本文關(guān)鍵詞：基于GM-ARIMA模型的成都市生活垃圾產(chǎn)量預(yù)測研究

  更多相關(guān)文章： 城市生活垃圾 灰色模型 ARIMA模型 粒子群優(yōu)化算法 組合模型

【摘要】：在城市化快速發(fā)展的背景下,“垃圾圍城”現(xiàn)象在全國各大中小城市愈加顯著,城市生活垃圾和工業(yè)固體廢物逐漸成為影響城市環(huán)境衛(wèi)生、城市居民健康的重要威脅。城市生活垃圾產(chǎn)生量的準(zhǔn)確預(yù)測能為環(huán)衛(wèi)部門制定城市環(huán)境衛(wèi)生規(guī)劃,為城市管理者修建城市生活垃圾處理設(shè)施等提供重要的參考數(shù)據(jù)�；诖�,本論文開展了以下工作：1.收集國內(nèi)外關(guān)于城市生活垃圾產(chǎn)量預(yù)測的研究資料,選擇適合城市生活垃圾產(chǎn)量預(yù)測的相關(guān)模型；2.分析生活垃圾產(chǎn)量預(yù)測模型的預(yù)測原理,提出模型優(yōu)化的方法；3.結(jié)合模型優(yōu)化方法,建立相應(yīng)模型,對成都市生活垃圾產(chǎn)量進(jìn)行預(yù)測,并提出控制和減少成都市生活垃圾產(chǎn)量的相應(yīng)措施與建議。綜合論文開展的工作,得出以下結(jié)論：第一、結(jié)合國內(nèi)外關(guān)于生活垃圾產(chǎn)量預(yù)測的研究現(xiàn)狀,論文選擇時(shí)間序列模型(ARIMA(p,d,q))和灰色模型(GM(1,1))作為城市生活垃圾產(chǎn)量預(yù)測的模型。從模型優(yōu)化方法角度出發(fā),提出兩類模型的優(yōu)化方法,即參數(shù)優(yōu)化法和殘差修正法。在參數(shù)優(yōu)化方面,采用了智能優(yōu)化算法中的粒子群優(yōu)化算法(PSO)來對灰色模型進(jìn)行參數(shù)優(yōu)化,建立了基于PSO算法的PSO-GM模型；同時(shí)采用殘差修正法對ARIMA模型進(jìn)行優(yōu)化。研究結(jié)果表明兩類優(yōu)化模型的精度相比原模型精度有所提高。第二、通過對組合模型理論的研究,將PSO-GM模型、殘差修正ARIMA(3,1,2)模型進(jìn)行組合,分別建立了簡單平均組合模型、加權(quán)平均組合模型以及基于粒子群優(yōu)化算法(PSO)的GM-ARIMA組合模型。以成都市2013年1月-2015年12月的月度生活垃圾處理量為數(shù)據(jù)依托,將三個(gè)組合模型與單獨(dú)的PSO-GM模型、殘差修正ARIMA(3,1,2)模型進(jìn)行模型精度驗(yàn)證。通過均方誤差(MSE)、平均絕對誤差(MAE)以及平均絕對百分比誤差(MAPE)3個(gè)指標(biāo)來評價(jià)模型精度,研究結(jié)果發(fā)現(xiàn)基于PSO算法的GM-ARIMA組合模型的預(yù)測精度明顯優(yōu)于其他4種模型。第三,選用了基于PSO算法的GM-ARIMA組合模型對成都市2016年-2020年的生活垃圾產(chǎn)量進(jìn)行預(yù)測,預(yù)測結(jié)果顯示至2020年成都市生活垃圾處理量為208.3101萬噸。結(jié)合預(yù)測結(jié)果,論文結(jié)合成都市生活垃圾管理現(xiàn)狀,提出成都市未來生活垃圾量的控制及處理的一些參考性建議。
【關(guān)鍵詞】：城市生活垃圾 灰色模型 ARIMA模型 粒子群優(yōu)化算法 組合模型
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：X799.3
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-19
• 1.1 研究背景11
• 1.2 國內(nèi)外研究現(xiàn)狀11-16
• 1.3 研究目標(biāo)、研究內(nèi)容及研究路線16-19
• 1.3.1 研究目標(biāo)16
• 1.3.2 研究內(nèi)容16-18
• 1.3.3 研究路線18-19
• 第2章 基于灰色理論的生活垃圾產(chǎn)量預(yù)測模型19-33
• 2.1 灰色系統(tǒng)理論及模型原理19-21
• 2.1.1 灰色系統(tǒng)理論19
• 2.1.2 灰色GM(1,1)模型原理19-21
• 2.2 灰色模型校驗(yàn)21-23
• 2.2.1 相對誤差大小檢驗(yàn)法21-22
• 2.2.2 后驗(yàn)差檢驗(yàn)22-23
• 2.2.3 關(guān)聯(lián)度檢驗(yàn)23
• 2.3 灰色模型的缺陷23-24
• 2.3.1 模型邊值問題23-24
• 2.3.2 最小二乘參數(shù)估計(jì)問題24
• 2.4 基于粒子群優(yōu)化算法的GM(1,1)模型參數(shù)優(yōu)化24-28
• 2.4.1 PSO優(yōu)化算法簡介24-27
• 2.4.2 基于粒子群優(yōu)化算法GM(1,1)模型的參數(shù)優(yōu)化27-28
• 2.5 基于灰色理論的生活垃圾產(chǎn)量預(yù)測算例28-32
• 2.6 本章小結(jié)32-33
• 第3章 基于時(shí)間序列的生活垃圾產(chǎn)量預(yù)測模型33-42
• 3.1 ARIMA模型33-34
• 3.2 ARIMA模型的優(yōu)化34-35
• 3.3 基于ARIMA生活垃圾產(chǎn)量預(yù)測模型算例35-41
• 3.3.1 建立ARIMA(p,d,q)模型35-37
• 3.3.2 ARIMA模型的識別與建立37-39
• 3.3.3 ARIMA模型預(yù)測39-41
• 3.3.4 殘差修正法在ARIMA模型的應(yīng)用41
• 3.4 本章小結(jié)41-42
• 第4章 GM-ARIMA組合預(yù)測模型42-55
• 4.1 組合模型原理42-43
• 4.2 基于組合模型生活垃圾產(chǎn)量預(yù)測算例43-47
• 4.2.1 簡單平均組合預(yù)測模型預(yù)測43-44
• 4.2.2 加權(quán)平均組合預(yù)測模型預(yù)測44
• 4.2.3 基于PSO算法的GM-ARIMA模型在生活垃圾產(chǎn)量的預(yù)測44-47
• 4.3 幾類預(yù)測模型的比較分析47-51
• 4.4 GM-ARIMA組合模型對成都市2016年-2020年生活垃圾處理量預(yù)測51-52
• 4.5 關(guān)于成都市未來生活垃圾產(chǎn)量控制及對策的幾點(diǎn)建議52-54
• 4.6 本章小結(jié)54-55
• 結(jié)論55-56
• 致謝56-57
• 參考文獻(xiàn)57-60

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫彩云;楊曉靜;;乘積ARIMA模型的建立及應(yīng)用[J];華北科技學(xué)院學(xué)報(bào);2008年02期

2 孟凡強(qiáng);;ARIMA模型在空氣污染指數(shù)預(yù)測中的應(yīng)用[J];統(tǒng)計(jì)與決策;2009年07期

3 金良瓊;;ARIMA模型在貴州省全社會(huì)固定資產(chǎn)投資預(yù)測中的應(yīng)用[J];廣西輕工業(yè);2009年12期

4 司徒毅;;ARIMA模型在移動(dòng)話務(wù)預(yù)測中的應(yīng)用[J];廣東輕工職業(yè)技術(shù)學(xué)院學(xué)報(bào);2009年04期

5 陳汶濱;時(shí)瓊;程大勇;王君;;ARIMA模型在研究油氣田產(chǎn)量遞減規(guī)律中的應(yīng)用[J];中國西部科技;2010年06期

6 劉翔;;ARIMA模型在貿(mào)易規(guī)模預(yù)測中的適用性——基于中國服務(wù)貿(mào)易進(jìn)出口規(guī)模的分析[J];陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年06期

7 鄭紅云;;ARIMA模型在深圳人口與醫(yī)療需求預(yù)測的應(yīng)用[J];山東輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年04期

8 胡永紅;吳志峰;李定強(qiáng);卓慕寧;;基于ARIMA模型的區(qū)域水生態(tài)足跡時(shí)間序列分析[J];生態(tài)環(huán)境;2006年01期

9 邵瑞清;張艷娟;;基于ARIMA模型的我國木薯干進(jìn)口發(fā)展預(yù)測研究[J];中國市場;2010年15期

10 宋宇辰;張志啟;;基于ARIMA模型對我國“十二五”能源需求的預(yù)測[J];煤炭工程;2012年01期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三屆中國控制會(huì)議論文集（下冊）[C];2004年

2 王建鋒;高歌;陳立凌;李紅美;張明芝;王艾麗;;ARIMA模型及其在江蘇省衛(wèi)技人員數(shù)預(yù)測中的應(yīng)用[A];中國現(xiàn)場統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

3 李君華;王志堅(jiān);張立杰;陳雪;;基于小波理論及ARIMA模型的短期棉花價(jià)格預(yù)測[A];中國棉花學(xué)會(huì)2012年年會(huì)暨第八次代表大會(huì)論文匯編[C];2012年

4 陳興榮;;ARIMA模型和GM(1,1)在我國白銀消費(fèi)需求預(yù)測應(yīng)用中的比較研究[A];第25屆全國灰色系統(tǒng)會(huì)議論文集[C];2014年

5 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

6 劉軍;柴洪洲;陳軻;劉先冬;;ARIMA模型預(yù)報(bào)電離層VTEC研究[A];第一屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)論文集（下）[C];2010年

7 ;Economic Design of Integrating SPC and APC with Quality Constraints[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 任家福;張f ;周宗放;;基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型及應(yīng)用研究[A];第三屆（2008）中國管理學(xué)年會(huì)——技術(shù)與創(chuàng)新管理分會(huì)場論文集[C];2008年

9 ;Modeling Chronobiologic Data: An Introduction to Time Series Analysis[A];2004全國時(shí)間生物醫(yī)學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

10 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六屆中國控制會(huì)議論文集[C];2007年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 ;基于數(shù)量化方法對未來經(jīng)濟(jì)增長趨勢的預(yù)測[N];第一財(cái)經(jīng)日報(bào);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 梁佳琦;ARIMA模型同MAXENT模型在自然保護(hù)區(qū)內(nèi)口蹄疫疫情風(fēng)險(xiǎn)預(yù)警中的應(yīng)用研究[D];東北林業(yè)大學(xué);2015年

2 張海東;基于論壇的熱點(diǎn)話題識別與趨勢預(yù)測研究[D];上海師范大學(xué);2015年

3 王煒翔;南京市2006～2013年流感流行特征及ARIMA模型的應(yīng)用[D];東南大學(xué);2015年

4 趙佳寶;ARIMA結(jié)合BP神經(jīng)網(wǎng)絡(luò)對核心交易量預(yù)測的研究[D];東華大學(xué);2016年

5 高金標(biāo);基于Hadoop的全國零售戶數(shù)據(jù)處理與市場感知[D];浙江理工大學(xué);2016年

6 李思洋;電力光纖線路狀態(tài)預(yù)測方法研究[D];東北電力大學(xué);2016年

7 苗亞男;基于卡爾曼濾波的ARIMA—GM霧霾預(yù)測及擴(kuò)散消失模型研究[D];吉林大學(xué);2016年

8 劉源;基于GM-ARIMA模型的成都市生活垃圾產(chǎn)量預(yù)測研究[D];西南交通大學(xué);2016年

9 陳聰聰;基于ARIMA模型和ARIMAX模型的山東省GDP的預(yù)測與分析[D];山東大學(xué);2016年

10 鐘令樞;基于ARIMA-LSTM的架空線狀態(tài)數(shù)據(jù)挖掘[D];華南理工大學(xué);2016年

，

本文編號：959614