葛佳音 吳冰思 單福征 賈 悅 黃景能 姚沛帆 劉藝璇 趙 軍# 錢(qián)光人

(1.上海大學(xué)環(huán)境與化學(xué)工程學(xué)院,上海 200444;2.上海環(huán)境衛(wèi)生工程設(shè)計(jì)院有限公司,上海 200232)

隨著我國(guó)社會(huì)經(jīng)濟(jì)迅速發(fā)展,居民飲食結(jié)構(gòu)和消費(fèi)行為發(fā)生顯著改變,生活垃圾的產(chǎn)生量及其理化性質(zhì)也隨之變化[1-2],尤其是自2019年以來(lái)全國(guó)啟動(dòng)推進(jìn)垃圾分類(lèi)工作,垃圾理化性質(zhì)的變化更加明顯[3]。生活垃圾理化性質(zhì)如低位發(fā)熱量是選擇垃圾處理方式的重要參考指標(biāo)[4],其高低取決于垃圾物理組分占比。因此,研究并預(yù)測(cè)垃圾理化性質(zhì)變化趨勢(shì),是廢物管理策略制定和垃圾處理設(shè)施進(jìn)行運(yùn)行參數(shù)調(diào)整必不可少的依據(jù)[5-7]。國(guó)內(nèi)外學(xué)者對(duì)生活垃圾的預(yù)測(cè)方法研究比較廣泛,但大多聚焦于生活垃圾產(chǎn)生量、處置量及其社會(huì)經(jīng)濟(jì)因素,而較少涉及理化性質(zhì)的歷史演變及預(yù)測(cè)[8-10]。通過(guò)統(tǒng)計(jì)分析等方法,可分析討論生活垃圾理化性質(zhì)與其影響因素,并建立預(yù)測(cè)模型或開(kāi)發(fā)垃圾產(chǎn)生量和垃圾組分的信息數(shù)據(jù)庫(kù)[11-13]。

從已檢索文獻(xiàn)來(lái)看,我國(guó)鮮有城市對(duì)生活垃圾理化性質(zhì)開(kāi)展持續(xù)數(shù)十年的監(jiān)測(cè)分析,因而這方面文獻(xiàn)報(bào)道較少[14-15]。上海從1980s以來(lái)就持續(xù)統(tǒng)計(jì)生活垃圾基礎(chǔ)資料,也是全國(guó)首個(gè)啟動(dòng)強(qiáng)制垃圾分類(lèi)的城市,實(shí)施分類(lèi)之后的垃圾性質(zhì)發(fā)生了明顯改變[16],因而可以作為開(kāi)展相關(guān)研究的典型樣本。本研究在分析上海1990—2018年長(zhǎng)時(shí)間生活垃圾理化性質(zhì)演變趨勢(shì)的基礎(chǔ)上,定量化解析多項(xiàng)社會(huì)經(jīng)濟(jì)因素對(duì)生活垃圾理化性質(zhì)的影響,進(jìn)一步建立并運(yùn)用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)模型,基于垃圾不分類(lèi)和垃圾分類(lèi)兩種不同情景,預(yù)測(cè)上海2019—2030年的垃圾組分及容重、低位發(fā)熱量等理化性質(zhì)指標(biāo),并將上海與國(guó)內(nèi)外典型城市的生活垃圾理化性質(zhì)做比較,驗(yàn)證模擬結(jié)果的可靠性。研究結(jié)果對(duì)我國(guó)新一輪生活垃圾的分類(lèi)、收運(yùn)、處理處置規(guī)劃具有參考價(jià)值。

1 數(shù)據(jù)來(lái)源及研究方法

1.1 數(shù)據(jù)來(lái)源

根據(jù)2007—2018年上海生活垃圾理化性質(zhì)調(diào)查年度報(bào)告、1990—2009年上海環(huán)境衛(wèi)生統(tǒng)計(jì)資料匯編及2010—2018年上海綠化市容統(tǒng)計(jì)年鑒,梳理容重、含水率、灰分、可燃分、低位發(fā)熱量等5項(xiàng)理化性質(zhì)指標(biāo),以及廚余類(lèi)、紙類(lèi)、橡塑類(lèi)等11項(xiàng)物理組分?jǐn)?shù)據(jù),其中垃圾物理組分占比均基于干基總固體質(zhì)量計(jì)算,含水率、灰分和可燃分均以質(zhì)量分?jǐn)?shù)計(jì)。家庭人口規(guī)模、0～14歲人口比例、食品煙酒、城市化水平、人均國(guó)內(nèi)生產(chǎn)總值(GDP)、受教育程度等18項(xiàng)社會(huì)經(jīng)濟(jì)因素的數(shù)據(jù)來(lái)源于相應(yīng)年份的中國(guó)統(tǒng)計(jì)年鑒、上海統(tǒng)計(jì)年鑒。國(guó)內(nèi)外城市的生活垃圾組分和影響因素?cái)?shù)據(jù)來(lái)源于文獻(xiàn)(發(fā)表時(shí)間集中于2010—2020年,限于篇幅,相關(guān)文獻(xiàn)不再逐一例舉)、各城市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)。

1.2 研究方法

1.2.1 影響因素的灰色關(guān)聯(lián)度分析

關(guān)聯(lián)度分析可規(guī)避諸如相關(guān)分析、回歸分析所存在的弊端與短板,因此被廣泛應(yīng)用于各行業(yè)各領(lǐng)域的影響因素分析[17-18]。此外,灰色關(guān)聯(lián)度分析用于評(píng)估多個(gè)變量變化趨勢(shì)的一致性,因而更加適合不同社會(huì)經(jīng)濟(jì)和環(huán)境指標(biāo)的時(shí)間序列變化的關(guān)聯(lián)度分析。把上海生活垃圾的含水率、低位發(fā)熱量等指標(biāo)和廚余類(lèi)、紙類(lèi)等11項(xiàng)物理組分?jǐn)?shù)據(jù)引入反映系統(tǒng)行為特征的參考數(shù)列;人均GDP、第三產(chǎn)業(yè)比重、城市化水平、受教育程度等15項(xiàng)社會(huì)經(jīng)濟(jì)因素引入影響系統(tǒng)行為的比較數(shù)列。

1.2.2 基于正交最小二乘法的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

(1) 模型預(yù)測(cè)方法

城市生活垃圾組分及理化性質(zhì)RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)采用正交最小二乘法,將輸入層中歸一化后的數(shù)據(jù)選取為基函數(shù)中心,通過(guò)Gram-Smith正交化方法進(jìn)行迭代,以確定層間權(quán)值及隱含層中心節(jié)點(diǎn)個(gè)數(shù)。最終,基于基函數(shù)的寬度,計(jì)算得到RBF神經(jīng)網(wǎng)絡(luò)輸出值,以預(yù)測(cè)2019—2030年上海生活垃圾組分及理化性質(zhì)。

(2) 模型訓(xùn)練方法

采用Python語(yǔ)言的神經(jīng)網(wǎng)絡(luò)工具箱,搭建和訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò),通過(guò)多次調(diào)試保證神經(jīng)網(wǎng)絡(luò)模型的正確訓(xùn)練和修正。采用net=newrb(P,T,GOAL,Spread,MN,DF)命令對(duì)1990—2015年上海城市生活垃圾理化性質(zhì)數(shù)據(jù)樣本進(jìn)行訓(xùn)練。參數(shù)設(shè)定誤差目標(biāo)為0.001,隱含層數(shù)為200,迭代層數(shù)為1,并根據(jù)訓(xùn)練結(jié)果選取最佳擴(kuò)展速度值。

1.2.3 運(yùn)用GM(1,1)預(yù)測(cè)社會(huì)經(jīng)濟(jì)因素

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

2 結(jié)果與討論

2.1 近30年生活垃圾理化性質(zhì)演變

在上海生活垃圾11項(xiàng)物理組分中,廚余類(lèi)、橡塑類(lèi)和紙類(lèi)這3類(lèi)組分含量處主導(dǎo)地位(見(jiàn)圖1)。1990—2018年,關(guān)鍵物理組分廚余類(lèi)呈波動(dòng)下降趨勢(shì),從82.72%下降至54.78%。紙類(lèi)和橡塑類(lèi)呈波動(dòng)上升趨勢(shì),橡塑類(lèi)從3.98%上升至21.41%,紙類(lèi)從4.01%上升至12.49%。容重、含水率呈波動(dòng)下降趨勢(shì),而低位發(fā)熱量呈明顯上升趨勢(shì),較2007年上升26.46%。

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

2.2 生活垃圾理化性質(zhì)的影響因素

2.2.1 Pearson相關(guān)性分析

選定18項(xiàng)社會(huì)經(jīng)濟(jì)因素(1990—2018年)、16項(xiàng)生活垃圾特征(包括11項(xiàng)物理組分及5項(xiàng)理化性質(zhì))(2007—2018年)進(jìn)行相關(guān)性分析,并繪制相關(guān)性熱圖(見(jiàn)圖2)。結(jié)果表明,人均GDP是生活垃圾理化性質(zhì)的關(guān)鍵影響因素,與廚余類(lèi)占比呈顯著負(fù)相關(guān)性(P<0.01),而與紙類(lèi)、橡塑類(lèi)占比呈正相關(guān)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(huì)經(jīng)濟(jì)因素相關(guān)性綜合較弱,因此這3個(gè)社會(huì)經(jīng)濟(jì)因素予以篩除,剩余的15項(xiàng)社會(huì)經(jīng)濟(jì)因素引入灰色關(guān)聯(lián)度分析比較數(shù)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(guī)模;F4為人均GDP;F5為第三產(chǎn)業(yè)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(fèi)水平;F11為食品煙酒;F12為衣著;F13為家庭設(shè)備用品及服務(wù);F14為教育文化服務(wù)娛樂(lè);F15為雜項(xiàng)商品和服務(wù);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(diǎn)代表正相關(guān),黑色圓點(diǎn)代表負(fù)相關(guān),且圓點(diǎn)越大相關(guān)性越強(qiáng);灰度越小越趨于正相關(guān)。

生活垃圾中的廚余類(lèi)與紙類(lèi)、橡塑類(lèi)、木竹類(lèi)呈現(xiàn)顯著的負(fù)相關(guān)性(P<0.05),與磚瓦陶瓷類(lèi)呈現(xiàn)顯著的正相關(guān)性(P<0.01),其中橡塑類(lèi)與磚瓦陶瓷類(lèi)、玻璃類(lèi)的相關(guān)系數(shù)較大。容重與低位發(fā)熱量呈顯著負(fù)相關(guān)性(P<0.01),與含水率呈正相關(guān)性。垃圾中代表可燃成分的可燃分與低位發(fā)熱量呈顯著正相關(guān)性(P<0.05),表明低位發(fā)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(lèi)與灰分、混合類(lèi)均呈現(xiàn)顯著的負(fù)相關(guān)性(P<0.10),表明木竹類(lèi)和混合類(lèi)可能與焚燒程度存在一定的負(fù)相關(guān)性。

2.2.2 灰色關(guān)聯(lián)度分析

將初次篩選后的15項(xiàng)影響因素引入比較數(shù)列,生活垃圾理化性質(zhì)引入?yún)⒖紨?shù)列,計(jì)算灰色關(guān)聯(lián)度(見(jiàn)表1),從而計(jì)算生活垃圾特征與影響因素的權(quán)重比率,結(jié)果表明,與上海生活垃圾理化性質(zhì)有關(guān)的15項(xiàng)社會(huì)經(jīng)濟(jì)因素綜合排序?yàn)?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(zhì)指標(biāo)與社會(huì)經(jīng)濟(jì)因素的灰色關(guān)聯(lián)度結(jié)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(lèi)與分類(lèi)情景下的預(yù)測(cè)

綜合Pearson相關(guān)性分析、灰色關(guān)聯(lián)度分析以及權(quán)重比率結(jié)果,將人均GDP、家庭人口規(guī)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(xiàng)社會(huì)經(jīng)濟(jì)因素1990—2018年數(shù)據(jù)作為重要影響因素引入預(yù)測(cè)模型。

2.3.1 GM(1,1)預(yù)測(cè)輸入值

(1) 情景1:垃圾不分類(lèi)。影響因素精度檢驗(yàn)結(jié)果表明,以上7項(xiàng)社會(huì)經(jīng)濟(jì)因素的小誤差概率和方差比均達(dá)合格及以上等級(jí)。因此,預(yù)測(cè)得到的2019—2030年數(shù)據(jù)可以用來(lái)進(jìn)行下一步RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析。

(2)情景2:垃圾分類(lèi)。2019年7月1日,上海開(kāi)始實(shí)施《上海市生活垃圾管理?xiàng)l例》。在進(jìn)行強(qiáng)制分類(lèi)后,干、濕垃圾為生活垃圾的主要構(gòu)成部分,大約占總產(chǎn)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(zhì)相對(duì)復(fù)雜。因此,本研究主要對(duì)垃圾分類(lèi)后干垃圾的理化性質(zhì)進(jìn)行預(yù)測(cè),為后續(xù)決策提供理論參考?？紤]到上海生活垃圾分類(lèi)后,干垃圾中理化性質(zhì)變化趨勢(shì)與垃圾不分類(lèi)情景下的理化性質(zhì)變化趨勢(shì)相同,情景1的輸入值結(jié)果也可作為干垃圾理化性質(zhì)預(yù)測(cè)模型的輸入值。

2.3.2 RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的檢驗(yàn)

待模型達(dá)到穩(wěn)定狀態(tài)后,基于2019年上半年上海城市生活垃圾理化性質(zhì)數(shù)據(jù)平均值,對(duì)誤差進(jìn)行檢驗(yàn)。需要指出的是,由于木竹類(lèi)、紡織類(lèi)、金屬類(lèi)、磚瓦陶瓷類(lèi)、灰土類(lèi)、其他類(lèi)和混合類(lèi)的占比較少,且歷年數(shù)據(jù)無(wú)明顯變化趨勢(shì),所以將這幾項(xiàng)組分統(tǒng)一為“其他”進(jìn)行預(yù)測(cè)。檢驗(yàn)結(jié)果表明,兩種情景下RBF神經(jīng)網(wǎng)絡(luò)模型輸出的生活垃圾理化性質(zhì)預(yù)測(cè)值均達(dá)到較高精度,該模型可用于預(yù)測(cè)與估計(jì)(見(jiàn)表2)。

表2 RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的樣本檢驗(yàn)誤差分析結(jié)果Table 2 Sample test error analysis results of RBF neural network model prediction

2.3.3 垃圾不分類(lèi)與分類(lèi)情景下理化性質(zhì)預(yù)測(cè)

采用經(jīng)訓(xùn)練及檢驗(yàn)后穩(wěn)定的RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè),輸出2019—2030年上海垃圾不分類(lèi)及垃圾分類(lèi)后的生活垃圾理化性質(zhì)預(yù)測(cè)值(見(jiàn)圖3)。

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

(1) 垃圾不分類(lèi)情景。預(yù)測(cè)結(jié)果表明,未來(lái)廚余類(lèi)占比持續(xù)降低,2030年降低至44.24%;紙類(lèi)、橡塑類(lèi)呈現(xiàn)持續(xù)上升趨勢(shì);玻璃類(lèi)和其他變化趨勢(shì)不明顯,2030年占比分別維持在3.25%、8.77%。容重和含水率呈現(xiàn)出降低的趨勢(shì);可燃分基本保持不變;低位發(fā)熱量和灰分呈現(xiàn)增長(zhǎng)趨勢(shì)。2020年廚余類(lèi)占比預(yù)測(cè)結(jié)果與后向傳播神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)方法所得結(jié)果相近,相對(duì)誤差為0.08%[21]。

(2) 垃圾分類(lèi)情景。預(yù)測(cè)結(jié)果表明,未來(lái)干垃圾中的紙類(lèi)和橡塑類(lèi)占比呈持續(xù)上升趨勢(shì),2030年分別上升至37.20%和44.67%;廚余類(lèi)占比呈持續(xù)下降的趨勢(shì),從2019年的14.40%下降到2030年的3.73%;玻璃類(lèi)和其他變化幅度相對(duì)較小。容重、灰分、含水率均呈現(xiàn)出降低的趨勢(shì);低位發(fā)熱量與可燃分呈增長(zhǎng)趨勢(shì)。

2.4 上海與國(guó)內(nèi)外城市比較

為探討不同區(qū)域、城市規(guī)模和社會(huì)經(jīng)濟(jì)發(fā)展水平情景下生活垃圾理化性質(zhì)的差異性,兼顧數(shù)據(jù)的可獲得性,選取北京、上海、寧波、遂寧等20個(gè)國(guó)內(nèi)大中小城市,以及德國(guó)柏林、日本東京、南非開(kāi)普敦、肯尼亞基蘇木等10個(gè)國(guó)外城市,探討生活垃圾主要組分與人均GDP的關(guān)系。其中,國(guó)內(nèi)城市的選取范圍覆蓋中國(guó)華東、華南、華北、華中、西南和西北地區(qū),國(guó)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(qū)。結(jié)果表明,人均GDP較低的城市,廚余類(lèi)占比通常較高,而紙類(lèi)、橡塑類(lèi)占比較低(見(jiàn)圖4)。此外,根據(jù)國(guó)內(nèi)外城市的人均GDP與生活垃圾主要物理組分的相關(guān)性,參考上海城市總體規(guī)劃,2030年上海人均GDP將達(dá)到268 162元,因而預(yù)測(cè)出上海2030年廚余類(lèi)、紙類(lèi)占比分別為40.07%和22.89%。該結(jié)果與RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果接近(垃圾不分類(lèi)情景)。

圖4 國(guó)內(nèi)外城市生活垃圾的關(guān)鍵理化性質(zhì)與人均GDP的相關(guān)性Fig.4 Correlation between key physicochemical characteristics of domestic and foreign municipal solid waste and per capita GDP

3 結(jié) 論

(1) 近30年來(lái)上海生活垃圾中的廚余類(lèi)、橡塑類(lèi)和紙類(lèi)這3項(xiàng)物理組分發(fā)生明顯變化。其中,廚余類(lèi)占比從82.72%降低至54.78%;紙類(lèi)和橡塑類(lèi)則明顯上升,低位發(fā)熱量也呈明顯上升趨勢(shì)。

(2) 氣象因素、老年人口比例等社會(huì)經(jīng)濟(jì)因素對(duì)生活垃圾理化性質(zhì)影響不顯著,而人均GDP等社會(huì)經(jīng)濟(jì)因素是生活垃圾理化性質(zhì)發(fā)生變化的主要驅(qū)動(dòng)因素。

(3) 垃圾不分類(lèi)情景下,上海2019—2030年的生活垃圾中廚余類(lèi)占比將從52.74%降低至44.24%,而紙類(lèi)、橡塑類(lèi)占比相應(yīng)上升。垃圾分類(lèi)情景下,廚余類(lèi)占比持續(xù)降低,而紙類(lèi)和橡塑類(lèi)占比進(jìn)一步上升,并伴隨低位發(fā)熱量增長(zhǎng)。此外,基于上海與國(guó)內(nèi)外城市的混合數(shù)據(jù)的預(yù)測(cè)結(jié)果與RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值具有較好的一致性。