深圳杯數(shù)學(xué)建模c題論文(編輯修改稿)
2025-05-04 02:53 本頁面
【文章內(nèi)容簡介】 類、玻璃類、金屬類以及其他等，主要成分所占比例如下圖2:圖2 深圳市垃圾物理構(gòu)成成分(見附件8)由圖中數(shù)據(jù)可以看出：廚余、塑料、紙類和混合所占比重比較大，%，其他比重相對較小。從附件8中所給資料分析可知該基礎(chǔ)分項與北京、上海、香港，甚至美國、荷蘭、日本等各地區(qū)的垃圾分項有所差異，由于混合類所占比例比較大，說明深圳的基礎(chǔ)數(shù)據(jù)分項尚不足夠，仍需將其他類進行細致劃分以得到更多的分項。生活垃圾量最小采樣量的標準需要顆粒度來衡量，顆粒度用于生活垃圾可燃物、灰分、熱值和化學(xué)成分等項目分析，對含水率的測定和生活垃圾樣品物理組成的干基比例有著重要的作用，從附件8中我們可以得到在樣品制備過程中，顆粒徑已經(jīng)足夠小，對于計算垃圾含水率和物理組成干基比例已經(jīng)適宜，而垃圾含水率和干基比對于垃圾減量分類的研究占很大比重，所以顆粒度足夠。 %，占總量的比例較大。且通過附件8中垃圾含水率分析知深圳市垃圾含水率測定結(jié)果如下表5所示：表5 深圳市生活垃圾含水率（%）序號廚余類紙類橡塑類紡織類木竹類混合類總含水率1 2 3 — 4 5 67 8 9 10 — 11 12 13 14 15 1617 18 19 20 21 —22 23 24 —平均值從表中可以看出：深圳市總體含水率較高，%，其中廚余類最高，%,因為廚余垃圾所占比例對垃圾含水率的測定有著緊密的聯(lián)系，所以對廚余垃圾數(shù)據(jù)的收集應(yīng)該投放更多的精力和成本。 分層隨機抽樣根據(jù)網(wǎng)上資料查詢得知深圳市共分為8個行政區(qū)，由于一定行政區(qū)域內(nèi)的人口數(shù)量及其他因素都有一定的差別，產(chǎn)生的垃圾量也不同，因此需要通過對總體采用分層隨機抽樣才能夠更加準確檢測一定區(qū)域內(nèi)減量分類工作的效果，具體分層隨機抽樣如下： （1）以居民小區(qū)為抽樣單元，根據(jù)區(qū)域不同把將深圳市化為8個不同的行政區(qū)。在這里是把整個深圳市的垃圾分類看成是一個總體，則這個總體可分為8層，以表示每層的編號（），為所有小區(qū)數(shù)，然后將每層分成個居民小區(qū)，即為每層的單元數(shù)，且，層權(quán),分別在這8個行政區(qū)中隨機抽取居民小區(qū)； （2）分別為層總體和樣本中的第個單元的指標值，第層的總體和樣本均值分別為：,； （3）第層的總體和樣本總量分別為： ,； （4）因為每層的樣本量都與層的大小呈正比例，即，所以應(yīng)采用比例分配較為合理，比例分配的比例常數(shù)為抽樣比：， ； （5）總體均值的估計： ；最后得到對總體總量的估計為：；由的值，我們可以用來檢測一定區(qū)域內(nèi)的減量分類效果。 問題四通過第一二問基于我們上述所建的模型，可以看出所占比重最大的是社會因素，由于個體因素的主觀能動性比較大，深圳市流動人口多、不可控因素較多，通過量化分析的結(jié)果不一定準確，而能直接影響推進減量分類工作的關(guān)鍵是社會因素，政府能直接干預(yù)的也就是社會因素。通過第一問的層次分析法，我們社會因素中影響最大的依次是激勵措施、教育和督導(dǎo)，為了更好的量化這些影響因子，我們選取三個影響因子作為代表性的指標，分別為：年末全市常住人口記為 、第三產(chǎn)業(yè)記為、環(huán)保投資記為，對垃圾清運量進行三元線性回歸分析，其回歸模型設(shè)為為了使參數(shù)估計量具有良好的統(tǒng)計性質(zhì)，對三元線性回歸模型作出以下假設(shè)：假設(shè)1：與隨機擾動項不相關(guān)；假設(shè)2：隨機誤差項的數(shù)學(xué)期望為零；假設(shè)3：隨機誤差項同方差；假設(shè)4：無自相關(guān)假定；假設(shè)5：解釋變量之間不存在線性相關(guān)關(guān)系即兩個解釋變量之間無確切的解釋關(guān)系；假設(shè)6：為了假設(shè)檢驗，假定隨機誤差項服從均值為零，方差為的正態(tài)分布。運用軟件得到回歸結(jié)果如下表6： 表6 回歸結(jié)果 Dependent Variable: YMethod: Least SquaresDate: 05/31/13 Time: 19:07Sample: 1 11Included observations: 11VariableCoefficientStd. ErrortStatisticProb.CX9X10X11RsquaredMean dependent varAdjusted Rsquared. dependent var. of regressionAkaike info criterionSum squared residSchwarz criterionLog likelihoodFstatisticDurbinWatson statProb(Fstatistic)由上表得出回歸方程：因為=，顯然可知回歸方程線性顯著。 然后對每個解釋變量進行顯著性檢驗，以決定是否作為解釋變量被保留在模型中， 因此對此進行檢驗，其過程如下： 原假設(shè)為 備擇假設(shè)為 給定一個顯著性水平，自由度為7，查分布表得到：由表6知三個變量的值分別為：可見三個變量的值都大于該臨界值，所以拒絕原假設(shè)，即模型中引入的三個解釋變量在95%的水平下影響顯著，都通過了變量的顯著性檢驗。由于未來五年的年末全市常住人口、第三產(chǎn)業(yè)以及環(huán)保投資的數(shù)據(jù)是未知的，所以必須對其進行預(yù)測，這里采用灰色模型預(yù)測，具體步驟如下：模型的建立：模型的具體形式如下：其中為待估參數(shù)，稱為發(fā)展灰數(shù)和內(nèi)生控制灰數(shù)，設(shè)有數(shù)列：第一步 數(shù)據(jù)處理對原始數(shù)據(jù)做一階累加生成，得到新的數(shù)據(jù)列第二步 構(gòu)造數(shù)據(jù)矩陣和向量
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1