发布时间 : 星期五 文章垃圾减量分类活动的量化分析更新完毕开始阅读
在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小。熵值就越小；信息量越小，不确定性越大，熵也越大。根据熵的特性，我们可以通过熵值来判断一个时间的随机性与无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标的综合评价的形象越大。
在此问中，本文确定了2个待评价的影响因素, 每个影响因素有4 个影响指标，则有评价指标特征值矩阵X:
指标I1?x11x12??xx指标I2?2122??（i=1,2；j=1,2….8） (8) Xij????????指标I8?x81x82?由于参与评价的各项指标有越大越优型、越小越优型。故需对矩阵(1) 中的特征值进行归一化处理, 方法如下:
Xij'=Xij/maxXij;越大越优型 \Xij?minXij/Xij;越小越优型 据此得到归一化矩阵: Xij
'?x11'x12'??''?xxXij’=?2122??????''??x81x82?? (9) ?计算第i 个影响因素下第j 个影响指标特征值比重:
Pij?Xij/?Xij'，n?8； (10)
'j?1n 计算第i 个影响指标的熵:
1nei??pijlnpij,m?2,n?8; (11) ?mnj?1计算第i 个影响指标的权重:
ai?(1?ei)/?1?ei (12)
j?1n本文通过对附件中数据的综合与处理，参考附件八中深圳生活垃圾基础数据统计分析，以一定的定义计算，并经过标准化，得出两个校区八项指标的各项标准化数值。见表7
表7 归一化后的指标矩阵 督导 激励措施 社会道德 教育 家庭收入水平 家庭结构 户籍类型 9
阳光家园 0.64 0.73 0.82 0.43 0.53 0.63 0.49 天景花园 0.81 0.79 0.81 0.4 0.61 0.74 0.43 生活习惯 0.48 0.56 带入计算公式可以得到每项指标的熵值，由每个指标的熵值可以计算得出权重矩阵，代入数据得权重矩阵为W。
W=[0.164 0.024 0.046 0.093 0.2372 0.056 0.0871 0.2813] 将修正后的权重矩阵结合对应的影响因素得到下表8：
表8 熵值法修正后的权重矩阵 社会因素 个人因素 家庭收入督导 激励措施 社会道德 教育 水平 家庭结构 户籍类型 生活习惯 0.164 0.024 0.046 0.093 0.237 0.056 0.087 0.281 通过熵值法确定的权重矩阵，对层次分析法确定得权矩阵进行了修正，减少了权重的主观性，更有现实意义。由上表可以看出，在垃圾减量分类的过程中，社会因素和个人因素相比较，个人因素所占比重更大，其中最重要的是家庭收入水平（23.7%）和个人生活习惯（28.1%），在社会因素方面，对垃圾减量分类工作影响较大的是督导工作（16.4%）和教育工作（9.3%）。这说明对于城市垃圾减量分类工作中，其主导作用的是个人的经济水平，生活习惯等因素，这也符合客观实际。
5.1.5 对天景花园、阳光家园垃圾减量分类过程的描述与评价 (1) 对两小区垃圾减量分类过程的描述
通过研读附件四、五、六中对阳光家园和天景花园的实施垃圾减量分类的具体措施，我们认为可以采取分类后的垃圾的具体数量为指标来描述量小区实施的垃圾的减量分类的过程，用垃圾类别代表垃圾的分类，而不同垃圾的产量即可反映小区控制垃圾量的程度。这样就可以清晰得实现用量化的数据来描述小区的垃圾减量分类的过程。同时，参考附件2和附件3和搜集的垃圾量和人口数据进行数据，最终决定采取可回收物、厨余垃圾、有害垃圾、其他垃圾作为垃圾的分类。同时为了统一量纲，采取小区每户每日产生的不同种类的来及量作为数据指标，通过Excel计算得到阳光家园和天景花园两个试点小区垃圾户均日产量如表9 ：
表9 两小区四类垃圾户均日产量表 阳光家园 天景花园 可回收物 0.4120 0.4090 厨余垃圾 0.2900 0.7990 有害垃圾 0.0009 0.0014 其他垃圾 1.4010 0.5820 由上表数据可得对两小区垃圾减量分类过程描述如下： 阳光家园和天景花园的可回收垃圾量为0.412公斤和0.409公斤，说明通过小区的督导和教育，使居民主动减少了可回收垃圾的丢弃，这也是小区实现垃圾减量的最主要的因素。同时，由于居民们较好得落实了垃圾分类的工作，以及通过工作人员上门回收厨余垃圾等措施，使小区厨余垃圾和有害垃圾得到了很好的控制，尤其是有害垃圾，仅为0.0009公斤和0.0014公斤。而天景花园的厨余垃圾和阳光家园的其他垃圾均相对较多，可以作为下文两小区垃圾减量分类工作优劣评判的初步考虑。
(2) 对两小区垃圾减量分类过程的评价
通过比较上表数据，我们采用Topsis算法对阳光家园和天景花园的垃圾减量分量情况进行评价，假设人均产生必要的垃圾量一定，则考虑垃圾的分类情况和
10
附件中不同垃圾的处理难度和回收利用效率，我们指定可回收物和厨余垃圾为高优指标，有害垃圾和其他垃圾为低优指标。则首先对有害垃圾和其他垃圾的数据取倒作为初始数据。
根据a?Xij/2X?ij将初始数据进行归一化处理得到矩阵： i?1nZ?0.7090.3410.7050.9391.0570.8540.6940.519 (13)
最优方案和最劣方案分别为：
Z???0.7090.9391.0570.854?Z???0.7050.3410.6940.519?评价对象距离最佳方案和最劣方案的距离分别：
?D1??0.598,D2?0.494
(14)
?D1??0.494,D2?0.598 (15)
各评价对象和最优方案接近程度为：
D1?C1???0.494?D1?D1?D2C2???0.598?D2?D2 (16)
因为Ci在0与1之间取值,Ci愈接近1，表示该评价对象越接近最优水平；反之,Ci愈接近0，表示该评价对象越接近最劣水平,所以得到结论：天景花园比阳
光花园减量分类做得好一些. 5.2 问题二的模型建立与求解
对于问题二，按照以下思路进行建模[4]与求解：
垃圾本身 问题转化 灰色关联度 激励措施 减量分类 相关性分析 最优矩阵 Pearson系数 图2 问题二建模思路示意图
5.2.1问题转化
附件2、3给出了试点小区四类垃圾组分可回收物、厨余垃圾、有害垃圾、其
11
他垃圾的数量。本问要求构建模型，分析试点小区四类垃圾组分本身的数量存在什么相关性，即要分析数据间的相关性和关联性，采用Pearson相关系数和灰色关联度来求解。
为便于分析问题，本文采用灰色关联度和Pearson相关系数对附件2、3数据进行处理，并进行各项激励措施的数学转化，首先计算Pearson相关系数。
相关系数计算方法：
r??(Xi?1ni?X)(Yi?Y)2 (17)
相关系数的r绝对值越大,相关性越强,相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱。通常情况下通过以r的绝对值取值范围判断变量的相关强度：
i?1i?1?(Xni?X)?(Y?Y)in2表10 相关系数与相关性关系
相关性 r的绝对值 对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。因此，灰色关联法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。 灰色关联度计算方法：由于各因素各有不同的计量单位，因而原始数据存在量纲和数量级上的差异，不同的量纲和数量级不便于比较。因此计算关联度之前，通常要对原始数据进行无量纲化处理。其方法包括初置化、均值化等。这里我们用均值化方法进行处理： 强相关 0.6-0.8 中等程度相关 0.4-0.6 弱相关 0.2-0.4 极弱相关或无相关 0.0-0.2 （18）
设数据处理后的参考数列是：其中k表示时刻，有n个比较数列：
*****X0??x0(1),x0(2),x0(3),....,x0(n)?xi(k)1nX?;X1??xi(k);k?1,2.......,nnk?1X1*i （19）
比较数列为，m代表有m个比较数列：
（20）
从几何角度看，关联程度实质上是参考数列与比较数列曲线形状的相似程度。饭比较数列与参考数列的曲线形状相近，则两者间的关联度大；反之，如果曲线形状相差较大，则两者间的关联度较小。因此，可见曲线间的差值大小作为关联度的衡量标准。
12
Xi*??xi*(1),xi*(2),....,xi*(n)?;i?1,2,3,...,m