灰色系統(tǒng)預(yù)測垃圾產(chǎn)量問題.doc

城市生活垃圾管理問題研究摘要城市生活垃圾治理問題困擾著我國絕大部分城市，已成為影響城市整體功能正常發(fā)輝的“社會(huì)公害之一”。城市生活垃圾產(chǎn)量的增長將給城市帶來沉重的負(fù)擔(dān)，因此，對垃圾產(chǎn)量的盡早預(yù)測至關(guān)重要。城市生活垃圾收運(yùn)系統(tǒng)是生活垃圾管理的重要組成部分，隨著城市生活垃圾產(chǎn)生量的增加，收運(yùn)系統(tǒng)對環(huán)境及社會(huì)系統(tǒng)造成的壓力也日益凸現(xiàn)。因而有必要對垃圾車的收運(yùn)路線進(jìn)行合理優(yōu)化，以降低收運(yùn)系統(tǒng)成本，減少環(huán)境污染與社會(huì)影響1 宋薇、劉建國、聶永豐，城市生活垃圾收運(yùn)路線優(yōu)化研究，環(huán)境衛(wèi)生工程，16卷01期：11-15，2008-2。本文在對合肥市生活垃圾管理研究的基礎(chǔ)上，用灰色關(guān)聯(lián)度法分析了生活垃圾產(chǎn)量的影響因素，并用MATLAB編程求解關(guān)聯(lián)度，從結(jié)果可知，合肥市生活垃圾產(chǎn)量與社會(huì)商品零售總額的關(guān)聯(lián)程度最大，其次是人均生活消費(fèi)支出，說明近幾年合肥生活垃圾產(chǎn)量在受人口數(shù)量增加和經(jīng)濟(jì)快速發(fā)展影響的同時(shí)，受城市的商業(yè)化水平、社會(huì)商品零售總額和居民生活水平的提高等因素影響也很大。然后，我們運(yùn)用灰色系統(tǒng)建立了GM (1, 1)的城市生活垃圾年產(chǎn)量預(yù)測模型。先建立白化微分方程，利用最小二乘法求參數(shù)，即得灰色預(yù)測模型：通過一組歷史數(shù)據(jù)對模型進(jìn)行了驗(yàn)證，預(yù)測值的相對誤差大多在3.065%以下，說明該模型得到的預(yù)測值與實(shí)際值較吻合。受關(guān)聯(lián)因素的影響，垃圾年產(chǎn)量呈上升趨勢，揭示了生活垃圾產(chǎn)量的內(nèi)在規(guī)律，并對未來生活垃圾的產(chǎn)量進(jìn)行預(yù)測和分析，以期為該城市生活垃圾的管理和城市環(huán)境合理規(guī)劃提供科學(xué)依據(jù)。在解決問題二時(shí)先不考慮垃圾收運(yùn)車負(fù)載達(dá)到最大時(shí)前往中轉(zhuǎn)站的問題，垃圾收運(yùn)車從車庫出發(fā)，找到一條遍歷所有收集點(diǎn)的最短路徑，從而將問題轉(zhuǎn)化為TSP問題。首先運(yùn)用MATLAB調(diào)用Manhattan距離計(jì)算公式，求出任意兩點(diǎn)間距離，放入矩陣a中，用表示第的收集點(diǎn)為距最近的點(diǎn)，因此建立了如下模型：在求解時(shí)，為避免在搜索最短距離點(diǎn)時(shí)矩陣對角線上的值造成干擾，故將其設(shè)定為無窮大。然后在矩陣的第一行中選取最小值（為到車庫的距離最短的收集點(diǎn)），然后從矩陣的第行中搜索除之外的最小值，即編號(hào)為的收集點(diǎn)，即垃圾收運(yùn)車將要去的收集點(diǎn)。再以相同方法搜索第3275個(gè)收集點(diǎn)，它們的編號(hào)分別為。得到一條近似最短路徑，輸出路線順序。經(jīng)計(jì)算，所有收集點(diǎn)的垃圾總量小于每輛垃圾車每天的負(fù)載總量；每輛垃圾車每天可將275個(gè)收集點(diǎn)全部遍歷。因此先假設(shè)不考慮車庫工作區(qū)間，用一輛車按已求得路線收集所有垃圾，并在負(fù)載量達(dá)到最大時(shí)前往中轉(zhuǎn)站，用MATLAB求出近似最短總路程S =464.8013mile，進(jìn)而求得總時(shí)間T =19.3353h。從結(jié)果可知，至少需要三輛垃圾收運(yùn)車才能在車庫的工作區(qū)間內(nèi)將垃圾全部運(yùn)往中轉(zhuǎn)站。關(guān)鍵詞 灰色GM(1,1)模型 灰色關(guān)聯(lián)度 Manhattan距離 TSP 1 問題重述隨著人類生產(chǎn)和生活的不斷發(fā)展，由此而產(chǎn)生的垃圾對生態(tài)環(huán)境及人類生存帶來極大的威脅，成為重要的社會(huì)問題。城市生活垃圾的年增長速度達(dá)8-10%，嚴(yán)重污染環(huán)境。城市垃圾管理包括計(jì)劃、組織、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、運(yùn)輸和處置。而中國目前處置水平低，管理辦法不多，更是急待解決的問題。在這方面，世界許多國家在謀求解決城市生活垃圾過程中，產(chǎn)生出許多好的辦法，并在此過程中總結(jié)了經(jīng)驗(yàn)和教訓(xùn)。一般認(rèn)為，城市生活垃圾的影響因素包括地理位置、人口、經(jīng)濟(jì)發(fā)展水平（生產(chǎn)總值）、居民收入以及消費(fèi)水平、居民家庭能源結(jié)構(gòu)等等。城市生活垃圾產(chǎn)量是垃圾管理系統(tǒng)的關(guān)鍵參數(shù)，因此對未來某段時(shí)間內(nèi)垃圾產(chǎn)量的準(zhǔn)確預(yù)測是相關(guān)垃圾管理的部門做出管理規(guī)劃的前提。另外，城市垃圾自其產(chǎn)生到最終被送到處置場處理，需要環(huán)衛(wèi)部門對其進(jìn)行收集與運(yùn)輸，這一過程稱為城市垃圾的收運(yùn)。收運(yùn)過程可簡述如下：每天垃圾車從車庫出發(fā)，經(jīng)過收集點(diǎn)收集垃圾，當(dāng)垃圾負(fù)載達(dá)到最大裝載量時(shí)，垃圾車運(yùn)往中轉(zhuǎn)站，在中轉(zhuǎn)站卸下所有收運(yùn)的垃圾，然后再出站收集垃圾，如此反復(fù)，直到所有收集點(diǎn)的垃圾都被收集完，垃圾車返回車庫。（以上收運(yùn)過程均在各點(diǎn)的工作區(qū)間之內(nèi)完成。）通過查閱相關(guān)文獻(xiàn)，搜集垃圾產(chǎn)量數(shù)據(jù)，建立城市生活垃圾產(chǎn)量中短期預(yù)測模型，并且分析模型的準(zhǔn)確性和實(shí)用性。已知：車庫、收集點(diǎn)與中轉(zhuǎn)站的坐標(biāo)；各收集點(diǎn)每天的垃圾產(chǎn)量；每輛垃圾收運(yùn)車的最大載荷；垃圾收集點(diǎn)、車庫、中轉(zhuǎn)站的工作區(qū)間。在上述條件下，安排垃圾收運(yùn)車的收運(yùn)路線，使在垃圾收運(yùn)車的行車?yán)锍瘫M可能的少，或者垃圾收運(yùn)時(shí)間盡可能短。給出規(guī)劃以上垃圾收運(yùn)路線的數(shù)學(xué)模型，并設(shè)計(jì)出有效的算法，針對附錄一中給出的數(shù)據(jù)，求解模型。并且對模型的適用性、算法的穩(wěn)定性和魯棒性做出分析。2 問題分析近幾年來，環(huán)境保護(hù)部門對城市生活垃圾年產(chǎn)量預(yù)測作了不少的嘗試。但由于垃圾產(chǎn)量與諸多因素有關(guān)如氣候的變化，影響城市生活垃圾年產(chǎn)量的因素也很多，其中有些可以量化，而有些則無法量化，這使得城市生活垃圾年產(chǎn)量具有很大的隨機(jī)性。同時(shí)，城市生活垃圾年產(chǎn)量與影響因素之間的非線性也大大增加了城市生活垃圾年產(chǎn)量的預(yù)測難度，降低了預(yù)測的精度。鑒于準(zhǔn)確進(jìn)行城市生活垃圾年產(chǎn)量預(yù)測的種種困難及城市生活垃圾年產(chǎn)量本身所具有的隨機(jī)波動(dòng)性特點(diǎn)，可建立灰色GM(1，1)預(yù)測模型，對城市生活垃圾年產(chǎn)量進(jìn)行預(yù)測。城市生活垃圾主要來源于居民生活區(qū)以及辦公室、工廠、賓館、餐廳和街道等功能區(qū)。分析表明，城市生活垃圾年產(chǎn)量的主要影響因素向盛斌，城市居民生活垃圾影響因素分析及產(chǎn)量預(yù)測 J ，環(huán)境衛(wèi)生工程，1998卷06期：7 12。有城市人口數(shù)量、城市總體經(jīng)濟(jì)實(shí)力、城市商業(yè)化水平、居民生活水平等，而城市總體經(jīng)濟(jì)實(shí)力、城市商業(yè)化水平、居民生活水平可以用該城市的國內(nèi)生產(chǎn)總值、社會(huì)商品零售總額、人均生活消費(fèi)總支出和人均住宅使用面積等可量化的因子來表征，因此選取上述因素對城市生活垃圾年產(chǎn)量進(jìn)行預(yù)測。根據(jù)問題二可知，垃圾收運(yùn)車從車庫出發(fā)后要將所有收集點(diǎn)的垃圾收集完并運(yùn)往中轉(zhuǎn)站，但是垃圾收運(yùn)車的載重量不能超過200立方碼，故在垃圾收運(yùn)車負(fù)載達(dá)到最大載重量時(shí)要前往中轉(zhuǎn)站，卸下所有垃圾后再返回繼續(xù)收集。故先假設(shè)垃圾車的載重量無限大，可一次將垃圾全部收集完畢，因此可暫不考慮中轉(zhuǎn)站問題，而從車庫出發(fā)，找到一條遍歷所有收集點(diǎn)的最短路徑，從而將問題轉(zhuǎn)化為TSP問題，這樣就可求得最短收集路線，再讓垃圾收運(yùn)車沿求出的路線收集垃圾，當(dāng)垃圾量等于200立方碼后前往中轉(zhuǎn)站，當(dāng)上一收集點(diǎn)垃圾沒有收集完時(shí)返回繼續(xù)收集，否則按照路線前往下一收集點(diǎn)。3 模型假設(shè)1、忽略每天交通高低峰的路況區(qū)別及其他特殊情況，即垃圾收運(yùn)車的行駛速度保持不變；2、假設(shè)所用數(shù)據(jù)真實(shí)，且具有代表性；3、假設(shè)垃圾收運(yùn)車只有在達(dá)到最大裝載量時(shí)才前往中轉(zhuǎn)站；4、假設(shè)垃圾產(chǎn)量只受城市人口量、國內(nèi)生產(chǎn)總值、社會(huì)商品零售總額、人均生活消費(fèi)支出和人均住宅使用面積影響，不考慮其他因素對垃圾產(chǎn)量的影響。4 符號(hào)說明：第i個(gè)收集點(diǎn)到第j個(gè)收集點(diǎn)的距離；（i,j=1,2,275）：收運(yùn)車行駛總路程；：垃圾收運(yùn)車收集垃圾的總時(shí)間；：生活垃圾年產(chǎn)量及相關(guān)影響因素的關(guān)聯(lián)度；：關(guān)聯(lián)系數(shù)；：分辨系數(shù)。5 模型建立與求解5.1 問題一通過搜集數(shù)據(jù)，得到合肥市從1996到2005間生活垃圾年產(chǎn)量及相關(guān)影響因素的數(shù)據(jù)如（表格 1）： 表格 1 合肥城市生活垃圾年產(chǎn)量和各影響因子統(tǒng)計(jì)值年份城市人口數(shù)量（萬人）國內(nèi)生產(chǎn)總值（億元）社會(huì)商品零售總額（元）人均生活消費(fèi)支出（人）人均住宅使用面積（m2 /人）生活垃圾年產(chǎn)量（噸）1996125.29211.5996.06433712.720.481997129.57248.99114.29409612.321.901998132.95270.47123.00429113.123.001999136.91294.45134.41455213.326.322000143.04324.73148.27504014.628.952001146.81363.44164.60560015.331.472002153.54412.81184.77572116.137.232003160.17484.96207.43623416.839.422004168.96589.70239.7769981740.902005184.91853.57287.10739818.450.375.1.1 模型分析與建立5.1.1.1 灰色關(guān)聯(lián)度分析方法步驟兩個(gè)系統(tǒng)或因素間的關(guān)聯(lián)性大小稱為關(guān)聯(lián)度，它描述了系統(tǒng)發(fā)展過程中因素間相對變化情況。如兩個(gè)系統(tǒng)在發(fā)展變化過程中相對變化基本一致，則認(rèn)為關(guān)聯(lián)度大，反之二者關(guān)聯(lián)度小?；疑到y(tǒng)理論提出的灰色關(guān)聯(lián)度分析方法是通過一定的方法定量描述各因子與目標(biāo)值之間的關(guān)聯(lián)度。通常關(guān)聯(lián)度分析方法不需要太多的數(shù)據(jù)就能得出比較準(zhǔn)確的結(jié)果，較一般的統(tǒng)計(jì)分析優(yōu)越韓中庚，數(shù)學(xué)建模方法及其應(yīng)用M ，北京：北京高等教育出版社，2005。具體步驟如下：1、原始數(shù)據(jù)的處理：由于評價(jià)指標(biāo)的量綱不同，無法進(jìn)行灰關(guān)聯(lián)評價(jià)，因此需要對評價(jià)指標(biāo)進(jìn)行無量綱化處理?？梢詫⒃紨?shù)據(jù)作均值化處理，即得原始數(shù)據(jù)序： (因素i = 1，2，m；時(shí)間t = 1， 2， ， n)，將各序列的原始數(shù)據(jù)元素分別除以各序列原始數(shù)據(jù)的平均值得：。2、關(guān)聯(lián)系數(shù)的計(jì)算：以i = 1作為母序列，i= 2，3，m作為子序列，如果子序列與母序列的折線圖越接近，則說明兩者關(guān)系越密切。通常采用關(guān)聯(lián)系數(shù)表征折線圖間的接近程度： 式中：1）為t時(shí)刻子序列的數(shù)據(jù)與母序列的數(shù)據(jù)間的差值的絕對值；2）為二級最小差；為二級最大差；3）代表分辨系數(shù)，通常在0到1之間取值。3、關(guān)聯(lián)度的計(jì)算 式中：1）為子序列( i = 2， 3， ， m ) 與母序列之間的關(guān)聯(lián)度；2）n為兩比較數(shù)列的長度(即數(shù)據(jù)個(gè)數(shù))。5.1.1.2 合肥城市生活垃圾年產(chǎn)量與各影響因子關(guān)聯(lián)度根據(jù)表格 1中的數(shù)據(jù)，以生活垃圾年產(chǎn)生量為母序列，其余五個(gè)因子為子序列，根據(jù)分辨系數(shù)的取值原則確定= 0.8，用MATLAB計(jì)算母序列與子序列的關(guān)聯(lián)度，結(jié)果見（表格 2）。（相關(guān)代碼見附錄二）表格 2 城市生活垃圾年產(chǎn)生量與各影響因子的關(guān)聯(lián)度城市人口量國內(nèi)生產(chǎn)總值社會(huì)商品零售總額人均生活消費(fèi)支出人均住宅使用面積0.80.76530.78930.91150.86210.7811從關(guān)聯(lián)度計(jì)算結(jié)果來看，合肥城市生活垃圾年產(chǎn)量與社會(huì)商品零售總額的關(guān)聯(lián)程度最大，其次是人均生活消費(fèi)支出，這說明近幾年合肥生活垃圾產(chǎn)量在受人口數(shù)量增加和經(jīng)濟(jì)快速發(fā)展影響的同時(shí)，受城市的商業(yè)化水平、社會(huì)商品零售總額和居民生活水平的提高等因素影響也很大。5.1.1.3 合肥城市生活垃圾產(chǎn)量的預(yù)測模型灰色系統(tǒng)的預(yù)測主要是用GM ( 1, 1)基本的預(yù)測模型建模?；舅悸肪褪前言瓉頍o明顯規(guī)律的原始時(shí)間序列，經(jīng)過累加生成有規(guī)律的時(shí)間序列。通過處理，為建立灰色模型提供中間信息，同時(shí)弱化了原數(shù)列的隨機(jī)性。然后采用一階單變量動(dòng)態(tài)模型GM ( 1, 1)進(jìn)行擬合。用模型推算出來的生成數(shù)回代計(jì)算值，作累減還原運(yùn)算，最后對還原值進(jìn)行精度檢驗(yàn)，就可用于預(yù)測。具體過程如下于德江，灰色系統(tǒng)建模方法的探討J，系統(tǒng)工程，9卷05期：9-12，1991。：設(shè)有原始非負(fù)時(shí)間序列：，對X(0)進(jìn)行一次累加生成，得到序列：，其中：利用數(shù)列建立白化微分方程：利用最小二乘法求參數(shù)，：其中： 上述白化形式的微分方程的解(即時(shí)間響應(yīng)函數(shù))為：對作一階累減運(yùn)算，即得X(0)的灰色預(yù)測模型：5.1.2 模型求解將表格 1中合肥1996 - 2005年10年城市生活垃圾年產(chǎn)量作為原始數(shù)據(jù)序列，按上述建模步驟，用MATLAB的求解數(shù)據(jù)功能經(jīng)計(jì)算得到：，白化微分方程為：根據(jù)公式4得到時(shí)間響應(yīng)函數(shù)為：由可以對城市生活垃圾年產(chǎn)量進(jìn)行預(yù)測，具體的預(yù)測結(jié)果見表格 3（以上計(jì)算代碼見附錄三）表格 3 GM(1，1)模型預(yù)測值與灰色BP預(yù)測值年度1996199719981999200020012002200320042005實(shí)際值20.4821.92326.3228.9531.4737.2339.4240.950.37預(yù)測值20.4821.228823.53526.091728.926332.068735.552539.414843.696748.4438用MATLAB的繪圖功能，做出實(shí)際城市生活垃圾年產(chǎn)量的曲線圖，并做出GM(1,1)模型預(yù)測出的垃圾年產(chǎn)量散點(diǎn)圖（如圖表 1），（代碼見附錄四）圖表 1實(shí)際值與預(yù)測值對比圖從圖中可知，用灰色GM(1,1)模型得到的城市生活垃圾年產(chǎn)量預(yù)測值與實(shí)際值較吻合，并且垃圾年產(chǎn)量呈上升趨勢。我們用該模型預(yù)測出2009年合肥市城市生活垃圾年產(chǎn)量為73.1804萬噸。5.2 問題二5.2.1 模型分析與建立在解決問題二時(shí)暫不考慮垃圾收運(yùn)車的最大載重量，從而將問題轉(zhuǎn)化成TSP問題，先求出從車庫遍歷所有收集點(diǎn)的最短路徑，首先運(yùn)用MATLAB調(diào)用公式：求出任意兩點(diǎn)間的距離，定義編號(hào)的收集點(diǎn)為距車庫最近的點(diǎn)，即車庫到的距離，編號(hào)為的收集點(diǎn)為距最近的點(diǎn)，它們的距離為，因此建立以下模型：5.2.2 模型求解將求得的所有的距離放到矩陣a中，由于對角線上數(shù)據(jù)全為0，為避免在搜索最短距離點(diǎn)時(shí)造成干擾，故將它們的值設(shè)定為無窮大。由于垃圾收運(yùn)車從車庫出發(fā)，所以在矩陣的第一行（即為車庫到所有收集點(diǎn)的距離）中選取最小值，將它設(shè)定為編號(hào)為的收集點(diǎn)到車庫的距離，將設(shè)定為無窮大（表示該點(diǎn)已走過，不再對其進(jìn)行搜索），然后從矩陣的第行中搜索（在搜索時(shí)，將設(shè)為無窮大）最小值，設(shè)定為編號(hào)為的收集點(diǎn)，即為垃圾收運(yùn)車下一個(gè)要去的收集點(diǎn)。再以相同方法搜索第3275個(gè)收集點(diǎn)，它們的編號(hào)分別為。垃圾收運(yùn)車從車庫出發(fā)，按編號(hào)順序收集垃圾，得到的距離和即為最小距離。用MATLAB編程，求出以上方法的近似最短路徑分布情況（代碼見附錄五），如表格 4（1代表車庫，/代表中轉(zhuǎn)站）表格 4 最短路徑路線分布表1941141791621501511571741701221071181441281021671169616416616192120125141145173100/148172149147115139123104140111137110156163177126931131769510113119214388/18320320420913420019820719615516913316510611910313612913811218013217586146181/8710915989178989799121130117153168171158154152142205202190187201185194206184211197/1861081351051241951992121821881931918543697240784261606430364583347366/74462670327952774967476890282581513541632433559159/6229537644585680847165377531543950573848208189432/232118271752012719118258263268216266240264273236242219241/221239213222265225228227224214274248231259249230233232223245/210243217252276247246270250218261229234215260220238255267256253251272271254235257262/2262692752378224413915710221412166160/1經(jīng)計(jì)算，所有收集點(diǎn)的垃圾總量為2132.5 yards，小于每輛垃圾車每天的負(fù)載總量；每輛垃圾車每天最多經(jīng)過的垃圾500個(gè)收集點(diǎn)，而實(shí)際收集點(diǎn)為275個(gè)。因此假設(shè)在不考慮車庫工作區(qū)間的情況下，用一輛車按已求得路線收集所有垃圾，并在負(fù)載量達(dá)到200立方碼時(shí)前往中轉(zhuǎn)站，求出近似最短總路線長度，進(jìn)而求得總時(shí)間，再根據(jù)時(shí)間限制安排垃圾收運(yùn)車的數(shù)量。用MATLAB編程（代碼見附錄六），計(jì)算出S =464.8013（英里），T =19.3353（小時(shí)），從結(jié)果可知，至少需要三輛垃圾收運(yùn)車才能在車庫的工作區(qū)間內(nèi)將垃圾全部運(yùn)往中轉(zhuǎn)站。從表格 4中可以看出，垃圾收運(yùn)車共需去中轉(zhuǎn)站11次，因此可將總路線分為11條分路線，為節(jié)省費(fèi)用，假設(shè)安排三輛垃圾收運(yùn)車，從車庫出發(fā)后分別從第94、87、23號(hào)收集點(diǎn)開始收集垃圾。6 模型檢驗(yàn)用MATLAB求出預(yù)測值與實(shí)際值的絕對誤差和相對誤差（代碼如附錄三），如表格 5表格 5 預(yù)測值與實(shí)際值的誤差分析表年份實(shí)際值（萬噸）預(yù)測值（萬噸）絕對誤差相對誤差（%）199620.4820.4800.0000199721.921.22880.67123.065019982323.5350.5352.3260199926.3226.09170.22830.8672200028.9528.92630.02370.0820200131.4732.06870.59871.9025200237.2335.55251.67754.5057200339.4239.41480.00520.0131200440.943.69672.79676.8380200550.3748.44381.92623.8241分析預(yù)測結(jié)果可得，1996 - 2005年城市生活垃圾各年產(chǎn)量預(yù)測值與實(shí)際值間最大相對誤差為6.838% ，多數(shù)誤差小于3.065% ，模型的預(yù)測誤差較小，可以用來進(jìn)行模擬預(yù)測。我們預(yù)測了2006 - 2010年各年的生活垃圾產(chǎn)量；同時(shí)為了檢驗(yàn)預(yù)測結(jié)果，對比汪浩汪浩、吳克、司武飛等，合肥城市生活垃圾產(chǎn)量預(yù)測研究 J ，技術(shù)經(jīng)濟(jì)，02期，2007。8 附錄附錄一：已知數(shù)據(jù)垃圾車的最大裝載量：200.0 (yards)每輛垃圾車每天的負(fù)載總量：2200.0 （yards）每輛垃圾車每天最多經(jīng)過的垃圾收集點(diǎn)個(gè)數(shù)：500垃圾車的行車速度：40（MPH， Miles Per Hour）附錄二：求關(guān)聯(lián)度clearclcx0=20.48 125.29 211.59 96.06 4337 12.7 21.90 129.57 248.99 114.29 4096 12.3 23.00 132.95 270.47 123.00 4291 13.1 26.32 136.91 294.45 134.41 4552 13.3 28.95 143.04 324.73 148.27 5040 14.6 31.47 146.81 363.44 164.60 5600 15.3 37.23 153.54 412.81 184.77 5721 16.1 39.42 160.17 484.96 207.43 6234 16.8 40.90 168.96 589.70 239.77 6998 17 50.37 184.91 853.57 287.10 7398 18.4;x1=32.004 148.215 405.471169.97 5426.7 14.96;for i=1:6 x0(:,i)=x0(:,i)./x1(i)endfor j=1:5 x00(:,j)=x0(:,j+1) x0_ext(:,j)=x0(:,1)end%分辨系數(shù)選擇 K=0.8; disp(The grey interconnect degree is: ); t=abs(x0_ext-x00); mint=min(min(t);%delta_min在數(shù)據(jù)初值化后實(shí)際為零 maxt=max(max(t); a=mint+K*maxt; ti=a./(t+K*maxt);%得到關(guān)聯(lián)系數(shù) r=(sum(ti)/10 %得到鄧氏面積關(guān)聯(lián)度附錄三：灰色系統(tǒng)預(yù)測某城市垃圾年產(chǎn)量function GM1=fungry(x0) %輸入原始數(shù)據(jù)x0x0=20.48 125. 29 211. 59 96. 06 4337 12.7; 21.90 129. 57 248. 99 114. 29 4096 12.3;23.00 132. 95 270. 47 123. 00 4291 13.1;26.32 136. 91 294. 45 134. 41 4552 13.3;28.95 143. 04 324. 73 148. 27 5040 14.6;31.47 146. 81 363. 44 164. 60 5600 15.3;37.23 153. 54 412. 81 184. 77 5721 16.1;39.42 160. 17 484. 96 207. 43 6234 16.8;40.90 168. 96 589. 70 239. 77 6998 17;50.37 184. 91 853. 57 287. 10 7398 18.4;T=input(T=);%從鍵盤輸入從最后一個(gè)歷史數(shù)據(jù)算起的第T時(shí)點(diǎn)x1=zeros(1,length(x0);B=zeros(length(x0)-1,2);yn=zeros(length(x0)-1,1);Hatx0=zeros(1,length(x0)+T);Hatx00=zeros(1,length(x0);Hatx1=zeros(1,length(x0)+T);epsilon=zeros(length(x0),1);omega=zeros(length(x0),1);for i=1:length(x0) for j=1:i x1(i)=x1(i)+x0(j); endendfor i=1:length(x0)-1 B(i,1)=(-1/2)*(x1(i)+x1(i+1); B(i,2)=1; yn(i)=x0(i+1);endHatA=(inv(B*B)*B*yn % GM(1,1)模型參數(shù)估計(jì)for k=1:length(x0)+T Hatx1(k)=(x0(1)-HatA(2)/HatA(1)*exp(-HatA(1)*(k-1)+HatA(2)/HatA(1);endHatx0(1)=Hatx1(1);for k=2:length(x0)+T Hatx0(k)=Hatx1(k)-Hatx1(k-1);%累計(jì)還原得到歷史數(shù)據(jù)的模擬值endfor i=1:length(x0) %開始模型檢驗(yàn) epsilon(i)=x0(i)-Hatx0(i); omega(i)=(abs(epsilon(i)/x0(i)*100;endx0 Hatx0 epsilon omega disp(the forecast is:), disp(Hatx0(length(x0)+T)for i=1:length(x0) Hatx00(i)=Hatx0(i);End附錄四：畫圖clcclearx0=20.48 21.9 23 26.32 28.95 31.47 37.23 39.42 40.9 50.37;hatx0=20.4800 21.2288 23.5350 26.0917 28.9263 32.0687 35.5525 39.4148 43.6967 48.4438;y=1996:1995+length(x0);plot(y,x0,-,y,hatx0,r*)附錄五：安排行車路線clcclearz=load(2.txt);x=z(2:277，2)./5280;y=z(2:277，3)./5280;for i=1:1:276 for j=1:1:276 d=abs(x(i)-x(j)+abs(y(i)-y(j);a(i，j)=d; endendfor m=1:276 a(m，m)=1000;endk=1;l=1;for k=1:275 c=1000; for n=2:1:276 b=a(l，n); if bc c=b; e=n; end endp(k)=e a(:，l)=1000;a(l，:)=1000;l=e;end附錄六：計(jì)算一輛車工作總時(shí)間clccleara=load(1.txt);b=load(data.txt);c=b(3:277,7);x=b(3:277,2)./5280;y=b(3:277,3)./5280;for i=1:275 d=abs(x(i)-b(2,2)/5280)+abs(y(i)-b(2,3)/5280); f(i)=d;endn=1;while n1 g=g+k(j-1);elseif j=275 g=g+f(275)+abs(b(1,2)/5280-b(2,2