深圳杯c题 定稿

1、答卷编号：（ ）论文题目：（同时标明A、B、C、D之一）垃圾减量分类活动中社会及个体因素的量化分析（C） 组 别： 本 科 生参赛队员信息(必填)： 姓 名学院、班级学号联系电话参赛队员111参赛队员2110参赛队员31 参赛学院： 机械工程学院 垃圾减量分类过程分析摘要本文根据附件所给的两个深圳社区垃圾减量分类过程的定量描性和表格数据，结合附件对台湾地区地区的成功案例的分析并结合自身生活体会，运用灰色关联度分析法和模糊层次分析法，得出了定量描述垃圾减量分类过程中各因素影响（包括社会和个体因素）的数学模型。之后结合所用建模方法对数据的要求，引入其余附件和相关资料对模型进行修改，得出了对实际决策

2、具有一定指导意义的模型。具体解答过程如下：问题一：垃圾减量分类过程主要受内在、社会、个体三方面因素影响。我们运用灰色关联度法研究了内在因素的影响，其中数据处理运用MATLAB软件；对于缺少数据的社会和个体因素，我们用模糊层次分析法得出了定量描述四个主要子因素对减量分类结果的影响。问题二：我们运用SPSS软件在显著性水平0.01 的情况下对四类垃圾组分进行Person相关分析，并对不同垃圾之间的相关性进行双侧检验得出了四类垃圾本身存在的相关性。各项激励措施对减量分类结果的影响我们在回答问题一时已有定量模型来描述，解决这个问题我们利用问题一的结论进行了归纳处理，回答了激励措施影响减量分类结果的原因

3、。问题三：解答问题一中社会和个体因素时遇到了缺少数据难以处理的困局，我们根据建模过程对数据的需求得出应在社会和个体因素投入更多精力获取数据的结论。对数据量要求不高是灰色模型和模糊层次分析法显著的优点之一，模型推广时，我们可根据建模要求，设置少量对三类主要因素的抽样数据，这样就可检测工作效果。问题四：深圳市未来推进垃圾减量分类工作应主要从社会和个体因素给予考虑。因为内在因素多为宏观经济因素，这种因素难以调控。社会因素中政策性因素对垃圾减量分类影响最大，显然深圳市最急需做的事借鉴台湾地区成功经验出台针对自己的政策。未来五年的最坏预测即为没有实施合理垃圾减量分类措施按现有规律发展的情况，最好情况为政

4、策合理实施，人乐于参与，垃圾的减量分类取得好的成效的情况，这需要我们用GM（1,n）模型实现预测。关键字：垃圾减量分类 灰色度关联度 层次分析法 SPSS 灰色GM(1，n)预测 一、 问题提出 城市生活垃圾的数量构成与城市人口数、经济水平及生活习惯等因素有关。随着城镇化进程加快和人们生活水平提高，生活方式转变，城市生活垃圾处理正在成为一个挑战性的难题。仅靠填埋、焚烧等技术不能持久地解决问题，必须与减量化、无害化、回收利用等措施结合起来，才是标本兼治、经济持久的方法。其中，从源头对垃圾进行减量分类收集是必须且关键的一个环节。垃圾减量分类活动是人类社会对自身垃圾产生系统的一个干预性工程。主要内容

5、是社会通过教育、督导、激励等措施（社会因素）影响个人及家庭的垃圾产生动因（个体因素），最终形成减少垃圾总量并分类回收良性结果的控制过程。目前对这一控制过程的研究改良主要依靠的还是经验总结型的定性分析，主要原因是缺少描述“社会因素”和“个体因素”及其相互作用的量化模型，难以开展具有一定精度的量化分析工作。因此，探讨以量化模型描述垃圾减量分类活动“社会因素”、“个体因素”及关系，不仅能帮助提升城市生活垃圾产量的预测精度（目前的研究者通常只选取GDP、城市人口、居民人均可支配收入等内在因素指标对城市生活垃圾产量进行预测研究），同时也可能给城市垃圾减量分类工作中的资源投入决策活动提供有益的辅助支持手段

6、。深圳市正在进行垃圾减量分类试点工作，附件给出了相关的研究实践资料。其中有深圳在对比我国台湾地区相关情况后的自身问题反思总结，以及采用不同方案的天景花园和阳光家园两个试点小区的实际数据记录。请你基于这些资料和自己收集的其他资料，研究以下几个问题：1、 分析附件有关资料并结合你自己的经历和生活观察，考虑各项教育、督导、激励措施对居民家庭垃圾减量分类结果的影响，构建量化模型描述深圳天景花园、阳光家园垃圾减量分类过程，模型应能以量化参数描述社会因素（如各项教育、督导、激励措施等）以及个体因素（如家庭收入水平、家庭结构、户籍类型、生活习惯等），并在后续的进一步研究过程中通过调整相关参数来修正模型。2、

7、 基于你构建的减量分类模型，试分析试点小区四类垃圾组分本身的数量存在什么样的相关性？各项激励措施与减量分类效果存在什么相关性？原因是什么？3、 根据你构建减量分类模型的研究结果，你认为在深圳现有垃圾减量分类督导过程中，目前统计的基础数据分项及颗粒度是否足够？应该在哪些数据的获取中投放更多的成本和精力？在减量分类模式大面积推广时，如何设置少量抽样数据来检测一定区域内减量分类工作的效果？4、 基于你构建的减量分类模型，指出深圳未来5年推进减量分类工作关键措施，并预测措施实施的最好与最坏结果。二、问题分析本文根据附件所给的两个深圳社区垃圾减量分类过程的定量描性和表格数据，结合附件对台湾地区地区的成功

8、案例的分析并结合自身生活体会，运用灰色关联度分析法和模糊层次分析法，得出了定量描述垃圾减量分类过程中各因素影响（包括社会和个体因素）的数学模型。之后结合所用建模方法对数据的要求，引入其余附件和相关资料对模型进行修改，得出了对实际决策具有一定指导意义的模型。对于第一问，我们运用灰色关联度法研究了内在因素的影响，其中数据处理运用MATLAB软件；对于缺少数据的社会和个体因素，我们用模糊层次分析法得出了定量描述四个主要子因素对减量分类结果的影响。从而解决第一问。对于第二问我们运用SPSS软件在显著性水平0.01 的情况下对四类垃圾组分进行Person相关分析，并对不同垃圾之间的相关性进行双侧检验得出

9、了四类垃圾本身存在的相关性。各项激励措施对减量分类结果的影响我们在回答问题一时已有定量模型来描述，解决这个问题我们利用问题一的结论进行了归纳处理，回答了激励措施影响减量分类结果的原因。 对于第三问，我们根据建模过程对数据的需求得出应在社会和个体因素投入更多精力获取数据的结论。对数据量要求不高是灰色模型和模糊层次分析法显著的优点之一，模型推广时，我们可根据建模要求，设置少量对三类主要因素的抽样数据，这样就可检测工作效果。 对于第四问，我们在前面建立的模型的基础上运用GM(1，N)模型预测，其中对未来五年的最坏预测即为没有实施合理垃圾减量分类措施按现有规律发展的情况，最好情况为政策合理实施，人乐于

10、参与，垃圾的减量分类取得好的成效的情况。从而解决第四问。 最后对所建模型进行评价和改进。三、模型假设1：假设所有附件的数据都是真实可靠的；2：假设所采集到的样本数据能很好反映样本的实际情况；3：忽视内在、社会、个体之外的相关因素对垃圾减量分类效果的影响；4：假设采样点采集的时间相同，垃圾量在不同时间采集显示同样规律。四、运用到的数学符号说明:内在因素中的i子元素:社会因素中的i子元素:个体因素:变量i和j之间的关联程度:元素i在模糊层次分析法中的系数五、 模型建立与问题解答问题一：对于生活垃圾产生量的分析和预测在广义上可以分为内在因素、社会因素和个体因素。内在因素是指直接导致城市生活垃圾产生量

11、及组分发生变化的因素，比如城市常住人口、城市经济发展状况等等。个体因素主要指产生垃圾的个体生活习惯、自身素质等因素。社会因素指的是行为准则、法律法规等，它可以制约内在因素和个体行为，主要依靠资源回收、减量化等措施来影响城市生活垃圾清运量和组分。要分析所求两个小区的垃圾减量分类过程，我们首先必须了解各项因素在这一过程中的作用。对于内在因素，附件中给予的两小区的数据很少，难以分析。而给予的深圳市整体数据较详细，可以用灰色模型来分析其间各个因素对产生的垃圾量的影响。我们在此处用深圳整体的情况代替两小区的情况。对于个体因素和社会因素我们根据大致层次分析法来构建模型解决。1.1 内在因素分析灰色模型灰关

12、联度分析概述：客观世界的很多实际问题，其内部的结构、参数以及特征并未全部被人们了解，人们不可能像研究白箱问题那样将其内部机理研究清楚，只能依据某种思维逻辑与推断来构造模型。对这类部分信息已知而部分信息未知的系统，我们称之为灰色系统一个灰色系统中2个因素之间关联性的大小称为灰关联度，它所包涵的是该系统发展过程中各因素间的相对变化情况。若两者在系统发展过程中相对变化一致则关联度大；反之亦然。一般来说，灰关联度的计算按以下步骤进行：设X(f)，Y(f)为自然数数列函数，则2数列在各时刻的关联系数为： ,式中： ,关联度计算公式为:, 如下表1,是附件中深圳市垃圾量变化与内在因素变化数据的统计表。我们

13、以生活垃圾量为母序列 x(f)，其余10个因子为子序列，通过MATLAB软件来计算关联系数，具体值见表2，母序列与各子序列之间的关联度见表3。 表1：深圳市2000-2010年城市生活垃圾清运量及其影响因素统计表年份城市生活垃圾清运量（万吨）本市生产总值（GDP）/亿元年末全市常住人口/万人城市家庭年人均可支配收入/元城市家庭年人均消费性支出/元社会消费品零售总额/亿元第三产业/亿元环保投资/亿元建成区绿化覆盖面积/公顷2000201.902187.45701.2420905.6816306.68538.171085.7930.686140.002001219.002482.49724.572

14、2759.9217024.76609.261236.6842.866633.102002221.102969.52746.6224940.6818925.92689.591488.1447.447579.002003324.503585.72778.2725935.8419960.32801.771754.1061.8722291.002004346.974282.14800.8027596.4019569.60915.452058.5779.5023219.792005332.904950.91827.7521494.4015911.881437.672307.73115.7032086.0

15、02006359.535813.56846.4322567.0816628.161671.292757.06156.6032395.002007406.986801.57861.5524301.3818474.491915.033389.91193.5034380.002008440.697806.53876.8326729.3119779.092251.823984.09218.5835471.002009475.968201.23891.2329244.5221526.102598.684363.12237.8436609.402010479.259510.911035.7930658.0

16、025012.003000.764981.55272.9633797.00表二：关联系数表母序列10.95650.9786 0.1939 0.9481 0.9260 0.9521 538.171085.7920.85400.8672 0.1651 0.6445 0.9329 0.8585 609.261236.6830.57720.5795 0.4267 0.6014 0.5418 0.5623 689.591488.1440.94260.9662 0.2148 0.7524 0.9243 0.9882 801.771754.1050.71720.7442 0.0663 0.5085 0.57

17、86 0.7602 915.452058.5760.92000.9055 0.3080 0.9657 0.9844 0.9267 1437.672307.7370.94340.7528 0.2178 0.9025 0.8556 0.9826 1671.292757.0680.92930.8349 0.1578 0.9306 0.9373 0.8939 1915.033389.9190.84920.8202 0.1533 0.8383 0.9402 0.9489 2251.823984.09100.67480.4757 0.2347 0.4959 0.7004 0.7027 2598.68436

18、3.12将各列的数据求平均值，可得如下关联度表：项目本市生产总值（GDP）/亿元年末全市常住人口/万人城市家庭年人均可支配收入/元城市家庭年人均消费性支出/元社会消费品零售总额/亿元第三产业/亿元环保投资/亿元建成区绿化覆盖面积/公顷关联度值0.8364 0.7925 0.2138 0.7588 0.8322 0.8576 0.8528 0.8106 根据分析出的数据可知，社会因素中对垃圾量增加的较大影响因素是国民生产总值（GDP），第三产业产值和社会零售总额，家庭人均收入和消费支出则影响较小。在构建两试点小区的垃圾减量分类模型中，由于不便直接插入内在因素中GDP和第三产业产值的宏观量影响，我

19、们应主要考虑小区居民的消费情况以及小区的常住人口量。对垃圾量减小起较大影响的是环保投资。对于两个小区的垃圾减量分类过程这可表示为政府对试点投入的资金量。及在广义社会因素中的一个子因素。1.2 社会因素和个体因素分析关于社会因素附件中给予的数据量相对较少，而且类型不够全面。我们参考两个小区实施新的政策过程中居民参与情况和垃圾分类成功率来浅要分析。影响垃圾减量分类的个体社会因素很多，但各因素的重要程度并不相同,而且因素的选择必然依赖于数据来源,故不能一一考虑所有因素。本文按照成本收益的标准将所考虑的社会和个体中具有代表性的因素列为下列几类:1：社会因素中的政策性因素。从附件中关于台湾地区的垃圾减量

20、分类过程的描述中，我们可以看出此间政策性因素起决定性的作用。深圳两个试点小区垃圾减量分类从本质上也是有政策因素主导的。因此政策性因素是要首先分析的；2：社会因素中的激励、督导等措施。两个试点小区垃圾减量分类过程中，物业公司均采取了相关激励引导措施，并且对居民参与垃圾减量分类和居民完成的成功率均起到了较大作用，这应该考虑；3：个体因素中的家庭人口组成（户籍）。根据附件中2011年深圳生活垃圾基础数据统计分析我们可以看出个体因素中对垃圾量影响最大的是户籍类型，如下表：4：个体因素中的生活习惯（可大致用受教育情况替代）因素。如下表：要想让上述四个主要因素在数量模型中被利用就必须被量化。初步来看,有两

21、种方法:(l)直接评价,即直接评价某个因素A所带来的成本变化。具体操作过程为:假设不考虑A,垃圾减量分类会是怎样情况。(2)间接评价,即把变量看成对垃圾减量分类有积极价值的系数。然而非数量化因素的定义本身就缺乏数量化前提,显然上述的任何一种方法若不能进一步明确此类变量所蕴含的数量内涵,任何量化的尝试都将是徒劳的"现代经济学在研究人的经济行为时认为人的行为是理性的。在垃圾减量分类过程的研究中社会因素和个体因素影响的执行者是人，人为行为的影响是一个排序的概念。我们可以用网络层次分析法中赋权的计算来解决这个问题。网络层次分析法的评分标度及其含义通过上述分析,再结合附件中的具体实例,我们建立

22、垃圾减量分类的层次结构模型,其中包括目标层、指标层以及方案层。如下页图所示：我们根据附件中的定性描述和少量数据，我们做以下分析：1) 台湾地区近十几年坚持源头减量和资源回收的管理理念，趋于完备的垃圾管理政策法规体系是垃圾产量从1998年的888.05万吨降至2011年的361.08万吨，降幅达到59.34%。依据台湾本身的时间前后对照和其与大陆地区的横向比较，我们可以判断政策性因素居垃圾减量分类的主导地位；2) 试点两小区的政策性因素大致相当，而物业公司的人为督导激励等因素不同，此条件下两小区的减量分类过程明显不同，天景花园无论从参与度还是政策实验期的长短都优于阳光家园，这个因素应予以考虑；3

23、) 通过上述插入的个体因素两表格可以看出其间户型结构的影响较人为生活习惯要高。当然生活习惯影响也较重要，应考虑。根据两个专家评分，得出以下判定表：一级指标评判结果一级指标社会因素个体因素社会因素0.5、0.50.7、0.8个体因素0.3、0.20.5、0.5社会因素的二次评判结果二级指标政策影响教育督导政策影响0.5、0.50.8、0.9教育督导0.2、0.10.5、0.5个体因素的二次评判结果二级指标户型结构（人口数）生活习惯（受教育情况）户型结构（人口数）0.5、0.50.6、0.7生活习惯（受教育情况）0.4、0.30.5、0.5对二次评定进行加权求均值，得到下列矩阵：,， .运用层次分

24、析法对转换后的四个模糊一致矩阵进行一致性检验,得出各模糊一致矩阵是一致可接受的。按照模糊层次分析法的相应算法步骤,我们计算各模糊一致矩阵中各因素的权值,这里取a=(n一1)/2。准则层相对于目标层,各因素的权值为:=(0.75 0.25)子准则层相对于准则层,各二级指标对应上层相应一级指标的权值为:=(0.85 0.15)( 0.65 0.35)按照模糊层次分析法的算法步骤4,把子准则的权重转化为在总目标下的综合权重: =(0.6375 , 0.1125 , 0.1625 , 0.0875)通过对权重的计算,我们得出低碳政策的模糊层次总排序,我们不难看出,对于试点两小区而言,垃圾减量分类政策评

25、价的重要程度逐渐降低的排序结果为:社会因素优于个体因素。社会因素中政策因素占主导地位，个体因素中家庭结构为主要因素。综合排序为：政策因素>家庭结构（平均人口）>教育督导>生活习惯（受教育情况）。总结：我们综合考虑各方面因素在垃圾减量分类过程中的影响，运用灰色模型和层次分析法的，得出了垃圾减量分类的模型。即将有明确数据的内在因素和缺乏数据的社会及个体因素分开分析。内在因素中居民消费量等为主要影响因素，社会及个体中政策和户型结构为主要影响因素。问题二：2.1 不同类垃圾间数量相关性分析此题我们运用SPSS软件中的Person相关分析，分析出试点小区四类垃圾本身的数量之间的相关性，

26、和各项激励措施与减量分类效果存在的相关性。 Person 相关分析是研究变量间相关程度的一种统计分析方法，通过计算在一定的显著性水平下的相关系数来衡量不同元素之间的相关性。Person 相关系数取值-1到 1之间，绝对值越大，说明相关性越显著。 为了分析四类垃圾之间的相互关系，我们可以计算出四类垃圾之间的Person相关系数。 将附表给出的两个小区的垃圾数据进行处理得出下表：描述性统计量均值标准差N可回收物202.450331174.8553188151厨余垃圾187.64900786.4873940151有害垃圾.510596.5370478151其它垃圾642.337086630.6661

27、128151相关性可回收物厨余垃圾有害垃圾其它垃圾可回收物Pearson 相关性1.987*.682*.994*显著性（双侧）.000.000.000平方与叉积的和4586157.3772239759.8689600.27916449471.078协方差30574.38314931.73264.002109663.141N151151151151厨余垃圾Pearson 相关性.987*1.684*.986*显著性（双侧）.000.000.000平方与叉积的和2239759.8681122010.3974762.3628068875.566协方差14931.7327480.06931.74953

28、792.504N151151151151有害垃圾Pearson 相关性.682*.684*1.668*显著性（双侧）.000.000.000平方与叉积的和9600.2794762.36243.26333938.181协方差64.00231.749.288226.255N151151151151它垃其圾Pearson 相关性.994*.986*.668*1显著性（双侧）.000.000.000平方与叉积的和16449471.0788068875.56633938872协方差109663.14153792.504226.255397739.746N151151151151

29、*. 在 .01 水平（双侧）上显著相关。垃圾关联度表可回收物厨余垃圾有害垃圾其它垃圾可回收物1.987*.682*.994*厨余垃圾.987*1.684*.986*有害垃圾.682*.684*1.668*它垃其圾.994*.986*.668*1由上表知，可回收垃圾和其他垃圾关联系数最大，关联系数为0.994。其次是厨余垃圾和可回收垃圾，关联系数达0.987。而有害垃圾和另外三种垃圾的关联系数均较小。结合具体的数据，我们可以知道可回收垃圾在垃圾总量中占有重要的地位，其数量和除有害垃圾的其余二类垃圾均有显著相关关系，这三类垃圾占总量的绝大部分，垃圾减量分类主要处理的就是它们。而有害垃圾的产生量小

30、且随机性较大，这是其本身的性质决定的，难以对其实现减量分类工作。2.2 激励措施与减量分类结果的联系 对于激励措施对减量分类的影响,我们参考台湾地区的数据，显然垃圾减量是各种因素综合影响的结果。我们将影响因素挨个拿出来，与垃圾减量的值作单因子分析，相关系数取值-1到 1之间，绝对值越大，说明相关性越显著。用spss软件分析结果的各相关系数如下表： 各因子与垃圾量的相关系数 影响因素政策因素教育督导个人因素相关系数0.91250.89520.6123由表各因子与垃圾量的相关系数可以明显看见： 政策因素对垃圾减量的影响最大，相关度达0.9125。 其次是教育督导，相关度达0.8952 。这表明政策

31、因素与与教育督导对垃圾减量的促进作用最明显。这些结果的得出是基于我们的模型和模型的修正，且我们用附表的数据检验过我们修正后的模型，故我们有理由相信所得结论“政策因素对垃圾减量的影响最大，相关度达0.9125。 其次是教育督导，相关度达0.8952。”的正确性。问题三：前两个问题的分析解答中对社会和个体因素的研究由于缺少数据难以构建量化模型，显然据此我们可以得出数据颗粒度不够的结论。本题附件中关于社会和个体因素给出的定性描述很多，而建模需要的前后对比数据很少。由此我们知道应该在这些方面投入更大精力，获取足够数据。 数据颗粒度这个概念主要针对指标数据的计算范围，如人口这个数据项在填表时是以街区为范

32、围，还是一个社区为单位,应该标注清楚。否则会导致结构不规范、数据颗粒度更大(即最小的独立数据单元是包含有混合内容的元素或者就是整个调查文档)以及含有大量的混合内容。以数据为中心的文件的特点是结构相当规范、数据颗粒度好(也就是说，数据中最小的独立单元是可直接应用到模型的量)、很少或者没有混合内容。 根据上述分析，我们认为在深圳现有垃圾减量分类督导过程中，目前统计的基础数据分项及颗粒度还是不够的，特别是在社会因素和个人因素对减量分类的实际效果上。附件中关于社会因素和个人因素对整个垃圾的减量分类的影响，只是一些定性的分析，缺少描述社会因素和个体因素及其相互作用的量化数据，所以难以开展具有一定精度的量

33、化分析工作。因此我们应该把更多的精力和成本投入到对社会因素和个体因素的研究中，这样我们才能更好的去开展一定的量化分析工作。还有就是能帮助提升城市生活垃圾分类过程的预测精度（目前的研究者通常只选取GDP、城市人口、居民人均可支配收入等内在因素指标对城市生活垃圾产量进行预测研究），同时也可能给城市垃圾减量分类工作中的资源投入决策活动提供有益的辅助支持手段。 并且我们从对问题一的解答中就已经了解到社会因素中政策性子因素对整个城市垃圾的减量分类影响是最大的。但是由于数据的复杂性，我们不能空口这样说，总要结合大量的数据来说明这个问题，但是我们实际中没有想象中的那么多数据。何况我们了解到实际中很多的因素影

34、响着垃圾的减量分类，所以我们认为大量的实际数据是有必要的，也就是应从城市垃圾的减量分类的试点小区中获得足够有对照的数据。 附件中没有给出的，但是事实上还影响着实验结果的因素也应考虑。附件中只有天景花园和阳光家园这两个试点小区进行相关实践的资料，然而事实上还有未采取减量分类政策的小区，它们的日常垃圾产量的数据应获知，作为对照数据。我们还要把部分成本和精力投入到更多的实验样本中，这样的数据才具有说服力，这样才能更好的检测城市垃圾减量分类工作的结果。随着社会的发展，城市的垃圾也越来越多，种类也越来越多，垃圾减量分类的工作量又加大了，就像附件中给出的，深圳市城市生活垃圾在2000至2011年总体呈迅速

35、增长趋势，12年间平均增长率为7.72%。生活垃圾清运量由2000年的201.9万吨增长到了到2011年的457.73万吨。所以在减量分类模式大面积推广时，如何设置少量抽样数据来检测一定区域内减量分类工作的效果，是很有必要讨论的。我们用来建模的方法是灰色模型法和模糊层次分析法。这两种方法优点在于所需数据样本不需要大量的数据，不需要数据规律的分布，计算工作量小，定量分析结果和定性分析结果不会不一致、并且其预测结果相当准确等。所以我们应该发其所长，抽取少量数据做出准确的预测。就像附件八中进行的深圳生活垃圾基础数据统计与分析，在采样点的确定中，参照生活垃圾采样和物理分析方法（CJ/T313-2009

36、），根据调查区域的人口数量确定采样点的数量。采样点数要求人口数量/万人5050100100200200最少采样点数/个8162030在做采样时，我们首先要确保采样点具有普遍性，随机性，同时也要有针对性。我们应划分该区域的高中低档的小区类型，这有利于我们确定小区居民的人均收入对结果的影响。其次还要考虑到物业公司。每一个小区都有相应的物业公司来管理，小区的绿化面积，道路的清洁成度，居民对环保的意识程度，这个一定程度上取决于物业的服务，也就是居民对生活环境的满意程度。好的环境促使着居民自觉爱护环境，做好垃圾的减量分类工作。 其次在采样点的确定中，应该是用控制变量法，除了相对的数据不一样外，其他的都要

37、保持一样，这样更直接的说明问题。不过这样可能需要大量的抽样数，这样就需要我们认真分类，选出最适合的分类组来比较。 综上所述，在选取少量抽样数据来检测这一区域内减量分类的效果时，我们要采取灰色模型来建立自己的效果图；其次就是要做好采样点确定的工作，这也是最重要的一点，要保证用最少的抽样数据来做出最准确的效果，还要确保采样点具有说明性，说明该区域的减量分类的效果。 具体的实际操作中我们应该在深圳各区挑特定有代表性人口分布小区进行分析。选取样本的数量取决于那个区级行政单位的人口总数。问题四： 当各项激励措施都作用不大时，即模型中社会因素和个人因素和以前一样，与垃圾的减量相关性小于0.2，我们由模型和

38、附表8的数据，用SPSS软件拟合，得到如下表：模型描述模型名称MOD_14因变量1垃圾量方程1幂a自变量个案顺序常数包含其值在图中标记为观测值的变量未指定a. 该模型要求所有非缺失值为正数。个案处理摘要N个案总数16已排除的个案a0已预测的个案0新创建的个案0a. 从分析中排除任何变量中带有缺失值的个案。 变量处理摘要变量因变量VAR00002正值数16零的个数0负值数0缺失值数用户自定义缺失0系统缺失0模型汇总和参数估计值因变量:VAR00002方程模型汇总参数估计值R 方Fdf1df2Sig.常数b1幂.943230.938114.000169.720.430预测出从2011年到2015年

39、的垃圾生产量，并用自然对数进行修正。* 序列图.TSPLOT VARIABLES=垃圾量 /ID=年份 /LN /DIFF=1 /FORMAT NOFILL NOREFERENCE.得最坏预测结果：年份20112012201320142015垃圾产量495.56521.32532.45572.12596.68最好预测结果：根据第一和第二题的对垃圾减量的影响因素的分析，运用灰色GM(1,4)模型来进行对未来五年最好的预测。 原理： 灰色系统理论指出，离散的随机数经过AGO（我们用累加）变换后会成为随机性被显著削减的较有规律的生成数，这样便可以对变化过程做较长时间的描述，进而建立微分方程形式的模型

40、。建模的实质是建立微分方程的系数。 设有4个数列 对做累加生成，得到生成数列 我们将数列的时刻看作连续的变量，而将数列转而看成时间的函数。如果数列对的变化率产生影响，则可建立白化式微分方程 （1）这个微分方程模型记为GM（1,4）。 方程（1）的参数列记为，再设，将方程（1）按差分法离散，可得到线性方程组，形如 （2）按照最小二乘法，有 （3）其中，利用两点滑动平均的思想，最终可得矩阵求出后，微分方程（1）便确定了。 若n-1<4，则方程组（2）的方程个数少于未知数的个数，此时，是奇异矩阵，我们无法利用（3）式得到，我们称这时的信息为贫信息。考虑到向量的元素实际上是各子因素对母因素影响大

41、小的反映，因此，引入矩阵对做加权极小化。对未来发展趋势减弱的子因素加以较大的权，对有发展潜力的子因素加以较小的权，这样做可把未来的可能情形也考虑进来，使之更好地反映未来的实际情况。具体地，令 其中，若对的影响有减弱的趋势，则相应较大；反之，若对的影响有增加的趋势，则相应较小。此时，计算向量可采用下面的公式 得预测值如下表： 年份20112012201320142015垃圾产量449.1583419.8914370.9376345.5027327.8755由上述对未来五年的预测可以看出，最坏结果的垃圾量是最好结果的1.82倍，可见在内在因素难以改变的情况下，若实施合理的政策，对居民给予合适的教育

42、激励，选择优秀的物业公司是可以对垃圾减量分类产生相当程度的良性影响的。未来五年深圳市针对垃圾减量分类的关键举措即为GM（1,4）模型中对主函数影响最大的相，也就是我们在问题一建模中提到的社会因素中的政策性因素。我们认为深圳市未来五年应吸收台湾地区的先进经验，引进相应成套的法律法规并结合自身实际做合适修改。然后应该招标优秀的物业公司来承包深圳各区的垃圾减量分类业务，并利用合适的宣传渠道使市民知晓并参与到垃圾减量分类中来。模型改进意见：1：在问题一的解答中，由于社会和个体因素的影响缺乏数据，我们将内在因素和社会、个体因素分开讨论建模，这样并没有获得一个整体模型来完美描述各因素的影响。若经过相应调查

43、取样获得了足够的数据，我们可以将这三类主要因素整合到同一个灰色系统模型或层次分析模型中去（哪个模型精确度高即选其）。这样的定量描述更直观简洁。2：问题三的解答过程多为定性描述，缺乏数学模型的支撑。我们可以根据现有的数据抽样方法，结合本题对数据要求的特殊性，构建一个量化模型来描述抽样方法。3：问题四对未来五年的最坏预测并没有给出垃圾增量的具体公式，是大致从SPSS上图像中取得的数据，我们可以采用精确的BP神经网络模型等对其进行预测。且GM（1,4）模型预测时参数若选择不够合理会使其预测精度大幅降低，我们可引入残差的概念对其进行修正。给政府的建议书 通过我们对深圳市垃圾减量模型的研究，发现政策引导

44、对市民垃圾的减量与分类起很大的促进作用。希望政府加大宣传力度，并有如下倡议：生活垃圾的分类与减量应该人人做起。1 应通过加大宣传，提高公众的认识水平和参与积极性，扩大生活垃圾分类工作的范围和城市数量，大力推广生活垃圾源头分类。2 将废纸、废金属、废玻璃、废塑料的回收利用纳入生活垃圾分类收集范畴，建立具有我国特色的生活垃圾资源再生模式，有效推进生活垃圾资源再生和源头减量。3 鼓励商品生产厂家按国家有关清洁生产的规定设计、制造产品包装物，生产易回收利用、易处置或者在环境中可降解的包装物，限制过度包装，合理构建产品包装物回收体系，减少一次性消费产生的生活垃圾对环境的污染。4 鼓励净菜上市、家庭厨余生

45、活垃圾分类回收和餐厨生活垃圾单独收集处理，加强可降解有机垃圾资源化利用和无害化处理。5 通过改变城市燃料结构，提高燃气普及率和集中供热率，减少煤灰垃圾产生量。6 根据当地的生活垃圾处理技术路线，制定适合本地区的生活垃圾分类收集模式。生活垃圾分类收集应该遵循有利资源再生、有利防止二次污染和有利生活垃圾处理技术实施的原则。7 鼓励安装食物垃圾处理机，从源头减量。 同时还应该按照不同的地区的不同情况区别对待，针对不同的情况，制定不同的政策和激励督导措施，并不断总结、修改、完善。最终促进深圳市垃圾分类的准确度和数量的减少。六、参考文献 1 杨有清、袁涌铨、孙 杰，青岛市生活垃圾量的关联度分析与灰色模型预测，中南民族大学学报，2005年9月2 张志涌、杨祖樱等，MATLAB教程R2011a，北京航空航天大学出版社，2012年3 苗苗，基于人