垃圾减量分类活动中社会及个体因素的量化分析

数学建模校内竞赛论文

论文题目：垃圾减量分类活动中社会及个体因素的量化分析PAGEII论文题目：垃圾减量分类活动中社会及个体因素的量化分析[摘要]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，是在社会内在因素的大背景下社会因素对个体因素的诱导结果。本文以垃圾量和垃圾回收利用率作为主要评价指标对垃圾减量分类进行评价，并探讨垃圾减量分类中的“社会因素”、“个体因素”及“内在因素”对评价指标的影响，并建立模型对相关量进行量化和预测。对问题一：首先设定垃圾量、垃圾回收利用率和居民参与率为评价垃圾减量分类的三个指标。并将影响垃圾减量分类的因素分为“社会因素”“个体因素”“内在因素”三类，采用层次分析法分析三个影响因素对三个评价指标的影响并求出权重矩阵，用得到结果描述并比较阳光家园和天景花园的减量分类过程和结果，比较得出天景花园的减量分类工作比阳光花园要好的结论。同时反馈信息验证层次分析模型的是否合理。然后基于层次分析法得到的权重矩阵用多元回归分析法量化垃圾量和垃圾回收利用率三个因素间的关系，并构造量化模型衡量和预测垃圾减量分类中的相关量。对问题二：基于灰色关联度相关模型，分析四类垃圾之间相关性以及激励措施对减量分类效果存在的相关性，并利用对数据的非线性拟合对模型进行检验。最终我们得出得出在可回收物、厨余垃圾、有害垃圾、其他垃圾四类垃圾中，相关性最高的是其他垃圾与厨余垃圾，相关性最低的是其他垃圾与有害垃圾。对问题三：结合问题一中得出的权重矩阵与附件中的数据来判断和说明在目前统计的基础数据分项及颗粒度是否足够这一问题，并将其作为投入成本和精力的一个判断条件。采用分层抽样的方法，根据深圳市不同区域垃圾物流量给每个区域分配抽样比例。对问题四：采用多项式回归分析预测深圳市未来五年垃圾量、人口和生产总值的趋势图，借阅附件对垃圾减量分类所带来的效益进行分析。然后基于前面的量化模型和多项式回归分析得到的数据对深圳市未来5年垃圾量和回收利用率进行预测，通过预测数据趋势对深圳市未来5年垃圾减量分类效益的最好最差结果进行分析。本文首先考虑评价垃圾减量分类的评价指标，确定影响垃圾减量分类的主要因素，用层次分析法作出主要因素对主要评价指标的影响权重，基于得到的权重矩阵对垃圾量和垃圾回收利用率与影响因素的关系做进一步量化，得到这一量化关系就可以清晰地量化每一个影响因素对垃圾减量分类的影响，辅助垃圾减量分类工作中的资源投入决策活动（例如辅助政府决策在教育、督导、激励等各项措施上应该投入多少及各项措施的投入比例，辅助优化垃圾减量分类）。第三、四问都在得到的权重矩阵和量化模型的基础上做相应的分析和预测。关键词：垃圾量垃圾回收利用率层次分析法多元线性回归灰色关联分析分层抽样多项式回归分析预测

目录TOC\o"1-3"\h\u[摘要] I一、问题重述 1二．问题分析 12.1问题一的分析 12.2问题二的分析 12.3问题三的分析 22.4问题四的分析 2三．符号说明 3四．问题假设 4五．模型建立及求解 45.1问题一 45.1.1社会因素、个体因素与内在因素之间权重关系 55.1.2社会因素影响 65.1.3个体因素影响 75.1.4决策层因子影响 85.1.5验证层次分析模型整体合理性 95.1.6基于层次分析模型对阳光花园及天景花园的减量分类进行分析 95.1.7基于量化模型对垃圾量和垃圾回收利用率做进一步量化 145.2问题二 175.2.1天景花园与阳光花园四类垃圾日量基本情况 175.2.2用灰色关联模型计算天景花园四类垃圾的相关性 175.2.3检验天景花园四类垃圾相关性灰色关联模型 195.2.4用灰色关联模型计算阳光花园四类垃圾的相关性 205.2.5检验阳光花园四类垃圾相关性灰色关联模型 215.2.6各项激励措施与减量分类效果的相关性 225.3问题三 225.3.1检验基础数据分项及颗粒度是否足够 225.3.2选择投入成本和精力 225.3.3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 225.4问题四 235.4.1由权重矩阵和量化模型分析未来五年推进减量分类工作关键措施 235.4.2深圳市未来5年相关数据的预测 245.4.3垃圾减量分类的投入陈本及效益分析 25六、模型讨论 28七、参考文献 29八、建议书 30九、附录 31PAGE39一、问题重述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。为帮助提升城市生活垃圾产量预测精度，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，现根据深圳市垃圾减量分析相关实践研究数据提出以下几个问题：问题一考虑各项因素对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，并利用量化参数描述社会因素与个体因素，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。问题二基于问题一中构建的减量分类模型，分析试点小区四类垃圾组分本身的数量存在的相关性，各项激励措施与减量分类效果存在的相关性并分析其原因是什么。问题三根据所构建减量分类模型的研究结果，分析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，并进一步分析应该在哪些数据的获取中投放更多的成本和精力，如何在减量分类模式大面积推广时，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。问题四通过构建的减量分类模型，判断深圳未来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2.1问题一的分析问题一可分为两问：1、考虑各项因素减量分类结果的影响，2、构造能量化个体因素和社会因素的量化模型来描述垃圾减量分类程。两问都涉及到一个垃圾减量分类评判的问题，首先定垃圾量，垃圾回收利用率和居民参与率为三个评价指标。查阅相关资料可将影响因素分为“社会因素”、“个体因素”与“内在因素”三个方面，并进一步将“社会因素”和“个体因素”分别分解为教育、督导、激励、市场等各六个影响因子，并通过层次分析模型，求得影响因素与相关评价指标的关系，得出权重矩阵。用层次分析得到的结果去评价阳关家园和天景花园的垃圾减量分类工作并对得出的权重矩阵进行检验。然后基于层析分析得到的权重矩阵用多元回归分析构量化模型用多元线性回归对垃圾量和垃圾回收利用率作进一步量化。2.2问题二的分析问题二中是基于问题一中构建的减量分类模型，主要分析试点小区垃圾组分本身的数量存在的相关性，我们采用灰色关联模型来进行处理。利用附件2与附件3中的数据对两个小区的可回收物、厨余垃圾，有害垃圾以及其他垃圾这四类垃圾的相关性进行分析，然后经过归一化处理分析各项激励措施与减量分类效果的相关性。2.3问题三的分析问题三是基于问题一中构建的减量分类模型对深圳现有垃圾减量分类督导过程中的基础数据分项进行针对性分析，首先我们根据问题一中所得权重矩阵结合附件8中对于督导过程中对基础数据的相应描述进行比较和处理来判断目前统计的基础数据分项及颗粒度是否足够，并将其结合实际情况来决定投入成本和精力，最后利用分层抽样模型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。2.4问题四的分析问题四要求：基于你构建的减量分类模型1、指出深圳未来5年推进减量分类工作关键措施2、预测措施实施的最好与最坏结果。第一问是对前面三问的解决，后一问需要对深圳市未来5年垃圾减量分类的相关量进行预测并基于已有的模型对减量分类效益的最好最坏结果进行预测。我们采用多项式回归分析预测深圳市未来五年垃圾量，人口和生产总值的趋势图，借阅附件对垃圾减量分类所带来的效益进行分析，并基于多项式回归分析得到的数据对深圳市未来5年垃圾减量分类效益的最好最差结果进行预测并分析。

符号说明WI——权重矩阵R——表示回收利用率CI——一致性指标Q——内在因素综合值RI——随机一致性指标E——个体因素的综合值CR——一致性比率X——资金效益n——矩阵的秩Z——资源效益S——垃圾总量P1——人口总量P2——GDPXi(k)——各类垃圾量Ni(k)——关联系数Y——样本容量Y——不同地区子样本容量W——不同区域垃圾物流量比例——非户籍户数占常住人口偶户数的百分比——为户籍户与非户籍户垃圾的差异系数、——常数——最大特征根——土地增值和贴现率四．问题假设1.假设题目所给数据及建模收集数据均真实可靠；2.假设建模中涉及主观分析的结论基本与事实相符；3.假设各类垃圾之间相互独立、区分明确；4.假设城市垃圾产生量都被全部及时清运；5.假设深圳市常住人口产生的平均垃圾基本不变；6、假设垃圾收运，填埋的成本，焚烧的利润及厨余垃圾生化处理的效益在短时间内是不变的；7、假设有害垃圾由于产量小、其处理消耗成本较其他因素可忽略不计五．模型建立及求解5.1问题一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，主要通过“社会因素”、“个体因素”与“内在因素”对产生的垃圾总量进行减少和分类回收的良性控制过程。并定垃圾量、垃圾回收利用率和居民参与率为垃圾减量分类的三个评价指标通过查阅相关文献并结合生活经历针对题目附件中附件2至附件5的数据进行研究，从“社会因素”和“个体因素”两个方面归纳出影响垃圾减量分类的因子，选择教育、督导、激励、市场、道德规范和处理措施作为社会因素的影响因子，其中的“市场”是垃圾管理系统的输出端，其成熟程度决定能否实现垃圾的资源化，以及垃圾管理系统的费用和收益能否平衡，成功的垃圾管理系统应有灵活的市场导向性；选择家庭收入、家庭结构、职业、生活习惯、户籍类型和受教育程度作为个体因素的影响因子，利用层次分析模型，以垃圾减量分析评价作为目标层，并将“社会因素”、“个体因素”与“内在因素”三者作为准则层第一层，“社会因素”与“个体因素”的影响因子作为准则层第二层，最后将垃圾量、垃圾回收利用率和居民参与率作为决策层，基本层次结构如5-1所示：垃圾减量分类评价垃圾减量分类评价内在因素目标层准则层决策层垃圾量垃圾回收利用率居民参与率社会因素教育督导激励市场道德规范处理措施个体因素家庭收入家庭结构教育程度生活习惯户籍类型职业图5-1层次分析法结构示意图在建立的基本层次结构上利用层次分析模型逐步进行分析5.1.1社会因素、个体因素与内在因素之间权重关系利用层次分析法对作为影响垃圾减量分类准则层的三个因素进行权重分析。以A表示社会因素、个体因素与内在因素构成的判断矩阵，其中a1,a2,a3分别表示内在因素，社会因素和个体因素，根据相关文献及附件的参考和探讨得出内在因素、社会因素与个体因素的成对比较表格表5-1-1如下：表5-1-1三个因素的成对比较表格a1a2a3a1122a21/212a31/21/21由表格可以得出a1,a2,a3的判断矩阵A：A=首先将矩阵A做归一化处理,然后做按行求和最后将求和结果进行归一化处理得到权重矩阵WIWI=[0.4934,0.3108,0.1958]由最大特征根λ=3.0536由一致性验证方法可得一致性指标=0.0268随机一致性指标RI=0.58最后通过一致性检验得一致性比率=0.0462<0.1（其满足一致性检验）经验证得表5-1-1所列内在因素、社会因素、个体因素三个因素成对比较表格内容数据合理，从中得出得出内在因素、社会因素与个体因素对垃圾减量分类评价的权重比分别为0.4934,0.3108，0.1958；由此可见在现有数据的分析中内在因素对垃圾减量分类评价的权重最大，社会因素次之，个体因素权重最小。5.1.2社会因素影响经过5.1.1准则层第一层的权重分析后，进一步对构成准则层第二层的影响因子进行分析，结合自身实际与对附件4与附件5天景花园工作经验与总结的分析将社会因素影响因子归纳为教育、督导、激励、市场、道德规范和处理措施六个影响因子，分别用b1b2b3b4b5b6表示，确定六者之间的成对比较表格表5-1-2如下：表5-1-2社会因素影响因子成对比较表b1b2b3b4b5b6b1143452b21/411/2121/3b31/321231/2b41/411/2121/3b51/51/21/31/211/4b61/232341由表5-1-2可以得出社会因素影响因子的判断矩阵B如下：B=将矩阵B做归一化处理,然后做按行求和最后将求和结果进行归一化处理得到权重矩阵WIWI=[0.37670.08800.15010.08800.05410.2431]由最大特征根λ=6.0719由一致性验证方法可得一致性指标=0.1438随机一致性指标RI=1.25最后通过一致性检验得一致性比率=0.0115<0.1（其满足一致性要求）经验证得表5-1-2所列社会因素影响因子成对比较表格内容数据合理，从所得到的权重矩阵WI中可以看出教育在社会因素的影响中所占权重最大，处理措施次之。5.1.3个体因素影响结合深圳市实际情况，通过对附件的分析将个体因素影响因子归纳为家庭收入、家庭结构、职业、生活习惯、户籍类型和受教育程度六个影响因子，分别用c1c2c3c4c表5-1-3个体因素影响因子成对比较表c1c2c3c4c5c6c11451/232c21/4121/51/21/3c31/51/211/71/31/4c4257143c51/3231/411/2c51/2341/321由表5-1-3可得出个体因素影响因子的判断矩阵C如下：C=将矩阵B做归一化处理,然后做按行求和最后将求和结果进行归一化处理得到权重矩阵WIWI=[0.24900.06360.04110.38780.09990.1585]由最大特征根λ=6.1040由一致性验证方法可得一致性指标=0.0208随机一致性指标RI=1.25最后通过一致性检验得一致性比率=0.01664<0.1（其满足一致性要求）经验证得表5-1-3所列个体因素影响因子成对比较表格内容数据合理，由所得权重矩阵WI可得生活习惯在个体因素影响中所占权重最大，家庭收入次之。5.1.4决策层因子影响通过对附件的分析和深圳市对垃圾减量分类活动的相关政策的阅读，将层次分析模型的决策层细化为垃圾总量、垃圾回收率和居民参与率三个方面，分别用d1d2d3表示，确定三者之间的成对比较表格表5-1-4如下：表5-1-4决策层三大因素成对比较表C1C2C3C111/22C2213C31/21/31由表5-1-4可得出个体因素影响因子的判断矩阵C如下：D=将矩阵D做归一化处理,然后做按行求和最后将求和结果进行归一化处理得到权重矩阵WIWI=[0.29700.53960.1634]由最大特征根λ=3.0092由一致性验证方法可得一致性指标=0.0046随机一致性指标RI=0.58最后通过一致性检验得一致性比率=0.0079<0.1（其满足一致性要求）经验证得表5-1-4所列决策层三大因素成对比较表格内容数据合理，由D的权重矩阵可知垃圾的回收利用率是评价垃圾减量分类最重要的指标5.1.5验证层次分析模型整体合理性综合5.1.1至5.1.3所得权重矩阵如下：准则层：第一层：WI=[0.4934,0.3108,0.1958]第二层：社会因素：WI=[0.37670.08800.15010.08800.05410.2431]个体因素：WI=[0.24900.06360.04110.38780.09990.1585]利用连乘法将准则层中第二层相对于第一层测层次总排序，如下：[b1b2b3b4b5b6c1c[0.49340.11710.027350.046650.027350.016810.075540.048790.012450.0080.075970.019560.03103]最后将决策层所得权重矩阵相对于准则层权重矩阵排序形成表格表5-1-5，如下：表5-1-5决策层所得权重矩阵相对于准则层权重矩阵排序表对其进行一致性检验：CR=0.067<0.1（满足一致性要求）经一致性检验得层次总排序通过一致性检验，层次分析模型构造合理。5.1.6基于层次分析模型对阳光花园及天景花园的减量分类进行分析首先基于层次分析模型，将所得权重矩阵进行分析，可得表5-1-6，如下：表5-1-6各个评价指标与社会因素和个体因素权重排序表从上表中可以清晰看出各个评价指标与社会因素和个体因素之间的关系，以及各个影响因子对垃圾减量分类评价所占权重。其中内在因素所占权重比例最大，其次为社会因素，尤其表现为社会因素中的教育因子，而个体因素影响中生活习惯因子所占个体因素影响权重比例最大。接下来我们分别从内在因素和决策层中的三个因素对阳光花园和天景花园进行针对性分析。内在因素由表5-1-6可知决策层中垃圾量主要受内在因素的影响，其中内在因素占83.6%，而其他个体因素总体只占16.4%，而内在因素是指GDP、城市人口、居民人均可支配收入等。所以我们对两个小区的内在因素进行比较，从而修正模型和数据。通过对附件数据的整理可知两个小区的基本情况：阳光花园内有1222户居民，居民主要居住于靠近滨海大道的丽境阁、美境阁、富境阁、豪境阁，属于富人居住区。天景花园内共有190户居民，常驻居民147户，空置房有43户。人员结构主要有公务员、企业白领、学生、老人等。从中可以看出阳光花园中的居民量明显大于天景花园。这将会成为内在因素中影响较大的因素，且两个小区的居民类型也明显不同，这一人员结构也验证了家庭收入，家庭结构对这一评价指标具有影响，但无法验证另外一个权重矩阵中略显重要的因素：生活习惯。接下来的针对性研究中我们根据阳光花园和天景花园实际情况对模型进行了略微的修改，使其更加真实。垃圾量首先我们将阳光花园与天景花园的垃圾总量进行对比得出图5-1-1图5-1-1两个小区垃圾总量对比图从中可以看出差距过于巨大，其他方面的研究不能对此进行影响所以需要修改数据因素垃圾总量主要受人口总量影响，我们现以户均垃圾量来评价小区垃圾减量工作。这样内在因素对于小区内垃圾减量分类的影响就可以忽略不计，而之前我们构造的模型则更适用于描述整个城市的垃圾减量分类活动，在此进行了修改。比较结果构成图5-1-2，如下：图5-1-2阳光花园与天景花园户均垃圾量对比图（注：由于天景花园参与率为100%而阳光花园参与率为60%，则应分别除以147户和1222X0.6=733户）由图可以看出阳光花园的户均垃圾量比天景花园多。这样分析更加接近实际情况。垃圾回收利用率由于所给数据均为实施期数据，所以以下比较和结论仅针对实施期而言：回收利用率=（可回收物+厨余垃圾）/垃圾总量总回收利用率=（每个月的可回收物总量+每个月厨余垃圾总量）/每个月垃圾总量根据附件中所给数据利用excel处理工具分别对小区垃圾回收利用率进行分析，得到以下图5-1-3至5-1-8，如下：图5-1-3阳光花园10月垃圾回收利用率图5-1-4阳光花园11月垃圾回收利用率图5-1-5天景花园1月垃圾回收利用率图5-1-6天景花园2月垃圾回收利用率图5-1-7天景花园3月垃圾回收利用率图5-1-8两个花园垃圾总回收利用率对比由图中可以看出天景花园的垃圾回收利用率明显高于阳光花园，约为阳光花园的2倍，而且天景花园的回收利用率的波动性小，稳定。而阳光花园的回收利用率的波动性大，不稳定。由表5-1-6可知，影响垃圾回收利用率的主要因素有内在因素和社会因素中的教育，处理措施，督导和激励等。接下来我们从这几个具体方面对垃圾回收利用率进行具体分析。阳光花园督导：督导员由已退休的老人组成教育：选择节假日，平均每个月开展宣传活动，摆放宣传展板，发放宣传单和指导手册。处理措施：给所有家庭配发家用厨余垃圾桶和垃圾袋；在每一个楼层内加装厨余垃圾桶；在小区内摆放四组四分类的垃圾桶；建立垃圾分拣中心和厨余垃圾处理站；安装脱水机和微生物处理设备；将干化脱水后的厨余垃圾在夜间22:00至凌晨5:00送入厨余垃圾微型处理设备中进行资源化（有机肥）、无害化处理。激励：通过统计台账，评选出“优”、“良”、“中”、“差”的家庭，再挑选出“优”的家庭在光荣榜上公示，并给予一定的物质奖励。天景花园督导：招募志愿者和督导员教育：对作业人员的培训；对垃圾减量分类工作人员、厨余垃圾收集作业人员培训；给志愿者、督导发有关文件自行学习；小区宣传（海报、图例料、口号标语；在小区集中出入口每天给居民播放PP视频；举行垃圾分类定期社区活动。处理措施：一是减少垃圾投放点，二是按早、晚二个时间点定时定点投放方式三、市城管部门选定的专业公司，上门收集垃圾，实现垃圾分类运输、分类处理。激励：厨余垃圾经降解处理后，加工成合格的有机肥，回赠给住宅区用于园区绿化和家庭养花通过图表的比较以及垃圾减量分类回收过程的比较，可以明显看出天景花园在教育和处理措施上远远比阳光花园做的好，教育宣传力度更强，宣传更广更有效果，采取措施更合理，更优化。居民参与率根据附件所给数据分析可得两个小区在垃圾减量分类活动中的各项数据比较图5-1-7，如下：表5-1-7两个小区垃圾减量回收活动数据分析表根据表内数据进一步将两个小区垃圾减量分类活动数据整理为图5-1-9与图5-1-10分别表示两个小区居民参与度对比和垃圾分类回收准确度对比，如下：图5-1-9阳光花园与天景花园居民参与率对比图图5-1-10阳光花园与天景花园垃圾分类准确度图由图中可以看出天景花园的参与率和准确率都明显高于阳光花园又上述三个评价指标的对比可见天景花园的减量分类明显优于阳光花园。5.1.7基于量化模型对垃圾量和垃圾回收利用率做进一步量化构造量化模型来量化相关因素与垃圾量和垃圾回收利用率间的关系，将基于层次分析法得到的权重矩阵用因子法对垃圾量和垃圾回收利用率做进一步的量化分析。居民参与率影响垃圾回收利用率,垃圾量主要与内在因素和个体因素有关,垃圾回收利用率主要与社会因素有关。由于垃圾量和垃圾回收利用率率是直接影响垃圾减量分类结果效益的(如图5-4-4),居民参与率影响垃圾回收利用率。所以在量化模型中我们主要量化垃圾量和垃圾回收利用率与相关因素的关系。垃圾量主要与内在因素和个体因素有关,垃圾回收利用率主要与社会因素有关。垃圾量垃圾量主要与内在因素和个体因素有关。由附件8可知：内在因素中人口量，GDP,外旅游业的发展都与垃圾量呈正相关。而旅游业发展引起垃圾量增加的主要因素是因为旅游业的发展增加了深圳市的流动人口数。所以内在因素归因于人口量和GDP.可以将个体因素归为对人口因素的细化考虑。由附件8知个体因素中非户籍人口数量与垃圾量呈正相关，SaraOjedaBenítez等人的研究知人口结构中的家庭人口密度与人均垃圾产量呈负相关，如图5-1-11。图5-1-11居民生活垃圾产生量与家庭结构SaraOjedaBenítez等人还研究了居民生活垃圾与受教育水平的关系：受教育程度为从小学水平向初中水平发展有减少，初中至高中段基本不变，而在高中水平向高等教育发展中有增加的现象，前面减少和后面增加的幅度相差不大。我们在研究整个深圳市的垃圾量时取深圳市平均受教育程度。考虑整个城市垃圾量时个体因素中家庭收入在GDP中已考虑。而职业和生活习惯对个人垃圾产生量影响明显，但考虑整体时这两个因素由于主观性太强且对全局影响不大，所以不考虑，如图5-1-12。图5-1-12居民生活垃圾产生量与居民教育水平人口总量，GDP分别用P1P2表示，得出垃圾总量S=P1+P2+其中、为常数根据附件8中图表数据（具体数据见附件2.2）利用多元线性回归确定、三个常数。利用spass多元回归确定、三个常数。表5-1-8系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)-724.18288.867-8.149.000人口总量1.290.107.97112.092.000a.因变量:垃圾量表5-1-9已排除的变量b模型BetaIntSig.偏相关共线性统计量容差1GDP指数.004a.040.969.014.805a.模型中的预测变量:(常量),人口总量。b.因变量:垃圾量表5-1-10残差统计量a极小值极大值均值标准偏差N预测值178.7867475.4765346.363697.3629511残差-37.7639235.27714.0000024.1559711标准预测值-1.7211.326.0001.00011标准残差-1.4831.385.000.94911a.因变量:垃圾量由以上结果易知，因为GDP指数无明显变化，垃圾量和GDP指数无关，最终确定的方程为：S=1.290P1-724.182细化考虑相关因素对模型进行调整：考虑人口结构：设飞户籍户数占常住人口偶户数的百分比，、为户籍户与非户籍户垃圾的差异系数人口密度为1-8所占比例分别为…对应的人均垃圾产生量为L1L2L3L其中L1>L2>L3>L4>L5>L6>L7>l8>…S=由于上述人口数据中未考虑流动人口，故作进一步调整设流动人口,占人口总量的百分比δ2S=细化回收利用率：由于个体因素的主观能动性比较大，对于深圳这个流动人口居多的城市，不便于统计数据，而能直接影响推进减量分类工作的关键是社会因素，政府能直接干预的也就是社会因素而垃圾减量分类活动中的资源决策通过社会因素实现对垃圾减量分类过程的干预.所以我们将社会因素中的资源（资源包括人力、物力和财力）决策分为教育投资、督导投资、激励投资、市场投资、垃圾处理投资，以回收利用率为评价指标来量化决策目标。以T1T2T3T4T5教育投资、督导投资、激励投资、市场投资、垃圾处理投资将层次分析得到权重矩阵做相应调整（由于道德规范几乎不受相应措施的影响暂忽略此项）C=0.41470.08760.15290.08760.2573]R表示回收利用率内在因素是大背景，个体因素是基础，社会因素作用于个体来干预引导垃圾减量分类活动，内在因素综合值Q（综合考虑人口量，GDP和人均可支配收入）个体因素的综合值E（主要考虑家庭收入，家庭结构，户籍类型和受教育程度，由层次分析法中得出生活习惯所占权重比较大，但由于此项因素不便统计故暂不考虑）分析可知：0<Q<1,E>1T1T2T3T4T5>0且相互之间存在制约关系，以权重矩阵作为标准比例，各项资源投入占总投入的比例较标准比例不应超过10%，这样就可以通过调整T1T2T3T4T5的投资比例和投资力度来决策控制和优化垃圾减量分类过程。考虑法律法规执行的修正：若真的执行垃圾收费制度的话（如台湾的垃圾随带收费），实现污染收费及其他制度的完善必将很大程度上抑制垃圾量，我们将其对垃圾量的影响因子定为F1,这一抑制作用作用在人口量上。其中0<F1<1.法律法规是政府能够直接干预且对垃圾减量分类有明显作用的社会措施，但目前深圳市未出台相应的法律法规，故我们将这一因素对垃圾回收利用率的影响因子定为F2。其中F2>1.5.2问题二该问题主要分析试点小区垃圾组分本身的数量存在什么相关性，即是分析一组随机数的相关性，我们可以采用灰色关联模型来进行处理。因其相关性不会因为月份的不同而改变，故抽取天景花园2013年1月份垃圾收集统计表和阳光家园2012年11月份垃圾收集统计表为例来进行讨论。5.2.1天景花园与阳光花园四类垃圾日量基本情况首先根据附件里2与附件3可以得出两个小区四类垃圾日产量平均值如下图：图5-2-1两个小区四类垃圾日产量平均值（注纵轴单位量纲为公斤）从上图5-2-1柱状图中可以看出，天景花园和阳光家园四类垃圾中都为其他垃圾垃圾量最多，有害垃圾垃圾量最少。并且，阳光家园的垃圾量普遍比田景家园垃圾量多。5.2.2用灰色关联模型计算天景花园四类垃圾的相关性通过对附件2中数据的筛选与比较，我们选择调用2013年1月垃圾收集统计表来计算天景花园可回收垃圾、厨余垃圾、有害垃圾和其他垃圾四类垃圾的相关性：令：X1(k)=可回收物垃圾量;k=1,2,……31X2(k)=厨余垃圾垃圾量;k=1,2,……31X3(k)=有害垃圾垃圾量;k=1,2,……31X4(k)=其他垃圾垃圾量;k=1,2,……31以X1(k)为参考数列可得四类垃圾两两之间的差距，如下：1=;2=;3=;4=;5=;6=;其中1表示可回收物垃圾量与厨余垃圾垃圾量之间的差值2表示可回收物垃圾量与有害垃圾垃圾量之间的差值3表示可回收物垃圾量与其他垃圾垃圾量之间的差值4表示厨余垃圾垃圾量与有害垃圾垃圾量之间的差值5表示厨余垃圾垃圾量与有害垃圾垃圾量之间的差值6表示有害垃圾垃圾量与其它垃圾垃圾量之间的差值由附件2表格中的数据按照i可以得出天景花园垃圾收集统计表中2013年1月每天的四类垃圾垃圾量两两之间的差值表，表见附件2.1（见论文后附件）从附件2.1表格数据中可知表中两级最大值与最小值设为：(max)=maxmaxi(k)(min)=minmini(k)易知，附件9表格中：(max)=157(min)=1关联系数Ni(k)的计算公式如下：Ni(k)=，,k=1,2……31;i=1,2,3经调查研究，取=0.5，可求得天景花园垃圾收集统计表中2013年1月每天的四类垃圾垃圾量之间关联系数Ni(k)数据的表格，表见附件2.2（见论文后附件）。由于每个比较数列与参数数列的关联程度是通过30个关联系数来反映的，关联系数分散，不便于从整体上进行比较。因此，有必要对关联信息做集中处理而求平均值是一种信息集中的方式。即用比较数列与参数数列各个时期的关联系数的平均值来定量反映这两个数列的关联程度，其计算公式为：Ni=k=1,2……31从附件2.2的表格中取的平均值易知：N1=0.6115（厨余垃圾与可回收物的关联程度）；N2=0.5808（有害垃圾与可回收物的关联程度）；N3=0.5125（其他垃圾与可回收物的关联程度）；N4=0.4212（有害垃圾与厨余垃圾的关联程度）；N5=0.7947（其他垃圾与厨余垃圾的关联程度）；N6=0.3711（其他垃圾与有害垃圾的关联程度）；由以上数据可以看出：N5>N1>N2>N3>N4>N6从中可得天景花园可回收物、厨余垃圾、有害垃圾、其他垃圾四类垃圾中，相关性最高的是其他垃圾与厨余垃圾，其他依次是：厨余垃圾与可回收物、有害垃圾与可回收物、其他垃圾与可回收物、有害垃圾与厨余垃圾，相关性最低的是其他垃圾与有害垃圾。5.2.3检验天景花园四类垃圾相关性灰色关联模型利用MATLABCF制图工具将附件2天景花园垃圾回收统计表中2013年1月各类垃圾数据进行非线性拟合。关联程度实质是参考数列与比较数列曲线形状的相似程度，参考数列与比较数列形状接近，则两者关联度较大；反之参考数列与比较数列曲线形状相差较大，则两者间的关联度较小。因此，可用曲线间的差值大小作为关联度的衡量标准。通过非线性拟合可得图5-2-2至图5-2-5，分别表示四类垃圾量随时间变化的曲线：图5-2-2可回收物量随时间变化量图5-2-3厨余垃圾量随时间变化量图5-2-4有害垃圾量随时间变化量图5-2-5其他垃圾量随时间变化量通过以上四个图的对比可以得出同种垃圾组分相关性均显著，不同组垃圾的相关性分析如下：厨余垃圾与其他垃圾呈正相关，厨余垃圾与可回收物成呈中等正相关，有害垃圾与可回收物和有害垃圾与厨余垃圾呈低正相关，其他垃圾和可回收垃圾与其他垃圾和有害垃圾呈低负相关性。将非线性拟合比较结果与灰色关联模型比较结果进行比对，其误差在可容许范围内，5.2.2中用灰色关联模型计算天景花园四类垃圾的相关性基本符合实际情况，模型合理。5.2.4用灰色关联模型计算阳光花园四类垃圾的相关性通5.2.2利用湖色关联模型分析附件3中阳光花园垃圾收集统计表中数据，因为两个小区的试行时间不同，经比较后调用附件3中阳光花园2012年11月垃圾收集统计表，令：X1(k)=可回收物垃圾量;k=1,2,……31X2(k)=厨余垃圾垃圾量;k=1,2,……31X3(k)=有害垃圾垃圾量;k=1,2,……31X4(k)=其他垃圾垃圾量;k=1,2,……31以X1(k)为参考数列时：1=;2=;3=;4=;5=;6=;由附件3表格中的数据按照i可以得出阳光花园垃圾收集统计表中2012年11月每天的四类垃圾垃圾量两两之间的差值表，表见附件2.3（见论文后附件）从附件2.3表格数据中可知表中两级最大值与最小值设为：(max)=maxmaxi(k)(min)=minmini(k)易知，附件2.2表格中：(max)=1466(min)=75关联系数Ni(k)的计算公式如下：Ni(k)=，,k=1,2……31;i=1,2,3经调查研究，取=0.5，可求得阳光花园垃圾收集统计表中2012年11月每天的四类垃圾垃圾量之间关联系数Ni(k)数据的表格，表见附件2.4（见论文后附件）。同样由于每个比较数列与参数数列的关联程度是通过30个关联系数来反映的，关联系数分散，不便于从整体上进行比较。因此，有必要对关联信息做集中处理而求平均值是一种信息集中的方式。即用比较数列与参数数列各个时期的关联系数的平均值来定量反映这两个数列的关联程度，其计算公式为：Ni=k=1,2……31从附件2.4的表格中取的平均值易知：N1=0.9432（厨余垃圾与可回收物的关联程度）；N2=0.7031（有害垃圾与可回收物的关联程度）；N3=0.4703（其他垃圾与可回收物的关联程度）；N4=0.7882（有害垃圾与厨余垃圾的关联程度）；N5=0.4385（其他垃圾与厨余垃圾的关联程度）；N6=0.3784（其他垃圾与有害垃圾的关联程度）；由以上数据可以看出:N1>N4>N2>N3>N5>N6从中可以得出阳光家园可回收物、厨余垃圾、有害垃圾、其他垃圾四类垃圾中，相关性最高的是厨余垃圾与可回收物，其他依次为：有害垃圾与厨余垃圾、有害垃圾与可回收物、其他垃圾与可回收物、其他垃圾与厨余垃圾，相关性最低的是其他垃圾与有害垃圾。5.2.5检验阳光花园四类垃圾相关性灰色关联模型利用MATLABCF制图工具将附件3阳光花园垃圾回收统计表中2012年11月各类垃圾数据进行非线性拟合并比较参考数列与比较数列曲线形状的相似程度检验5.2.4的灰色关联模型是否合理。通过非线性拟合可得图5-2-6至图5-2-9，分别表示四类垃圾量随时间变化的曲线：图5-2-6可回收物量随时间变化量图5-2-7厨余垃圾量随时间变化量图5-2-8有害垃圾量随时间变化量图5-2-9其他垃圾量随时间变化量通过以上四个图的对比可以得出同种垃圾组分相关性均显著，不同组垃圾的相关性分析如下：厨余垃圾与可回收物呈正相关，其他垃圾与可回收物呈中等正相关，有害垃圾与可回收物呈低正相关，其他垃圾与厨余垃圾和其他垃圾与有害垃圾呈低负相关。将非线性拟合结果与灰色关联模型相关性结果进行比较可知，在误差容许范围内，5.2.4中用灰色关联模型计算阳光花园四类垃圾的相关性基本符合实际情况，模型合理。5.2.6各项激励措施与减量分类效果的相关性附件2和附件3表格给出的是两个小区垃圾减量分类试行期的数据，由附件4和附件6可知，激励措施主要有：奖励、鼓励和补贴等。激励措施是跟试行期同步开始的，我们可以通过比较天景花园2013年1月、2月、3月垃圾量和阳光家园2012年10月、11月垃圾量得出激励措施对垃圾减量分类的效果。对天景花园2013年1月、2月、3月垃圾量和阳光家园2012年10月、11月垃圾量进行归一化处理，得到表5-2-1，如下：表5-2-1两个小区垃圾量归一化处理结果小区天景花园阳光家园月份2013年1月2013年2月2013年3月2012年10月2012年11月垃圾量0.34910.29970.35120.50730.4937由以上表格可以看出：各项激励措施与减量分类效果在初期成正相关，但随着时间的增长，各项激励措施对垃圾减量分类效果并不明显，甚至出现了负相关。原因在试行期实施各项激励措施时，满足了人们一些方面的需求，故对垃圾减量分类效果明显。但随着时间的增长，当人们觉得这种需求已经是一种必须条件时，各项激励措施对垃圾减量分类效果就不大了。并且当取消这种激励时，会引起人们的不满，从而影响垃圾减量分类效果。5.3问题三5.3.1检验基础数据分项及颗粒度是否足够通过分析附件8中所给资料，得知深圳将垃圾主要分为厨余类、纸类、橡塑类、纺织类、竹木类、灰土类、砖瓦类、玻璃类、金属类以及其他等，该基础分项与上海、香港，甚至美国、荷兰、日本等各地区的垃圾分项有所差异，可以进一步细化，比如说厨余类可再细分为果皮类等。且深圳垃圾组分中其他类占总量的10%左右。这个比例在所有分类中偏大，我们还有很多方面未考虑周全。这也就说明深圳的基础数据颗粒度尚不足够，仍需将其他类进行细致划分以得到更多的分项。5.3.2选择投入成本和精力由问题一可知垃圾的回收利用率是评价垃圾减量分类的重要指标，而目前垃圾分类中可回收利用的主要包括厨余垃圾和可回收物，从附件的分析中我们得出深圳市各个垃圾厂在垃圾分类中厨余垃圾占的总量较多，且对垃圾含水率的测定有着紧密的联系，所以对厨余垃圾数据的收集应该投放更多的精力和成本。5.3.3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基于分层抽样模型，根据深圳市外置物流量来设置抽样数据。首先通过分析附件8中所给资料，得知深圳市生活垃圾处置物流量，深圳市不同区域垃圾处置物流量也各不相同，整理为表5-3-1，如下：表5-3-1深圳市生活垃圾处理处置物流量（2011年）垃圾处理设施所属区域垃圾物流量（万吨/年）垃圾物流量（吨/天）下坪固体废弃物填埋场罗湖区138.663798.90老虎坑垃圾卫生填埋场宝安区140.913860.55市政环卫综合处理厂罗湖区0.4612.60龙岗垃圾焚烧发电厂龙岗区10.39284.66南山垃圾焚烧发电厂南山区34.70950.68盐田垃圾焚烧发电厂盐田区20.37558.08平湖垃圾焚烧发电厂一期龙岗区27.01740.00平湖垃圾焚烧发电厂二期龙岗区37.631030.96老虎坑垃圾焚烧发电厂宝安区47.601304.11合计457.7312540.55根据以上表格可以得出深圳市不同区域垃圾物流量的比例，如表5-3-2：表5-3-2深圳市不同区域垃圾物流量比例区域罗湖区宝安区龙岗区南山区盐田区垃圾物流量比例0.30390.41180.16390.07590.0445分层随机抽样在这里，把整个深圳市的垃圾分类看成是一个整体，以深圳市的区域为抽样单元，根据区域不同将深圳市化为5个不同的行政区即5层。然后根据深圳市不同区域垃圾物流量给每个区域分配抽样比例，在每个区域中随机抽样来检测一定区域内减量分类工作的效果。即设Y为样本容量（需要抽取的小区总数），Yi为不同区域的子样本容量（不同区域中需要抽取的小区数），Wi为不同区域垃圾物流量比例则：YI=WIYY=抽取完成后可根据第一问中垃圾减量分类效果的评价指标——垃圾总量和回收利用率来检测一定区域内减量分类工作的效果，具体已在第一问中加以陈述。5.4问题四5.4.1由权重矩阵和量化模型分析未来五年推进减量分类工作关键措施由权重矩阵和量化模型可知未来五年推进减量分类工作关键措施有：强化减量分类教育宣传，使垃圾减量分类深入人心，让每一位市民都有垃圾减量分类的意识与行动；优化垃圾减量分类及垃圾处理措施，提高垃圾回收利用率。尽量减少分类处理成本，增大效益；充分实现市场化，实现垃圾资源化，形成成熟的垃圾管理制度和管理系统；控制人口数量；建立完善合理关于垃圾减量分类的法律法规并实施。5.4.2深圳市未来5年相关数据的预测根据附件8中已有数据，用excel做出深圳市未来5年垃圾量和生产总值的趋势图，用excel可以选择线性、对数、多项式、乘幂、指数这五种方式做回归分析。R平方值在0至1之间，越接近1，说明曲线契合度越高。经过用分析多项式法做出的曲线契合度最高，所以选用多项式回归分析法做出深圳市未来5年垃圾量和生产总值的趋势线，如图5-4-1与图5-4-2，如下。图5-4-1深圳市未来5年垃圾量趋势线由趋势线可知未来5年深圳市垃圾量会不断增加。图5-4-2深圳市未来5年生产总值趋势线由趋势线可知未来5年深圳市生产总值几乎呈线性增长。由附件8中的深圳市1979~2009年常住人口发展趋势可见常住人口量呈稳定增长趋势，在未来五年深圳市常住人口还会稳定增加，如图5-4-3：图5-4-3深圳市1979~2009年常住人口发展趋势5.4.3垃圾减量分类的投入陈本及效益分析垃圾量与效益的关系如图5-4-4所示：回收利用率回收利用率垃圾量可回收循环利用处理加工不可回收填埋焚烧垃圾收运成本分类程度效益=利润-成本图5-4-4垃圾量与效益的关系资金效益据深圳市垃圾收运相关资料的基础数据调查，罗湖区收运全过程所需的单位成本为66.47+7.30=73.77元/吨（包括转运站建设费用），假设可以将这一数据推广到整个深圳市。深圳市垃圾填埋的平均成本为84.1元/吨。深圳市目前填埋气发电工程的日发电量为83000度，按电价0.62元/度计算，总毛利5万多元，单位利润与垃圾填埋处置的平均成本相比几乎可以忽略不计，故填埋场的经济效益可以认为是-84.1元/吨。深圳市填埋处置的平均土地机会成本为71.3元/吨生活垃圾，则总成本为155.4元。深圳市垃圾焚烧的平均成本为158.0元/吨，全市垃圾焚烧的净利润为80.2元/吨，生活垃圾可回收物的经济价值是668元/吨。垃圾减量利用资金效益计算：垃圾量S回收利用率R,设其他垃圾中用焚烧方式处理的所占百分比为资金效益资源效益资源效益主要包括自然资源节约效益和土地资源效益两部分，可以看作是资源回收的直接经济价值和潜在经济价值的一种体现。自然资源节约效益：其体现了再生资源对自然资源的替代作用，可以通过资源回收的直接经济价值间接体现。由附件知每吨生活垃圾有1%的减量通过可回收物的回收得到实现时，其自然资源节约效益为6.68元。土地资源效益：土地资源效益表现为生活垃圾减少对土地资源的占用量，可采用土地机会成本乘以垃圾占地量得出。垃圾处理中主要是填埋处理方式占用土地资源,所以以填埋处理垃圾量来计算土地资源效益,由附件知，2011年填埋的土地机会成本为71.3元/吨，2011年每吨生活垃圾有1%的减量化效果时，可节约土地资源效益0.71元。由于土地是长期占用的，还应当考虑土地增值和贴现问题。假设土地增值和贴现率共计为则资源效益为环境效益垃圾分类处理还可以带来显著的环境效益。例如，厨余垃圾的分类收运处理能够有效降低垃圾收运过程中的二次污染、避免填埋场的臭气扰民、控制垃圾焚烧过程中二恶英产量增加的风险等，有害垃圾的分类收运更能够避免垃圾填埋场场底破损时对土壤和水体造成的污染，而资源回收的再生利用不仅可以避免自然资源开发和加工过程中产生的环境污染,还提高了资源利用率,解决部分能源压力。垃圾减量分类带来的环境效益是长久的,是实现可持续发展的关键。综合而言垃圾减量分类的效益主要体现在垃圾量和垃圾回收利用率两个指标上。5.4.4措施实施的最好最坏结果分析基于层次分析所得权重和量化模型通过对相关数据的预测来分析未来五年垃圾量和垃圾回收利用率的估计,来分析措施实施所带来资源环境效益的最好最坏结果。垃圾量:S=垃圾回收利用率0.41470.08760.15290.08760.2573]由5.4.1垃圾量预测趋势线可见未来五年垃圾量、人口量、生产总值呈增长趋势，在未来5年内在因素综合值Q减小。未来五年不断增长的人口量和生产总值会带给深圳市更多的垃圾。由资金效益：Y=668SR+80.2S(I-R)-73.77S-155.4S(1-R)()可知，在垃圾减量分类中将需要更多的财政投资。另外，综合考虑资金、资源、环境效益，实现垃圾处理方式的优化组合是实现垃圾减量分类效益最大化的关键。否则，将会带来更多的社会和环境问题。最差结果（将各个影响因素都定位最差情况来分析）最差情况假设：若不考虑个体因素，若减量分类工作作用效果指数值在未来五年内没有增加。2、垃圾收运成本增加3、其他垃圾全部采用填满方式处理。4、有附件知深圳市家庭人口密度平均2.177.假设未来深圳市人口密度减小。最差结果：回收利用率不变或者减少，垃圾总量增加，资金投入增加。垃圾处理措施不当，资源回收效益低，土地占用面积大，环境污染日渐严重，人口超负荷，土地资源紧张，环境污染严重，这不仅会阻碍深圳市未来经济的发展，而且会需要更多的财政投入来解决越来越恶化的垃圾问题。最好结果（将各个影响因素都定位最好情况来分析）最好情况假设：减量分类工作完成的好，减量分类思想深入人心，垃圾减量分类及垃圾处理措施得到优化，垃圾管理制度和管理系统日渐成熟，初步实现市场化，实现垃圾资源化，有相应的法律法规做保障与支持。指数值：增大。人口数量得到较好控制，人口结构平衡发展，垃圾回收利用率R相对提高。未来五年内，更优化的收运方式使得垃圾收运成本降低，更优化的处理方式使得在垃圾回收处理中得到更高的收益，由附件知，深圳市垃圾组分的湿基低位热值满足焚烧处理条件，未来深圳市其它垃圾几乎全部采用焚烧方式处理。4、综合考虑资金、资源、环境效益，实现垃圾处理方式的最优化组合。最好结果：虽然垃圾量、人口量、生产总值不断增长，但垃圾减量分类处理收效明显，垃圾回收利用率的提高不仅节约了自然资源和土地资源，而且大大减少了垃圾对环境的污染。垃圾的回收再利用的优化措施提高了所得的效益，优化的处理方案减少了处理成本，使得财政投资减少。与市场的对接、健全的法律体制、完善的垃圾减量分类管理系统使得垃圾减量分类工作得到保证和效益最优化，从而使得深圳市经济更好的持续发展。最理想的结果：各项措施的优化组合使资金、资源、环境效益达到最大化。

六、模型讨论模型一基于层次分析法对社会、个体、内在因素对三个评价指标的影响分析，以及三个评价指标对垃圾减量分类的权重分析。在数据量化的过程中，由于缺少对因素的直接说明，需要从多个不同的角度采集数据，收集信息，从侧面来反映各个指标对垃圾减量分类的权重，但由于数据量偏少，权重分析的主观性偏大模型二基于层次分析所得到的权重，用多元回归分析量化垃圾量和垃圾回收利用率与因素间的关系。由于相关数据的比较欠缺，所得相关系数有一定误差，所建模型无法验证，但量化关系已经很明确。

七、参考文献[1].姜启源.数学模型（第四版）【M】.高等教育出版社，2011年1月：249—292[2].陈永胜，宋立新.多元线性回归建模以及SPSS软件求解【J】.通化师范学院学报，第28卷12期:2007年12月8—12[3].罗党，刘思峰.灰色关联决策方法研究【D】.南京：华北水利水电学院，2015.03.31[4].申红莲.Matlab中曲线拟合的方法【J】.福建电脑，2010年第七期：10—11[5]．徐俊，刘娜.层次分析法的基本思想与实际应用【J】.情报探索.2008,12:113—115

八、建议书改革开放的深圳发展日新月异，随之而来的垃圾问题正逐渐影响着城市的发展，经过本文的分析，我们提出以下几点建议：1、限制人口总量。由预测趋势图可知未来深圳市的人口将不断增加，而人口的增加必然导致垃圾总量的增加，环境污染等社会问题随之而来，所以限制人口总量是必要且重要的。2、加强教育宣传力度。深圳是全国教育最发达的地区之一，好的人口素质对一个地区的垃圾影响也起着至关重要的作用。强化减量分类教育宣传，让每一位市民都有垃圾减量分类的意识与行动。，使环保意识深入人心，从根源上解决垃圾问题。3、优化垃圾减量分类及垃圾处理措施，进一步细化分类，提高垃圾回收利用率。根据相关资料分析，垃圾分类处理措施和技术是影响垃圾分类处理效益的关键因素，所以要大力提高垃圾回收处理技术，尽量减少分类处理成本，增大效益。4、建立垃圾收费制度。依据“污染者负担”原则，垃圾收费是管理城市垃圾最常用的经济手段。我国一些城市实施的定额垃圾收费制，即按户或人口按月收取卫生费或垃圾处理费，对促进分类收集是有作用的。这种收费制能增加财政收入以支持垃圾管理，能利用市场机制配置管理资源。深圳市也可以借鉴。5、与市场对接。市场是垃圾管理系统的输出端，其成熟程度决定能否实现垃圾的资源化，以及垃圾管理系统的费用—收益能否平衡。成功的垃圾管理系统应有灵活的市场导向性。充分实现市场化，实现垃圾资源化，形成成熟的垃圾管理制度和管理系统。6、加强环保投资。随着深圳市的经济发展，政府的财政收入屡创新高，政府也有更多的钱投入到环保领域，通过研究分析，我们发现政府在环保投资领域增加100亿，垃圾增长势头降低10%，因此，政府我们建议市镇府还应继续加强对环保领域的投资。7、建立完善合理关于垃圾减量分类的法律法规并实施。政策、法律提供了垃圾管理的依据和目标。制定的法律与政策可以促进建立规范的回收市场、促使主管部门及相关企业制定实施管理计划等来贯彻分类收集。8、改善居民生活环境，消除地区发展差异。根据分析，城市垃圾的产量还与人们所处的生活环境息息相关。政府还需积极改善居民生活环境，积极修建于城市居民生活相配套措施，早日消除脏乱差等现象。

九、附录1．1层次分析相关量求解程序：disp('请输入判断矩阵A(n阶)');A=input('A=');求权重矩阵并归一化：[v,d]=eig(A)B=v(:,1)%取最大特征值所对应的特征向量C=B/sum(B)%归一化求最大特征根：[x,lumda]=eig(A);

r=abs(sum(lumda));

n=find(r==max(r));

max_lumda_A=lumda(n,n)%最大特征根

max_x_A=x(:,n);%最大特征根所对应的特征向量2.2多元线性回归涉及数据图5-1-13生活垃圾与生活垃圾日清运量根据以上柱状图可得出表5-1-8中数据：表5-1-82000-2010年生活垃圾与省会垃圾日清运量数据年份20002001200220032004200520062007200820092010垃圾量202219221325347333360407441476479图5-1-14人口数量增长情况根据以上折线图可得出表5-1-9中数据：表5-1-92000-2010年深圳市人后数量增长情况年份20002001200220032004200520062007200820092010人口总量（万）700740762786816842862880897914930图5-1-15深圳市历年GDP指数趋势根据以上折线图可得出以下表格中数据：表5-1-10深圳市理念GDP指数年份20002001200220032004200520062007200820092010GDP指数1175．117117．5119119．5118118118．51165115．51151979年，户籍人口为31.26万人。1.3SPSS多元线性回归过程：输入／移去的变量a模型输入的变量移去的变量方法1人口总量.步进（准则:F-to-enter的概率<=.050，F-to-remove的概率>=.100）。模型汇总b模型RR方调整R方标准估计的误差1.971.942.93625.46263a.预测变量:(常量),人口总量。b.因变量:垃圾量Anovab模型平方和df均方FSig.1回归94795.437194795.437146.211.000残差5835.1099648.345总计100630.54510a.预测变量:(常量),人口总量。b.因变量:垃圾量系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)-724.18288.867-8.149.000人口总量1.290.107.97112.092.000a.因变量:垃圾量已排除的变量b模型BetaIntSig.偏相关共线性统计量容差1GDP指数.004.040.969.014.805a.模型中的预测变量:(常量),人口总量。b.因变量:垃圾量残差统计量a极小值极大值均值标准偏差N预测值178.7867475.4765346.363697.3629511残差-37.7639235.27714.0000024.1559711标准预测值-1.7211.326.0001.00011标准残差-1.4831.385.000.94911a.因变量:垃圾量由以上结果易知，因为GDP指数无明显变化，垃圾量和GDP指数无关，最终确定的方程为：相关性分析数据：2.1．2013年1月每天的四类垃圾垃圾量两两之间的差值表序号1234561525859110711724459751033113434559.579.5104.534.513945555101110461565575899115421576566454120211875659731151713283959.976.998.937.9136.89505565105151201055606811513128114158959954153125955781141913313706070130013014545689110351451541588799461451632608792551471746501049658154183458.877.892.843.8136.6195459.977.9113.923.9137.82067539912032152216161721221113322476076107291362373529712524149243663809944143254255.889.897.847.8145.6266160621211122275761.955.9118.91.1117.82844647010826134296955.796.7124.727.7152.43070605113019111315862.554.5120.53.51172.2．2013年1月每天的四类垃圾垃圾量之间关联系数Ni(k)数据的表序号N1(K)N2(K)N3(K)N4(K)N5(K)N6(K)10.6091950.5824180.5781820.4217510.9298250.4066520.648980.5781820.5179150.4380170.7260270.37411830.6437250.5760870.5031650.4344260.703540.36551740.5955060.5955060.4428970.4217510.6385540.33901950.5867160.5824180.4478870.4108530.6597510.3375860.5910780.5578950.60.4005041.0392160.4045870.5910780.5781820.5247520.4108530.8324610.37767280.6765960.5744220.5115830.448140.682990.36925290.6186770.5955060.5540070.4332430.8502670.400504100.5955060.5740070.5426620.4108530.8688520.384988110.6652720.5824180.4582130.4478870.60.343413120.5781820.5955060.5079870.4129870.8153850.375887130.5353540.5740070.5353540.3812951.0127390.381295140.60.5910780.4746270.4217510.7004410.355705150.6652720.5824180.4803630.4478870.6385540.355705160.7194570.5740070.4803630.4662760.5955060.35255170.6385540.6186770.4356160.4555870.5824180.341935180.7066670.5790240.5086370.4640980.6500410.369596190.60.5744220.5083120.4132020.7763670.367545200.5463920.6045630.4478870.4005040.7194570.344902210.5698920.5698920.5282390.3965090.8882680.375887220.6334660.5740070.5145630.4285710.7395350.370629230.5247520.6091950.4529910.3906630.775610.349451240.6943230.5618370.5015770.4478870.648980.358916250.6597510.5919580.4723710.4509360.62945