垃圾減量分類活動(dòng)中社會(huì)及個(gè)體因素的量化分析畢業(yè)論文

年份政府教育支出深圳市發(fā)展水平（GDP）人均GDP值人口總數(shù)戶籍人口/非戶籍人口每戶人口數(shù)2001223601248234822724.570.2228413.2095282002278160296940369746.620.2296723.1175942003346031358547029778.270.2405873.1741322004430462428254236800.80.2597733.1731362005535495495160801827.750.2817043.1911952006666156581468441871.10.2919163.2072672007828698680276273912.370.3034043.27342820081030900778783431954.280.3140553.39895720091366266820184147995.010.3204123.458674201015953559582942961037.20.3193083.51385820111967928115061104211046.740.3439693.594043=2\*GB3②標(biāo)準(zhǔn)化數(shù)據(jù),構(gòu)造相關(guān)系數(shù)矩陣?yán)肧PSS將數(shù)據(jù)標(biāo)準(zhǔn)化后，定義為與的相關(guān)系數(shù)，利用以下公式求得：從而構(gòu)造相關(guān)系數(shù)矩陣如下表：表一：相關(guān)系數(shù)矩陣1.000-0.262-0.195-0.265-0.103-0.502-0.2621.0000.9960.9850.9630.947-0.1950.9961.0000.9830.9810.918-0.2650.9850.9831.0000.9690.936-0.1030.9630.9810.9691.0000.861-0.5020.9470.9180.9360.8611.000從表中可以看出深圳市發(fā)展水平、人均GDP、人口總數(shù)、戶籍與非戶籍人口比極其顯著相關(guān)，存在信息重疊，可以用主成分分析，提取主成分。=3\*GB3③求得特征值與特征向量主成分的個(gè)數(shù)提取原則一般為主成分對應(yīng)的特征值大于1的前個(gè)主成分。特征值在某種程度上可以被看成是表示主成分影響力度大小的指標(biāo)，如果特征值小于1，說明該主成分的解釋力度還不如直接引入一個(gè)原變量的平均解釋力度大，因此，一般可以用特征值大于1作為納入標(biāo)準(zhǔn)。下表為本題方差分解主成分提取分析表：表二：解釋的總方差成份初始特征值提取平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%14.90681.77281.7724.90681.77281.77221.01416.90098.6721.01416.90098.6723.048.79599.4674.018.30799.7745.013.22099.9946.000.006100.000從上表中可以看出，前兩個(gè)主成分的值累計(jì)百分比達(dá)到98.672%,表示提取前兩個(gè)主成分信息量已經(jīng)足夠，根據(jù)上述分析，選擇提取兩個(gè)主成分，即=2。用SPSS求得特征值，將其按大小排序取出和所對應(yīng)的主成分，利用下表主成分載荷矩陣，求得特征向量。表三：主成份載荷矩陣a成份12政府教育支出-.332.941深圳市發(fā)展水平.994.070人均GDP.987.143人口總數(shù).991.070戶籍人口喻非戶籍人口比.960.238每戶人口數(shù).965-.204=4\*GB3④得到主成分評(píng)價(jià)函數(shù)將上述主成分載荷矩陣做標(biāo)準(zhǔn)化處理，得到結(jié)果如下：表四：主成分載荷矩陣A1B1A2(特征值)B2(特征值)ZA2(標(biāo)準(zhǔn)化數(shù)據(jù))ZB2(標(biāo)準(zhǔn)化數(shù)據(jù))-0.33210.9407-0.14990.9342-2.04051.88740.99410.07040.44880.06990.4358-0.35970.98690.14330.44560.14230.4224-0.17170.99080.06990.44730.06940.4297-0.36100.95990.23850.43340.23680.37190.07420.9647-0.20430.4355-0.20290.3808-1.0691將所得到的特征向量和標(biāo)準(zhǔn)化數(shù)據(jù)相乘，得到主成分表達(dá)式如下：然后計(jì)算主成分總表達(dá)式，以每個(gè)主成分所對應(yīng)的特征值占所提取主成分總的特征值之和的比例所謂權(quán)重，即總表達(dá)式中的系數(shù)為第一表達(dá)式中的系數(shù)乘以對應(yīng)貢獻(xiàn)率再除以兩個(gè)主成分的貢獻(xiàn)率之和，加上第二表達(dá)式中的系數(shù)乘以對應(yīng)貢獻(xiàn)率再除以兩個(gè)主成分的貢獻(xiàn)率之和。得到主成分綜合模型如下：5.1.2多元回歸模型一、模型的準(zhǔn)備(1)模型的確定本題中社會(huì)因素和個(gè)人因素中在垃圾減量分類工作中是主導(dǎo)因素，可通過量化指標(biāo)進(jìn)行具體分析；對社會(huì)因素及個(gè)人因素分別進(jìn)行量化，確定六個(gè)量化指標(biāo)即政府教育支出，深圳GDP值，人均GDP值，人口總數(shù)，戶籍人口與非戶籍人口比例，家庭平均人口數(shù)。通過六個(gè)量化指標(biāo)建立多元線性回歸模型。多元線性回歸分析的模型為式中都是與無關(guān)的未知參數(shù)，其中稱為回歸系數(shù)?，F(xiàn)得到個(gè)獨(dú)立觀測數(shù)據(jù)，由上述模型公式得記，其中為階單位矩陣。(2)參數(shù)估計(jì)上述模型中的參數(shù)用最小二乘法估計(jì)，即選取估計(jì)值，使當(dāng)時(shí)，時(shí)，誤差平方和達(dá)到最小。為此，令，得經(jīng)整理化為一下正規(guī)方程組正規(guī)方程組的矩陣形式為當(dāng)矩陣X列滿秩時(shí)為可逆方陣，上式的解為將帶回原模型得到的估計(jì)值而這組數(shù)據(jù)的擬合值為，擬合誤差稱為殘差，可作為隨機(jī)誤差的估計(jì)，而為殘差平方和，即。(3)統(tǒng)計(jì)分析不加證明地給出以下結(jié)果：=1\*GB3①是的線性無偏最小方差估計(jì)。指的是是的線性函數(shù)：的期望等于；在的線性無偏估計(jì)中，的方差最小。=2\*GB3②服從正態(tài)分布==3\*GB3③對殘差平方和，=，且由此得到的的無偏估計(jì)=4\*GB3④對總平方和進(jìn)行分解，有，其中是由上式定義的殘差平方和，反映隨機(jī)誤差對的影響，稱為回歸平方和，反映自變量對的影響。上面的分解中利用了正規(guī)方程組。(4)回歸模型的假設(shè)檢驗(yàn)因變量與自變量之間是否存在如模型（20）所示的線性關(guān)系就不明顯，顯然，如果所有的都很小，與的線性關(guān)系就不明顯，所以可令原假設(shè)為當(dāng)成立時(shí)由分解式定義的滿足在顯著性水平下有上分位數(shù)，若，接受；否則，拒絕。注意接受只能說明與的線性關(guān)系不明顯，可能存在非線性關(guān)系，如平方關(guān)系。還有一些衡量與的線性關(guān)系不明顯，如用回歸平方和在總平方和中的比值定義復(fù)判定系數(shù)稱為負(fù)相關(guān)系數(shù)，越大，與相關(guān)關(guān)系越密切，通常大于0.8(或0.9)才認(rèn)為相關(guān)關(guān)系成立(5)回歸系數(shù)的假設(shè)檢驗(yàn)和區(qū)間估計(jì)當(dāng)上面的被拒絕時(shí)，不全為零，但是不排除其中若干個(gè)等于零。所以應(yīng)進(jìn)一步作如下個(gè)檢驗(yàn)：由于，是中的第元素，用代替，當(dāng)成立時(shí)對給定的，若，接受；否則，拒絕。上式也可用于對作區(qū)間估計(jì)，在置信水平下，的置信區(qū)間為其中(6)利用回歸模型進(jìn)行預(yù)測當(dāng)回歸模型和系數(shù)通過檢驗(yàn)后，可由給定的預(yù)測，是隨機(jī)的，顯然其預(yù)測值（點(diǎn)估計(jì)）為給定可以算出的預(yù)測區(qū)間（區(qū)間估計(jì)），結(jié)果較復(fù)雜，但當(dāng)n較大且接近平均值時(shí)，的預(yù)測區(qū)間可簡化為其中是標(biāo)準(zhǔn)正態(tài)分布的上分位數(shù)。對的區(qū)間估計(jì)方法可用于給出已知數(shù)據(jù)殘差的置信區(qū)間，服從均值為零的正態(tài)分布，所以若某個(gè)的置信區(qū)間不包含零點(diǎn)，則認(rèn)為這個(gè)數(shù)據(jù)是異常的，可予以剔除。具體以流程圖的形式表現(xiàn)如下：二、模型的建立與求解通過查詢深圳統(tǒng)計(jì)年鑒得到以下數(shù)據(jù)：表五：各量化指標(biāo)數(shù)據(jù)年份政府教育支出深圳市發(fā)展水平（GDP）人均GDP值人口總數(shù)戶籍人口/非戶籍人口每戶人口數(shù)生活垃圾清運(yùn)量（萬噸）2001223601248234822724.570.22283.20952192002278160296940369746.620.22973.11762212003346031358547029778.270.24063.17413252004430462428254236800.800.25983.17313472005535495495160801827.750.28173.19123332006666156581468441871.100.29193.20733602007828698680276273912.370.30343.273440720081030900778783431954.280.31413.399044120091366266820184147995.010.32043.4587476201015953559582942961037.20.31933.513947920111967928115061104211046.70.34403.5940458畫出生活垃圾清運(yùn)量與政府教育支出、深圳市發(fā)展水平、人均GDP值、人口總數(shù)、戶籍人口與非戶籍人口比、每戶人口的趨勢圖(其它數(shù)據(jù)見附錄)：通過趨勢圖，觀察各曲線大致呈線性關(guān)系。可以用多元線性回歸模型，首先建立生活垃圾清運(yùn)量分別與各因素的線性回歸方程，然后根據(jù)上述分析，建立減量分類模型的形式如下：其中、、、、、、分別表示生活垃圾清運(yùn)總量、政府教育支出、深圳市發(fā)展水平、人均GDP值、人口總數(shù)、戶籍人口與非戶籍人口比、每戶人口。、、、、、、表示待估計(jì)的參數(shù)。利用MATBLE編程可得：置信區(qū)間bint=-4448.0924-1515.57130.00010.0008-0.9133-0.28570.02920.09350.68951.9931-7672.0476-1531.6401284.43361272.9329Stats0.9934100.89570.0003141.6117殘差圖如下：從殘差圖中可以看出，殘差的置信區(qū)間均包含零點(diǎn)，說明回歸模型能較好符合原始數(shù)據(jù)，無異常點(diǎn)。多元回歸線性交互式畫面可知本模型的剩余標(biāo)準(zhǔn)差和殘差為：rmse=11.9001residuals=-0.77350.1138-4.030411.989-3.3667-14.030212.875-3.56723.4044-2.75250.1383b,bint為回歸系數(shù)估計(jì)值和置信區(qū)間，r,rint為殘差（向量）及其置信區(qū)間，stats是用于檢驗(yàn)回歸模型的統(tǒng)計(jì)量，有四個(gè)數(shù)值，第一個(gè)是相關(guān)系數(shù)，第二個(gè)是值，第三個(gè)是與對應(yīng)的概率，拒絕，回歸模型成立，第四個(gè)是殘差的方差由所得結(jié)果可知，R2=0.9934，擬合結(jié)果較好，且F值所對應(yīng)的概率p=0.0003，小于顯著性水平，拒絕H0，說明因變量與自變量之間存在顯著線性關(guān)系，原模型假設(shè)成立。根據(jù)題設(shè)回歸模型可得 結(jié)論：由檢驗(yàn)結(jié)果可知生活垃圾清運(yùn)總量每增加一萬噸，政府教育支出降低0.0005萬元，深圳市發(fā)展水平增加0.5995萬元，人均GDP下降0.0614元，人口總數(shù)增長1.3413萬人，戶口與非戶口比例降低4601.8438個(gè)百分點(diǎn)，每戶人口數(shù)增加778.6832人。 5.2問題二的模型的建立與求解5.2.1基于主成分綜合模型的相關(guān)性分析根據(jù)附件中《天景花園垃圾收集統(tǒng)計(jì)表》,繪制出各個(gè)垃圾組分?jǐn)?shù)量隨時(shí)間變化圖像：根據(jù)上圖曲線的變化趨勢，四條曲線大致在某一水平上來回波動(dòng)，但在第37天到第45天時(shí)，曲線明顯有大幅下落的跡象，因此該段數(shù)據(jù)剔除，重新整理數(shù)據(jù)，繪制圖像：從上表中明顯可以看出已經(jīng)基本處于平穩(wěn)狀態(tài)?？梢詫?shù)據(jù)進(jìn)行相關(guān)性分析。相關(guān)性分析是對兩個(gè)或多個(gè)具備相關(guān)性的變量因素進(jìn)行分析，從而衡量兩個(gè)變量因素的相關(guān)密切程度。相關(guān)性的元素之間需要存在一定的聯(lián)系或者概率才可以進(jìn)行相關(guān)性分析，相關(guān)性不等于因果性，也不是簡單的個(gè)性化。相關(guān)性分析可以用來驗(yàn)證兩個(gè)變量間的線性關(guān)系，從相關(guān)系數(shù)可以知道兩個(gè)變量是否呈線性關(guān)系，線性關(guān)系的強(qiáng)弱，以及是正相關(guān)還是負(fù)相關(guān)。相關(guān)性系數(shù)介于-1到1之間。如果接近0則兩個(gè)變量沒有線性相關(guān)性；當(dāng)接近-1或者1時(shí)，說明兩個(gè)變量線性關(guān)系很強(qiáng)；正的值代表當(dāng)值很小時(shí)值也很小，當(dāng)值很大時(shí)值也很大。反之亦然。首先計(jì)算數(shù)據(jù)的各描述統(tǒng)計(jì)量如下圖：表六：描述統(tǒng)計(jì)量N極小值極大值均值標(biāo)準(zhǔn)差方差可回收垃圾8143.0073.0061.55565.9791335.750廚余垃圾8192.00150.00118.790112.79132163.618有害垃圾81.002.00.2198.41846.175日期8119045.7827.527757.750其他垃圾8192.00157.00126.187714.73256217.048總量81280.00340.00306.753110.70926114.688有效的N（列表狀態(tài)）81由上表可以看出方差和標(biāo)準(zhǔn)差都不大，利用SPSS軟件對其進(jìn)行相關(guān)性分析，得到相關(guān)性系數(shù)表七：相關(guān)性可回收垃圾廚余垃圾有害垃圾其他垃圾總量可回收垃圾Pearson相關(guān)性1.319**.190-.577**.153顯著性（雙側(cè)）.004.089.000.173N8181818181廚余垃圾Pearson相關(guān)性.319**1.130-.664**.465**顯著性（雙側(cè)）.004.249.000.000N8181818181有害垃圾Pearson相關(guān)性.190.1301-.100.163顯著性（雙側(cè)）.089.249.376.146N8181818181其他垃圾Pearson相關(guān)性-.577**-.664**-.1001.257*顯著性（雙側(cè)）.000.000.376.021N8181818181總量Pearson相關(guān)性.153.465**.163.257*1顯著性（雙側(cè)）.173.000.146.021N8181818181**.在.01水平（雙側(cè)）上顯著相關(guān)。*.在0.05水平（雙側(cè)）上顯著相關(guān)。從上表可以得出如下結(jié)論：垃圾總量和有害垃圾與可回收垃圾不相關(guān)，而與其他垃圾在0.05水平上顯著相關(guān)，與廚余垃圾在0.1水平上顯著相關(guān)，說明其他垃圾和廚余垃圾才是垃圾總量的主要成分。而其他垃圾與廚余垃圾、可回收垃圾、有害垃圾都呈負(fù)相關(guān)說明其他垃圾中含有很多廚余垃圾、可回收垃圾、有害垃圾而沒有歸于其中，表明現(xiàn)今分類標(biāo)準(zhǔn)尚且不夠明確。對于陽光家園，處理方法相同，數(shù)據(jù)等見附錄。得到結(jié)論:垃圾總量只與其他垃圾有關(guān)，而其他垃圾與廚余垃圾、有害垃圾、可回收垃圾呈負(fù)相關(guān)，同樣表明分類標(biāo)準(zhǔn)未明確。5.2.2各項(xiàng)激勵(lì)措施與減量分類效果的相關(guān)性從圖中可以發(fā)現(xiàn)，廚余垃圾、可回收垃圾、有害垃圾數(shù)據(jù)的擬合曲線在一定的波動(dòng)范圍內(nèi)緩緩增長，而其他垃圾數(shù)據(jù)的曲線緩緩下降，回收垃圾總量數(shù)據(jù)也在上升。這個(gè)結(jié)果充分表明減量分類活動(dòng)的效果逐漸表現(xiàn)出來，并取得初步成果，人們的分類標(biāo)準(zhǔn)漸漸清晰，意識(shí)更加增強(qiáng)。而回收垃圾總量的增加也更說明了人們對這一政策的大力支持，使這項(xiàng)政策得以順利實(shí)施。從總體來說，這是一項(xiàng)利國利民的政策，不僅節(jié)約資源，促進(jìn)循環(huán)利用，還能提高人民的環(huán)保意識(shí)和節(jié)約意識(shí)。垃圾減量分類工作持續(xù)進(jìn)行，各項(xiàng)措施逐漸施行，垃圾減量分類工作效果顯著。5.3問題三的模型的建立與求解5.3.1統(tǒng)計(jì)的基礎(chǔ)數(shù)據(jù)分項(xiàng)及顆粒度根據(jù)國家發(fā)布的《生活垃圾采樣和物理分析方法（CJ/T313-2009）》，深圳市在垃圾減量分類督導(dǎo)過程中，將顆粒度按照國家標(biāo)準(zhǔn)，進(jìn)行設(shè)定，見表1：表八：生活垃圾量最小采樣量生活垃圾最大粒徑mm最小采樣量/kg主要使用范圍分類生活垃圾混合生活垃圾12050200產(chǎn)生源生活垃圾、生活垃圾篩上物301030生活垃圾篩下物、餐廚垃圾等1011.5堆肥產(chǎn)品、焚燒灰渣等30.150.15最大粒徑指篩余量為10%時(shí)的篩孔尺寸。通過附加8得知，深圳市對于樣品顆粒度采用了多級(jí)指標(biāo)（1mm，0.5mm，0.1mm），符合國家相關(guān)規(guī)定的標(biāo)準(zhǔn)?？梢哉f，深圳市在生活垃圾樣本采集中的顆粒度選取為合理。在政府垃圾減量分類督導(dǎo)過程中，垃圾按照其種類被分為11類，分別為廚余、紙類、橡塑類、紡織類、木竹類、灰土類、磚瓦陶瓷類、玻璃類、金屬類、其他及混合類，具體定義見表2：表九：生活垃圾物理組成分類一覽表序號(hào)類別說明1廚余類各種動(dòng)、植物類食品（包括各種水果）的殘余物2紙類各種廢棄的紙張及紙制品3橡塑類各種廢棄的塑料、橡膠、皮革制品4紡織類各種廢棄的布類（包括化纖布）、棉花等紡織品5木竹類各種廢棄的木竹制品及花木6灰土類爐灰、灰砂、塵土等7磚瓦陶瓷類各種廢棄的磚、瓦、瓷、石塊、水泥塊等塊狀制品8玻璃類各種廢棄的玻璃、玻璃制品9金屬類各種廢棄的金屬、金屬制品（不包括各種紐扣電池）10其他各種廢棄的電池、油漆、殺蟲劑等11混合類粒徑小于10mm的、按上述分類比較困難的混合物在問題一中，垃圾的分類為可回收垃圾、廚余垃圾、有害垃圾和其他四類。在現(xiàn)實(shí)生活中，分類越詳細(xì)，處理難度越小，造成的資源浪費(fèi)越少；但是對居民來說，較難區(qū)分不同分項(xiàng)。按照政府的基本設(shè)想，垃圾分類應(yīng)從源頭做起，在居民投送垃圾時(shí)，即進(jìn)行初步的分類。但是由于居民的生活習(xí)慣、受教育程度、垃圾分類能力等個(gè)人因素的影響，所以垃圾分類工作成為一個(gè)盲區(qū)。同時(shí)，政府在基礎(chǔ)數(shù)據(jù)分類方面的數(shù)據(jù)統(tǒng)計(jì)不足，社會(huì)中沒有相關(guān)準(zhǔn)則和法規(guī)來對不同分類進(jìn)行制定。所以政府在基礎(chǔ)分類制定的過程中，應(yīng)該基于較為龐大的數(shù)據(jù)源，結(jié)合居民和垃圾處理難度兩方面的因素，制定明確的相關(guān)基礎(chǔ)分類，頒布相關(guān)的行為準(zhǔn)則和法規(guī)制度。同時(shí)，對已實(shí)行的制度進(jìn)行全面、大量的統(tǒng)計(jì)分析，對基礎(chǔ)分類進(jìn)行修正。5.3.2數(shù)據(jù)的獲取根據(jù)《生活垃圾采樣和物理分析方法（CJ/T313-2009）》，在垃圾回收中，根據(jù)所調(diào)查區(qū)域深圳的人口數(shù)量確定最少采樣點(diǎn)數(shù)為30個(gè)，具體采樣點(diǎn)確定方法見表：表十：采樣點(diǎn)數(shù)要求人口數(shù)量/萬人＜5050～100100～200≥200最少采樣點(diǎn)數(shù)/個(gè)8162030在具體的收集中，應(yīng)當(dāng)以隨機(jī)收集為主。由于不同垃圾的比例不同，在比重較大的分項(xiàng)中應(yīng)當(dāng)投入較大的精力。根據(jù)問題二中的相關(guān)性分析，在陽光家園和天景小區(qū)中，與總量相關(guān)性最強(qiáng)的是廚余垃圾和其他垃圾，見圖（垃圾分組相關(guān)性圖）。同時(shí)聯(lián)系近年來的數(shù)據(jù)，可以發(fā)現(xiàn)廚余垃圾的趨向?yàn)樯仙?，而其他垃圾所占的比重最大。所以為了達(dá)到減量的目標(biāo)，我們在數(shù)據(jù)獲取中，應(yīng)當(dāng)將其他垃圾和廚余垃圾作為重點(diǎn)。5.3.3抽樣數(shù)量的精簡在3.2中，抽樣方法采用以人口數(shù)量為依據(jù)的分層抽樣。為了減少抽樣數(shù)據(jù)來檢測一定區(qū)域內(nèi)減量分類工作的效果，進(jìn)行分析后，決定新的抽樣方案。由問題一和問題二可知，一定區(qū)域內(nèi)，有害垃圾（如廢舊電池、油漆、殺蟲劑等）的數(shù)量基本不變；而經(jīng)過相關(guān)性分析，廚余垃圾和其他垃圾對總量的影響最大，所占比例最多。所以在一定區(qū)域，設(shè)置抽樣數(shù)據(jù)時(shí)，應(yīng)當(dāng)針對相關(guān)性比較強(qiáng)的數(shù)據(jù)進(jìn)行抽樣分析，對于總量基本不變的分項(xiàng)可以不進(jìn)行比例分析。另外，根據(jù)歷史數(shù)據(jù)統(tǒng)計(jì)結(jié)果，對落實(shí)政策比較好的區(qū)域可以減少抽樣的頻率或減少抽樣的次數(shù)。5.4問題四的模型建立與求解深圳市的垃圾減量分類工作在近幾年平穩(wěn)推進(jìn)，假設(shè)政府相關(guān)政策和政策推行力度在一定的范圍內(nèi)基本保持不變，多元線性回歸模型參數(shù)在區(qū)間范圍內(nèi)波動(dòng)，根據(jù)區(qū)間估計(jì)的思想，在置信區(qū)間為0.95時(shí)，各參數(shù)的區(qū)間為：表十：參數(shù)置信區(qū)間估計(jì)值極小值極大值-2981.8318-4448.0924-1515.57130.00050.00010.0008-0.5995-0.9133-0.28570.06140.02920.09351.34130.68951.9931-4601.8438-7672.0476-1531.6401778.6832284.43361272.9329由權(quán)重的區(qū)間估計(jì)值可知對多元回歸方程參數(shù)進(jìn)行調(diào)整，得到最好結(jié)果：最壞結(jié)果：5.5給政府的建議報(bào)告尊敬的深圳市政府領(lǐng)導(dǎo)：您好！為進(jìn)一步推進(jìn)“十二五”期間城市生活垃圾減量分類工作，根據(jù)國家有關(guān)法律、法規(guī)、規(guī)劃和標(biāo)準(zhǔn)，結(jié)合深圳市實(shí)際情況，提出如下建議方案：一、指導(dǎo)思想以打造“深圳質(zhì)量”為標(biāo)桿，以實(shí)施“十二五”規(guī)劃為綱領(lǐng)，以建設(shè)生態(tài)、循環(huán)、可持續(xù)的城市生活垃圾處理系統(tǒng)為宗旨，遵循減量化、資源化、無害化原則，大力推進(jìn)垃圾減量和分類，提高資源回收利用率，構(gòu)建政府主導(dǎo)、全民參與、市場化運(yùn)作的垃圾分類和資源利用運(yùn)行機(jī)制，倡導(dǎo)清潔、低碳、文明的生活方式，實(shí)現(xiàn)市民文明的生活方式，實(shí)現(xiàn)市民文明素質(zhì)大發(fā)展、大飛躍，促進(jìn)城市精神文明與生態(tài)環(huán)境建設(shè)。二、工作原則和工作目標(biāo)(一)工作原則循序漸進(jìn)，由易至難。分類類別由簡到繁，由粗到細(xì)?，F(xiàn)階段將垃圾分為可回收物、廚余垃圾、有害垃圾和其他垃圾等，遠(yuǎn)期根據(jù)實(shí)施效果進(jìn)一步細(xì)化垃圾分類類別。以點(diǎn)帶面，逐步推廣。選擇機(jī)關(guān)、學(xué)校、居民小區(qū)、餐館等單位進(jìn)行垃圾分類示范工作，取得經(jīng)驗(yàn)后在全市范圍內(nèi)逐步推廣實(shí)施。突出重點(diǎn)，抓住關(guān)鍵。以廚余垃圾分類投放、收集、運(yùn)輸和處理作為工作重點(diǎn)，以完善垃圾分類收集、運(yùn)輸和處理設(shè)施建設(shè)作為關(guān)鍵環(huán)節(jié)。條塊結(jié)合，協(xié)同推進(jìn)。堅(jiān)持統(tǒng)一領(lǐng)導(dǎo)，明確部門職責(zé)，強(qiáng)化區(qū)和街道屬地管理、綜合協(xié)調(diào)和分工協(xié)作運(yùn)行機(jī)制，共同推進(jìn)垃圾減量分類工作。宣傳引導(dǎo)，公眾參與。加大宣傳教育力度，提高市民對垃圾減量分類的認(rèn)知度和參與率。完善機(jī)制，注重長效。充分運(yùn)用法律法規(guī)、標(biāo)準(zhǔn)規(guī)范和資金保障等手段，建立和完善促進(jìn)垃圾減量分類的長效管理機(jī)制。(二)工作目標(biāo)大力開展垃圾減量分類工作，引導(dǎo)市民養(yǎng)成愛護(hù)環(huán)境、勤儉節(jié)約、物盡所用、減少廢棄的文明生活習(xí)慣，促進(jìn)源頭減量和資源回收。全力推進(jìn)垃圾分類收集、運(yùn)輸和處理設(shè)施建設(shè)，不斷完善運(yùn)營管理體系。建立健全垃圾減量分類標(biāo)準(zhǔn)和評(píng)價(jià)考核體系。在未來幾年內(nèi)實(shí)現(xiàn)人均垃圾產(chǎn)生量零增長。三、主要任務(wù)(一)推進(jìn)垃圾源頭減量積極推進(jìn)清潔生產(chǎn)技術(shù)和綠色認(rèn)證制度，鼓勵(lì)使用清潔能源和原料，采用先進(jìn)工藝設(shè)備，減少或避免垃圾排放。建立廢包裝材料、廢舊電器、廢電池?zé)纛I(lǐng)域的生產(chǎn)者責(zé)任延伸制度，鼓勵(lì)制造商回收處理報(bào)廢產(chǎn)品。(二)確定垃圾分類方法居民小區(qū)垃圾一般可分為可回收物、廚余垃圾、有害垃圾及其它垃圾四類；酒樓、賓館、飯?zhí)玫炔惋媹鏊睦话憧煞譃榭苫厥瘴?、廚余垃圾、其他垃圾三類；機(jī)場、碼頭、火車站、公交站、公園、旅游景區(qū)、加油站等公共場所的垃圾一般可分為可回收物、其他垃圾兩類；政府機(jī)關(guān)、企事業(yè)單位辦公區(qū)域、學(xué)校等場所的垃圾一般可分為可回收物、其他垃圾兩類，大型辦公區(qū)的可回收物可進(jìn)一步細(xì)分為紙張類、飲料瓶罐類、塑料類。(三)完善垃圾分類收集和運(yùn)輸系統(tǒng) 進(jìn)一步完善全市再生資源回收網(wǎng)點(diǎn)。政府機(jī)關(guān)、企事業(yè)單位、學(xué)校、酒店、商場、居民小區(qū)等公共區(qū)域應(yīng)按照標(biāo)準(zhǔn)配置可回收物儲(chǔ)存設(shè)施。新建或已建居民小區(qū)應(yīng)設(shè)立具備垃圾減量分類咨詢、可回收物和大件垃圾預(yù)約回收服務(wù)等功能的資源回收服務(wù)站。 (四)完善垃圾分類處理設(shè)施系統(tǒng) 積極引進(jìn)垃圾分類處理技術(shù)，高標(biāo)準(zhǔn)建設(shè)運(yùn)營處理設(shè)施，采用垃圾焚燒、生化處理、綜合利用等方式對分類的垃圾進(jìn)行資源化和無害化處理。淘汰落后處理設(shè)施，加快綠色處理設(shè)施建設(shè)。 (五)加大宣傳引導(dǎo)力度 加強(qiáng)輿論宣傳工作，協(xié)調(diào)新聞媒體積極開展各類宣傳教育活動(dòng)；通過編寫市民城市生活垃圾減量分類指導(dǎo)手冊，編制垃圾減量分類教材，制作公益廣告和指導(dǎo)短片，普及垃圾減量分類、資源綜合利用知識(shí)，發(fā)動(dòng)熱衷公益事業(yè)的志愿者，提高市民垃圾減量分類知曉率、參與率和準(zhǔn)確率。 總之，垃圾分類回收利國利民，這項(xiàng)工程不僅加大社會(huì)效益，還能減少資源開發(fā)和加工過程中產(chǎn)生的環(huán)境污染等。希望我們的建議對市政府的垃圾減量分類工作有一定幫助。六、模型評(píng)價(jià)模型的優(yōu)點(diǎn)：1采用主成分分析法將定性問題很好的轉(zhuǎn)化為定量問題。2多元線性回歸分析對上述模型進(jìn)行修正，更符合實(shí)際情況。3數(shù)據(jù)抽樣法選擇將分層抽樣相關(guān)分析等多條原則相結(jié)合，使抽樣數(shù)據(jù)少且具有代表性。模型的缺點(diǎn)：1由于小區(qū)的范圍過小，數(shù)據(jù)不易統(tǒng)計(jì)完全，導(dǎo)致結(jié)果的偏差。2選擇的指標(biāo)數(shù)據(jù)不能完整的代表全部。3多元線性回歸模型中，居民垃圾回收意識(shí)無法得以量化。參考文獻(xiàn)[1]姜啟源.數(shù)學(xué)建模(第四版).北京：機(jī)械工業(yè)出版社，2012年[2]張志涌.精通MATLAB.北京：航空航天大學(xué)出版社，2012年[3]楊啟帆.數(shù)學(xué)建模.北京：高等教育出版社,2005年[4]蔡鎖章.數(shù)學(xué)建模原理與方法[M].北京：海洋出版社，2000年[5]劉先省，潘泉，“傳感器管理方法研究”，西安：西北工業(yè)大學(xué)博士論文，2009。[6]史峰，王輝，郁磊，胡斐，MATLAB智能算法30個(gè)案例分析，北京：北京航空航天大學(xué)出版社，2011。[7]姜啟源，謝金星，葉俊，數(shù)學(xué)模型（第四版），北京：高等教育出版社，2011。[8]李德宜，李明，數(shù)學(xué)建模，北京：科學(xué)出版社，2009。[9]吳孟達(dá)，成禮智，吳翊，毛紫陽，王丹，數(shù)學(xué)建模教程，北京：高等教育出版社，2011。[10]田雪怡，李一兵，“多傳感器數(shù)據(jù)關(guān)聯(lián)與航跡融合技術(shù)研究”，哈爾濱:哈爾濱工程大學(xué)，2012。[11]韓中庚，數(shù)學(xué)建模方法及其應(yīng)用（第二版），北京：高等教育出版社，2009。[12]吳建民，牟之英，“智能化多傳感器管理系統(tǒng)的設(shè)計(jì)和仿真”，航空電子技術(shù)，第37卷第4期：28-32,2006。[13]張志涌，楊祖櫻，MATLAB教程：R2010a，北京：北京航空航天大學(xué)出版社,2010。[14]（美）邁斯特（Musto.J.C），（美）霍華德（HowardW.E.）,（美）威廉（WilliamsR.R.），MATLAB&Excel工程計(jì)算，北京：清華大學(xué)出版社,2010。附錄描述統(tǒng)計(jì)量N極小值極大值均值標(biāo)準(zhǔn)差日期6116131.0017.753可回收物61360.00450.00413.442619.14203廚余垃圾61275.00310.00291.163910.09155有害垃圾61.001.80.9492.37843其他垃圾611339.801495.201405.280333.69247總量612058.002152.002110.836124.53309有效的N（列表狀態(tài)）61