城市生活垃圾管理問題研究6465619700

1、螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿

2、肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃

3、衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀

4、肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄

5、羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿

6、螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃

7、羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇

8、袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁

9、肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈

10、襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃

11、螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇

12、罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻

13、袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆

14、肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀

15、裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄

16、腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁

17、羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅

18、螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀

19、肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄

20、袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈

21、膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂

22、羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿

23、螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖

24、肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈

25、袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞

26、膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄芃蚃羈肅蒞袈襖肂薇蟻袀肁蠆薄腿肀荿螀肅聿蒁薂羈肈薄螈袇膈芃薁螃膇莆螆肂膆蒈蕿肈膅蝕螄羄膄莀蚇袀膃蒂袃螆膃薅蚆肄膂芄袁羀芁莇蚄袆芀葿衿螂艿薁螞膁羋莁蒅肇芇蒃螀羃芇薅薃衿芆芅蝿螅芅莇薁肅莄蒀螇罿莃薂薀裊莂節(jié)螅螁莁蒄薈膀莁薆襖肆莀蠆蚆

27、羂荿莈袂袈羅蒁蚅螄肄薃袀肂肄袀芀薆蝕羂蒆蒂蠆膅艿蒈蚈芇膁螆蚈羆莇螞蚇聿膀薈蚆膁蒞蒄蚅袁膈莀螄羃莃蠆螃肅膆薅螂羋莂薁螂羇芅蕆螁肀蒀莃螀膂芃螞蝿袂蒈薈螈羄芁蒃袇肆蕆荿袆腿艿蚈袆袈肂蚄裊肀莈薀襖膃膁蒆袃袂莆莂袂羅腿蟻袁肇莄薇羀腿膇蒃羀衿莃荿罿羈膅螇羈膄蒁蚃羇芆芄蕿羆羆葿蒅薃肈節(jié)莁薂膀蕆蝕蟻袀芀薆蝕羂蒆蒂蠆膅艿蒈蚈芇膁螆蚈羆莇螞蚇聿膀薈蚆膁蒞蒄蚅袁膈莀螄羃莃蠆螃肅膆薅螂羋莂薁螂羇芅蕆螁肀蒀莃螀膂芃螞蝿袂蒈薈螈羄芁蒃袇肆蕆荿袆腿艿蚈袆袈肂蚄裊肀莈薀襖膃膁蒆袃袂莆莂袂羅腿蟻袁肇莄薇羀腿膇蒃羀衿莃荿罿羈膅螇羈膄蒁蚃羇芆芄蕿羆羆葿蒅薃肈節(jié)莁薂膀蕆蝕蟻袀芀薆蝕羂蒆蒂蠆膅艿蒈蚈芇膁螆蚈羆莇螞蚇聿膀薈蚆膁蒞蒄蚅袁膈

28、莀螄羃莃蠆螃肅膆薅螂羋莂薁螂羇芅蕆螁肀蒀莃螀膂芃螞蝿袂蒈薈螈羄芁蒃袇肆蕆荿袆腿艿蚈袆袈肂蚄裊肀莈薀襖膃膁蒆袃袂莆莂袂羅腿蟻袁肇莄薇羀腿膇蒃羀衿莃荿罿羈膅螇羈膄蒁蚃羇芆芄蕿羆羆葿蒅薃肈節(jié)莁薂膀蕆蝕蟻袀芀薆蝕羂蒆蒂蠆膅艿蒈蚈芇膁螆蚈羆莇螞蚇聿膀薈蚆膁蒞蒄蚅袁膈莀螄羃莃蠆螃肅膆薅螂羋莂薁螂羇芅蕆螁肀蒀莃螀膂芃螞蝿袂蒈薈螈羄芁蒃袇肆蕆荿袆腿艿蚈袆袈肂蚄裊肀莈薀襖膃膁蒆袃袂莆莂袂羅腿蟻袁肇莄薇羀腿膇蒃羀衿莃荿罿羈膅螇羈膄蒁蚃羇芆芄蕿羆羆葿蒅薃肈節(jié)莁薂膀蕆蝕蟻袀芀薆蝕羂蒆蒂蠆膅艿蒈蚈芇膁螆蚈羆莇螞蚇聿膀薈蚆膁蒞蒄蚅袁膈莀螄羃莃蠆螃肅膆薅螂羋莂薁螂羇芅蕆螁肀蒀莃螀膂芃螞蝿袂蒈薈螈羄芁蒃袇肆蕆荿袆腿艿蚈袆袈肂

29、蚄裊肀莈薀襖膃膁蒆袃袂莆莂袂羅腿蟻袁肇莄薇羀腿膇蒃羀衿莃荿罿羈膅螇羈膄蒁蚃羇芆芄蕿羆羆葿蒅薃肈節(jié)莁薂膀蕆蝕蟻袀芀薆蝕羂蒆蒂蠆膅艿蒈蚈芇膁螆蚈羆莇螞蚇聿膀薈蚆膁蒞蒄蚅袁膈莀螄羃莃蠆螃肅膆薅螂羋莂薁螂羇芅蕆螁肀蒀莃螀膂芃螞蝿袂蒈薈螈羄芁蒃袇肆蕆荿袆腿艿蚈袆袈肂蚄裊肀莈薀襖膃膁蒆袃袂莆莂袂羅腿蟻袁肇莄薇羀腿膇蒃羀衿莃荿罿羈膅螇羈 城市生活垃圾管理問題研究摘要本問題要求我們分析城市生活垃圾的影響因素,建立城市生活垃圾產(chǎn)量中短期預(yù)測模型，并根據(jù)該城市現(xiàn)有的垃圾收集點(diǎn)的分布給出規(guī)劃垃圾收運(yùn)路線的數(shù)學(xué)模型。對于第一問：以上海市為例，預(yù)測中短期生活垃圾產(chǎn)量。首先收集到上海市95-09每年的垃圾產(chǎn)量，通過運(yùn)用m

30、atlab描述的散點(diǎn)圖發(fā)現(xiàn)垃圾產(chǎn)量隨時(shí)間呈指數(shù)增長，建立馬爾薩斯模型，運(yùn)用matlab求得模型函數(shù)為，計(jì)算對比95-09年數(shù)據(jù)，得到平均相對誤差為0.0579，由于該模型只考慮了時(shí)間因素，沒有考慮影響垃圾產(chǎn)量的內(nèi)在因素，所以具有一定的局限性。在此基礎(chǔ)上又建立了基于灰色理論的多元線性回歸模型，我們將gdp、人均消費(fèi)支出、非農(nóng)業(yè)人口、社會銷售品零售總額、人均可支配收入這五項(xiàng)指標(biāo)考慮到垃圾產(chǎn)量的預(yù)測中，首先計(jì)算出五項(xiàng)指標(biāo)對垃圾產(chǎn)量的關(guān)聯(lián)度，經(jīng)過比較排除了非農(nóng)業(yè)人口這個(gè)指標(biāo)對垃圾產(chǎn)量的影響，最終得到垃圾產(chǎn)量預(yù)測模型：計(jì)算對比95-09年數(shù)據(jù)，得到的平均相對誤差為0.0506?？紤]到預(yù)測中短期的垃圾產(chǎn)量

31、，就要先預(yù)測出以上4個(gè)指標(biāo)的數(shù)據(jù)，所以又運(yùn)用傳統(tǒng)灰色系統(tǒng)gm(1,1)模型對影響垃圾產(chǎn)生量的4個(gè)因素分別進(jìn)行擬合得到各自的預(yù)測模型。對于第二問，求解最優(yōu)的垃圾收運(yùn)路線。首先將其轉(zhuǎn)化成典型的tsp旅行商問題，在垃圾收集車數(shù)量未知的情況下，建立忽略車的最大載重及各點(diǎn)的工作區(qū)間的模型，采用與貪婪算法相結(jié)合的遺傳算法求解，得到最短路徑的全局最優(yōu)解。然后，將垃圾收集車的最大載重及各點(diǎn)的工作區(qū)間考慮進(jìn)來，利用matlab編程，得到最優(yōu)路徑的11條路線。根據(jù)各點(diǎn)的坐標(biāo)，點(diǎn)與點(diǎn)之間采用manhattan距離，求出最優(yōu)路徑的總路程為881.8，垃圾車的工作時(shí)間總和為30.2603，分析判斷出該區(qū)內(nèi)最少需要4輛垃

32、圾收集車，將11條路線分成了4組，每一輛垃圾收集車走一組路線。分組情況如下：第一組：路線1、路線2、路線3 第二組：路線4、路線5、路線6第三組：路線7、路線8、路線9 第四組：路線10、路線11由于采用的遺傳算法對數(shù)據(jù)沒有要求且結(jié)果很穩(wěn)定，有著很強(qiáng)的適用性。在路線的求解過程中，垃圾收集車的載重沒有達(dá)到最大值，留有一定的空間，具有很強(qiáng)的魯棒性。關(guān)鍵詞:馬爾薩斯模型 關(guān)聯(lián)度 多元線性回歸模型 gm(1,1)模型 遺傳算法 tsp問題 貪婪算法 manhattan距離 一、問題重述隨著人類生產(chǎn)的發(fā)展和生活水平的不斷提高，產(chǎn)生的垃圾也越來越多，由此產(chǎn)生生態(tài)環(huán)境問題多人類的威脅也越來越大。城市生活垃圾

33、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。某城市有多個(gè)行政區(qū)，每個(gè)區(qū)內(nèi)均有一個(gè)車庫，已知某區(qū)一車庫擁有的垃圾收集車最大裝載量為w，并且該區(qū)的垃圾收集點(diǎn)（待收集垃圾的點(diǎn)）有n個(gè)，該區(qū)只有1個(gè)垃圾中轉(zhuǎn)站，。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。問題一：需要我們通過分析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

34、入以及消費(fèi)水平、居民家庭能源結(jié)構(gòu)等等，在查閱相關(guān)文獻(xiàn)，搜集垃圾產(chǎn)量數(shù)據(jù)的基礎(chǔ)上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。問題二：利用數(shù)學(xué)方法安排垃圾收運(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。建立數(shù)學(xué)模型，設(shè)計(jì)出有效的算法，并求解模型，對模型的結(jié)果做出合理分析和解釋。并且對模型的適用性、算法的穩(wěn)定性和魯棒性做出分析。已知條件如下：（1）車庫和收集點(diǎn)、收集點(diǎn)與中轉(zhuǎn)站、中轉(zhuǎn)站與車庫的距離；（2）各收集點(diǎn)每天的垃圾產(chǎn)量；（3）每輛垃圾收運(yùn)車的最大載荷；（4） 垃圾收集點(diǎn)、車庫、中轉(zhuǎn)站的工作區(qū)間a,b。二、模型假設(shè)1.影響垃圾產(chǎn)量的內(nèi)在因素是

35、相互獨(dú)立的；2.中短期內(nèi)不會產(chǎn)生明顯劇烈影響垃圾產(chǎn)量的其他因素；3.垃圾收集車在行駛過程中不會遇到堵車等意外情況；4.垃圾收集車到達(dá)各垃圾收集點(diǎn)時(shí)所收集到的垃圾即為各點(diǎn)每天的垃圾總和；5.忽略遺傳算法的系統(tǒng)誤差。三、符號說明gm(1,1)模型中的待辨參數(shù)；gm(1,1)模型中的待辨參數(shù)；多元線性回歸模型的各項(xiàng)系數(shù)；多元線性回歸模型的常數(shù)項(xiàng)；時(shí)上海市的垃圾產(chǎn)量；時(shí)刻上海市的垃圾產(chǎn)量；垃圾產(chǎn)量的增長率；時(shí)刻上海市垃圾產(chǎn)量和影響因素的原始數(shù)據(jù)；時(shí)刻上海市垃圾產(chǎn)量和影響因素的標(biāo)準(zhǔn)化后的數(shù)據(jù)；時(shí)刻第j個(gè)影響因素指標(biāo)對城市垃圾產(chǎn)量的關(guān)聯(lián)系數(shù)；分辨系數(shù)；時(shí)刻第j個(gè)影響因素指標(biāo)標(biāo)準(zhǔn)化后的數(shù)據(jù)與上海市垃圾產(chǎn)量標(biāo)

36、準(zhǔn)化后的數(shù)據(jù)差的絕對值；最小的第j個(gè)影響因素指標(biāo)標(biāo)準(zhǔn)化后的數(shù)據(jù)與上海市垃圾產(chǎn)量標(biāo)準(zhǔn)化后的數(shù)據(jù)差的絕對值；最大的第j個(gè)影響因素指標(biāo)標(biāo)準(zhǔn)化后的數(shù)據(jù)與上海市垃圾產(chǎn)量標(biāo)準(zhǔn)化后的數(shù)據(jù)差的絕對值；第j個(gè)影響因素指標(biāo)對城市垃圾產(chǎn)量的關(guān)聯(lián)度；時(shí)間序列向量；時(shí)刻上海市生活垃圾的主要影響因素的原始數(shù)據(jù)；上海市生活垃圾的主要影響因素的原始數(shù)據(jù)序列向量；時(shí)刻上海市生活垃圾的主要影響因素的一次累加；上海市生活垃圾的主要影響因素的一次累加數(shù)據(jù)序列向量；：垃圾收集點(diǎn)；：搜索子集；：搜索路徑中點(diǎn)的序列；：所選路徑的總路程；：垃圾收集點(diǎn)到的距離；：交叉算子中的父代；：交叉算子中的后代：種群個(gè)數(shù)；：停止代數(shù)；：適應(yīng)值歸一化淘汰加

37、速指數(shù);:淘汰保護(hù)指數(shù)。四、模型建立與求解問題一、城市生活垃圾產(chǎn)量中短期預(yù)測模型4.1 模型一：馬爾薩斯模型以上海的垃圾產(chǎn)生量為例，在上海統(tǒng)計(jì)網(wǎng)收集數(shù)據(jù)（表4.1）表4.1 垃圾產(chǎn)量-年份 單位：萬噸年份19951996199719981999200020012002產(chǎn)量372419454470500641644467年份2003200420052006200720082009產(chǎn)量585610622658702678710由題目中我們可以看出垃圾產(chǎn)生量與時(shí)間存在著一種指數(shù)增長的函數(shù)關(guān)系。4.1.1 馬爾薩斯模型5的建立：記時(shí)刻t=0時(shí)(即19995年)垃圾產(chǎn)量為，時(shí)刻t的垃圾產(chǎn)量為x(t),由

38、于量大，x(t)可視為連續(xù)、可微函數(shù)。t到時(shí)間段內(nèi)垃圾產(chǎn)量的增量為： 于是x(t)滿足微分方程： (1)4.1.2 模型的求解：解微分方程（1），得： (2) 表明：4.1.3 模型的參數(shù)估計(jì)：要用模型的結(jié)果（2）來預(yù)報(bào)上海市生活垃圾的產(chǎn)量必須對其中的參數(shù)r進(jìn)行估計(jì)，這可以用表4.1的數(shù)據(jù)通過matlab擬合得到。通過19995-2009年的數(shù)據(jù)擬合得r=0.0407擬合圖如圖4.1：圖4.1運(yùn)用matlab求得擬合模型函數(shù)為，同時(shí)與原始統(tǒng)計(jì)數(shù)據(jù)做對比得到相對誤差得到平均誤差0.060456，超過了5%，模擬的不夠精確，所以后面又建立了解決問題一的模型二。根據(jù)模型預(yù)測了20102018年的垃圾

39、生產(chǎn)量如表4.3，從表中可以看出垃圾的產(chǎn)量一直在上升，到2018年可達(dá)1070.1億噸。表4.2 擬合結(jié)果與實(shí)際數(shù)據(jù)的對比 單位：萬噸年份實(shí)際生活垃圾產(chǎn)量用模型算出的生活垃圾的產(chǎn)量相對誤差1995 372419.64120.1280677421996 419 437.07290.0431334131997 454 455.22870.0027063881998 470 474.13870.0088057451999 500 493.8343-0.01233142000 641 514.3480-0.1975850232001 644 535.7138-0.1681462732002 467 5

40、57.96710.1947903642003 585 581.1448-0.0065900852004 610 605.2854-0.0077288522005 622 630.42870.0135509652006 658 656.6164-0.0021027362007 702 683.8920-0.0257948722008 678 712.30060.0505908552009 710 741.88930.044914507表4.3 通過指數(shù)模型預(yù)測的2010-2018年的垃圾產(chǎn)量 單位：萬噸年份201020112012201320142015201620172018產(chǎn)量772.780

41、4.8838.2873.1909.3947.1986.41027.41070.1由于該模型為指數(shù)模型，只考慮了垃圾產(chǎn)量與時(shí)間之間的函數(shù)關(guān)系，沒有考慮影響垃圾產(chǎn)量本身的內(nèi)在因素，所以具有一定的局限性。不過該模型簡單明了，數(shù)據(jù)也具有一定的參考價(jià)值，提醒了相關(guān)環(huán)境保護(hù)部門做好垃圾清運(yùn)及處理工作。4.2 模型二：基于灰色理論的多元線性回歸模型一般認(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。所以要又將gdp、人均消費(fèi)支出、非農(nóng)業(yè)人口、社會銷售品零售總額、人均可支配收入這五項(xiàng)指標(biāo)因素考慮到垃圾生產(chǎn)量的預(yù)測中，在上海統(tǒng)計(jì)網(wǎng)上查到相關(guān)數(shù)

42、據(jù)如表4.3。表4.3 上海市城市生活垃圾的產(chǎn)量及5個(gè)影響因素?cái)?shù)據(jù)(1995-2009)年份產(chǎn)量(萬噸)gdp(億元)人均消費(fèi)支出(元)非農(nóng)業(yè)人口(萬人)社會銷售品零售總額(億元)人均可支配收入(元)1995 3722499.43 5868 450.76 1050.96 71721996 4192957.55 6763 457.49 1258.00 81591997 4543438.79 6820 461.40 1435.38 84391998 4703801.09 6866 465.72 1593.27 87731999 5004188.73 8248 470.11 1722.33 1093

43、22000 6414771.17 8868 475.73 1865.28 117182001 6445210.12 9336 478.92 2016.37 128832002 4675741.03 10464 481.77 2203.89 132502003 5856694.23 11040 486.06 2404.45 148672004 6108072.83 12631 490.58 2656.91 166832005 6229247.66 13773 496.69 2979.50 186452006 65810572.24 14762 499.54 3375.20 206682007 7

44、0212494.01 17255 503.29 3873.30 236232008 67814069.87 19398 506.64 4577.23 266752009 71015046.45 20992 509.79 5173.24 28838由于上海市生活垃圾產(chǎn)量與以上5項(xiàng)因素有關(guān)，并且這些因素之間相互聯(lián)系、相互影響，構(gòu)成了一個(gè)復(fù)雜的預(yù)測系統(tǒng)。但這5項(xiàng)因素對垃圾產(chǎn)量的影響作用各有差異，每個(gè)因素的變化引起垃圾產(chǎn)量變化的程度有所不同，所以還需要對這些影響因素作進(jìn)一步的分析。在這里我們沒有考慮各因素指標(biāo)的權(quán)重，而是采用灰色關(guān)聯(lián)度來分析各因素與生活垃圾產(chǎn)量之間的聯(lián)系。4.2.1 關(guān)聯(lián)度的計(jì)算過程（

45、1）數(shù)據(jù)的標(biāo)準(zhǔn)化由于各因素之間數(shù)據(jù)存在單位的不同，我們需要對數(shù)據(jù)進(jìn)行量綱化處理，這里我們采用初值化對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，及，其中；（2）關(guān)聯(lián)系數(shù)的計(jì)算 (9)其中 是分辨系數(shù)， 01(3)關(guān)聯(lián)度的計(jì)算4.2.2 灰色關(guān)聯(lián)度的應(yīng)用 運(yùn)用灰色關(guān)聯(lián)度的分析方法我們分別計(jì)算出影響上海市城市生活垃圾產(chǎn)量的5個(gè)因素與城市生活垃圾產(chǎn)量之間的關(guān)聯(lián)度。我們用matlab軟件和excel軟件計(jì)算得到 從數(shù)據(jù)上我們可以看出非農(nóng)業(yè)人口這個(gè)因素與上海市生活垃圾產(chǎn)量的關(guān)聯(lián)度最小，及非農(nóng)業(yè)人口對上海市生活垃圾產(chǎn)量的影響相對要低，我們可以選擇gdp人均消費(fèi)支出、社會消費(fèi)品零售總額和人均可支配收入這4 個(gè)變化指標(biāo)作為上海市生活

46、垃圾產(chǎn)量的主要影響因素。在確定生活垃圾產(chǎn)量的主要影響因素的基礎(chǔ)上，建立垃圾產(chǎn)量的多元線性回歸的數(shù)學(xué)模型：式中y為上海市生活垃圾產(chǎn)量的預(yù)測值，為gdp(億元)，為人均消費(fèi)支出，為社會銷售品零售總額(億元)，為人均可支配收入(元)。用matlab編程求解線性回歸系數(shù)得, 常數(shù)項(xiàng)。所以上海市生活垃圾產(chǎn)量預(yù)測模型為：將19952009年的各項(xiàng)數(shù)據(jù)代入到回歸方程結(jié)果見表4.4表4.4 擬合結(jié)果與實(shí)際數(shù)據(jù)的對比 單位：萬噸年份實(shí)際生活垃圾產(chǎn)量用模型算出的生活垃圾的產(chǎn)量相對誤差1995 372445.69490.1981051996 419433.27520.034071997 454430.8223-0.

47、051051998 470444.5395-0.054171999 500549.55780.0991162000 641545.001-0.149762001 644622.0247-0.034122002 467485.57930.0397842003 585588.81570.0065232004 610562.6323-0.077652005 622620.4835-0.002442006 658695.03320.0562822007 702670.8771-0.044332008 678703.94710.038272009 710714.39390.006189計(jì)算相對誤差的平均

48、值為0.0594570.060456 (模型一中的平均誤差)，表明模型二比模型一的準(zhǔn)確度有所提高，但是仍超過了5%，所以該模型還有待進(jìn)一步提高。用該多元線性回歸模型預(yù)測中短期上海市生活垃圾產(chǎn)量時(shí)，首先需要對影響垃圾產(chǎn)量的5個(gè)因素的變化趨勢進(jìn)行預(yù)測，故本文分別建立了gdp、人均消費(fèi)支出、非農(nóng)業(yè)人口、社會銷售品零售總額、人均可支配收入5個(gè)變化指標(biāo)的灰色gm(1,1)預(yù)測模型(灰色系統(tǒng)理論的1 階、1個(gè)變量微分方程模型)。4.2.3 傳統(tǒng)(等距及非等距序列)的灰色系統(tǒng)gm(1,1)預(yù)測模型的建立（1）基本的概念:設(shè)時(shí)間序列為： 它對應(yīng)的原始數(shù)據(jù)序列為 (1)令,當(dāng),稱序列(1)為等距序列,當(dāng),稱序列

49、(1)為非等距矩陣。（2）傳統(tǒng)灰色系統(tǒng)gm(1,1)預(yù)測模型建立的方法原始數(shù)據(jù)序列(1)的一次累加生成序列為 (2)其中 (3)從一次累加生成序列(2)還原成原始數(shù)據(jù)序列(1)的公式為 (4)當(dāng)一次累加生成序列(2)接近于非齊次指數(shù)規(guī)律變化時(shí),序列(2)的響應(yīng)函數(shù)是微分方程 (5)的解為 其中未知常數(shù)a和b為待辨參數(shù)序列(2)的離散響應(yīng)函數(shù)為 (k=2,3n) (6)（3）確定待辨參數(shù)a和b 為了確定待辨參數(shù),我們用下面的差分方程代替微分方程(5) (7)其中 k=2,3n再用下面的數(shù)據(jù)代換差分方程(7)中的, k=2,3n可得平滑后的差分方程變?yōu)?(k=2,3n) (8)上式中的稱為背景值,

50、稱為背景參數(shù),背景參數(shù)目前還沒有很好的取值方法,已有不少文獻(xiàn)對其進(jìn)行了有益的討論,在大部分的解決實(shí)際問題的文獻(xiàn)中,通常還是按文獻(xiàn)4取背景參數(shù)為0.5。將原始數(shù)據(jù)序列(1)和原始數(shù)據(jù)序列的一次累加生成序列(2)代入差分方程(8),用矩正方程可確定待辨參數(shù)a和b 其中（4）將上面得到的參數(shù)代入式(6)中,得到原始數(shù)據(jù)序列的灰色系統(tǒng)gm(1,1)模型: (k=2,3n) 對于等距序列,我們經(jīng)過進(jìn)一步計(jì)算得到原始數(shù)據(jù)序列(1)中 4.2.4 gm(1,1)模型的應(yīng)用我們用gm(1,1)模型對影響垃圾產(chǎn)生量的5個(gè)因素分別進(jìn)行預(yù)測。（1）gdp的預(yù)測模型由表4.3得到原始數(shù)據(jù)列,一次累加序列,在此基礎(chǔ)上得

51、到數(shù)據(jù)矩正b和數(shù)據(jù)向量y分別為：運(yùn)用gm(1,1)模型我們求得參數(shù)和參數(shù);進(jìn)一步得到上海市g(shù)dp 的gm(1,1)預(yù)測模型為： （2）人均消費(fèi)支出的預(yù)測模型由表4.3得到原始數(shù)據(jù)列,一次累加序列，在此基礎(chǔ)上得到數(shù)據(jù)矩正b和數(shù)據(jù)向量y,它們分別為： 運(yùn)用gm(1,1)模型求得參數(shù)和參數(shù);進(jìn)一步得到上海市人均消費(fèi)支出的gm(1,1)預(yù)測模型為： （3）社會消費(fèi)品零售總額的預(yù)測模型由表4.3得到原始數(shù)據(jù)列,一次累加序列,在此基礎(chǔ)上得到數(shù)據(jù)矩正b和數(shù)據(jù)向量y,它們分別為： 運(yùn)用運(yùn)用gm(1,1)模型求得參數(shù)和參數(shù);進(jìn)一步得到上海市社會消費(fèi)品零售總額的gm(1,1)預(yù)測模型為： （4）人均可支配收入的預(yù)

52、測模型由表4.3得到原始數(shù)據(jù)列,一次累加序列,在此基礎(chǔ)上得到數(shù)據(jù)矩正b和數(shù)據(jù)向量y,它們分別為： 運(yùn)用gm(1,1)模型求得參數(shù)和參數(shù);進(jìn)一步得到上海市人均可支配收入的gm(1,1)預(yù)測模型為： 問題二、安排垃圾收運(yùn)車的收運(yùn)路線4.3 模型一：基于遺傳算法的tsp模型及求解由于題中沒有明確告知該行政區(qū)內(nèi)的垃圾收集車的數(shù)量，因此首先需要確定在滿足約束條件的情況下，該區(qū)內(nèi)所需的垃圾收集車的最少數(shù)量。該行政區(qū)中的垃圾收集點(diǎn)數(shù)量為275個(gè)，少于每輛垃圾車每天最多經(jīng)過的垃圾收集點(diǎn)個(gè)數(shù)500。同時(shí)，經(jīng)過統(tǒng)計(jì)，該行政區(qū)內(nèi)所有的垃圾收集點(diǎn)每天產(chǎn)生的垃圾總量為2132.5，小于每輛垃圾車每天的負(fù)載總量2200.

53、0。因此可以推斷出該行政區(qū)每天最少需要1輛垃圾收集車來完成垃圾收運(yùn)的任務(wù)。在不考慮垃圾收集車最大載重的情況下，求解垃圾收運(yùn)路線問題也就轉(zhuǎn)變成了找出從一點(diǎn)出發(fā)，遍歷區(qū)內(nèi)所有垃圾收集點(diǎn)，最后回到起點(diǎn)的最短路徑的問題。顯然，這是一個(gè)典型的tsp問題。問題重新描述如下：尋找一條最短的遍歷個(gè)垃圾收集點(diǎn)及車庫的路徑，或者說搜索整數(shù)子集(的元素表示對個(gè)垃圾收集點(diǎn)的遍歷)的一個(gè)排列，使取最小值。式中的表示垃圾收集點(diǎn)到的距離，表示起點(diǎn)(車庫)。由于點(diǎn)的數(shù)量達(dá)到了277個(gè)，數(shù)量比較龐大，其可能的路徑總數(shù)與點(diǎn)的數(shù)目是成指數(shù)型增長的，所以一般很難精確地求出其最優(yōu)解。而遺傳算法就其本質(zhì)而言，主要是處理復(fù)雜問題的一種魯棒性強(qiáng)的啟發(fā)式隨機(jī)搜索算法，因此遺傳算法可以較好的解決tsp問題?？紤]到tsp問題的求解與一般的遺傳算法的不同，因此采用一種與貪婪算法相結(jié)合的貪婪交叉算子和貪婪倒位變異算子，有實(shí)驗(yàn)數(shù)據(jù)證明，該算法能夠極大地提高了算法的收斂速度又保證了最優(yōu)解的得到，而且具有較好的魯棒性。其具體實(shí)現(xiàn)過程如下：(1)對這個(gè)垃圾收集點(diǎn)及車庫、中轉(zhuǎn)站進(jìn)行編碼：用1到這個(gè)自然數(shù)來編碼個(gè)點(diǎn)，通過這個(gè)編碼的不同排列來表示所走的路徑。(2)隨機(jī)生成初始種群：對于個(gè)點(diǎn)，每個(gè)個(gè)體即每個(gè)解的長度為，用行，列矩陣表示初始群體，表示