导读:本文包含了垃圾量预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:垃圾,神经网络,模型,生活垃圾,灰色,城市,线性。
垃圾量预测论文文献综述
程萌勋,王永奇[1]（2019）在《基于BP神经网络的深圳市垃圾产生量预测分析》一文中研究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。(本文来源于《区域治理》期刊2019年29期）
刘俊琴,舒怀珠,朱晓刚[2]（2019）在《基于信息扩散近似推理的义乌市建筑垃圾产生量预测研究》一文中研究指出建筑垃圾产生量的有效预测对于建筑垃圾综合利用与科学管理具有重要的现实意义。本文采用信息扩散近似推理的预测方法对2019年义乌市建筑垃圾的产生量进行了预测,预测结果符合建筑垃圾产生量增加的规律,具有一定的参考价值。(本文来源于《南方农机》期刊2019年11期）
汪坪垚,章华涵,姜勇,张燕[3]（2019）在《大连市主辖区生活垃圾产生量预测》一文中研究指出以GDP、社会消费品零售总额和人均可支配收入为主要影响因素,采用多元线性回归法对生活垃圾的人均日产生量进行了预测,并采用GM(1,1)模型对人口增长量进行预测,结果表明:到2020年大连市的生活垃圾年产生量将达1.918 3×10~6t,远超目前的处理能力,亟需建立可持续发展的垃圾减量化、资源化和无害化处理方案。(本文来源于《环境卫生工程》期刊2019年02期）
张信龙,刘庆东,秦文萍,陈弃非,郑圆维[4]（2019）在《沈阳市建筑垃圾存量统计及未来产生量预测研究》一文中研究指出目前沈阳市没有建筑垃圾的存量数据以及对未来的产生量无明确预计,无法开展大规模建筑垃圾资源化利用。针对这一情况,依据国家标准和相关资料中的计算方法,经过调研核算,结合沈阳市的实际情况,统计计算了未考虑资源化利用前提下的沈阳市的地铁工程、管廊工程、城中村拆迁、民用建筑施工装修拆迁等四类建筑垃圾的存量情况。同时根据国民经济的高速、中速、低速叁种增长情况,对沈阳市民用建筑垃圾的产生量进行了预测计算,统计了未来几年此类建筑垃圾的产生量情况。得出地铁工程、管廊工程、城中村拆迁、民用建筑四类建筑垃圾的存量数据,以及未来民用建筑垃圾产生量的预测数据,对未来沈阳市开展建筑垃圾资源化工作具有较好的借鉴意义。(本文来源于《建筑节能》期刊2019年02期）
熊华平,李鹏辉[5]（2019）在《基于新陈代谢GM(1,1)模型的湖北省城市生活垃圾清运量预测》一文中研究指出以湖北省2007-2013年城市生活垃圾清运量为基础数据,建立新陈代谢GM(1,1)模型,对湖北省未来七年的城市生活垃圾清运量进行了分析预测.采用该模型预测湖北省2014-2020年城市生活垃圾清运量,预计到2020年,湖北省城市生活垃圾清运量将达到838.7万吨,其预测结果可作为"十叁五"期间湖北省城市生活垃圾处置规划的理论依据.(本文来源于《数学的实践与认识》期刊2019年01期）
胡涛,钱萌,孙国芬,简思平,周吉利[6]（2018）在《城市生活垃圾产生量预测研究——以南方某市为例》一文中研究指出根据南方某市2004—2015年生活垃圾产生量及人口等数据,运用多元回归分析模型、平均增长率模型和人均产量模型3种方法对其未来5 a的生活垃圾产生量进行预测,并通过组合预测模型对3种方法的预测结果进行整合。研究可知,该市2020年生活垃圾产生量将达到22 000 t/d,3种单一预测模型中,多元回归分析法的预测结果误差最小,与组合预测模型的结果最为接近。说明多方面考虑影响生活垃圾产生量的因素,能够较为准确地对其产生量进行预测。(本文来源于《环境卫生工程》期刊2018年02期）
王典,王桂琴[7]（2018）在《北京市生活垃圾产生量预测分析》一文中研究指出选取人口和消费水平作为影响因素,通过对2007—2016年北京市消费总支出进行AR模型自回归分析,预测2017—2020年的消费总支出,再对消费总支出进行线性和多项式拟合,预测2017—2020年的生活垃圾产生量。构建2011—2016年北京市各区垃圾产生量占北京市垃圾产生总量比例的一阶差分模型,预测2017—2020年各区垃圾量占全市的比例,从而可预测各区2017—2020年的垃圾产生量。(本文来源于《环境卫生工程》期刊2018年02期）
邢巨元,张旋洲[8]（2017）在《北京市生活垃圾产生量预测》一文中研究指出根据北京市生活垃圾产生量现状,在确定主要影响因素的基础上,采取了多种数学方法对北京市生活垃圾产生量进行了分析预测,包括灰色模型、时间序列法、回归分析法。根据预测结果的分析,结合社会因素进行综合分析,得到北京市2020年前的生活垃圾产生量的预测值。(本文来源于《环境卫生工程》期刊2017年05期）
熊瑞涵,姚远,李爱玲,熊向阳[9]（2017）在《城市餐饮垃圾产生量预测公式的探讨》一文中研究指出通过对《餐厨垃圾处理技术规范》(CJJ184-2012)中餐饮垃圾产生量公式的优化,提出以常住人口、流动人口及旅游人口为计算基数,引入常住人口和流动人口的关联系数,优化不同人群的人均日餐饮垃圾产生量等。通过工程实例对比餐饮垃圾产生量两种不同的计算方法,在基础资料较完整前提下,推荐采用优化后的计算公式。(本文来源于《广东化工》期刊2017年16期）
张旺[10]（2017）在《基于Elman神经网络的城市生活垃圾清运量预测模型研究》一文中研究指出随着我国城市化进程的加速推进,城市经济快速发展,城市生活垃圾清运量以每年3%~10%的速度快速增长。当前一些垃圾处理基础设施不能满足经济快速发展的需求,就导致很多城市被垃圾包围。长此以来,不仅会造成严重的环境污染,阻碍经济的增长,更会对居民身体造成一定的威胁。针对上述问题,本文以我国历年城市生活垃圾清运量为基础,运用灰色关联度筛选影响我国城市生活垃圾清运量变化的主要因素。在此基础上提出基于BP神经网络和基于Elman神经网络的城市生活垃圾清运量预测模型。分别用两种模型对我国城市生活垃圾清运量进行预测,通过对预测样本进行检验选择预测精度较高的Elman神经网络模型对我国未来几年城市生活垃圾清运量进行预测。生活垃圾清运量作为城市不容忽视的民生难题之一,准确预测生活垃圾清运量意义非凡。它能为垃圾的综合治理提供依据,有效控制垃圾增长,减轻环境污染。还能为城市建设规划和环境卫生规划提供决策信息,对垃圾转运站的规划布局有着重要的影响。以武汉市为例,对武汉市2004-2014年的生活垃圾清运量及其11个影响因素的数据,运用灰色关联度法筛选得到了影响垃圾清运量最相关的6个主要因素。对所建预测模型进行对比分析,通过计算模型预测值与实际值的平均绝对百分误差和均等系数来检验模型的预测精度,结果表明Elman神经网络预测模型精度优于BP神经网络预测模型。并利用所建模型对武汉市2015-2018年的城市生活垃圾清运量进行预测,预测垃圾清运量分别为285.28(万吨),287.83(万吨),304.98(万吨),291.42(万吨)。研究结果表明,基于灰色关联度和Elman神经网络的城市生活垃圾清运量预测模型能有效的预测城市生活垃圾的清运量,具有较好的可行性和适用性。(本文来源于《湖北工业大学》期刊2017-06-30）
垃圾量预测论文开题报告
（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：
建筑垃圾产生量的有效预测对于建筑垃圾综合利用与科学管理具有重要的现实意义。本文采用信息扩散近似推理的预测方法对2019年义乌市建筑垃圾的产生量进行了预测,预测结果符合建筑垃圾产生量增加的规律,具有一定的参考价值。
（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。
垃圾量预测论文参考文献
[1].程萌勋,王永奇.基于BP神经网络的深圳市垃圾产生量预测分析[J].区域治理.2019
[2].刘俊琴,舒怀珠,朱晓刚.基于信息扩散近似推理的义乌市建筑垃圾产生量预测研究[J].南方农机.2019
[3].汪坪垚,章华涵,姜勇,张燕.大连市主辖区生活垃圾产生量预测[J].环境卫生工程.2019
[4].张信龙,刘庆东,秦文萍,陈弃非,郑圆维.沈阳市建筑垃圾存量统计及未来产生量预测研究[J].建筑节能.2019
[5].熊华平,李鹏辉.基于新陈代谢GM(1,1)模型的湖北省城市生活垃圾清运量预测[J].数学的实践与认识.2019
[6].胡涛,钱萌,孙国芬,简思平,周吉利.城市生活垃圾产生量预测研究——以南方某市为例[J].环境卫生工程.2018
[7].王典,王桂琴.北京市生活垃圾产生量预测分析[J].环境卫生工程.2018
[8].邢巨元,张旋洲.北京市生活垃圾产生量预测[J].环境卫生工程.2017
[9].熊瑞涵,姚远,李爱玲,熊向阳.城市餐饮垃圾产生量预测公式的探讨[J].广东化工.2017
[10].张旺.基于Elman神经网络的城市生活垃圾清运量预测模型研究[D].湖北工业大学.2017
论文知识图
