上海生活垃圾理化性質演變與徑向基函數神經網絡模型預測:兼論垃圾分類的影響*

葛佳音 吳冰思 單福征 賈 悅 黃景能 姚沛帆 劉藝璇 趙 軍# 錢光人

(1.上海大學環境與化學工程學院,上海 200444;2.上海環境衛生工程設計院有限公司,上海 200232)

隨著我國社會經濟迅速發展,居民飲食結構和消費行為發生顯著改變,生活垃圾的產生量及其理化性質也隨之變化[1-2],尤其是自2019年以來全國啟動推進垃圾分類工作,垃圾理化性質的變化更加明顯[3]。生活垃圾理化性質如低位發熱量是選擇垃圾處理方式的重要參考指標[4],其高低取決于垃圾物理組分占比。因此,研究并預測垃圾理化性質變化趨勢,是廢物管理策略制定和垃圾處理設施進行運行參數調整必不可少的依據[5-7]。國內外學者對生活垃圾的預測方法研究比較廣泛,但大多聚焦于生活垃圾產生量、處置量及其社會經濟因素,而較少涉及理化性質的歷史演變及預測[8-10]。通過統計分析等方法,可分析討論生活垃圾理化性質與其影響因素,并建立預測模型或開發垃圾產生量和垃圾組分的信息數據庫[11-13]。

從已檢索文獻來看,我國鮮有城市對生活垃圾理化性質開展持續數十年的監測分析,因而這方面文獻報道較少[14-15]。上海從1980s以來就持續統計生活垃圾基礎資料,也是全國首個啟動強制垃圾分類的城市,實施分類之后的垃圾性質發生了明顯改變[16],因而可以作為開展相關研究的典型樣本。本研究在分析上海1990—2018年長時間生活垃圾理化性質演變趨勢的基礎上,定量化解析多項社會經濟因素對生活垃圾理化性質的影響,進一步建立并運用徑向基函數(RBF)神經網絡模型,基于垃圾不分類和垃圾分類兩種不同情景,預測上海2019—2030年的垃圾組分及容重、低位發熱量等理化性質指標,并將上海與國內外典型城市的生活垃圾理化性質做比較,驗證模擬結果的可靠性。研究結果對我國新一輪生活垃圾的分類、收運、處理處置規劃具有參考價值。

1 數據來源及研究方法

1.1 數據來源

根據2007—2018年上海生活垃圾理化性質調查年度報告、1990—2009年上海環境衛生統計資料匯編及2010—2018年上海綠化市容統計年鑒,梳理容重、含水率、灰分、可燃分、低位發熱量等5項理化性質指標,以及廚余類、紙類、橡塑類等11項物理組分數據,其中垃圾物理組分占比均基于干基總固體質量計算,含水率、灰分和可燃分均以質量分數計。家庭人口規模、0～14歲人口比例、食品煙酒、城市化水平、人均國內生產總值(GDP)、受教育程度等18項社會經濟因素的數據來源于相應年份的中國統計年鑒、上海統計年鑒。國內外城市的生活垃圾組分和影響因素數據來源于文獻(發表時間集中于2010—2020年,限于篇幅,相關文獻不再逐一例舉)、各城市國民經濟和社會發展統計公報。

1.2 研究方法

1.2.1 影響因素的灰色關聯度分析

關聯度分析可規避諸如相關分析、回歸分析所存在的弊端與短板,因此被廣泛應用于各行業各領域的影響因素分析[17-18]。此外,灰色關聯度分析用于評估多個變量變化趨勢的一致性,因而更加適合不同社會經濟和環境指標的時間序列變化的關聯度分析。把上海生活垃圾的含水率、低位發熱量等指標和廚余類、紙類等11項物理組分數據引入反映系統行為特征的參考數列;人均GDP、第三產業比重、城市化水平、受教育程度等15項社會經濟因素引入影響系統行為的比較數列。

1.2.2 基于正交最小二乘法的RBF神經網絡預測模型

(1) 模型預測方法

城市生活垃圾組分及理化性質RBF神經網絡預測采用正交最小二乘法,將輸入層中歸一化后的數據選取為基函數中心,通過Gram-Smith正交化方法進行迭代,以確定層間權值及隱含層中心節點個數。最終,基于基函數的寬度,計算得到RBF神經網絡輸出值,以預測2019—2030年上海生活垃圾組分及理化性質。

(2) 模型訓練方法

采用Python語言的神經網絡工具箱,搭建和訓練RBF神經網絡,通過多次調試保證神經網絡模型的正確訓練和修正。采用net=newrb(P,T,GOAL,Spread,MN,DF)命令對1990—2015年上海城市生活垃圾理化性質數據樣本進行訓練。參數設定誤差目標為0.001,隱含層數為200,迭代層數為1,并根據訓練結果選取最佳擴展速度值。

1.2.3 運用GM(1,1)預測社會經濟因素

灰色預測法通過建立符合要求的微分方程模型來預測未來發展趨勢,其精度較高,易于檢驗,在一定程度上突破了大數據建模的不足之處[19]。即使在樣本數量非常有限的情況下,該方法也能提供精確預測[20]。選用灰色模型GM(1,1)作為預測模型之一,以預測2019—2030年上海生活垃圾的重要影響因素。

2 結果與討論

2.1 近30年生活垃圾理化性質演變

在上海生活垃圾11項物理組分中,廚余類、橡塑類和紙類這3類組分含量處主導地位(見圖1)。1990—2018年,關鍵物理組分廚余類呈波動下降趨勢,從82.72%下降至54.78%。紙類和橡塑類呈波動上升趨勢,橡塑類從3.98%上升至21.41%,紙類從4.01%上升至12.49%。容重、含水率呈波動下降趨勢,而低位發熱量呈明顯上升趨勢,較2007年上升26.46%。

圖1 上海生活垃圾物理組分變化趨勢Fig.1 Change trend of physical composition of municipal solid waste in Shanghai

2.2 生活垃圾理化性質的影響因素

2.2.1 Pearson相關性分析

選定18項社會經濟因素(1990—2018年)、16項生活垃圾特征(包括11項物理組分及5項理化性質)(2007—2018年)進行相關性分析,并繪制相關性熱圖(見圖2)。結果表明,人均GDP是生活垃圾理化性質的關鍵影響因素,與廚余類占比呈顯著負相關性(P<0.01),而與紙類、橡塑類占比呈正相關性。夏季降水量、冬季降水量、65歲以上人口比例與生活垃圾特征及其他社會經濟因素相關性綜合較弱,因此這3個社會經濟因素予以篩除,剩余的15項社會經濟因素引入灰色關聯度分析比較數列。

注:F1為0～14歲人口比例;F2為15～64歲人口比例;F3為家庭人口規模;F4為人均GDP;F5為第三產業比重;F6為受教育程度;F7為人均住房面積;F8為城市化水平;F9為人均可支配收入;F10為人均消費水平;F11為食品煙酒;F12為衣著;F13為家庭設備用品及服務;F14為教育文化服務娛樂;F15為雜項商品和服務;F16為夏季降水量;F17為冬季降水量;F18為65歲以上人口比例。圖中灰色原點代表正相關,黑色圓點代表負相關,且圓點越大相關性越強;灰度越小越趨于正相關。

生活垃圾中的廚余類與紙類、橡塑類、木竹類呈現顯著的負相關性(P<0.05),與磚瓦陶瓷類呈現顯著的正相關性(P<0.01),其中橡塑類與磚瓦陶瓷類、玻璃類的相關系數較大。容重與低位發熱量呈顯著負相關性(P<0.01),與含水率呈正相關性。垃圾中代表可燃成分的可燃分與低位發熱量呈顯著正相關性(P<0.05),表明低位發熱量與可燃分的增加可能在一定程度上能夠提升垃圾的可焚燒性。木竹類與灰分、混合類均呈現顯著的負相關性(P<0.10),表明木竹類和混合類可能與焚燒程度存在一定的負相關性。

2.2.2 灰色關聯度分析

將初次篩選后的15項影響因素引入比較數列,生活垃圾理化性質引入參考數列,計算灰色關聯度(見表1),從而計算生活垃圾特征與影響因素的權重比率,結果表明,與上海生活垃圾理化性質有關的15項社會經濟因素綜合排序為:F3>F1>F2>F5>F11>F8>F15>F12>F4>F6>F13>F9>F10>F14>F7。

表1 上海生活垃圾理化性質指標與社會經濟因素的灰色關聯度結果Table 1 Results of grey correlation degree between physicochemical characteristics and socio-economic factors of municipal solid waste in Shanghai

2.3 垃圾不分類與分類情景下的預測

綜合Pearson相關性分析、灰色關聯度分析以及權重比率結果,將人均GDP、家庭人口規模、受教育程度、城市化水平、0～14歲人口比例、15～64歲人口比例、食品煙酒7項社會經濟因素1990—2018年數據作為重要影響因素引入預測模型。

2.3.1 GM(1,1)預測輸入值

(1) 情景1:垃圾不分類。影響因素精度檢驗結果表明,以上7項社會經濟因素的小誤差概率和方差比均達合格及以上等級。因此,預測得到的2019—2030年數據可以用來進行下一步RBF神經網絡預測分析。

(2)情景2:垃圾分類。2019年7月1日,上海開始實施《上海市生活垃圾管理條例》。在進行強制分類后,干、濕垃圾為生活垃圾的主要構成部分,大約占總產生量的82%,其中濕垃圾中大約99%為廚余垃圾,但干垃圾理化性質相對復雜。因此,本研究主要對垃圾分類后干垃圾的理化性質進行預測,為后續決策提供理論參考。考慮到上海生活垃圾分類后,干垃圾中理化性質變化趨勢與垃圾不分類情景下的理化性質變化趨勢相同,情景1的輸入值結果也可作為干垃圾理化性質預測模型的輸入值。

2.3.2 RBF神經網絡模型預測的檢驗

待模型達到穩定狀態后,基于2019年上半年上海城市生活垃圾理化性質數據平均值,對誤差進行檢驗。需要指出的是,由于木竹類、紡織類、金屬類、磚瓦陶瓷類、灰土類、其他類和混合類的占比較少,且歷年數據無明顯變化趨勢,所以將這幾項組分統一為“其他”進行預測。檢驗結果表明,兩種情景下RBF神經網絡模型輸出的生活垃圾理化性質預測值均達到較高精度,該模型可用于預測與估計(見表2)。

表2 RBF神經網絡模型預測的樣本檢驗誤差分析結果Table 2 Sample test error analysis results of RBF neural network model prediction

2.3.3 垃圾不分類與分類情景下理化性質預測

采用經訓練及檢驗后穩定的RBF神經網絡模型進行預測,輸出2019—2030年上海垃圾不分類及垃圾分類后的生活垃圾理化性質預測值(見圖3)。

圖3 上海垃圾不分類及垃圾分類后理化性質變化趨勢Fig.3 The change trend of physicochemical characteristics before and after waste classification in Shanghai

(1) 垃圾不分類情景。預測結果表明,未來廚余類占比持續降低,2030年降低至44.24%;紙類、橡塑類呈現持續上升趨勢;玻璃類和其他變化趨勢不明顯,2030年占比分別維持在3.25%、8.77%。容重和含水率呈現出降低的趨勢;可燃分基本保持不變;低位發熱量和灰分呈現增長趨勢。2020年廚余類占比預測結果與后向傳播神經網絡模型預測方法所得結果相近,相對誤差為0.08%[21]。

(2) 垃圾分類情景。預測結果表明,未來干垃圾中的紙類和橡塑類占比呈持續上升趨勢,2030年分別上升至37.20%和44.67%;廚余類占比呈持續下降的趨勢,從2019年的14.40%下降到2030年的3.73%;玻璃類和其他變化幅度相對較小。容重、灰分、含水率均呈現出降低的趨勢;低位發熱量與可燃分呈增長趨勢。

2.4 上海與國內外城市比較

為探討不同區域、城市規模和社會經濟發展水平情景下生活垃圾理化性質的差異性,兼顧數據的可獲得性,選取北京、上海、寧波、遂寧等20個國內大中小城市,以及德國柏林、日本東京、南非開普敦、肯尼亞基蘇木等10個國外城市,探討生活垃圾主要組分與人均GDP的關系。其中,國內城市的選取范圍覆蓋中國華東、華南、華北、華中、西南和西北地區,國外城市的選取范圍覆蓋亞洲、歐洲、北美洲、南美洲和非洲地區。結果表明,人均GDP較低的城市,廚余類占比通常較高,而紙類、橡塑類占比較低(見圖4)。此外,根據國內外城市的人均GDP與生活垃圾主要物理組分的相關性,參考上海城市總體規劃,2030年上海人均GDP將達到268 162元,因而預測出上海2030年廚余類、紙類占比分別為40.07%和22.89%。該結果與RBF神經網絡模型預測結果接近(垃圾不分類情景)。

圖4 國內外城市生活垃圾的關鍵理化性質與人均GDP的相關性Fig.4 Correlation between key physicochemical characteristics of domestic and foreign municipal solid waste and per capita GDP

3 結 論

(1) 近30年來上海生活垃圾中的廚余類、橡塑類和紙類這3項物理組分發生明顯變化。其中,廚余類占比從82.72%降低至54.78%;紙類和橡塑類則明顯上升,低位發熱量也呈明顯上升趨勢。

(2) 氣象因素、老年人口比例等社會經濟因素對生活垃圾理化性質影響不顯著,而人均GDP等社會經濟因素是生活垃圾理化性質發生變化的主要驅動因素。

(3) 垃圾不分類情景下,上海2019—2030年的生活垃圾中廚余類占比將從52.74%降低至44.24%,而紙類、橡塑類占比相應上升。垃圾分類情景下,廚余類占比持續降低,而紙類和橡塑類占比進一步上升,并伴隨低位發熱量增長。此外,基于上海與國內外城市的混合數據的預測結果與RBF神經網絡模型預測值具有較好的一致性。