垃圾分类处理与清运方案设计的数学建模.doc

城市垃圾收运是由产生垃圾的源头运送至处理处置场的全过程操作,包括3个阶段:①收集———垃圾从产生源到公共贮存容器的过程;②清运———指清运车沿一定路线清除贮存容器内垃圾并将其转运到垃圾转运站的过程(在一定情况下,清运车可直接将垃圾运送至处理处置场);③中转———指在转运站将垃圾装载至大容量转运车,远途运输至处理处置场。前1个阶段需要对垃圾产生源分布情况、垃圾产生量及成分等进行调查和预测;后2个阶段需要运用最优化技术对清运线路和转运站垃圾分配运输进行优化。1城市生活垃圾产生量预测方法城市生活垃圾收运模式的设计是在对生活垃圾产生量作正确预测的条件下进行的,因为设计的收运模式,不仅应满足当前垃圾产生量的需求,而且应该能够应对未来几年的变化。目前,国内外较为普遍使用的数理统计方法为单指数平滑法、线性回归分析法、灰色系统模型分析法。+1=aXt+(1-a)Yt。(1)式中:t为时间;a为指数平滑系数,介于0~1;Xt为t时垃圾产生量的实际观测值;Yt为t时垃圾产生量的预测值;Yt+1为t+1时垃圾产生量的预测值。=a0+a1x1+a2x2+…+amxm。(2)式中:Y为垃圾预测产生量;xi为影响垃圾产生的多个因素(i=1,2,…,m);ai为回归系数(i=1,2,…,m)。影响垃圾产生的因素有很多,如人口数量、工资收入、消费水平、生活****惯、燃料结构等。对于众多因素,可以采用变量聚类法,对数据进行预处理。据介绍,经过数据处理后多元回归分析法中很多变量都属“同解”,经过变量与处理后,实际运算时,相当于一元回归的“人口模式”预测法〔1〕。(GM)包含模型的变量维数m和阶数n,记作GM(n,m)。在生活垃圾产生量预测中普遍使用GM(1,1)模型。通过对原始的时间序列数据进行累加处理后,数据便会出现明显的指数规律,通过进一步分析,可以进行垃圾产生量预测。在实际应用中,灰色系统模型预测法会产生正误差,而线形回归分析方法的预测结果偏小。因此可以结合2种预测方法的特点,运用2种预测值的加权平均值作为垃圾产生量的推荐值〔2〕。2垃圾清运路线优化垃圾物流是一种具有“产生源高度分散、处置高度集中、产生量和品质随季节变化”特点的“倒物流”系统,是从分散到集中的过程;而生活物质供应“正物流”是商品从集中到分散的过程。虽然2种物流在表现上有所区别,但也有本质联系。·43·环境卫生工程第17卷技术,可以有效提高效率,降低成本。因此垃圾清运车辆选择、路线优化可以参照物流配送系统对运输车辆的优化调度。车辆调度问题一般定义为:对一系列发货点/收货点,组织适当的行车路线,使车辆有序地通过它们,在满足一定的约束条件(如货物需求量、发送量、交发货时间、车辆容量限制、行驶里程限制、时空限制等)下,达到一定的目标(如路程最短、费用极小、时间尽量少、使用车辆尽量少等)〔3〕。比照物流学中车辆调度问题〔4〕,建立垃圾清运的基本模型。用0标志垃圾转运站;设有n个清运点,分别用标志1,2,…,n;完成清运任务需要的车辆数为m,每个车辆的载质量为c;每个清运点的垃圾产生量为gi(i=1,2,…,n);转运站和各清运点中任意两点之间的运距用dij(i=0,1,2,…,n;j=0,1,2,…,n)表示;第k辆车的行车路线称为第k条子路径,其包含清运点的数目为nk,Pk表示第k条子路径中nk个清运点组成的集合,其中的元素Pki(i=1,2,…,nk)代表第k条子路径中顺序为i的清运点;Pk0、Pknk+1均表示转运站,即Pk0=Pknk+1=0。Minz=mk=1∑ni+1i=1∑dPki-1Pki,1≤nk≤n,k=1,2,…,m;(3)mk=1∑nk=n;(4)nki=1∑gPk≤c,Pk={Pki|i=1,2,…nk},k=1,2,…,m;(5)Pk1∩Pk2=Φ;k1≠k2k1=1,2,…,m;k2=1,2,…,m。(6)经证明:一般车辆优化调度问题属于组合优化领域的NP-hard问题,通常采用启发式算法进行求解。to等综合运用启发式算法、拍卖算法和动态惩罚法求解了巴西的阿雷格里港24辆清运车的调度问题。该问题中包含1个车库,在清运该市60t垃圾的同时,满足8个垃圾分选场的最小需求〔5〕。AndrzejJaszkiewicz等用保距重组算子的遗传局部搜索算法解决了1个固体废物管理公司清运30000个垃圾容器的车辆运输问题。该问题包含1个车库,2个垃圾填埋场〔6〕。该优化问题不仅要总路线最短,而且要实现经济、环境与社会三方共赢。宋