基于BP神經(jīng)網(wǎng)絡(luò)的武漢市生活垃圾清運量預測研究

夏 晶， 張 旺

(湖北工業(yè)大學經(jīng)濟與管理學院， 湖北 武漢 430068)

?

基于BP神經(jīng)網(wǎng)絡(luò)的武漢市生活垃圾清運量預測研究

夏 晶， 張 旺

(湖北工業(yè)大學經(jīng)濟與管理學院， 湖北 武漢 430068)

以武漢市中心城區(qū)垃圾清運量的歷年統(tǒng)計數(shù)據(jù)為例，用熵權(quán)法確定其主要影響因素，建立基于BP神經(jīng)網(wǎng)絡(luò)的武漢市生活垃圾清運量預測模型，并將實際值與預測值進行比較。結(jié)果表明，該模型具有較好的預測性和適用性。用該模型對武漢市未來幾年生活垃圾清運量進行了預測，研究發(fā)現(xiàn)GDP、居民人均純收入、第三產(chǎn)業(yè)產(chǎn)值、固定資產(chǎn)投資和社會消費總額等5個因素對武漢市生活垃圾清運量影響較大。

生活垃圾清運量； 熵權(quán)法； BP神經(jīng)網(wǎng)絡(luò)

城市生活垃圾清運量與城市人口、經(jīng)濟水平及生活習慣等因素密切相關(guān)。隨著我國城鎮(zhèn)化的不斷推進，城市人口越來越集中，城區(qū)生活垃圾清運量正在逐年增加。《2013年中國統(tǒng)計年鑒》顯示，2012年全國垃圾產(chǎn)生量已達1.70809億t，相比1979年的2508萬t增加了5.8倍[1]。城市生活垃圾產(chǎn)生量及分類是城市環(huán)境衛(wèi)生管理的基礎(chǔ)性資料，準確預測城市生活垃圾產(chǎn)生量可以為城市生活垃圾的總量控制和減量化工作提供科學的指導[2]。

1 武漢市生活垃圾清運量分析

表1是武漢市2004-2014年城市生活垃圾清運量與增長率，圖1為2004-2014年武漢市生活垃圾清運量及年增長曲線圖[3]。

表1 2004-2014年武漢市生活垃圾清運量與年增長率

圖 1 生活垃圾清運量與年增長率曲線圖

2 武漢市生活垃圾清運量影響因素分析

隨著武漢市社會經(jīng)濟的發(fā)展，城市規(guī)模的擴大、人口數(shù)量的增加以及居民生活消費水平的提高，武漢市生活垃圾產(chǎn)生量逐年增多，給城市生活垃圾清運和處置帶來了巨大挑戰(zhàn)。對武漢市生活垃圾產(chǎn)生量做出準確的預測，不僅有助于做好生活垃圾的清運與處置工作，還能促進生活垃圾總量控制和減量化工作。表2是武漢市2004-2014年城市生活垃圾清運量及其影響因素統(tǒng)計表[3]。

表2 武漢市2004-2014年生活垃圾清運量及其影響因素統(tǒng)計

通過熵權(quán)法對這11個影響因素求權(quán)值，來篩選影響生活垃圾清運量的主要因素。通過MATLAB語言編程及算法實現(xiàn)，求得權(quán)值分別為：0.1461，0.0029， 0.0866，0.0369，0.1100，0.1362，0.2095，0.0825，0.0656，0.0022，0.1215。通過權(quán)值篩選，GDP、居民人均純收入、第三產(chǎn)業(yè)產(chǎn)值、固定資產(chǎn)投資和社會消費總額等因素是影響武漢市生活垃圾清運量的主要因素。

3 BP神經(jīng)網(wǎng)絡(luò)在武漢市生活垃圾清運量預測中的設(shè)計與MATLAB實現(xiàn)

3.1 BP神經(jīng)網(wǎng)絡(luò)模型

本文建立的基于BP神經(jīng)網(wǎng)絡(luò)[1]的武漢市生活垃圾清運量預測模型共有三層：輸入層、隱含層和輸出層(圖2)。根據(jù)武漢市生活垃圾清運量與其影響主因素篩選結(jié)果，選取GDP、居民人均純收入、第三產(chǎn)業(yè)產(chǎn)值、固定資產(chǎn)投資和社會消費總額這5項指標為輸入層。

圖 2 BP神經(jīng)網(wǎng)絡(luò)模型[4]

如圖2所示，pi為輸入層節(jié)點，yi為隱含層節(jié)點，ak為輸出層節(jié)點，wij為輸入層節(jié)點與隱含層節(jié)點的網(wǎng)絡(luò)權(quán)值，T1i為隱含層節(jié)點與輸出層節(jié)點的網(wǎng)絡(luò)權(quán)值，θi為神經(jīng)網(wǎng)絡(luò)的閥值。隱含層節(jié)點的計算和輸出層節(jié)點的計算如式(1)、(2)所示，BP神經(jīng)網(wǎng)絡(luò)的節(jié)點誤差如式(3)所示。

(1)

(2)

(3)

3.2 武漢市生活垃圾清運量預測模型參數(shù)設(shè)置

本文用BP神經(jīng)網(wǎng)絡(luò)模型預測2015-2017年武漢市生活垃圾清運量，以2004-2014年生活垃圾清運量作為訓練樣本，以2007-2014年生活垃圾清運量作為測試樣本，檢驗本文所建模型的準確性。選取隱含層神經(jīng)元的傳輸函數(shù)為“tansig”雙曲線正切S型傳輸函數(shù)，輸出層神經(jīng)元的傳輸函數(shù)為“purelin”線性傳輸函數(shù)，網(wǎng)絡(luò)訓練函數(shù)為“trainlm”函數(shù)，最大訓練次數(shù)設(shè)為1000，訓練收斂均方誤差為0.0001，BP神經(jīng)網(wǎng)絡(luò)學習算法采用改進過的LM(Levenberg-Marquardt)算法[1-5]。

[p,minp,maxp,a,mina,maxa]=premnmx(p,a);對數(shù)據(jù)進行歸一化

net=newff(minmax(p),[11 1],{'tansig','purelin'});%創(chuàng)建神經(jīng)網(wǎng)絡(luò)

net.trainparam.show=200;%訓練顯示間隔

net.trainParam.epochs=1000;%訓練次數(shù)

net.trainparam.goal=0.0001;%訓練目標誤差

net=train(net,p,a);

a=sim(net,p)%測試數(shù)據(jù)輸出

a1=postmnmx(a,mina,maxa)%反歸一化

3.3 預測結(jié)果與分析

訓練網(wǎng)絡(luò)誤差逼近曲線如圖3所示，從圖中可以看出當進行到第27次迭代后，網(wǎng)絡(luò)誤差為3.0758×10-7，達到預測的目標。用訓練好的BP神經(jīng)網(wǎng)絡(luò)對武漢市2015-2017年的生活垃圾清運量做預測(圖4)。

圖 4 武漢市生活垃圾清運量預測走勢圖

用“trainlm”函數(shù)訓練得到的BP神經(jīng)網(wǎng)絡(luò)對2007-2014年武漢市生活垃圾清運量進行預測，并將預測值與真實值進行比較(表3)。由表3可知，預測樣本平均相對誤差為0.56%，達到高精度預測。用訓練好的BP神經(jīng)網(wǎng)絡(luò)預測2015-2017年武漢市生活垃圾清運量、GDP、居民人均純收入、第三產(chǎn)業(yè)產(chǎn)值、固定資產(chǎn)投資和社會消費總額的值如表4所示。

表3 2007-2014年武漢市生活垃圾

表4 2015-2017年武漢市生活垃圾清運量及其主要影響因素的預測值

4 結(jié)論

本文分析了武漢市生活垃圾清運量影響因素，用熵權(quán)法篩選發(fā)現(xiàn)GDP、居民人均純收入、第三產(chǎn)業(yè)產(chǎn)值、固定資產(chǎn)投資和社會消費總額這五個因素對武漢市生活垃圾清運量影響較大。本文建立了基于BP神經(jīng)網(wǎng)絡(luò)的武漢市生活垃圾清運量預測模型，將模型的預測值與實際值進行比較，預測平均相對誤差為0.56%，表明該預測模型的預測精度較高。用訓練好的神經(jīng)網(wǎng)絡(luò)對2015-2017年武漢市生活垃圾清運量進行了預測，該預測方法和預測結(jié)果對武漢市生活垃圾收運管理和環(huán)境衛(wèi)生規(guī)劃具有一定的參考價值。

[1] 馬惠民,張政.基于BP神經(jīng)網(wǎng)絡(luò)的城市生活垃圾產(chǎn)生量預測研究——以上海市為例[J].環(huán)境科學與管理，2015(2):56-73.

[2] 鄭文.基于神經(jīng)網(wǎng)絡(luò)模型的城市生活垃圾預測[J].西南師范大學學報(自然科學版)，2014(8):51-56.

[3] 湖北省統(tǒng)計局.湖北省統(tǒng)計年鑒[EB/OL](2016-09-09)http://www.stats-hb.gov.cn/info/iList.jsp?cat_id=10436.

[4] 于濤, 黃濤, 潘膺希,等. 基于BP神經(jīng)網(wǎng)絡(luò)和灰色關(guān)聯(lián)度組合模型的城市生活垃圾清運量預測[J]. 安全與環(huán)境學報, 2013(4):98-101.

[5] 張玨，張建強.基于灰色理論與 BP 神經(jīng)網(wǎng)絡(luò)預測成都市生活垃圾產(chǎn)生量[J].環(huán)境科學與管理，2012(8):52-56.

[6] 湯鳴.基于BP神經(jīng)網(wǎng)絡(luò)模型的西安市生活垃圾產(chǎn)生量預測[J].西安航空技術(shù)高等專科學校學報，2011(5):75-77.

[責任編校： 張 眾]

Prediction Study on Municipal Solid Waste Yields Based on BP Neural Network in Wuhan

XIA Jing, ZHANG Wang

(SchoolofEconomicsandManagement,HubeiUniv.ofTech.,Wuhan430068,China)

This paper analyzed the factors that influence the municipal solid waste yields. Taking Wuhan as an example and according to historical statistics of municipal solid waste yields in Wuhan, this paper used entropy weight method to determine its main influencing factors and established the BP neural network forecasting model of Wuhan solid waste yields. After comparing the actual value with predicted value, the results show that this model has good predictability and applicability. This paper used the model to predict municipal solid waste yields in Wuhan over the next few years, in order to provide a decision-making reference for municipal solid waste management and environmental planning in Wuhan.

municipal solid waste yields; entropy weight method; BP(Back Propagation) neural network

1003-4684(2016)06-0020-03

X705

A

2016-09-30

夏 晶(1968-)， 女， 湖北武漢人，管理學博士，湖北工業(yè)大學教授，研究方向為物流管理