基于灰色理論和SVM的建筑廢棄物產(chǎn)量預(yù)測(cè)

譚茹文， 申紫薇

(四川大學(xué)建筑與環(huán)境學(xué)院，四川成都 610065)

城市化進(jìn)程的推進(jìn)必產(chǎn)生大量的建筑廢棄物，據(jù)統(tǒng)計(jì)，目前我國(guó)的建筑廢棄物產(chǎn)量位居世界第一。填埋與非法傾倒是現(xiàn)在大多數(shù)建筑廢棄物的處置方式，這些行為不僅會(huì)導(dǎo)致安全隱患，而且還會(huì)消耗大量稀缺的城市土地資源，對(duì)環(huán)境及經(jīng)濟(jì)與生態(tài)的平衡造成極大破壞。我們必須鼓勵(lì)建筑廢棄物資源化行為，促進(jìn)經(jīng)濟(jì)社會(huì)的持續(xù)健康發(fā)展。

準(zhǔn)確預(yù)測(cè)建筑廢棄物的年產(chǎn)量是對(duì)其資源化處置及資源化行業(yè)發(fā)展的基礎(chǔ)，本文在確定建筑廢棄物產(chǎn)量的主要影響指標(biāo)以及查閱2006～2019年各指標(biāo)數(shù)據(jù)的前提下，運(yùn)用灰色理論建立灰色預(yù)測(cè)模型，估算與預(yù)測(cè)2020～2025年的影響指標(biāo)的數(shù)據(jù)。在傳統(tǒng)的統(tǒng)計(jì)分析方法中，大多采用線性回歸法即通過(guò)建立回歸分析模型來(lái)進(jìn)行預(yù)測(cè)，當(dāng)該方法面對(duì)繁多的不確定因素且樣本數(shù)據(jù)較少時(shí)穩(wěn)定性即準(zhǔn)確性表現(xiàn)較差[1]。故本文選取預(yù)測(cè)效果更好、誤差更小的支持向量機(jī)(SVM)建立了建筑廢棄物產(chǎn)量預(yù)測(cè)模型，并準(zhǔn)確預(yù)測(cè)了我國(guó)未來(lái)5年的建筑廢棄物產(chǎn)量。最終針對(duì)預(yù)測(cè)結(jié)果，提出相關(guān)管理見(jiàn)解。

1 影響指標(biāo)分析與預(yù)測(cè)

從歷史上看，我國(guó)經(jīng)濟(jì)的增長(zhǎng)與建筑活動(dòng)的增加密切相關(guān)，建筑活動(dòng)又在一定程度上影響著建筑廢棄物的產(chǎn)量。本文通過(guò)查閱相關(guān)文獻(xiàn)，發(fā)現(xiàn)與建筑廢棄物年產(chǎn)量相關(guān)的主要影響因素有人口數(shù)量、GDP、建筑行業(yè)產(chǎn)值、建筑施工面積、建筑新建面積、商品房銷(xiāo)售面積、房地產(chǎn)開(kāi)發(fā)用地及城市固體廢棄物的產(chǎn)量等[2-3]?；疑A(yù)測(cè)模型就是通過(guò)少量的、不完全的指標(biāo)數(shù)據(jù)信息，建立灰色微分預(yù)測(cè)模型，對(duì)指標(biāo)數(shù)據(jù)做出比較穩(wěn)定的中、長(zhǎng)期預(yù)測(cè)。我們?cè)诓殚喩鲜鋈丝跀?shù)量及建筑行業(yè)產(chǎn)值等8個(gè)影響指標(biāo)與建筑廢棄物產(chǎn)量相關(guān)性的基礎(chǔ)上，根據(jù)中國(guó)統(tǒng)計(jì)年鑒[4]及相關(guān)主管部門(mén)資料，進(jìn)行相關(guān)數(shù)據(jù)分析、灰色預(yù)測(cè)模型建立及未來(lái)5年數(shù)據(jù)的預(yù)測(cè)?；疑Ｐ徒⒌南嚓P(guān)數(shù)據(jù)如下表1所示。

首先，利用灰色理論模型建立了自變量人口數(shù)量x1、GDPx2、建筑行業(yè)產(chǎn)值x3、建筑施工面積x4、建筑新建面積x5、商品房銷(xiāo)售面積x6、房地產(chǎn)開(kāi)發(fā)用地x7及固體廢棄物x8這8個(gè)指標(biāo)以時(shí)間t為序列的8個(gè)灰色預(yù)測(cè)微分方程模型如下：

x′1(t+1)=2668.32e0.0049t-2655.17

x′2(t+1)=2831654.16e0.1015t-2620783.2

x′3(t+1)=632508.6e0.1091t-590951

x′4(t+1)=1221.16e0.0419t-1180.14

x′5(t+1)=254.45e0.0474t-246.52

x′6(t+1)=108.98e0.007t-102.79

x′7(t+1)=-101.19e-0.0425t+104.85

x′8(t+1)=446.74e0.0475t-431.59

其次，據(jù)此計(jì)算2018～2025年影響指標(biāo)的預(yù)測(cè)值，見(jiàn)表2。

2 SVM預(yù)測(cè)模型

我們共收集了20年的8個(gè)影響指標(biāo)數(shù)據(jù)，其分布見(jiàn)表1與表2，建筑廢棄物產(chǎn)量的已知數(shù)據(jù)yi見(jiàn)表3。在以上數(shù)據(jù)基礎(chǔ)上，本節(jié)建立SVM預(yù)測(cè)模型，預(yù)測(cè)我國(guó)2020～2025年建筑廢棄物的年產(chǎn)生量。

首先，將2006～2017年建筑廢棄物產(chǎn)量的12個(gè)樣本進(jìn)行劃分，選取前10個(gè)樣本即2006～2015年建筑廢棄物的年產(chǎn)量作為訓(xùn)練樣本，剩下2個(gè)樣本即2015～2017年建筑廢棄物年產(chǎn)量作為測(cè)試樣本。在Matlab環(huán)境中，將歸一化處理后的輸入集數(shù)據(jù)和輸出集數(shù)據(jù)分別導(dǎo)入到SVM預(yù)測(cè)模型中，支持向量機(jī)的起始參數(shù)為：懲罰系數(shù)C=1.51572，核函數(shù)的寬度系數(shù)σ2=0.25。最后的訓(xùn)練與測(cè)試結(jié)果見(jiàn)圖1與圖2，從圖中我們可以發(fā)現(xiàn)該預(yù)測(cè)模型擬合度較高，具有一定推廣性。為了對(duì)預(yù)測(cè)模型進(jìn)行更深入的分析，采用平均相對(duì)誤差eMAPE對(duì)模型性能進(jìn)行評(píng)價(jià)，其計(jì)算公式如下：

表1 2006～2017年建筑廢棄物產(chǎn)量及影響指標(biāo)數(shù)據(jù)

表2 2018～2025年影響指標(biāo)數(shù)據(jù)的預(yù)測(cè)值

表3 2006～2017年建筑廢棄物年產(chǎn)量 單位：×108 t

圖1 訓(xùn)練結(jié)果

圖2 測(cè)試結(jié)果

最后導(dǎo)出支持向量機(jī)對(duì)2020～2025年建筑廢棄物年產(chǎn)量的預(yù)測(cè)結(jié)果,見(jiàn)表4。通過(guò)計(jì)算，可以發(fā)現(xiàn)eMAPE模型的平均相對(duì)誤差值為3.63 %，詳見(jiàn)表5，該結(jié)果表明建筑廢棄物年產(chǎn)量的預(yù)測(cè)值和實(shí)際值之間的誤差較小，該模型具有較高的預(yù)測(cè)精確度。

表4 2020～2025年建筑廢棄物預(yù)測(cè)產(chǎn)量 單位：×108 t

4 結(jié)束語(yǔ)

本文首先利用灰色預(yù)測(cè)模型準(zhǔn)確預(yù)測(cè)出近5年人口、建筑行業(yè)產(chǎn)值等8個(gè)影響指標(biāo)的數(shù)據(jù)，在這些數(shù)據(jù)基礎(chǔ)上，繼續(xù)通過(guò)預(yù)測(cè)效果更好的SVM建模，預(yù)測(cè)出近5年我國(guó)建筑廢棄物產(chǎn)量，可以看到隨著人口數(shù)量、經(jīng)濟(jì)與建筑業(yè)的發(fā)展，我國(guó)建筑廢棄物的產(chǎn)生量以前所未有的速度逐年增加，到2025年有望達(dá)到36×108t產(chǎn)值。

表5 模型性能分析 單位：×108 t

針對(duì)這個(gè)現(xiàn)象，有必要迫切對(duì)建筑廢棄物的特性和管理進(jìn)行更多的研究并迅速采取行動(dòng)，比如，一方面在設(shè)計(jì)階段通過(guò)延長(zhǎng)新建筑物和現(xiàn)有建筑物的使用壽命從源頭來(lái)減少建筑廢棄物的產(chǎn)生。建筑廢棄物減量化有極限，但資源化無(wú)盡頭，另一方面，需要政府管理部門(mén)有所作為，制定相關(guān)建筑廢棄物管理政策來(lái)建立健全管理制度。通過(guò)采取必要措施支持和鼓勵(lì)建筑廢棄物資源化行業(yè)的發(fā)展，進(jìn)而擴(kuò)張資源化市場(chǎng)，提高建筑廢棄物的終端處置能力，從而將建筑廢棄物轉(zhuǎn)化為可用資源，減少建筑廢棄物的同時(shí)，還可以避免嚴(yán)重的環(huán)境，經(jīng)濟(jì)和社會(huì)影響。