烏魯木齊市塑料垃圾年產量預測及影響因素分析

萬 翼，李 莉?，菊春燕，郝雪純，李 潤

（新疆農業大學公共管理學院（法學院），烏魯木齊 830052）

0 前言

塑料作為一種重要的基礎材料而被普遍運用于生產生活之中，自20世紀50年代以來，塑料使用量的增長速度遠超于其他材料，聯合國環境規劃署預計到2028年塑料使用量將增加一倍［1］。Lebreton（2019）等在對全球塑料垃圾產量進行預測后發現，估計到2040年全球城市塑料垃圾的年產量將達到3×108t，到2060年將達到3.8×108t［2］。烏魯木齊市地處亞歐大陸的中心和絲綢之路經濟帶核心地區，截止2018年底烏魯木齊市的城鎮化率已經達到90.2%［3］。隨著人口的增長、經濟社會的發展、城鎮化水平的不斷提高，公眾在日常生活中所消費的塑料制品的比例也在持續增長，而產生的塑料垃圾在生活垃圾總量中的比例也明顯增加。而當前國內鮮少對塑料垃圾的產量進行研究，僅有的研究也只是針對我國經濟社會高度發達的地區，對相對落后的西部地區的研究幾近為零?；诖?，本研究在前人研究的基礎上，挖掘出塑料垃圾在生活垃圾中的占比，利用灰關聯度模型甄別出塑料垃圾產量的影響因素，最后借助線性回歸模型、ARIMA模型和灰色預測模型對塑料垃圾年產量進行預測，有望為新疆在塑料污染防控以及塑料廢棄物循環回收利用方面提供有力的理論支持。

1 材料與方法

1.1 數據來源

當前，全球大多國家對于塑料垃圾年產量的研究的重視程度不高，且官方對相關數據的披露較少。因此，現存研究大多依靠對生活垃圾成分的研究中塑料垃圾的占比進行分析，再通過換算進而得到塑料垃圾年產量的數據［4］。因此，文章中所出現的年度塑料垃圾年產量的實際值均是基于吳梅（2005）、邵華偉（2009）、姜華（2010）、黃昌付（2012）、楊娜（2018）、張盼（2019）、汪溪遠（2020）等學者的研究中所計算出烏魯木齊市生活垃圾總量中塑料垃圾的占比，以烏魯木齊市生活垃圾清運量為基數，通過計算最終得出烏魯木齊市當年的塑料垃圾清運量［5?11］。同時，并非每年都有專家學者對生活垃圾組成成分進行分析研究，因此，缺失年份的塑料垃圾占比均通過均值法計算得出。其次，各影響因素的數據則是源自于2008-2019年的《中國統計年》、《城市建設統計年鑒》、《新疆統計年鑒》和《烏魯木齊市統計年鑒》。

1.2 城市塑料垃圾年產量預測方法的選取

由于學界沒有特定的方法對塑料垃圾年產量進行預測，大多專家學者在進行相關研究時均選擇借鑒生活垃圾產量預測的相關方法，包括多元線性回歸、時間序列ARIMA模型、灰色預測模型等，其中多元線性回歸模型不僅可以做預測還能做影響因素分析，因此被運用得最廣泛，如李海紅等（2010）基于多元線性回歸模型成功對陜西省農村生活垃圾產量進行預測［12］。而楊小妮（2020）和 Rimaityte Ingrida（2012）等均利用ARIMA模型分別成功預測出西安市和立陶宛的生活垃圾產量［13?14］。高澤梅（2021）和Intharathirat Rotchana（2015）等則使用灰色預測模型分別對北京市和巴勒斯坦納布盧斯的生活垃圾產量進行預測［15?16］。為了使預測結果更加精準可靠，大多專家學者將多種模型結合起來共同對生活垃圾進行預測。如劉源（2016）將灰色預測模型與ARIMA模型結合起來對成都市生活垃圾產量進行預測［17］。基于此，本文選用線性回歸模型、ARIMA、灰色預測模型以及灰色關聯度模型分別對烏魯木齊市塑料垃圾年產量和影響因素進行分析。

1.2.1 基于灰色預測模型的年產量預測

繼而通過式（2）對烏魯木齊市未來塑料垃圾年產量進行測算，首先，對2008-2018年的塑料垃圾年產量X（0）進行累加，得到累加數據，在對累加的X（0）進行滑動平均得到數列矩陣B和常數項量Yn。其次，借助最小二乘法分別求出參數a和u的估計值，將所有未知參數求出后對方程進行求解得到預測值。為確保計算過程的精確性，研究借助GSTA v7.0版本軟件進行計算。

1.2.2 基于ARIMA的年產量預測

ARIMA模型是一種時間序列預測的方法，由自回歸（AR）模型和移動平均（MA）模型共同組合而成，因此又被稱作差分整合移動平均自回歸模型。該方法在諸多領域被專家學者用于分析一組時間序列中各變量之間存在的關系以及對未來的發展進行預測。該模型一般被表述為ARIMA（p，d，q），數學表達式如式（3）所示，其中，為由原序列yt進行平穩檢驗修正而得，C為常數項，?p表示模型自回歸的系數，θp則表示移動平均的階數，εt為白噪聲序列。

1.2.3 基于多元線性回歸的年產量預測

多元線性回歸（MLR）即多個自變量對一個因變量產生影響和變動，且自變量與因變量之間存在線性關系，以此對將來的發展形勢進行模擬預測的方法。相較于其他辦法，多元線性回歸更傾向于從變量內部的關聯性進行分析，進而不僅能更全面、更綜合地反映出塑料垃圾年產量與各影響因素之間的關聯度，還能確保對塑料垃圾年產量的預測結果更加精準。本文基于灰色關聯度模型，挑選出對塑料垃圾產量硬性最大的前5個因素進行回歸分析，并構建出相應的回歸模型：

式中 y——烏魯木齊市塑料垃圾年產量

xn——灰色關聯度模型所確定下來的n個影響因素，本文中n=5

1.2.4 模型評價方法

為確保本文中不同模型的預測結果的精準度，特對模型的均方誤差（MSE）、擬合優度（R2）和平均絕對誤差（MAPE）進行計算，具體如式（5）～（7）所示。其中，除模型的擬合優度越接近于1表示模型擬合優度總體越好外，其余兩個指標值則是越接近于0表示模型預測的精確度越高。假設實際塑料垃圾年產量值為yt，塑料垃圾年產量預測值為?。

1.3 基于灰色關聯度的城市塑料垃圾產量影響因素分析

過去學界主要采用回歸分析方法進行因素分析，這一方法雖然比較通用，但也有一定的限制，大多只適用于因素少且具有線性關系的情況下，難以處理多因素或不具備線性關系的數據?；疑到y理論為規避諸如回歸分析所存在的弊端與短板，特提出采用關聯分析的方法進行系統性的分析。這一分析方法也被廣泛應用于各行業各領域的影響因素分析，研究成果頗豐［18?19］。當今鮮少有學者對塑料垃圾年產量影響因素進行分析，因此本研究將借鑒現有對生活垃圾年產量影響因素的研究成果中挑選出符合研究區實際情況的影響因素。塑料垃圾的產生與一個城市的社會經濟發展等因素密不可分，因此對相關影響因素進行分析能更好地找出影響塑料垃圾變化趨勢關鍵性因素，進而為塑料污染治理提供良好的決策基礎。由于學界對塑料垃圾年產量的影響因素的研究較少，現存研究基本都是對生活垃圾產量的影響因素進行研究，這也可以為塑料垃圾產量的影響因素研究提供較好的借鑒。當前我國僅有蔣曉燕等（2020）對北京城市塑料垃圾年產量進行預測的同時也對相關影響因素進行分析，并發現人均可支配收入和人均公園綠地、旅游收入等5個因素對城市塑料垃圾年產量的影響最大［4］。Hoornweg等（2013）在其研究中表明一個地區的人口密度和GDP決定了當地公眾對塑料制品的需求，同時也對塑料垃圾產量產生直接的影響［20］。通過現有對生活垃圾產量影響因素的研究中可以發現，經濟發展［21］、公眾的消費結構［22］、旅游情況［23］以及城市發展水平［24］等均對生活垃圾產量具有較強的影響。繼而，本文在前人研究的基礎上篩選出國民生產總值、第三產業生產總值、人口密度、人均可支配收入等17個指標共同對烏魯木齊市塑料垃圾年產量的影響因素進行分析。

2 結果與討論

2.1 預測模型的確立

2.1.1 灰色預測模型的確立

在進行灰色預測前，對數據進行了級比檢驗，檢驗值均落在［-0.158 3，0.158 3］區間內，數據通過了級比檢驗。其次，通過計算得出a=-0.139 6，u=9.078 1。由此得出灰色預測模型表達式如式（8）所示：

2.1.2 ARIMA模型的確立

在進行時間序列ARIMA預測前，借助ADF檢驗對原數據序列進行平穩性檢驗，檢驗發現p=0.945>0.1，不能拒絕原假設，序列不平穩。繼而對原數據進行一階差分后再進行ADF檢驗，檢驗結果顯示p=0.000，表示在非常高的水平下拒絕原假設，此時序列平穩。其次，基于SPSS 26.0對ARIMA的自回歸階數p值和移動平均階數q值進行估算，通過對比發現，當p為0，q為1時模型的AIC值達到最小值39.66，確立模型結果為ARIMA（0，1，1），模型的數學表達式如下：

2.1.3 多元線性回歸模型的確立

根據灰色關聯度所篩選出的人均可支配收入（x1）、GDP（x2）、城市常住人口（x3）、旅游收入（x4）和人口密度（x5）等5個與塑料垃圾年產量關聯度最高的因素。并以塑料垃圾年產量為因變量，5個影響因素為自變量架構起多元線性回歸方程，通過方程運算得到常數值和β值，以此得出回歸方程如下：

2.2 模型預測結果與分析

基于GM（1，1）、ARIMA（0，1，1）和MLR模型對2008-2019年塑料垃圾年產量進行預測，各模型的預測擬合值與實際值如圖1所示。由圖1可知3種模型的預測結果與實際值均是呈線性增長趨勢，且實際值和3種模型的預測值之間的誤差均較小。由此對3種模型的預測結果進行精確度和擬合度檢驗，檢驗結果如表1。從表中可以看出ARIMA、GM（1，1）和多元線性回歸模型的R2分別為0.961、0.956和0.948，相比之下ARIMA的擬合度更高，而多元線性回歸模型的擬合度最差。這也與現存諸多研究結果相符，大多學者認為利用將來的影響因素對塑料垃圾產量進行預測具有一定的不穩定性和不可控性［25］，且就預測誤差與模型精確度檢驗結果來看，多元線性回歸模型的MSE和MAPE均高于其他兩個模以而模型擬合度R2也是最低。而ARIMA（0，1，1）模型的各項驗證指標顯著優于GM（1，1）模型，基于此，選取ARIMA（0，1，1）模型對烏魯木齊市塑料垃圾年產量進行最終的預測。

表1 模型預測結果Tab.1 Results of model prediction

表2 模型預測結果的相對誤差與模型精確度檢驗Tab.2 Relative error of model prediction results and the test of model accuracy

通過ARIMA（0，1，1）模型對烏魯木齊市塑料垃圾進行預測的結果（圖1、圖2）可知：從2008年開始烏魯木齊城市塑料垃圾一直呈線性增長趨勢。從2008年到2019年的增長幅度較大，以平均每年約67.25%速度從2008年的4.75×104t增長到2018年的35.14×104t，而2019到2050年僅以平均每年約2.91×104t的速度持續增長。預計到2050年時，烏魯木齊市的塑料垃圾的年產量將達到124.91×104t，分別是2008年（4.75×104t）、2025年（54.4×104t）以及2035年（82.63×104t）的26倍、2.5倍、1.5倍。

圖2 2020-2050年塑料垃圾年產量預測Fig.2 Forecasting of annual household plastic waste output from 2019 to 2050

2.3 預測結果合理性分析

雖然國家在2020年頻頻制定實施塑料污染治理相關政策和法規。要求持續改善環境質量，加強塑料污染治理，推行塑料廢棄物減量化、無害化，以確保資源化利用的最大化。但就目前而言，我國對塑料廢棄物的回收依舊以非正規回收市場為主，因此缺少對塑料垃圾清運量、回收量和再利用量的統計。這也導致我們在對塑料垃圾年產量預測中難以將國家的限塑政策考慮在其中，這也可能導致預測結果可能會與實際結果略有偏頗。而烏魯木齊城市塑料垃圾年產量的持續增長也對可回收資源回收系統提出新的要求。

當前，我國廢棄物回收市場主要是由廢品收購站、流動廢品收購人員以及拾荒者組成。然而隨著國家對“五廢行業”的整頓以及在文明城市創建過程中，流動廢品收購三輪車逐漸被取締，當公眾將可回收的塑料垃圾收集起來卻找不到售賣途徑時，只能發將其視為垃圾扔掉，此后也不在進行收集。其次，“拾荒者”由于其常年與廢棄物打交道，臟亂的外表導致許多小區物業禁止其入內，導致小區垃圾站中的塑料廢棄物錯失被回收的機會。同時，在對相關研究進行調研的過程中發現有些小區內存在廢品收購站，僅有少部分年長群體會回收集塑料廢棄物進行售賣。

同時，塑料垃圾年產量的不斷增高也跟社會、經濟的發展也必然的關系，由于快節奏的生活方式、繁忙的工作使得大部分公眾沒有時間對塑料廢棄物進行回收而是直接丟棄［26］。其次，隨著人們的收入不斷提高，而塑料廢棄物的回收價格依舊低廉，公眾在花費時間收集售賣卻只得到一點點回報，也是公眾不愿意對塑料廢棄物進行回收的原因之一［27］。當今對塑料制品消費較多的當屬年輕群體，一方面由于當代年輕人從小生活環境較為優渥，缺乏一定的節儉意識；另一方面由于學習、工作壓力較大，也缺乏時間對塑料廢棄物進行回收而是直接丟棄［28］。以上種種均是致使烏魯木齊城市塑料垃圾年產量逐年增長的原因。

2.4 基于灰色關聯度模型的影響因素分析

從烏魯木齊市生活塑料垃圾年產量預測結果來看，塑料垃圾年產量呈線性增長的趨勢，與我國整體情況相符合。導致生活塑料垃圾年產量持續正增長的原因可能是由塑料本身的廉價性，輕便性以及易塑性，從而市場上出現了越來越多的其他材料制品的塑料替代品。其次，科技的迅速發展改變了人們的生活方式，外賣、網購、快餐等新業態的不斷發展，導致越來越多的塑料制品涌入市場。同時，由于快節奏的生活、塑料廢棄物低廉的回收價格、國家對再生資源回收行業的不斷整頓一方面使得公眾不愿意為了低廉的價格而花費時間去回收塑料廢棄物，而是直接丟棄；另一方面，市面零稀的廢棄物收購站令公眾售賣塑料廢棄物造成一定的困難，繼而直接丟棄；以上種種原因均造成塑料垃圾年產量呈現逐年上升的趨勢。

從表3的分析結果可以看出，除垃圾處理投資額和綠化覆蓋率這兩個因素外，塑料垃圾年產量與各影響因素之間的關聯度均高于0.7，說明所選指標均對塑料垃圾年產量具有顯著的正向影響。其中，烏魯木齊市的人均可支配收入（0.965 1）、國民生產總值（0.961 1）、城市常住人口（0.958 8）、年旅游收入總額（0.946 5）和人口密度（0.945 0）成為對塑料污染年產量影響最大的5個因素。從整體來看，經濟發展水平、城市人口和旅游情況均積極作用于塑料垃圾年產量的變化，平均關聯度均達到0.9以上。而城市環境建設水平則對塑料垃圾年產量所產生的作用最小，平均關聯度僅有0.579 2。

表3 烏魯木齊市塑料垃圾年產量影響因素灰關聯度分析Tab.3 Grey correlation analysis of factors affecting annual output of plastic waste in Urumqi

從經濟發展水平來看，GDP代表一個城市的經濟發展水平，而第三產業的產值也決定了GDP的走向。烏魯木齊市的GDP從2008年的1 020.35億元增長到2019年的3 413億元，大約增長了3.5倍；第三產業的生產總值也從2008年的576.92億元增長達2019年的2 479.43億元，增長近4.5倍。GDP和第三產業產值的急速增長意味著烏魯木齊的經濟取得繁榮發展。與此同時，大量的塑料制品如餐飲行業中的塑料打包盒、打包袋，奶茶店的塑料杯、塑料吸管等等均大量涌入市場。這也是導致近年來烏魯木齊市城市塑料垃圾持續快速攀升的重要成因。

公眾的可支配收入隨著GDP的增長而不斷增長，公眾的消費水平也不斷提升。在過去的10年間，公眾的人均可支配收入從12 328元增長至42 667元，平均每年增長3 000余元。隨著人們的消費水平不斷提高，人們對生活質量的追求也在不斷的提高，眾多新業態便應運而生，對塑料制品的消費量也隨著增高。當公眾收入偏低時，為了節約開支人們會重復回收利用諸如塑料袋等廢棄塑料制品，隨著收入的增加，對廉價塑料制品的消費令公眾感覺無關痛癢，以上種種均導致城市塑料垃圾年產量逐年增加。在公眾的幾類主要消費中，食物支出對塑料垃圾年產量的影響最大，這也跟當今大多食物的包裝均由塑料制成密不可分，對食物進行消費的同時塑料廢棄物的數量也在增長。其次，在公眾的家庭用品中，大多數均是由塑料制成或者有塑料包裝而成；在衣著方面，生產廠家會將每一件服飾用塑料包裝袋進行分裝，因此在家庭用品和衣著方面的支出均會導致塑料垃圾產量的增長。

就人口而言，大量研究表明人口對生活垃圾、生活塑料垃圾的年產量具有顯著的正向影響。一個城市的人口規模越大或人口密度越大，對塑料制品的消費量也會隨之增加，繼而導致塑料垃圾年產量的不斷增多［20，29?30］。

近年來，烏魯木齊是不斷加大對旅游景區的建設，因此吸引了越來越多的游客，國內外游客數量從2008年的239.36萬人飆升到2019年的6 003.74萬人，增長超25倍；國內外旅游總收入也從62.75億元增長到2018年的479.18億元。隨著旅游人數的增長，也帶動了烏魯木齊市服務行業的發展，游客在游玩過程中會在景區、酒店和餐廳產生大量的塑料垃圾。因此塑料垃圾的年產量會隨著旅游人數和旅游收入的增長而不斷增長。

然而，城市環境建設整體對塑料垃圾年產量的影響較小，這與現有相關研究結論相符［4，31］。雖然烏魯木齊市的人均公園綠地的面積有所增加，但公園綠地中所存在的塑料垃圾在整體塑料垃圾中僅占很小的一部分。其次，垃圾處理投資額對塑料垃圾年產量幾乎不產生影響，這是由于在近10年中烏魯木齊市對垃圾處理的投資斷斷續續，時有時無。基于此，相較于其他的因素，環境建設方面的因素對塑料垃圾年產量產生的作用極小。

3 結論

（1）基于現有對生活垃圾成分分析中的塑料垃圾占比求出當年塑料垃圾的年產量，基于轉化數據，借助GM（1，1）、ARIMA和多元線性回歸模型對烏魯木齊塑料垃圾年產量進行預測，根據預測結果的精確度檢驗和模型擬合度檢驗，最終確定用ARIMA模型對烏魯木齊未來塑料垃圾年產量進行預測；

（2）預測結果表示烏魯木齊市塑料垃圾年產量整體呈線性增長趨勢，從2008-2019年的增長速度較快，而2020-2050年的增長速度趨于緩慢；其中，2025年、2035年和2050年烏魯木齊城市塑料垃圾的年產量將達到54.43×104、82.63×104、124.91×104t；

（3）通過灰關聯度模型對烏魯木齊城市塑料垃圾年產量的影響因素進行分析后發現人均可支配收入、GDP、常住人口、年旅游收入總額和城市人口密度成為對塑料污染年產量影響主要的因素。