葛佳音 吴冰思 单福征 贾 悦 黄景能 姚沛帆 刘艺璇 赵 军# 钱光人

(1.上海大学环境与化学工程学院,上海 200444;2.上海环境卫生工程设计院有限公司,上海 200232)

随着我国社会经济迅速发展,居民饮食结构和消费行为发生显著改变,生活垃圾的产生量及其理化性质也随之变化[1-2],尤其是自2019年以来全国启动推进垃圾分类工作,垃圾理化性质的变化更加明显[3]。生活垃圾理化性质如低位发热量是选择垃圾处理方式的重要参考指标[4],其高低取决于垃圾物理组分占比。因此,研究并预测垃圾理化性质变化趋势,是废物管理策略制定和垃圾处理设施进行运行参数调整必不可少的依据[5-7]。国内外学者对生活垃圾的预测方法研究比较广泛,但大多聚焦于生活垃圾产生量、处置量及其社会经济因素,而较少涉及理化性质的历史演变及预测[8-10]。通过统计分析等方法,可分析讨论生活垃圾理化性质与其影响因素,并建立预测模型或开发垃圾产生量和垃圾组分的信息数据库[11-13]。

从已检索文献来看,我国鲜有城市对生活垃圾理化性质开展持续数十年的监测分析,因而这方面文献报道较少[14-15]。上海从1980s以来就持续统计生活垃圾基础资料,也是全国首个启动强制垃圾分类的城市,实施分类之后的垃圾性质发生了明显改变[16],因而可以作为开展相关研究的典型样本。本研究在分析上海1990—2018年长时间生活垃圾理化性质演变趋势的基础上,定量化解析多项社会经济因素对生活垃圾理化性质的影响,进一步建立并运用径向基函数(RBF)神经网络模型,基于垃圾不分类和垃圾分类两种不同情景,预测上海2019—2030年的垃圾组分及容重、低位发热量等理化性质指标,并将上海与国内外典型城市的生活垃圾理化性质做比较,验证模拟结果的可靠性。研究结果对我国新一轮生活垃圾的分类、收运、处理处置规划具有参考价值。

1 数据来源及研究方法

1.1 数据来源

根据2007—2018年上海生活垃圾理化性质调查年度报告、1990—2009年上海环境卫生统计资料汇编及2010—2018年上海绿化市容统计年鉴,梳理容重、含水率、灰分、可燃分、低位发热量等5项理化性质指标,以及厨余类、纸类、橡塑类等11项物理组分数据,其中垃圾物理组分占比均基于干基总固体质量计算,含水率、灰分和可燃分均以质量分数计。家庭人口规模、0～14岁人口比例、食品烟酒、城市化水平、人均国内生产总值(GDP)、受教育程度等18项社会经济因素的数据来源于相应年份的中国统计年鉴、上海统计年鉴。国内外城市的生活垃圾组分和影响因素数据来源于文献(发表时间集中于2010—2020年,限于篇幅,相关文献不再逐一例举)、各城市国民经济和社会发展统计公报。

1.2 研究方法

1.2.1 影响因素的灰色关联度分析

关联度分析可规避诸如相关分析、回归分析所存在的弊端与短板,因此被广泛应用于各行业各领域的影响因素分析[17-18]。此外,灰色关联度分析用于评估多个变量变化趋势的一致性,因而更加适合不同社会经济和环境指标的时间序列变化的关联度分析。把上海生活垃圾的含水率、低位发热量等指标和厨余类、纸类等11项物理组分数据引入反映系统行为特征的参考数列;人均GDP、第三产业比重、城市化水平、受教育程度等15项社会经济因素引入影响系统行为的比较数列。

1.2.2 基于正交最小二乘法的RBF神经网络预测模型

(1) 模型预测方法

城市生活垃圾组分及理化性质RBF神经网络预测采用正交最小二乘法,将输入层中归一化后的数据选取为基函数中心,通过Gram-Smith正交化方法进行迭代,以确定层间权值及隐含层中心节点个数。最终,基于基函数的宽度,计算得到RBF神经网络输出值,以预测2019—2030年上海生活垃圾组分及理化性质。

(2) 模型训练方法

采用Python语言的神经网络工具箱,搭建和训练RBF神经网络,通过多次调试保证神经网络模型的正确训练和修正。采用net=newrb(P,T,GOAL,Spread,MN,DF)命令对1990—2015年上海城市生活垃圾理化性质数据样本进行训练。参数设定误差目标为0.001,隐含层数为200,迭代层数为1,并根据训练结果选取最佳扩展速度值。

1.2.3 运用GM(1,1)预测社会经济因素

灰色预测法通过建立符合要求的微分方程模型来预测未来发展趋势,其精度较高,易于检验,在一定程度上突破了大数据建模的不足之处[19]。即使在样本数量非常有限的情况下,该方法也能提供精确预测[20]。选用灰色模型GM(1,1)作为预测模型之一,以预测2019—2030年上海生活垃圾的重要影响因素。

2 结果与讨论

2.1 近30年生活垃圾理化性质演变

在上海生活垃圾11项物理组分中,厨余类、橡塑类和纸类这3类组分含量处主导地位(见图1)。1990—2018年,关键物理组分厨余类呈波动下降趋势,从82.72%下降至54.78%。纸类和橡塑类呈波动上升趋势,橡塑类从3.98%上升至21.41%,纸类从4.01%上升至12.49%。容重、含水率呈波动下降趋势,而低位发热量呈明显上升趋势,较2007年上升26.46%。

图1 上海生活垃圾物理组分变化趋势Fig.1 Change trend of physical composition of municipal solid waste in Shanghai

2.2 生活垃圾理化性质的影响因素

2.2.1 Pearson相关性分析

选定18项社会经济因素(1990—2018年)、16项生活垃圾特征(包括11项物理组分及5项理化性质)(2007—2018年)进行相关性分析,并绘制相关性热图(见图2)。结果表明,人均GDP是生活垃圾理化性质的关键影响因素,与厨余类占比呈显著负相关性(P<0.01),而与纸类、橡塑类占比呈正相关性。夏季降水量、冬季降水量、65岁以上人口比例与生活垃圾特征及其他社会经济因素相关性综合较弱,因此这3个社会经济因素予以筛除,剩余的15项社会经济因素引入灰色关联度分析比较数列。

注:F1为0～14岁人口比例;F2为15～64岁人口比例;F3为家庭人口规模;F4为人均GDP;F5为第三产业比重;F6为受教育程度;F7为人均住房面积;F8为城市化水平;F9为人均可支配收入;F10为人均消费水平;F11为食品烟酒;F12为衣着;F13为家庭设备用品及服务;F14为教育文化服务娱乐;F15为杂项商品和服务;F16为夏季降水量;F17为冬季降水量;F18为65岁以上人口比例。图中灰色原点代表正相关,黑色圆点代表负相关,且圆点越大相关性越强;灰度越小越趋于正相关。

生活垃圾中的厨余类与纸类、橡塑类、木竹类呈现显著的负相关性(P<0.05),与砖瓦陶瓷类呈现显著的正相关性(P<0.01),其中橡塑类与砖瓦陶瓷类、玻璃类的相关系数较大。容重与低位发热量呈显著负相关性(P<0.01),与含水率呈正相关性。垃圾中代表可燃成分的可燃分与低位发热量呈显著正相关性(P<0.05),表明低位发热量与可燃分的增加可能在一定程度上能够提升垃圾的可焚烧性。木竹类与灰分、混合类均呈现显著的负相关性(P<0.10),表明木竹类和混合类可能与焚烧程度存在一定的负相关性。

2.2.2 灰色关联度分析

将初次筛选后的15项影响因素引入比较数列,生活垃圾理化性质引入参考数列,计算灰色关联度(见表1),从而计算生活垃圾特征与影响因素的权重比率,结果表明,与上海生活垃圾理化性质有关的15项社会经济因素综合排序为: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质指标与社会经济因素的灰色关联度结果Table 1 Results of grey correlation degree between physicochemical characteristics and socio-economic factors of municipal solid waste in Shanghai

2.3 垃圾不分类与分类情景下的预测

综合Pearson相关性分析、灰色关联度分析以及权重比率结果,将人均GDP、家庭人口规模、受教育程度、城市化水平、0～14岁人口比例、15～64岁人口比例、食品烟酒7项社会经济因素1990—2018年数据作为重要影响因素引入预测模型。

2.3.1 GM(1,1)预测输入值

(1) 情景1:垃圾不分类。影响因素精度检验结果表明,以上7项社会经济因素的小误差概率和方差比均达合格及以上等级。因此,预测得到的2019—2030年数据可以用来进行下一步RBF神经网络预测分析。

(2)情景2:垃圾分类。2019年7月1日,上海开始实施《上海市生活垃圾管理条例》。在进行强制分类后,干、湿垃圾为生活垃圾的主要构成部分,大约占总产生量的82%,其中湿垃圾中大约99%为厨余垃圾,但干垃圾理化性质相对复杂。因此,本研究主要对垃圾分类后干垃圾的理化性质进行预测,为后续决策提供理论参考。考虑到上海生活垃圾分类后,干垃圾中理化性质变化趋势与垃圾不分类情景下的理化性质变化趋势相同,情景1的输入值结果也可作为干垃圾理化性质预测模型的输入值。

2.3.2 RBF神经网络模型预测的检验

待模型达到稳定状态后,基于2019年上半年上海城市生活垃圾理化性质数据平均值,对误差进行检验。需要指出的是,由于木竹类、纺织类、金属类、砖瓦陶瓷类、灰土类、其他类和混合类的占比较少,且历年数据无明显变化趋势,所以将这几项组分统一为“其他”进行预测。检验结果表明,两种情景下RBF神经网络模型输出的生活垃圾理化性质预测值均达到较高精度,该模型可用于预测与估计(见表2)。

表2 RBF神经网络模型预测的样本检验误差分析结果Table 2 Sample test error analysis results of RBF neural network model prediction

2.3.3 垃圾不分类与分类情景下理化性质预测

采用经训练及检验后稳定的RBF神经网络模型进行预测,输出2019—2030年上海垃圾不分类及垃圾分类后的生活垃圾理化性质预测值(见图3)。

图3 上海垃圾不分类及垃圾分类后理化性质变化趋势Fig.3 The change trend of physicochemical characteristics before and after waste classification in Shanghai

(1) 垃圾不分类情景。预测结果表明,未来厨余类占比持续降低,2030年降低至44.24%;纸类、橡塑类呈现持续上升趋势;玻璃类和其他变化趋势不明显,2030年占比分别维持在3.25%、8.77%。容重和含水率呈现出降低的趋势;可燃分基本保持不变;低位发热量和灰分呈现增长趋势。2020年厨余类占比预测结果与后向传播神经网络模型预测方法所得结果相近,相对误差为0.08%[21]。

(2) 垃圾分类情景。预测结果表明,未来干垃圾中的纸类和橡塑类占比呈持续上升趋势,2030年分别上升至37.20%和44.67%;厨余类占比呈持续下降的趋势,从2019年的14.40%下降到2030年的3.73%;玻璃类和其他变化幅度相对较小。容重、灰分、含水率均呈现出降低的趋势;低位发热量与可燃分呈增长趋势。

2.4 上海与国内外城市比较

为探讨不同区域、城市规模和社会经济发展水平情景下生活垃圾理化性质的差异性,兼顾数据的可获得性,选取北京、上海、宁波、遂宁等20个国内大中小城市,以及德国柏林、日本东京、南非开普敦、肯尼亚基苏木等10个国外城市,探讨生活垃圾主要组分与人均GDP的关系。其中,国内城市的选取范围覆盖中国华东、华南、华北、华中、西南和西北地区,国外城市的选取范围覆盖亚洲、欧洲、北美洲、南美洲和非洲地区。结果表明,人均GDP较低的城市,厨余类占比通常较高,而纸类、橡塑类占比较低(见图4)。此外,根据国内外城市的人均GDP与生活垃圾主要物理组分的相关性,参考上海城市总体规划,2030年上海人均GDP将达到268 162元,因而预测出上海2030年厨余类、纸类占比分别为40.07%和22.89%。该结果与RBF神经网络模型预测结果接近(垃圾不分类情景)。

图4 国内外城市生活垃圾的关键理化性质与人均GDP的相关性Fig.4 Correlation between key physicochemical characteristics of domestic and foreign municipal solid waste and per capita GDP

3 结 论

(1) 近30年来上海生活垃圾中的厨余类、橡塑类和纸类这3项物理组分发生明显变化。其中,厨余类占比从82.72%降低至54.78%;纸类和橡塑类则明显上升,低位发热量也呈明显上升趋势。

(2) 气象因素、老年人口比例等社会经济因素对生活垃圾理化性质影响不显著,而人均GDP等社会经济因素是生活垃圾理化性质发生变化的主要驱动因素。

(3) 垃圾不分类情景下,上海2019—2030年的生活垃圾中厨余类占比将从52.74%降低至44.24%,而纸类、橡塑类占比相应上升。垃圾分类情景下,厨余类占比持续降低,而纸类和橡塑类占比进一步上升,并伴随低位发热量增长。此外,基于上海与国内外城市的混合数据的预测结果与RBF神经网络模型预测值具有较好的一致性。