 25 6.00 1 10 - 486321 3.00 420633 2.00 0000 2400 25 8.00 1 11 - 485722 7.00 419011 7.00 0000 2400 50 16.00 1 12 - 486217 5.00 420400 4.00 0000 2400 25 4.00 1 13 - 486295 5.00 420779 5.00 0000 2400 50 12.00 1 14 - 486218 9.00 420400 7.00 0000 2400 50 16.00 1 15 - 486208 5.00 420703 3.00 0000 2400 25 8.00 1 16 - 486220 5.00 420399 0.00 0000 2400 25 6.00 1 17 - 485511 1.00 419931 4.00 0000 2400 25 4.00 1 18 - 485507 6.00 419951 1.00 0000 2400 25 6.00 1 19 - 485723 5.00 419053 5.00 0000 2400 25 2.00 1 20 - 485425 9.00 419856 7.00 0000 2400 25 3.00 1 21 - 485473 1.00 420149 4.00 0000 2400 25 8.00 1 22 -486325 4204176.00 0000 2400 25 6.00 1 17 9.00 23 - 485339 2.00 420159 0.00 0000 2400 50 16.00 1 24 - 481917 0.00 421381 1.00 0000 2400 25 3.00 1 25 - 481661 8.00 421319 4.00 0000 2400 25 8.00 1 26 - 481889 6.00 420737 2.00 0000 2400 25 3.00 1 27 - 485507 7.00 419950 7.00 0000 2400 25 4.00 1 28 - 481737 4.00 421256 0.00 0000 2400 50 8.00 1 29 - 482360 0.00 421376 4.00 0000 2400 25 4.00 1 30 - 482196 6.00 420796 1.00 0000 2400 25 6.00 1 31 - 481976 4.00 421049 6.00 0000 2400 25 4.00 1 32 - 481873 6.00 420733 5.00 0000 2400 25 2.00 1 33 - 481969 3.00 421306 5.00 0000 2400 25 8.00 1 34 - 482030 9.00 420724 0.00 0000 2400 25 6.00 1 35 - 481562 6.00 421221 7.00 0000 2400 25 8.00 1 36 - 482071 3.00 420771 9.00 0000 2400 25 6.00 1 37 - 420954 0000 2400 25 3.00 1 18 482220 4.00 7.00 38 - 482452 4.00 420844 4.00 0000 2400 25 2.00 1 39 - 481947 0.00 421026 0.00 0000 2400 175 20.00 1 40 - 482361 8.00 420368 5.00 0000 2400 25 4.00 1 41 - 481450 4.00 421192 1.00 0000 2400 25 6.00 1 42 - 482258 5.00 420807 1.00 0000 2400 100 26.00 1 43 - 482599 0.00 420392 4.00 0000 2400 50 4.00 1 44 - 482440 0.00 421388 4.00 0000 2400 25 4.00 1 45 - 482073 0.00 420712 7.00 0000 2400 25 4.00 1 46 - 481931 4.00 420745 9.00 0000 2400 25 6.00 1 47 - 481686 5.00 421197 7.00 0000 2400 25 4.00 1 48 - 482527 3.00 420856 1.00 0000 2400 25 4.00 1 49 - 481768 8.00 420991 5.00 0000 2400 125 24.00 1 50 - 481949 3.00 421577 6.00 0000 2400 100 24.00 1 51 - 481605 6.00 421231 6.00 0000 2400 25 6.00 1 19 52 - 481851 1.00 420726 9.00 0000 2400 25 2.00 1 53 - 482364 0.00 421375 2.00 0000 2400 50 8.00 1 54 - 481974 6.00 421049 1.00 0000 2400 50 8.00 1 55 - 481983 7.00 421311 2.00 0000 2400 25 4.00 1 56 - 482423 0.00 421114 3.00 0000 2400 25 3.00 1 57 - 481949 0.00 421579 5.00 0000 2400 25 8.00 1 58 - 482471 3.00 421309 6.00 0000 2400 25 4.00 1 59 - 482015 8.00 421315 4.00 0000 2400 200 32.00 1 60 - 482251 4.00 420858 8.00 0000 2400 50 8.00 1 61 - 482258 2.00 420809 0.00 0000 2400 25 6.00 1 62 - 482201 2.00 421308 1.00 0000 2400 75 12.00 1 63 - 481926 4.00 421339 7.00 0000 2400 25 6.00 1 64 - 482189 6.00 420840 8.00 0000 2400 25 4.00 1 65 - 482247 2.00 421039 4.00 0000 2400 25 4.00 1 66 -481958 4207514.00 0000 2400 25 6.00 1 20 6.00 67 - 481719 6.00 421004 1.00 0000 2400 25 3.00 1 68 - 481707 2.00 421250 3.00 0000 2400 25 6.00 1 69 - 482516 2.00 420444 3.00 0000 2400 50 6.00 1 70 - 481890 1.00 420735 3.00 0000 2400 25 4.00 1 71 - 482246 0.00 421046 5.00 0000 2400 25 8.00 1 72 - 482350 9.00 420429 9.00 0000 2400 50 8.00 1 73 - 482000 2.00 420760 0.00 0000 2400 25 6.00 1 74 - 481937 2.00 420745 1.00 0000 2400 175 28.00 1 75 - 481976 5.00 421049 4.00 0000 2400 25 8.00 1 76 - 482395 0.00 421382 5.00 0000 2400 25 3.00 1 77 - 481762 0.00 420780 7.00 0000 2400 25 4.00 1 78 - 482319 8.00 420615 6.00 0000 2400 25 4.00 1 79 - 481874 1.00 420731 6.00 0000 2400 25 8.00 1 80 - 482380 8.00 421139 1.00 0000 2400 50 16.00 1 81 - 421231 0000 2400 25 8.00 1 21 481615 6.00 7.00 82 - 486776 5.00 421035 2.00 0000 2400 25 6.00 1 83 - 482031 3.00 420721 9.00 0000 2400 25 6.00 1 84 - 482247 9.00 421046 8.00 0000 2400 25 6.00 1 85 - 482585 0.00 420526 0.00 0000 2400 25 4.00 1 86 - 484611 1.00 419477 4.00 0000 2400 25 8.00 1 87 - 484585 3.00 419633 9.00 0000 2400 25 18.00 1 88 - 484758 2.00 418840 5.00 0000 2400 25 8.00 1 89 - 484565 5.00 419748 2.00 0000 2400 25 6.00 1 90 - 481707 2.00 421250 3.00 0000 2400 25 6.00 1 91 - 481988 8.00 421312 2.00 0000 2400 25 8.00 1 92 - 484084 2.00 419490 8.00 0000 2400 25 8.00 1 93 - 484601 2.00 419069 6.00 0000 2400 25 4.00 1 94 - 483992 8.00 418804 4.00 0000 2400 50 10.00 1 95 - 484720 5.00 419051 0.00 0000 2400 25 6.00 1 22 96 - 483810 5.00 419445 2.00 0000 2400 25 8.00 1 97 - 484497 8.00 419903 4.00 0000 2400 25 3.00 1 98 - 484495 3.00 419833 8.00 0000 2400 25 3.00 1 99 - 484499 0.00 419907 1.00 0000 2400 25 4.00 1 100 - 484419 5.00 419548 7.00 0000 2400 50 36.00 1 101 - 484722 4.00 419051 3.00 0000 2400 25 6.00 1 102 - 483724 9.00 419448 4.00 0000 2400 25 3.00 1 103 - 484568 8.00 419259 4.00 0000 2400 25 8.00 1 104 - 484300 7.00 419318 6.00 0000 2400 25 8.00 1 105 - 483667 1.00 419626 4.00 0000 2400 25 4.00 1 106 - 484440 8.00 419151 2.00 0000 2400 50 12.00 1 107 - 483852 0.00 419300 3.00 0000 2400 25 3.00 1 108 - 483532 7.00 419669 6.00 0000 2400 25 6.00 1 109 - 484519 5.00 419686 3.00 0000 2400 100 16.00 1 110 -484123 4193466.00 0000 2400 25 8.00 1 23 4.00 111 - 484149 9.00 419291 7.00 0000 2400 25 4.00 1 112 - 484548 0.00 419378 0.00 0000 2400 25 3.00 1 113 - 484656 0.00 419099 7.00 0000 2400 25 4.00 1 114 - 483995 0.00 418936 3.00 0000 2400 25 4.00 1 115 - 484381 6.00 419390 6.00 0000 2400 25 8.00 1 116 - 483775 4.00 419439 4.00 0000 2400 25 3.00 1 117 - 484323 5.00 419824 7.00 0000 2400 25 2.00 1 118 - 483715 3.00 419315 2.00 0000 2400 100 28.00 1 119 - 484447 3.00 419216 8.00 0000 2400 25 6.00 1 120 - 484128 5.00 419519 4.00 0000 2400 25 4.00 1 121 - 484524 3.00 419891 3.00 0000 2400 25 4.00 1 122 - 483876 3.00 419306 4.00 0000 2400 25 3.00 1 123 - 484283 2.00 419410 8.00 0000 2400 25 8.00 1 124 - 483844 0.00 419723 7.00 0000 2400 25 4.00 1 125 - 419520 0000 2400 25 4.00 1 24 484130 3.00 2.00 126 - 484601 8.00 419066 5.00 0000 2400 25 4.00 1 127 - 485422 7.00 419717 4.00 0000 2400 25 4.00 1 128 - 483656 1.00 419306 8.00 0000 2400 25 3.00 1 129 - 484614 6.00 419350 9.00 0000 2400 25 4.00 1 130 - 484415 4.00 419822 5.00 0000 2400 25 3.00 1 131 - 484723 9.00 418926 8.00 0000 2400 25 6.00 1 132 - 484595 1.00 419464 7.00 0000 2400 25 8.00 1 133 - 484498 0.00 418803 5.00 0000 2400 25 6.00 1 134 - 484686 5.00 418784 8.00 0000 2400 25 8.00 1 135 - 483653 3.00 419692 8.00 0000 2400 25 8.00 1 136 - 484586 5.00 419281 1.00 0000 2400 25 6.00 1 137 - 484128 8.00 419272 9.00 0000 2400 25 4.00 1 138 - 484615 9.00 419351 1.00 0000 2400 25 18.00 1 139 - 484347 1.00 419384 7.00 0000 2400 25 8.00 1 25 140 - 484301 0.00 419316 7.00 0000 2400 25 6.00 1 141 - 484227 3.00 419515 2.00 0000 2400 25 6.00 1 142 - 484306 7.00 419696 0.00 0000 2400 25 3.00 1 143 - 484791 0.00 418887 0.00 0000 2400 75 4.50 1 144 - 483712 8.00 419316 7.00 0000 2400 25 3.00 1 145 - 484243 0.00 419519 8.00 0000 2400 25 3.00 1 146 - 484596 7.00 419566 2.00 0000 2400 25 3.00 1 147 - 484381 3.00 419392 5.00 0000 2400 25 4.00 1 148 - 484437 1.00 419593 0.00 0000 2400 50 12.00 1 149 - 484387 1.00 419456 6.00 0000 2400 425 51.00 1 150 - 483828 6.00 419079 8.00 0000 2400 50 16.00 1 151 - 483866 6.00 419229 3.00 0000 2400 25 4.00 1 152 - 484316 8.00 419762 5.00 0000 2400 25 4.00 1 153 - 484315 9.00 419869 3.00 0000 2400 25 6.00 1 154 -484315 4197623.00 0000 2400 25 4.00 1 26 5.00 155 - 484723 8.00 418301 2.00 0000 2400 25 6.00 1 156 - 484142 4.00 419050 3.00 0000 2400 25