基于改进隐马尔科夫模型的城市垃圾量预测

发布时间：2023-05-19 05:51

　　随着中国社会经济的不断发展，近年来国内众多城市的人口和规模不断扩张，超大城市的垃圾处理问题也日益突出。准确预测城市垃圾量的峰值，能为垃圾管理系统能力建设提供决策依据，对超大城市的可持续发展具有重大意义。 传统预测方法大多利用平均值概念，不能有效地衡量数据动态变化和对峰值进行动态跟踪。基于此，本文提出一种改进的基于连续混合高斯分布的隐马尔科夫模型(GMM-HMM)，用以动态跟踪城市垃圾量峰值。以小样本的上海市近30年生活垃圾量和大样本的作为公共数据源的美国城市废水量为案例，分别采用状态转移推知预测期望值和通过后验概率搜索历史最相似时刻做预测，并利用Bootstrapping方法对结果进行区间修正以减少初始分布带来的不确定性。案例结果验证了所提出方法对城市垃圾量预测的适用性和有效性。 基于改进的GMM-HMM得到上海市2004至2010年生活垃圾量预测值，将其作为上海市垃圾处理量系统动力学模型的垃圾生成变量的输入。垃圾生成包括垃圾循环回收、非法处理和垃圾处理量。垃圾处理量与垃圾处理能力设计直接相关。通过改变垃圾回收价格、垃圾处理价格和针对垃圾非法处理的规章制度的严格程度，仿真得到上海市20...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
目录
第一章 绪论
    1.1 垃圾量预测的研究背景及意义
    1.2 文献综述
        1.2.1 垃圾管理
        1.2.2 垃圾量预测
        1.2.3 隐马尔科夫预测
        1.2.4 系统动力学
    1.3 本文研究内容及方法
    1.4 本文章节安排
第二章 隐马尔科夫模型
    2.1 隐马尔科夫模型简介
    2.2 隐马尔科夫模型分类
    2.3 基于混合高斯分布的隐马尔科夫模型的三类问题
        2.3.1 CHMM 的前向-后向算法
        2.3.2 改进的 EM 算法
        2.3.3 CHMM 的 Viterbi 算法
    2.4 改进的隐马尔科夫模型的预测框架
    2.5 隐马尔科夫模型的选择
    2.6 本章小结
第三章 大样本量的隐马尔科夫模型预测
    3.1 小波分析理论
    3.2 Bootstrapping 区间修正理论
    3.3 基于小波分析-隐马尔科夫组合预测模型的大样本垃圾量预测
    3.4 案例研究
        3.4.1 数据准备
        3.4.2 数据预处理
        3.4.3 模型选择
        3.4.4 预测结果
        3.4.5 误差分析
    3.5 本章小结
第四章 小样本量的隐马尔科夫模型预测
    4.1 主成分分析法
        4.1.1 主成分分析法的基本原理
        4.1.2 主成分分析法的步骤
    4.2 基于主成分分析-隐马尔科夫组合预测模型的小样本垃圾量预测
    4.3 案例研究
        4.3.1 数据准备
        4.3.2 数据预处理
        4.3.3 模型选择
        4.3.4 预测结果
        4.3.5 误差分析
    4.4 本章小结
第五章 基于系统动力学方法的垃圾处理量政策研究
    5.1 系统动力学简介
    5.2 系统动力学模型
        5.2.1 因果回路图
        5.2.2 存量流量图
    5.3 系统动力学建模
        5.3.1 建模背景
        5.3.2 垃圾处理量系统因果回路图
        5.3.3 变量与方程的建立
        5.3.4 仿真结果分析
    5.4 本章小结
第六章 结论与展望
    6.1 主要研究工作和结论
    6.2 展望
参考文献
致谢
攻读硕士学位期间已发表或录用的论文



本文编号：3819781