城市生活垃圾产量预测研究

摘 要：首先对利用回归分析方法来预测城市生活垃圾产量时容易产生伪回归进行了阐述和例证，接着运用时间序列的分析方法，对武汉市城市生活垃圾年产量序列建立了ARIMA模型，借助SAS软件系统对该模型进行了分析，并对垃圾年产量做了预测，模型拟合效果比较理想，为环卫部门加强对城市生活垃圾的回收处置及管理提供了参考。

关键词：城市生活垃圾产量；虚假回归；时间序列分析；ARIMA模型

中图分类号：F20文献标识码：A文章编号：1672-3198（2007）12-0089-02

1 引言

垃圾占用大量土地、污染水体和大气、破坏植被，严重影响城市的市容景观和居民的生活环境，它已成为各国政府急需妥善解决的首要问题之一。准确预测城市生活垃圾的产生量是进行城市固体废物全过程管理的一项重要基础工作。

2 预测方法的选择

2.1 线性回归方法中的“虚假回归”

目前,大家对垃圾产量预测的方法主要是线性回归分析法。线性回归分析法可以充分考虑各种影响因素,但对各因素的影响程度缺乏识别,过多的次要因素不仅增加计算量,而且无助于预测精度的提高，甚至有时会产生虚假回归的情况。传统计量经济学在建立模型的时候要求随机过程必须是平稳的序列，如果序列是不平稳的，就会产生“虚假回归”，致使按照传统统计推断得出的结论严重失误。而现实中大部分的时间序列都是非平稳的（带有明显的时间变化），在这种情况下，直接建立回归模型将失去意义。但一些不平稳时间序列的某个组合却可能呈现出平稳的特性，这种组合反映了变量之间稳定的比例关系，呈现出长期均衡的趋势，称为协整关系。如果两个不平稳序列之间存在协整关系，那么所建立的回归模型就不是“虚假回归”。

2.2 时间序列预测分析方法的优点

时间序列预测分析方法是通过以往数据来揭示数据随时间变化的规律，将这种规律延伸到未来，从而作出预测的方法。从建立模型进行预测的目的来看，时间序列分析模型比回归分析和其他经济模型是有一定的优越性的，主要表现在：（1）容易收集到解释变量，时间序列分析仅仅需要预测变量的过去序列值；(2) 回归分析和其他经济模型不容易揭示出被解释变量的非线性特征，而时间序列分析是年度、季度、月度等的周期性模型，能揭示出被解释变量的非线性特征；(3) 利用回归分析进行预测时需要知道解释变量的值，这又是一个预测问题，而利用时间序列分析进行预测时不存在这个问题。

基于上述分析，本文拟采用时间序列分析中的ARIMA模型，对1984年－2003年武汉市城市生活垃圾年产量进行计量分析，并对未来几年的垃圾产量进行预测，最后就如何应对城市生活垃圾的日益增加提出简要建议。

3 ARIMA模型的原理

4 对武汉市城市生活垃圾年产量的预测

利用ARIMA模型进行垃圾产量预测的大致流程如下：

（1）获得观察值序列。

本文所选用的数据是武汉年鉴中的武汉城市生活垃圾清运量和人口数及GDP等的时间序列数据，其时间跨度是1984年－2003年，所采用的计量经济软件是SAS9.1。

（2）判断序列的平稳性。

但是对2阶差分序列进行白噪声检验后又发现，在检验的显著性水平取为0.05的条件下，由于延迟6阶的QLB统计量的p值为0.5168，大于0.05，所以2阶差分后序列变为白噪声序列，故停止对2阶差分序列的分析。

对序列{Wt}进行3阶差分，差分后的时序图如图4所示。此时序图显示出3阶差分后序列在均值附近很平稳地波动，为了进一步确定平稳性，考察3阶差分后的自相关系数，发现除了延迟一阶的自相关系数在2倍标准差范围之外，其它阶数的自相关系数都在2倍标准差范围之内波动。根据自相关系数这个特点可以判断该序列具有短期相关性，进一步确定三阶差分后序列平稳。接下来对平稳的3阶差分序列进行白噪声检验，在检验的显著性水平取为0.05的条件下，由于延迟6阶的QLB统计量的p值为0.0485，小于0.05，所以3阶差分后序列不能被视为白噪声序列，即3阶差分后序列还蕴含着不容忽视的相关信息可供提取。

（4）对平稳非白噪声差分序列拟合ARMA模型。

在3阶差分后序列的自相关系数中，由非零自相关系数衰减为小值波动的过程非常突然，可以认为该序列自相关系数一阶截尾。再考察其偏自相关系数的性质，发现偏自相关系数显示出非截尾的性质，所以考虑用MA（1）模型对3阶差分后序列进行拟合。结果显示3阶差分后序列的拟合模型为ARIMA（0，3，1）模型，拟合模型的具体形式为： 。而对残差序列进行检验后发现，拟合检验统计量的P值都是显著大于显著性水平0.05，则可以认为该残差序列即为白噪声序列，另外，系数显著性检验显示两参数均显著，这说明拟合ARIMA（0，3，1）模型显著成立，即序列建模成功。

（5）序列预测。

模型拟合好后，可以利用拟合模型对原始序列{Wt}进行短期预测，我们作5期预测，得到结果如表1所示：其中04年垃圾产量预测值为285．3925万吨，与实际值291万吨之间误差很小，基本可以忽略不计，说明预测的效果很好。

5 结论

利用时间序列分析方法中的ARIMA模型可以比较好地拟合武汉市城市生活垃圾的年产量变化，通过分析及预测结果可知，在未来近5年时期内，武汉城市生活垃圾产量的增长，将给经济发展、人口增加的武汉带来沉重的负担，这就要求我们对城市生活垃圾处理问题早做规划，以免对城市发展形成大的阻碍。

参考文献

［1］王燕.应用时间序列分析［M］.中国人民大学出版社，2005，（7）.

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。