一、基于BP神经网络模型的城市生活垃圾产生量预测研究（论文文献综述）
奚豪,李娜,韩竞一,沈东升,刘惠君[1]（2021）在《基于数学模型的城市生活垃圾管理研究进展》文中指出分析了基于数学模型的城市生活垃圾研究现状,其中多元线性回归模型在操作和准确度上优势显着,在评价和决策模型中层次分析法（AHP）可有效解决决策因素复杂的问题,但城市生活垃圾管理系统的生命周期评价、管理系统效率和收运路线优化问题仍有待展开。该研究可为我国城市管理资源配置和决策提供参考。
吕双汝[2]（2021）在《基于工程预算的建筑垃圾数量预测研究》文中研究说明改革开放以来,我国城镇化进程加速,建筑业发展迅速,随之而来的是建筑垃圾数量剧增,如若处理不当,不仅侵占大量土地资源,还会污染水体、土壤、大气等自然资源。对建筑垃圾产量进行准确预测是实现建筑垃圾有效管理的先决条件。因此,对建筑垃圾量化方法进行研究是十分必要的。论文研究了国内外建筑垃圾量化方法,将其归纳总结为现场观测法、废物产生率法和变量模型法三类方法,为不同层面不同活动进行建筑垃圾量化提供参考。论文按建筑垃圾来源、化学性质和可资源化程度构建建筑垃圾分类体系,一级分类满足政府管控需求,二级分类便于现场源头分类及处置。以房屋建筑工程和铁路工程中的桥梁工程为例对建筑垃圾发生源进行分析,通过走访调研和文献阅读,基于工程预算建立建筑垃圾数量预测模型,对工程项目施工阶段的建筑垃圾产量进行预测。并运用Python编程语言编写代码,提取工程量清单等资料中的信息,实现预测过程。最后,以大兴旧宫项目和徐盐铁路徐洪河特大桥项目为例,验证模型的可行性。预测结果表明,两个项目预测量和实际产生量的误差均小于10%,具有很高的精度。
赵钰,王巧稚,卫俊,赵垒[3]（2021）在《基于武汉市房屋竣工面积预测的装修垃圾产生量测算方法研究》文中研究说明装修垃圾因为组分成分复杂,含有一定重金属,还具有挥发性有毒物质的特性,一直是城市建筑垃圾管理的难点。以武汉市为例,对武汉市2005—2019年装修垃圾年产生量进行了估算,并对比GM （1,1）模型和BP神经网络模型预测2020—2025年装修垃圾年产生量。结果表明,BP神经网络预测结果更为准确,2020—2025年武汉市装修垃圾产生量整体处于上升趋势。
尤海辉[4]（2021）在《循环流化床垃圾焚烧炉燃烧优化试验研究》文中提出生活垃圾焚烧技术具有减容化、减量化、无害化和资源化的特点,在国家相关产业政策的引导下,国内垃圾焚烧行业得到了蓬勃的发展,循环流化床（Circulating Fluidized Bed,CFB）垃圾焚烧技术作为主要的焚烧技术之一,在国内获得了广泛的推广应用。随着垃圾焚烧环保标准和监管力度不断提高,部分CFB生活垃圾发电企业出现了CO排放及炉膛中上部温度5分钟均值不能连续稳定达标等问题,如何通过系统性的燃烧优化,提升垃圾焚烧炉运行的环保性和经济性,是CFB垃圾焚烧炉持续发展的重要课题。本文以CFB生活垃圾焚烧炉为研究对象,从燃烧优化的角度出发,致力于提升锅炉运行的环保性和经济性,开展了以下研究工作:（1）概括介绍CFB垃圾焚烧工艺和CFB垃圾焚烧炉的组成,分析并归纳总结了CFB焚烧炉流体动力学特性、炉内传热模型、燃烧模型、CO生成和燃烧机理、热工特性,在此基础上阐述了CFB生活垃圾焚烧系统的运行控制要求。（2）对某CFB垃圾炉的烟气污染物排放特性进行了全面的诊断分析,深入跟踪分析CO排放状况、运行状况。结果表明,垃圾品质差、垃圾预处理和给料均匀性不够重视、运行调整不合理等因素,导致出现CO超标排放、运行周期偏短等问题。（3）对CFB垃圾焚烧炉的CO排放特性进行了深入的试验研究,分析了CO超标排放的影响因素。从垃圾预处理、垃圾给料、炉膛受热面布置、炉膛二次风布置、热烟气停留时间等方面着手,提出系统性解决方案。经过整体改造之后,CFB垃圾焚烧锅炉CO排放数据能够连续稳定达到国家排放标准,CO时均值浓度能够稳定控制在50 mg/m3以下,日均值浓度可以控制在20 mg/m3以下,锅炉运行周期亦得到了较大的延长。（4）由于生活垃圾的复杂性,目前还没有可靠的在线测量仪器对其热值进行实时监测,自动控制系统缺少可靠的热值反馈信号,难以掌握入炉燃料热量的变化,影响控制效果。本文提出利用锅炉运行参数对入炉燃料热量进行虚拟重构的方法,结合CFB垃圾焚烧锅炉的运行机理特点和运行人员经验智慧,以模糊神经网络算法为基础,将相关的锅炉运行操作参数作为系统的输入变量,构建入炉垃圾热量的自适应神经模糊推理系统,结果表明,所构建的模型具有优秀泛化能力,可以快速准确反映入炉垃圾热值水平。此外,还利用智能建模算法针对锅炉床温、NOx、汽包水位等参数进行建模研究,预测误差均能控制在±2%以内。（5）CFB生活焚烧炉飞灰产生率普遍在原生垃圾的10%左右,偏高的飞灰率导致锅炉效率下降、运行周期偏短、飞灰处置成本上升。本文进行了针对性的减量化研究,针对长期焚烧城乡垃圾和填埋场陈腐垃圾的焚烧炉,设计了尾部烟道转向室底灰收集减量系统、循环灰收集减量系统和飞灰回燃系统,通过多种方式降低CFB锅炉的飞灰率。实践结果表明,尾部烟道转向室底灰收集减系统可以减少飞灰率4%以上,循环灰收集减量系统在长期焚烧城乡垃圾和填埋场陈腐垃圾的锅炉能够减少飞灰率5%左右,飞灰回燃系统有助于CO排放控制,并且能够减少飞灰率1.5%左右,减少每吨垃圾2kg左右氢氧化钙用量。最后对全文的研究内容和结论进行了总结,认为开展的相关试验研究工作及提出的系统性优化方案,对控制CFB垃圾焚烧炉CO稳定达标排放、延长锅炉运行周期、优化锅炉运行调整方式、降低飞灰量有积极的促进作用。阐述了本文的研究工作不足之处及未来展望,指明了下一步研究工作的方向。
郭卫广,雍毅,吴怡,侯江,郑玲玲[5]（2020）在《成都市生活垃圾产量预测及政策建议》文中进行了进一步梳理采用层次分析法对影响城市垃圾产生量的因素进行综合评价,将影响权重较大的因素作为BP神经网络预测分析的协变量,预测了成都市生活垃圾产生量。预测结果表明:成都市2020年、2025年和2035年的城市垃圾产生量分别为699.210万吨、834.280万吨和960.198万吨。建议完善垃圾分类设施建设,增加厨余类垃圾桶的容量或数量,根据厨余类垃圾、可回收垃圾及有害垃圾特点合理进行垃圾分类收集、转运和处置工作。
田莉莎[6]（2020）在《基于IABC-BP算法的合肥城市生活垃圾清运量预测模型研究》文中指出近年来,经济的发展带来生活水平的不断提高,消费结构不断升级,这就使得日常的生活垃圾日益增多,特别是一些超级城市,垃圾清运及填埋占地问题已成为污染城市卫生环境、影响市民生产生活的社会问题。在国家大力推行垃圾焚烧发电,按照垃圾清运量分类推进垃圾焚烧设备设施建设的大背景下,更要做好城市生活垃圾产生系统的研究和城市生活垃圾全过程管理,其管理不仅要及时高效,还要避免对生活环境的二次污染。对其定量基数,即城市生活垃圾清运量,要进行更为准确的预测,以便为垃圾总量的减控和城市环境卫生设施的规划布局提供参考。现有预测方法多采用增长率预测法和线性回归预测法,其模型多为静态,往往难以得到高精度的预测结果。本文引入了人工神经网络算法,BP神经网络算法拥有不错的非线性拟合能力,在处理非线性问题中得到了广泛的应用,能够有效解决各种问题。但神经网络在初始赋值时,其权重和阈值是系统随机赋予的,存在不确定性因素。所以本文利用人工蜂群算法,先对BP算法的权重和阈值进行优化,再进行模型构建。人工蜂群算法对蜂群的分工觅食行为进行了模拟,属于群智能算法。该算法通过对各种选择值进行优劣比较及个体的局部寻优,找出群体最优解。但人工蜂群算法在计算时有可能陷入局部最优,针对这一不足之处,本文提出了改进蜂群算法,结合BP算法形成改进人工蜂群算法优化的BP模型算法。在数据的获取和处理上,本文首先对影响城市生活垃圾清运量的因素进行了分类和具体分析,选择容易量化的因素作为因变量,对其进行灰色关联度分析,找出重要关联要素。将筛选出的要素代入到基于MATLAB软件的改进人工蜂群算法优化的BP算法模型。以合肥市为例,预测了2019年到2022年四年间的城市生活垃圾清运量,分别为168.50（万吨）、169.30（万吨）、170.25（万吨）、171.53（万吨）。通过对比发现,使用优化后模型进行拟合和预测的结果具有更高的精度和更小的误差。
吕金亚[7]（2020）在《城市再生资源收运体系优化模型构建及实证分析 ——以上海市为例》文中提出随着城镇化和人民生活水平的提高,城市生活垃圾产量迅速增加,垃圾围城问题严重制约城市可持续发展。推动城市生活垃圾的资源化和循环化利用是重要途径,而建立城市生活垃圾回收网络是提高城市生活垃圾管理水平的关键。基于此,本研究旨在构建我国城市再生资源收运体系优化模型,并以正在引领我国垃圾分类和“两网融合”体系的超大城市--上海市为案例区,从理论上模拟其回收站及回收中心的位置及规模,为城市再生资源回收体系建设提供政策建议。本研究在预测城市生活垃圾和再生资源产生量和空间分布的基础上,利用p-中值法分别建立基于成本最低和碳排放最低的选址优化模型,以确定再生资源集散中心的最佳数量、规模和位置。结果显示,2020年上海城市生活垃圾产生量将达到992万吨左右。从空间分布来看,城市中心区由于人口密度和消费水平较高,城市生活垃圾及产生强度也较高,因此优化得到的回收中心多集中在中心城区周边。本文从22个备选再生资源集散中心（RRCs）选择最佳数量、规模和位置。如果以成本最低为目标,则最优的再生资源集散中心建设数量为12,相应的总成本约为1.2亿元/年。当以碳排放最低为优化目标时最优的再生资源集散中心建设数目应为9,相应的总碳排放约为9404吨/年。此外,单位运输成本和单位规模成本发生变化时,最优结果将会发生变化。例如,随着单位运输成本的增加或边际单位规模成本的降低,最优RRCs数将增加。最后,根据研究结果本文提出了上海市建设再生资源收运体系的政策建议,并探讨了本模型存在的局限性。
程萌勋,王永奇[8]（2019）在《基于BP神经网络的深圳市垃圾产生量预测分析》文中指出人口量是研究垃圾产生量的重要影响因素,单独对两者进行分析,探究其内在的影响机理,明确人口量对垃圾产生量的单变量函数关系,可以为垃圾产生量的预测提供理论基础。本文以深圳市为例,通过选取深圳2006-2018年的人口量和垃圾产生量,首先基于灰色预测原理,建立人口量预测模型,预测2019-2021年人口数量;然后基于BP神经网络原理,建立垃圾产生量非线性预测模型,拟合并预测相应年份的垃圾产生量。结果表明:通过灰色预测模型的人口量预测精度高;通过BP神经网络的垃圾分类量预测效果好。
谌兰兰[9]（2019）在《城市生活垃圾回收物流网络优化》文中研究指明随着我国经济的快速发展,城市生活垃圾量显着增长。在我国城市生活垃圾清运系统发展滞后,日益增长的垃圾量给市政环卫部门带来了巨大的清运压力。准确预测城市生活垃圾的清运量是合理进行城市环境卫生规划的先决条件,是对生活垃圾进行全过程管理的基础性工作。在许多情况下,以行政区域为单位的垃圾量预测往往是不能满足特定目的的研究需要。与此同时垃圾量的剧增也导致其收集、运输与中转费用的不断增加。因此,如何优化现有的城市生活垃圾回收物流网络成为当前城市管理部门急需解决的一个问题。本文首先对城市生活垃圾回收物流中的一些相关的概念进行介绍,分析了国内外各个国家在城市生活垃圾回收管理模式,介绍了我国当前城市生活垃圾回收运营流程。针对现有对城市生活垃圾预测方法的不足之处,提出了基于土地利用密度法的居民人口密度估算模型和梯度提升回归模型相结合的小区域城市生活垃圾预测模型。对每个收集点的垃圾量进行预测之后,结合了车辆收运的实际情况,为了确保垃圾收运车辆避免居民出行的早高峰期,达到日产日清的水平,减少对城市环境的污染。因此针对城市生活垃回收物流网络本文提出了选址-路径问题,以收运过程中的车辆行驶成本、设施建设成本、违反时间窗成本三类成本最小为目标,构建了带有时间窗的选址-路径模型。同时针对模型的特点,论文采用了大规模邻域搜索模拟退火对模型进行求解。最后通过以上海市徐家汇街道为例,验证了模型和算法的有效性。
皇甫慧慧,李红艳[10]（2018）在《基于环境承载力的城市生活垃圾产生量调控研究——基于GRA-Markov-GM模型》文中研究说明城市生活垃圾是衡量城市环境承载力的重要指标。从城市环境承载力研究入手,运用灰色关联分析,提出以城市人口为主的因素是城市生活垃圾产生量的主要影响因素,并利用GM-Markov修正模型,预测了上海市2030年内的城市生活垃圾产生量及城市环境承载力。结果表明:2030年上海市城市生活垃圾产生量将达到1 097.95万吨,并且发生概率为20%。最后针对上述分析,对上海市城市规划提出几点对策与建议,从而为做好上海市城市生活垃圾的总量控制和减量化工作提供科学的指导。
二、基于BP神经网络模型的城市生活垃圾产生量预测研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于BP神经网络模型的城市生活垃圾产生量预测研究（论文提纲范文）
（1）基于数学模型的城市生活垃圾管理研究进展（论文提纲范文）
| 1 引言 |
| 2 产生量预测模型 |
| 2.1 线性回归模型 |
| 2.2 灰色预测模型 |
| 2.3 时间序列模型 |
| 2.4 人工神经网络模型 |
| 3 评价与决策模型 |
| 3.1 层次分析法 |
| 3.2 优劣解距离法 |
| 4 管理系统模型 |
| 4.1 生命周期评价 |
| 4.2 管理效率评价 |
| 5 城市生活垃圾收运系统优化 |
| 6 结论 |
（2）基于工程预算的建筑垃圾数量预测研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 研究内容 |
| 1.4 研究方法和技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 2 建筑垃圾量化方法研究综述 |
| 2.1 现场观测法 |
| 2.2 废物产生率法 |
| 2.2.1 基于建筑面积的废物产生率法 |
| 2.2.2 基于材料流的废物产生率法 |
| 2.2.3 基于分类系统的废物产生率法 |
| 2.3 变量模型法 |
| 2.3.1 回归模型 |
| 2.3.2 灰色预测模型 |
| 2.3.3 时间序列模型 |
| 2.3.4 BP神经网络模型 |
| 2.3.5 系统动力学 |
| 2.3.6 其他 |
| 2.4 研究局限及展望 |
| 2.5 本章小结 |
| 3 基于工程预算的建筑垃圾数量预测 |
| 3.1 工程预算中的基本概念 |
| 3.2 建筑垃圾分类体系 |
| 3.2.1 工程泥浆 |
| 3.2.2 工程渣土 |
| 3.2.3 工程垃圾 |
| 3.2.4 拆除垃圾 |
| 3.2.5 装修垃圾 |
| 3.3 建筑垃圾发生源分析 |
| 3.3.1 房屋建筑工程 |
| 3.3.2 桥梁工程 |
| 3.4 建筑垃圾数量预测表达式 |
| 3.4.1 工程泥浆 |
| 3.4.2 工程渣土 |
| 3.4.3 工程垃圾 |
| 3.4.4 拆除垃圾 |
| 3.4.5 装修垃圾 |
| 3.5 本章小结 |
| 4 预测模型程序实现 |
| 4.1 Python |
| 4.2 示例代码 |
| 4.3 本章小结 |
| 5 模型案例验证 |
| 5.1 模型验证 |
| 5.2 案例验证 |
| 5.2.1 大兴旧宫 |
| 5.2.2 徐盐铁路徐洪河特大桥项目 |
| 5.3 讨论 |
| 5.4 本章小结 |
| 6 结论与建议 |
| 6.1 结论 |
| 6.2 建议 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 附录 C |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）基于武汉市房屋竣工面积预测的装修垃圾产生量测算方法研究（论文提纲范文）
| 1 引言 |
| 2 材料与方法 |
| 2.1 研究方法 |
| 2.1.1 GM (1,1）模型 |
| 2.1.2 BP神经网络 |
| 2.2 装修垃圾年产生量预测 |
| 2.2.1 基于GM (1,1）模型预测分析 |
| 2.2.2 基于BP神经网络预测分析 |
| 3 结果与讨论 |
| 4 结论 |
（4）循环流化床垃圾焚烧炉燃烧优化试验研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 术语符号对照表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究现状 |
| 1.2.1 “软”的层面 |
| 1.2.2 “硬”的层面 |
| 1.3 本文主要研究内容 |
| 2 研究对象分析 |
| 2.1 引言 |
| 2.2 CFB垃圾焚烧工艺 |
| 2.3 CFB锅炉生活垃圾焚烧锅炉组成 |
| 2.4 CFB锅炉流体动力学特性 |
| 2.4.1 密相区流体动力学模型 |
| 2.4.2 稀相区流体动力学模型 |
| 2.5 CFB炉内传热模型 |
| 2.6 燃烧模型 |
| 2.7 CFB垃圾焚烧炉中CO生成及燃烧机理 |
| 2.8 CFB燃烧方式的主要特点 |
| 2.9 CFB生活垃圾燃烧运行控制任务 |
| 2.10 本章小结 |
| 3 CFB垃圾焚烧炉燃烧诊断 |
| 3.1 引言 |
| 3.2 某电厂CFB垃圾焚烧锅炉烟气污染物排放诊断 |
| 3.2.1 不同燃烧工况下运行数据分析 |
| 3.2.2 飞灰、底渣取样分析 |
| 3.2.3 典型负荷下炉膛不同位置烟气组分分析 |
| 3.2.4 典型工况能量质量平衡分析 |
| 3.2.5 冒正压问题 |
| 3.3 CFB生活垃圾焚烧锅炉垃圾前端处理分析 |
| 3.3.1 垃圾堆酵状况 |
| 3.3.2 垃圾破碎分选状况 |
| 3.3.3 垃圾给料输送设备 |
| 3.4 本章小结 |
| 4 CFB垃圾焚烧炉烟气污染物排放优化控制 |
| 4.1 引言 |
| 4.2 垃圾预处理及给料优化 |
| 4.2.1 垃圾堆酵优化 |
| 4.2.2 垃圾破碎、分选系统优化 |
| 4.2.3 垃圾给料系统优化 |
| 4.3 锅炉本体部分改造 |
| 4.3.1 增加卫燃带 |
| 4.3.2 二次风改造 |
| 4.3.3 增加空烟道 |
| 4.4 综合改造后效果 |
| 4.5 本章小结 |
| 5 CFB垃圾焚烧炉入炉垃圾热量软测量及床温预测研究 |
| 5.1 引言 |
| 5.2 基于智能算法的入炉垃圾热量软测量模型 |
| 5.2.1 多种群遗传粒子群寻优算法研究 |
| 5.2.2 智能建模算法介绍 |
| 5.2.3 热量预测模型输入变量的选择 |
| 5.2.4 垃圾热值的模糊等级划分 |
| 5.2.5 数据采集及预处理 |
| 5.2.6 模型总体优化方案 |
| 5.2.7 构建基于BP神经网络的入炉垃圾热量预测模型 |
| 5.2.8 构建基于SVM的入炉垃圾热量预测模型 |
| 5.2.9 构建基于ANFIS的入炉垃圾热量预测模型 |
| 5.2.10 构建RF入炉垃圾热量预测模型 |
| 5.2.11 模型比较结果和讨论 |
| 5.2.12 模型预测热量与实际热量对比 |
| 5.3 床温预测智能建模 |
| 5.3.1 床温特性分析 |
| 5.3.2 床温预测模型变量选择 |
| 5.3.3 床温模型建立 |
| 5.3.4 模拟结果与讨论 |
| 5.4 本章小结 |
| 6 CFB垃圾焚烧炉飞灰减量方法和技术试验研究 |
| 6.1 引言 |
| 6.2 CFB垃圾焚烧锅炉飞灰元素和矿物组成 |
| 6.3 尾部烟道转向底灰收集减量 |
| 6.4 循环灰收集减量 |
| 6.5 飞灰回燃 |
| 6.6 本章小结 |
| 7 全文总结和工作展望 |
| 7.1 主要研究成果 |
| 7.2 本文的创新点 |
| 7.3 未来工作及展望 |
| 作者简历及攻读博士期间科研成果 |
| 参考文献 |
（5）成都市生活垃圾产量预测及政策建议（论文提纲范文）
| 0 引言 |
| 1 成都市生活垃圾基本现状 |
| 1.1 产量及基本组成 |
| 1.2 政策现状 |
| 2 研究方法 |
| 3 分析与讨论 |
| 3.1 筛选成都市垃圾产量的主要影响因素 |
| 3.2 主要影响因素预测 |
| 3.3 建模与训练 |
| 3.4 模拟预测结果 |
| 4 结论 |
（6）基于IABC-BP算法的合肥城市生活垃圾清运量预测模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 课题研究背景 |
| 第二节 课题的理论意义与实践意义 |
| 一、理论意义 |
| 二、实践意义 |
| 第三节 国内外研究现状 |
| 一、传统预测模型 |
| 二、现代预测模型 |
| 第四节 本文研究内容与技术路线 |
| 一、本文研究内容 |
| 二、技术路线 |
| 第二章 合肥市城市生活垃圾产生现状及影响因素分析 |
| 第一节 合肥市生活垃圾产生量概况 |
| 第二节 合肥市城市生活垃圾清运量影响因素 |
| 第三节 合肥市生活垃圾清运量影响因素灰色关联度分析 |
| 第三章 基于改进人工蜂群算法的BP神经网络的优化 |
| 第一节 BP神经网络 |
| 一、BP神经网络的基本原理 |
| 二、BP神经网络的结构以及算法过程 |
| 三、BP神经网络的缺点 |
| 第二节 人工蜂群算法 |
| 一、人工蜂群算法的生物背景 |
| 二、人工蜂群算法原理 |
| 三、人工蜂群算法的主要步骤 |
| 四、人工蜂群算法的改进与测试对比 |
| 第三节 改进人工蜂群算法对BP神经网络的优化 |
| 第四节 本章小结 |
| 第四章 合肥市生活垃圾清运量预测模型构建 |
| 第一节 BP神经网络基本模型的建立 |
| 一、神经网络输入与输出的确立 |
| 二、隐层的确立 |
| 三、传递函数和训练函数的选取 |
| 第二节 IABC-BP模型的构建 |
| 第三节 IABC-BP模型与BP模型的对比分析 |
| 第四节 本章小结 |
| 第五章 研究结论与展望 |
| 第一节 研究的结论 |
| 第二节 未来展望 |
| 参考文献 |
| 致谢 |
（7）城市再生资源收运体系优化模型构建及实证分析 ——以上海市为例（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的 |
| 1.3 研究内容 |
| 1.4 研究意义 |
| 1.5 技术路线 |
| 1.6 论文结构 |
| 第二章 国内外研究综述 |
| 2.1 城市生活垃圾产生量预测综述 |
| 2.2 选址理论及方法研究综述 |
| 2.3 研究述评 |
| 第三章 城市再生资源收运体系优化模型构建 |
| 3.1 再生资源收运体系优化模型框架 |
| 3.2 城市生活垃圾产生量多元线性回归预测模型 |
| 3.3 再生资源分布权重因子 |
| 3.4 带容量限制的P-中值选址模型 |
| 3.5 交通碳排放 |
| 3.6 交通运输成本 |
| 3.7 处置规模效应 |
| 第四章 案例区介绍及模型数据处理 |
| 4.0 案例区介绍 |
| 4.1 上海市生活垃圾产生量预测 |
| 4.1.1 上海市人口和GDP |
| 4.1.2 人口和GDP的估算原则 |
| 4.2 上海市再生资源空间分布特征 |
| 4.2.1 人均生活垃圾产生量 |
| 4.2.2 上海市人口分布 |
| 4.2.3 上海市生活垃圾构成 |
| 4.2.4 上海市再生资源分布 |
| 4.3 备选区域回收中心(集散场)选择原则 |
| 4.4 路网距离的计算 |
| 4.5 模型输入参数 |
| 第五章 计算结果和分析 |
| 5.1 上海市生活垃圾和再生资源时空分布 |
| 5.1.1 上海市生活垃圾产生量预测结果 |
| 5.1.2 备选集散场与中转站 |
| 5.1.3 上海市再生资源时空分布和路网信息 |
| 5.2 成本最优选址结果 |
| 5.2.1 不同P值对应的成本 |
| 5.2.2 成本最优分配方案 |
| 5.2.3 成本敏感性分析 |
| 5.3 碳排放最优选址结果 |
| 5.3.1 不同P值对应的碳排放 |
| 5.3.2 碳排放最优分配方案 |
| 5.3.3 碳排放敏感性分析 |
| 5.4 总碳排放和总成本的Pareto边界 |
| 5.5 结果分析 |
| 第六章 政策建议 |
| 6.1 模型与实际情况的结合 |
| 6.2 收运体系优化需要完善前端分类回收水平 |
| 6.3 多角度优化再生资源回收体系 |
| 6.4 提倡再生资源回收体系管理模式的创新 |
| 6.5 鼓励物联网和大数据等新的技术的应用 |
| 6.6 建立城市再生资源统一数据库平台 |
| 第七章 结论和展望 |
| 7.1 结论 |
| 7.2 不足与展望 |
| 参考文献 |
| 附录1 |
| 生活垃圾产生量预测 |
| P-中值代码 |
| 计算规模成本和规模碳排放 |
| 分配方案 |
| 敏感性分析 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（8）基于BP神经网络的深圳市垃圾产生量预测分析（论文提纲范文）
| 一、理论与方法 |
| （一）灰色预测模型 |
| 1. 模型原理 |
| 2. 理论模型的建立[6] |
| （二）BP神经网络模型 |
| 1. 模型原理 |
| 2. 理论模型的建立[8] |
| 二、数据来源 |
| 三、人口量与垃圾产生量预测分析 |
| （一）基于灰色预测模型的人口量预测分析 |
| 1. 研究思路 |
| 2. 结果分析 |
| (1）后验差检验 |
| (2）模型预测 |
| （二）基于BP神经网络的垃圾产生量预测分析 |
| 1. 研究思路 |
| 2. 结果分析 |
| (1）网络训练过程 |
| (2）网络学习过程 |
| 四、结论 |
| 【相关链接】 |
（9）城市生活垃圾回收物流网络优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和技术路线 |
| 第二章 城市生活垃圾管理现状分析 |
| 2.1 城市生活垃圾的概念及特征 |
| 2.2 城市生活垃圾的分类 |
| 2.3 国外城市生活垃圾管理与回收 |
| 2.4 我国城市生活垃圾的管理与回收 |
| 2.5 城市生活垃圾回收物流运营管理流程分析 |
| 2.6 本章小结 |
| 第三章 基于梯度提升回归模型的小区域城市生活垃圾预测 |
| 3.1 基本思路 |
| 3.2 垃圾产生影响因素与预测模型分析 |
| 3.3 梯度提升回归树预测模型原理 |
| 3.4 人口估算模型 |
| 3.5 小区域内城市生活垃圾预测 |
| 3.6 本章小结 |
| 第四章 基于大规模搜索模拟退火算法的城市生活垃圾回收物流中心布局 |
| 4.1 选址-路径问题介绍 |
| 4.2 问题描述与前提假设 |
| 4.3 模型构建 |
| 4.4 模型求解算法设计 |
| 4.5 本章小结 |
| 第五章 实例分析—以上海市徐家汇街道为例 |
| 5.1 徐家汇街道收集点垃圾预测 |
| 5.2 徐家汇街道回收物流网络优化 |
| 5.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录A |
| 附录B |
（10）基于环境承载力的城市生活垃圾产生量调控研究——基于GRA-Markov-GM模型（论文提纲范文）
| 1 文献综述 |
| 1.1 城市生活垃圾产生量的影响因素分析 |
| 1.2 城市生活垃圾产生量的预测方法 |
| 2 影响城市生活垃圾产生的因素分析 |
| 2.1 指标选取 |
| 2.2 灰色关联分析 |
| 3 基于马尔科夫链的GM (1, 1) 城市生活垃圾预测量 |
| 3.1 灰色预测模型 |
| 3.2 基于马尔科夫链的GM (1, 1) 模型 |
| 4 结果分析 |
四、基于BP神经网络模型的城市生活垃圾产生量预测研究（论文参考文献）
- [1]基于数学模型的城市生活垃圾管理研究进展[J]. 奚豪,李娜,韩竞一,沈东升,刘惠君. 环境卫生工程, 2021(03)
- [2]基于工程预算的建筑垃圾数量预测研究[D]. 吕双汝. 北京交通大学, 2021(02)
- [3]基于武汉市房屋竣工面积预测的装修垃圾产生量测算方法研究[J]. 赵钰,王巧稚,卫俊,赵垒. 环境卫生工程, 2021(02)
- [4]循环流化床垃圾焚烧炉燃烧优化试验研究[D]. 尤海辉. 浙江大学, 2021(01)
- [5]成都市生活垃圾产量预测及政策建议[J]. 郭卫广,雍毅,吴怡,侯江,郑玲玲. 能源环境保护, 2020(06)
- [6]基于IABC-BP算法的合肥城市生活垃圾清运量预测模型研究[D]. 田莉莎. 安徽财经大学, 2020(04)
- [7]城市再生资源收运体系优化模型构建及实证分析 ——以上海市为例[D]. 吕金亚. 上海交通大学, 2020(01)
- [8]基于BP神经网络的深圳市垃圾产生量预测分析[J]. 程萌勋,王永奇. 区域治理, 2019(29)
- [9]城市生活垃圾回收物流网络优化[D]. 谌兰兰. 长沙理工大学, 2019(07)
- [10]基于环境承载力的城市生活垃圾产生量调控研究——基于GRA-Markov-GM模型[J]. 皇甫慧慧,李红艳. 生态经济, 2018(12)