《南通大学本科毕业设计论文题目南通市生活垃圾产量预测及影响因素分析.docx》由会员分享，可在线阅读，更多相关《南通大学本科毕业设计论文题目南通市生活垃圾产量预测及影响因素分析.docx（25页珍藏版）》请在课桌文档上搜索。
1、南通大学本科毕文芈设计（论题目:南通市生活垃圾产量预测及影响因素分析学院地理科学学院班级环科192班学生姓名赵和凝学号指导教师姚红职称副教授评阅教师职称完成日期南通大学地理科学学院二零二三年五月摘要目前由于社会发展所带来的城市生活垃圾的产量正在逐年不断增加，“垃圾围城”对城市的环境影响问题也在日渐显露,南通市在2021年的年生活垃圾产量已达254.9万吨。要想处理垃圾堆积问题，首要需对其在各方面进行研究，确定，这将需要合理的规划管理办法以免造成资源浪费或无法满足需求的情况，因此本课题选择对城市未来发展规划具有基础意义的数据预测进行研究。针对南通市生活垃圾未来的产量，本课题通过搜集南通市政府、统
2、计局等过去十年的官方数据，选取对产量有影响的因素，运用相关性分析确定其与年生活垃圾产量的关联程度，然后建立多元线性回归模型，最后通过显著性检验分析得出所需的回归方程，并将所需因变量的拟推算未来值代入回归模型，得出南通市未来5年的生活垃圾产量预测。结果表明：对生活垃圾产量影响最相关的因素为年末常住人口和人均可支配收入，生活垃圾产量回归方程为Y=2857.685+3.895X1+0.002X3,拟合效果良好；20222026年南通市年生活垃圾产量将达256.79-296.00万吨，平均增长率为3.04%。关键词：生活垃圾、产量预测、多元回归ABSTRACTAtpresent,theproducti
3、onofurbansolidwastebroughtaboutbysocialdevelopmentisincreasingyearbyyear,andtheenvironmentalimpactofthegarbagesiegeonthecityisalsoincreasinglyrevealed,andtheannualdomesticwasteproductionofNantongCityin2021hasreached254.90,000tons.Inordertodealwiththeproblemofgarbageaccumulation,itisfirstnecessarytos
4、tudyallaspectsofitanddeterminethatitwillrequirereasonableplanningandmanagementmethodstoavoidwasteofresourcesorinabilitytomeetdemand,sothisprojectchosetostudythedatapredictionofbasicsignificanceinthefuturedevelopmentplanningofthecity.InviewofthefutureproductionofdomesticwasteinNantong,thisprojectcoll
5、ectstheofficialdataofNantongMunicipalGovernmentandStatisticsBureauinthepasttenyears,selectsthefactorsthathaveanimpactonproduction,usescorrelationanalysistodeterminethedegreeofcorrelationbetweenitandannualdomesticwasteproduction,andthenestablishesamultiplelinearregressionmodel,andfinallyobtainsthereq
6、uiredregressionequationthroughsignificancetestanalysis,andsubstitutestheproposedfuturevalueoftherequireddependentvariableintotheregressionmodeltoobtaintheforecastofdomesticwasteproductioninNantonginthenext5years.Theresultsshowedthatthemostrelevantfactorsaffectingtheoutputofdomesticwasteweretheperman
7、entpopulationandpercapitadisposableincomeattheendoftheyear.TheregressionequationofdomesticwasteproductionwasY=-2857.685+3.895X1+0.002X3,andthefittingeffectwasgood.2022-2026TheannualdomesticwasteproductioninNantongCitywillreach256.79-296000,000tons.Theaveragegrowthrateis3.04%.Keywords:Municipalsolidw
8、aste;Productionforecast;Multipleregression.目录摘要IABSTRACTIl1. 绪论11.1. 选题理由与意义11.2. 课题研究的现状与发展趋势11.2.1. 垃圾产量的预测模型11.2.2. 影响垃圾产量的因素21.3. 研究内容与技术路线31.3.1. 研究内容31.3.2. 技术路线41.5. 研究创新42. 52.1. 计算方法原理52.1.1. 生活垃圾产量预测的多元线性回归模型52.1.2. 参数的最小二乘估计52.1.3. 生活垃圾产量预测模型回归方程的显著性检验52.1.4. 生活垃圾产量预测模型回归系数的显著性检验62.2. 数据来
9、源72.2.1. 影响生活垃圾产量的因素指标选取72.2.2. 影响因素数据的获取73. 结果与讨论93.1. 影响生活垃圾产量的因素相关性分析93.2. 生活垃圾产量预测回归方程的检验103.3. 2022-2026年南通市生活垃圾产量预测结果144. 结论18参考文献19致谢211.绪论1.1. 选题理由与意义就目前而言，在一个社会的不断前进发展过程中，“垃圾围城”现象不断突出，面对显露的环境问题，徐盼等人得叫未找测用.在2013年对我国城市生活垃圾从产生和处理进行了现状分析，发现各区域生活垃圾的产量与城市GDP有着密切联系，同时垃圾的无害化处理率也存在着由东部向西部递减的规律。国务院在2
10、018年印发了“无废城市”建设试点工作方案，而与此同时我国城市生活垃圾清运量在2019年就依然高达2亿吨之多*怵找则用如。在满足环境健康的基础下，人们对生活环境的舒适度的要求也在逐渐提高，生活垃圾的产生成为其受牵制问题，而社会稳定发展的基础即取决于处理好人与环境之间相互协调相互平衡的关系。研究城市生活垃圾产量的相关影响因素及科学准确地预测城市生活垃圾产量趋势好!未引用冰，对城市发挥科学政策的指导作用与发展规划与管理提供科学的支撑有意义。因此本课题期望从环境保护的角度，分析生活垃圾产生影响因素，通过建立模型预测出南通市未来生活垃圾产量，提供数据以助环境保护相关部门在其生活垃圾回收处理方面实施良好
11、的规划管理，推进社会环境绿色可持续发展。12课题研究的现状与发展趋势1.1.1. 垃圾产量的预测模型城市生活垃圾产量正在逐年增加，现如今在国内外已有许多的学者对城市生活垃圾产量有所关注，并通过对各类产生垃圾的影响因素分析，构建了预测模型对未来城市生活垃圾产量趋势进行估值，使用函数计算预测生活垃圾的产量。在使用这些预测模型的过程中人们逐渐将其分为两个类别：其一是时序分析模型，这类模型忽略其他影响因素，仅根据时间变化规律来对生活垃圾进行分析预测未婚引用.；在预测过程中选取的几种常见模型有线性回归MLR模型、时间序列ARIMA(P,d,q)模型”未找W、灰色系统GM(1,1)和神经网络BPNN模型*
12、!未找W,时间序列理论是根据因素随时间的变化来预测未来的发展趋势，其中较为重要且常用的一种模型为自回归滑动平均，它通过对所得数据的处理使之将数据标准化，同时使用加权平均将不确定误差消除，从时间发展的进程上分析垃圾产生趋势。有张万里等人.阳未找则用毒.和王桂琴等人群!未找响用.就基于ARIMA模型分别对环渤海典型城市和北京市的生活垃圾产量进行了预测；关于灰色理论的创立源自于1982年邓聚龙教授，利用灰白黑的颜色系统表征我们对事物具体信息的掌握程度*L引用灰色模型预测有着所需信息少却能保证结果精确度较好的优点，但该模型的运用与数据平滑性往往有关*!未找到引用礼。其经过30多年的发展，灰色预测模型已
13、成为了一个研究最活跃、应用最广泛的预测模型，在灰色系统理论中最为活跃的分支之一未找到引用李宏诔找四用.使用灰色模型预测了成都市生活垃圾产量，其二则是回归分析模型，通过一个或多个变量的变化情况得出另一变量的变化结果，在此课题中即分析生活垃圾产生情况与各影响因素之间的关系，然后通过影响因素的情况推断出垃圾产生情况未找知其主要内容和步骤是：首先根据对问题实际情况，确定自变量和因变量；其次通过找出合适的数学方程式来描述变量之间的关系；但由于所选择的变量都具有不确定性，因此对所得回归模型还要进行统计检验；最后则是利用回归模型，根据自变量去估计、预测因变量未找到引旃我国现行的CJ/T1062016城市生活
14、垃圾产量计算及预测方法中使用了多元线性回归*1未找到引用礼。但在处于人类活动以及环境等复杂情境下，所需考虑因素种类较多，预测过程则往往是非线性的问题，面对这种情况诞生了一门新兴学科人工神经网络(ANN),它的理念的提出是在二十世纪中，如今发展较好，它有着很强的数据处理能力、自适应性能力*!未引用.而引起众多领域科学家广泛关注，当传统统计条件不满足时，可以采用人工神经网络方法,对数据进行处理和预测。AbidOyeLK*!未找.,等人就使用人工神经网络ANN模拟预测纯CO2和非纯CO2的介电特性，并从ANN结构中提出单一数字方程，即使在无软件情况下也可用于预测；LlNK等人好味找到引用11就使用神
15、经网络与长短时记忆结合起的一种新模型预测上海市的生活垃圾产量，同时讨论了社会经济因素对其的影响。面对这些预测模型，孙李红等人*:未找蝌用.过将多元线性回归、灰色GM(1,1)、时间序列指数平滑法三种预测模型变权组合，改善了单一模型的局限性，提高了预测精度，对哈尔滨市的生活垃圾产量进行了预测。李艳平等人未找附用11使用灰色GM(1,1)、最小二乘对选取影响因素进行拟合预测，后结合多元回归预测生活垃圾产量。1.1.2. 影响垃圾产量的因素在运用模型预测城镇生活垃圾的未来产量情况时，首先需要对影响城镇生活垃圾产量的因素进行分析与筛选，若仅选取在某个影响因素来进行预测则会降低模型的精确度,而考虑因素过
16、多时又会增加计算时间、缩小模型适用范围，因此在选取各影响因素作为自变量时需要考虑其与结果的关联程度，相关性影响着回归性，当因变量与自变量之间相关性越高时，其回归程度也会越好，所以我们在进行下一步回归预测之前首先需要确定选取自变量的相关性程度如何*怵维引用。响因子基本可概括为区域的整体性因素和居民的生活因素，但在CJ/T1062016中华人民共和国城镇建设行业标准生活垃圾产生量计算及预测方法*!未找到引用.中将其更细分为4个方面，分别为人口、经济发展水平、居民生活水平、基础设施水平，其关键有人口数量、人口密度、旅游接待总人数；地区生产总值GDP、社会商品零售总额；居民可支配收入、人均消费支出、城
17、市燃气率；城区面积、清扫保洁面积、市容环卫专用车辆总数，总共11个因子。据此表明出影响生活垃圾的产生量和成分的主要因素中经济发展水平以及居民生活水平因素较为突出，一个地区的经济发展水平为关键性因素，而不同的城市有其不同的规划发展理念，因此生活垃圾的产量与成分也存在一定差异味找到引用而居民的消费习惯则对消费结构和消费量有所影响，即也是对经济发展水平有影响，从而生活垃圾的产生量和成分也是随其变化。杜吴鹏等人未找到引用”的研究就表明了GDP与城市生活垃圾清运量有关；MZAlikhan等人”!未找到引用”的详细分析了GDP对垃圾中纸类产品含量的影响较强。郭华等人群M到引用E利用回归模型预测时，对于影响
18、因素还考虑到了法规政策、居民的垃圾处理习惯等社会因素和内在因素。与此同时除去上述经济、生活因素外，还有研究表明生活垃圾产量也与自然因素相关，有明显地区性差异。AZadi等人未如引用11的研究则发现了温度、海拔等环境因素与生活垃圾的产量之间也存在较强的相关性。不过在一般预测垃圾产生情况时，对自然环境影响因素的考虑只有很少的研究者选取。13研究内容与技术路线1.3.1.研究内容收集整理南通市市区过去十年生活垃圾产量及相关因子的数据，通过分析筛选因子,建立多元线性回归模型，并使用拟合优度检验来确定回归方程对样本数据的拟合度如何,同时使用F检验，通过对回归系数的显著性检验来判断多元线性回归分析的拟合程
19、度，最后计算预测南通市未来五年的生活垃圾产量值。1.3.2.技术路线多元线性回归模型概念研究背景、现状研究思路模型构建回归方程的显著性检验回归系数的显著性检验图Ll技术路线图1.4.研究目标依据南通市统计年鉴现有官方公布历史数据确定南通市近十年生活垃圾的产量现状，首先综合考虑造成数据波动情况的因素，确定主要相关因素变量，其次通过证实其对产量预测模型相关影响度的有效性和合理性，最后运用多元线性回归模型来预测出南通市市区未来五年生活垃圾产量估值。15研究创新本课题以环境保护角度切入通过将理论与实际结合，对南通市过去生活垃圾的产量进行分析，在此基础上使用数学模型来预测未来产量情况，希望能对南通市未来
20、规划管理起到些许作用。2.材料与方法2.1. 计算方法原理2.1.1. 生活垃圾产量预测的多元线性回归模型回归模型作为使用广泛的数学工具，通过建立影响因素与所求指标的关系式来分析解释其之间的关系。胡涛等人未找到引用,在预测南方某城市生活垃圾产量中分别使用多元线性回归模型与多元线性回归模型和其他模型组合预测，最后得出结论中说表明在多模型组合预测提高精度的情况下，使用单一的多元线性回归模型的预测结果误差较小可以接受。在此，本课题选择使用多元线性回归模型进行南通市生活垃圾产量预测。现假设有随机变量y,其与自变量Xi,X2,Kk之间有如下线性关系：y=坛+b1x1HFbkxk+(1)其中b,bl,.,
21、bk为回归系数，k为自变量的个数，为随机误差。获取n次独立样本数据，将每次所的样本值依次代入关系式得到方程组，令：y=仇,为,为)(1xllx12,exIk：?皆)(3)1Xnln2XnkjB=(bo,b-,bk)(4)=则可得Y=XB+(6)即为方程组的矩阵表示。2.1.2. 参数的最小二乘估计采用最小二乘估计计算回归系数B=lyB=*X)TXW(7)2.1.3. 生活垃圾产量预测模型回归方程的显著性检验拟合优度检验:S总=S残+s回=F=(%y)2=(yi-y1)2+上式一y)2式中S残为残差平方和，反应自变量X以外因素对因变量y的作用；S同为回归平方和，反应总偏差平方和中因变量y的变化部
22、分；yi为第i个观测值；%为回归值，即因变量在第i个样本时回归方程计算出的值；?为所有观测值yi的平均值。在上式总偏差平方和所包含的两部分中，若回归平方和的值较大时则说明有较显著的线性回归效果；而当残差平方和的值较大时，则说明线性回归效果并不显著。因此根据两方定义样本决定系数於来反应因变量与自变量之间线性回归效果显著程度：r2=(9)S残当I2值越接近1时证明回归方程的拟合优度越高。F检验：首先提出假设Ho：bi=b2=.=bk=0o如果HO被接受，则表明线性回归模型对随机变量y与Xi,X2,Xk之间的关系表示并不适用。类似于一元线性回归检验，可建立多元线性回归方程显著性检验的F统计量。F=C
23、儿、F(k,n-k-1)(10)S(n-k-l)J于是，可利用F统计量对回归方程的总体显著性进行检验。对于给定的数据(y,xii,xi2,xik)(i=l,2,n;nk+l),计算出S回和S残，进而得到F的值，再由给定的显著性水平,查F分布临界值表，得临界值Fa(k,n-k-l)当FNFa(kmk-l),则拒绝假设Ho,认为在显著水平下，y对x,X2,Xk有显著线性关系，也即回归方程是显著的；反之，则认为回归方程不显著。2.1.4. 生活垃圾产量预测模型回归系数的显著性检验若检验自变量Xi是否显著即假设Hoi：bi=0(i=l,2,.)o若对于假设HO无充分理由否定，则认为Xi并不显著；若拒绝
24、假设HO则认为Xi显著。当HOi成立时了汩N(0,l)0此时用尸=C害?八F(l,n-c-l)(11)S(n-fc-l)进行检验。式中Cii是矩阵(X，X)-1对角线上的第i个元素，可用F来检验bi是否为零，即Xi对y的影响是否显著。22数据来源2.2.1. 影响生活垃圾产量的因素指标选取对于与生活垃圾产量有相关影响的因素选取方法，郭卫广等人未找到引用采用了层次分析法对影响因素进行分析评价，通过权重值筛选出具有的较好相关性的影响因素为后续模型预测打好基础。刘力铭加!未找到引用.使用灰色关联度分析来确定影响因素之间的关联程度。于涛等人物未找到引用采用主成分分析来对影响因素进行选取，并通过碎石图来
25、判断。本课题依据CJr106-2016中华人民共和国城镇建设行业标准中对于生活垃圾产生量计算及预测方法的标准，结合南通市统计年鉴中数据统计，最后分别从人口、经济发展水平、居民生活水平、基础设施建设水平4个方面中选取了以下几个影响因子作为预测研究因变量。同时使用SPSS软件选择采用相关性分析可以判断两个或两个以上的变量之间是否存在相关关系。表2因子含义Xl年末常驻人口（万人）X2城镇化率（%）X3人均可支配收入（元）X4人均消费性支出（元）X5地区生产总值（亿元）X6社会消费品零售总额（亿元）X7道路清扫保洁面积（万平方米）X8环卫专用车辆（辆）Y年生活垃圾产量（万吨）2.2.2. 影响因素数据
26、的获取以下错误!未找到引用源。数据中自变量X1,X2,.,X7数据来源于南通市统计年鉴,南通市年生活垃圾产量Y来源于南通市生态环境局南通市固体废物污染环境防治信息公报，其中X4的2012与2013年份数据为根据年平均增长率计算得来。根据年生活垃圾产量散点图可以得出，南通市的年生活垃圾产量在2016-2018年有所下降，但十年产量总体呈现上升趋势，同时结合错误!未找到引用源。知垃圾产量的增长趋势与影响因素有正相关联系。表2-22012-2021年数据表年份XlX2X3X4X5X6X7X8Y2012750.7658.520993146624630.31797.142647294109.142013
27、758.4859.923147157915235.42012.614404790147.142014763.3661.325340170075748.62201.383410454162.992015767.2163.127584183586498.32419.603271500190.432016768.2365.330084198277151.72670.583423573203.852017768.9567.233922218038034.12918.4755651592198.1642018769.4868.437071233798753.23182.2542991603194.042
28、2019772.4469.640320249569369.43361.6851171610232.472020772.8070.4426082467010018.33370.4044891816245.492021773.3071.2468822970511026.93935.4845472028254.9咄也轻幺腰划时图2-12012-2021年南通市年生活垃圾产量散点图3.结果与讨论3.1. 影响生活垃圾产量的因素相关性分析使用SPSS软件对选取的7个影响因素年末常住人口XI、城镇化率X2、人均可支配收入X3、地区生产总值X4、社会消费品零售总额X5、道路清扫保洁面积X6、环卫专用车辆X7
29、与年生活垃圾产量y进行了相关性分析，得出以下结果，从错误!未找到引用源。中可以了解：1)XI、X2、X3、X4、X5和X6与Y的相关系数r均处在0.9之上，即说明相关性极强；同时显著性P值均小于0.05,即说明这几个自变量与因变量之间存在显著性差异；2)X7与Y的相关系数r值为0.596,表明二者之间相关性一般，同时显著性P值0.069大于0.05,故不能说明二者之间存在显著性差异，因此对自变量X7的选择予以去除；3)X8与Y的相关系数r值为0.8,相关性较强，显著性P值0.0050.05,二者之间存在显著性差异。综上所引用的8个影响因子中有7个与年生活垃圾产量有较强相关性C错误!未找到引用源
30、。为各影响因素与年生活垃圾产量的叠加散点图，其中也标出了拟合线，通过观察也可得出各影响因素与产量之间的关系，其中组后一小张图中的两个因子的散点分布不比其他散点图分布规律。表3-1自变量与因变量相关性分析影响因素XlX2X3X4X5X6X7X8相关系数0.9630.9460.9350.9220.9440.9380.5960.802显著性0.OOl0.0010.0010.0010.0010.0010.0690.005个案数1010101010101010750.00756 00760 00765.00770 00775 00580.600.620.640660.680.7,720图3-1影响因素关
31、于年生活垃圾产量散点图32生活垃圾产量预测回归方程的检验根据SPSS软件输出回归分析结果各表可知：1）根据调整后产值可以知道模型拟合度，超过0.6时表明拟合度良好，此时於为0.973,表面因变量与自变量之间相关性较好，证明多元线性关系成立。2）德宾-沃森是为检验残差是否独立，区间为0-4,其值在越靠近2时结果越好，此时值为2.095。3）在ANOVA分析中显著性P值小于0.05表明线性相关，此时为0.021,结果较好。4）根据输出系数表可得出以下计算公式：Y=-3871.421+4.247X1+1317.656X2+0.01IX3+0.029X4一.020X5-0.288X6-0.047X8（
32、12）5）VlF为方差膨胀因素，其表示一个系数的方差膨胀了多少。一般当VIF值减为1时说明预测因子不相关；当IVVIFV5时说明预测因子中度相关；而当阈值大于5-10（预测因子高度相关），则说明回归系数估计较差*，蝌涧用不同的模型中对VIF值的评判要求也会有所不同，在此我们规定当其值大于30时说明回归系数估计值较差。表3-2模型摘要模型R方 调整后R方 标准估算的错误德宾-沃森1.997n.994.9737.389772.095a预测变量：（常量）,XI,X2,X3,X4,X5,X6,X8b.因变量:Y表3-3ANOVA3模型平方和自由度均方F显著性1回归18216.36972602.3384
33、7.654,021b残差109.217254.609总计18325.5879a.因变量：丫b.预测变量：（常量）,Xl1X2,X3,X4,X5,X6,X8表3-4系数未标准化系数标准化系数共线性统计模型B标准错误Betat显著性容差VIF1（常量）-3871.4211083.427-3.573,070Xl4.2471.398.6743.037.093,06116,522X21317.656947.9881.3361.390.299,003310.060X3.011.0042.0933.003.095.006163.062X4.029.0203.0121.443,286,0011416.988X
34、5-.020,010-1.074-1.945.191,010102.217X6-.288,181-4.377-1.589,253.0002547.717X8-.047,019-.687-2.453.134,03826,277a.因变量：Y综上，根据对回归系数的显著性检验表明并非每个自变量系数都与因变量有显著关系，而我们在建立预测模型时要求自变量下Xi独立，因此为更准确预测，对不显著的自变量进行剔除检验，直到确保剩余自变量对因变量都具有显著影响为止。首先对各因变量进行共线性诊断，从错误!未找到引用源。可以看出主成分特征值集中于其中几个，而有两个为0000,此时证明存在多重共线，同时还可以在方差比
35、例部分看出一个主成分在多个自变量上都具有较大的方差，由于具有多重共线的回归预测模型会对准确性有所影响，因此需通过处理因子共线性问题，筛选出多重共线的影响参数，防止拟合过度，以此提高预测精确度。对于多重共线的解决方法刘力铭使用岭回归将方差参数减小，绘制岭迹图来判断进而筛选错:未找时用乩，在本课题研究中使用SPSS软件分析时将自变量全部强制输入的方法更改为步进，其中步进法的条件设置为使用F的概率，即根据显著性选择来筛选自变量，值小于0.05时，进入，大于0.1时除去。表3-5共线性诊断模型维特征值条件指标方差比例（常量）XlX2X3X4X5X6X8117.7901.000.00.00,00.00.
36、00.00.00.002.1906.395.00.00.00.00.00.00.00.023.01820.738.00.00.00.00.00.02.00.174.00174.642.00.00.00.00.01.21.00.075.000158,549.00.00.00.95.00.18.01.176.000209.981.00.00.02.03.05.23.04.0977.231E-61037.883.01.14.93.01.51.34.48.4082.300E-61840.428.99.86.05.00.44.02.47.06a.因变量：Y通过逐步回归分析，输出以下结果：1）用过软件筛选
37、，最后输入变量为XI、X3,此时的回归模型有二：一种为只有自变量XI,一种为自变量有Xl与X3,两种模型都具有较好的拟合度，根据进一步分析，可以知道二者的显著性都具有极好的结果。2）在系数显著性检验表中可以知道方差膨胀系数VIF值小于5,在此我们选择模型2即得出以下公式：Y=-2857.685+3.895X1+0.002X3（13）3）选择模型2后排除的变量则为X2、X4、X5、X6和X8。4）错误!未找到引用源。中的点越靠近直线表明越正态分布。表3-6输入的变量模型输入的变量除去的变量方法1Xl步进（条件：要输入的F的概率二.050,要除去的F的概率=.100）o2X3步进（条件：要输入的F
38、的概率二.050,要除去的F的概率=.100）。a因变量:Y表3-7模型摘要模型RR方调整后R方标准估算的错误德宾-沃森1.963a.927.91812.890532.981b.963.9539.805821.541a.预测变量：（常量）,X1b.预测变量:（常量）,X1,X3c.因变量:Y表3-8ANOVA模型平方和自由度均方F显著性10016996.261116996.261102.285.OOOb残差1329.3268166.166总计18325.58792回归17652.50828826.25491.793.000c残差673.078796.154总计18325.5879a.因变量：Y
39、b.预测变量:（常量）,X1c.预测变量：（常量）,XLX3表3-9系数未标准化系数标准化系数共线性统计模型B标准错误Betat显著性容差VIF1（常量）-4457.645459,944-9.692.000Xl6.068.600.96310.114.0001.0001.0002（常量）-2857.685705.330-4.052.005Xl3.895,949.6184.103.005.2314.324X3.002,001.3932.612.035.2314.324a.因变量：Y表3-10共线性诊断方差比例模型维特征值条件指标（常量）XlX3112.0001.000.00.0023.927E-5
40、225.6601.001.00212.9601.000.00.00.002.0408.635.00.00.2439.361E-6562.3561.001.00.76a.因变量：Y因支:Vii1 .o0.00.20.40.6O.1 .O实测累积概率图3-2回归标准化残差的正态P-P图3.3,2022-2026年南通市生活垃圾产量预测结果首先根据所得预测模型公式得出2012-2021年年生活垃圾产量预测结果，将其与实际值进行误差比较。以下错误!未找到引用源。中预测1即共线诊断除去因素前所得出公式拟合的数据，其在2019年误差为3.19%,其余均小于该值，平均误差为0.44%。预测2即共线诊断除去因
41、素后所得出公式拟合的数据，其在2018年误差为10.3%,其余年份误差均在4.3%以下，平均误差为1.44%。从错误!未找到引用源。中可以知道2012-2021年年生活垃圾产量实际值与两个预测值的最小值基本相等，而最大值有轻微差异，预测2的值小于预测1的值小于实际值。平均值实际值与预测1基本相当，而预测2的平均值则稍高一点。类别300 00年份实际值河测1愦测2图3-3 2012-2021年南通市年生活垃圾产量实际值与预测值比较IHl活垃圾产量3002502001501预测2图3-4年生活垃圾产量实际值与预测值箱图经过上述对比分析，预测模型拟合度良好，现需取得预测所需自变量数据，首先2022年
42、南通市国民经济和社会发展统计公报中所公布得知，2022年年末全市常住人口Xl为774.4万人、常住人口城镇化率X2为71.8%、人均可支配收入X3为49093元、人均生活消费支出X4为30958元、地区生产总值X5为11379.6亿元、社会消费品零售总额X6为3956.9亿元，利用起始公式计算得出预测结果2022年南通市生活垃圾产量为332.73万吨，通过筛选修正后公式得出256.789万吨。后需2023-2026年XI、X3、X4、X5、X6数据都为根据2020年来增长率计算平均增长率推算得来，X2根据2020年来以及南通市“十四五”新型城镇化规划得知预计到2025年常住人口城镇化率将达74
43、肮十算得出平均增长率，X8根据18年来平均增长率计算得出。经过预测公式的计算，得出了2022-2026这五年的南通市年生活垃圾产量如下:表3-112022-2026数据预测年份XlX2X3X4X5X6X8预测1（万吨）预测2（万吨）2022774.4071.8490933095811379.603956.902158332.73256.792023775.0272.52524313264511438.773972.732296418.27265.882024775.6473.27559963442411498.253988.622443508.91275.422025776.2674.0598043630011558.044004.572599604.33285.462026776.8874.74638713827811618.144020.592765705.20296.00年份图3-52022-2026年生活垃圾产量预测折线图在上述图表中，错误!未找到引用源。2012-2021年生活垃圾产量预测中模型1的拟合程度随较好，误差较小，但在影响因素考虑较多时，由于因变量之间的共线性影响导致数据预测的可信度有所降低，根据其计算的结果表
