Prediction of annual output of plastic waste in urumqi city and analysis of influence factors

doi:10.19491/j.issn.1001-9278.2022.04.018

Abstract

Abstract:

This study was based on the data related to the proportion of plastic waste in municipal solid waste， the delivering quantity of municipal solid waste， and the data of social and economic development in Urumqi City from 2008 to 2019. The annual output of plastic waste in Urumqi was analyzed using the multiple linear regression equation model， ARIMA model， and gray model， and the gray correlation model was used to distinguish the main influence factors. The results indicated that the annual output of plastic waste in Urumqi City exhibited a linear growing trend from 4.75×10? t in 2008 to 35.14×10? t in 2018. The analysis results of influence factors indicated that the per capital disposable income had the greatest impact on the annual output of plastic waste. On the other hand， the urban population generated the greatest impact on the generation of plastic waste when the level of environmental construction was the smallest. The ARIMA model was considered to be the best model to predict the annual output of plastic waste in Urumqi City. The prediction results indicated that the annual output of plastic waste in Urumqi City was going to reach 54.4×10? t， 82.63×10? t， and 124.91×10? t by 2025， 2030， and 2050， respectively. This may bring about some new challenges to the prevention and control of plastic waste.

Key words: plastic waste, prediction of generation, multiple linear regression, ARIMA, gray model, influence factor

CLC Number:

TQ325

WAN Yi, LI Li, JU Chunyan, HAO Xuechun, LI Run. Prediction of annual output of plastic waste in urumqi city and analysis of influence factors[J]. China Plastics, 2022, 36(4): 121-127.

Figures/Tables 5

References 31

1	ProgrammeUN Environment. The state of plastics： world environment day outlook 2018［R］. UN Environment Programme， India，2018.
2	LEBRETON L， ANDRADY A. Future scenarios of global plastic waste generation and disposal［J］. Palgrave Communications，2019（5）：1⁃6.
3	乌鲁木齐市统计局.乌鲁木齐市2018年国民经济和社会发展统计公报［EB/OL］.2020..
4	蒋晓燕，温小乐，罗维.北京城市塑料垃圾年产量的模拟预测及其影响因素分析［J］.环境科学学报，2020，40（9）：3 435⁃3 444.
	JIANG X Y， WEN X L， LUO W. Prediction of Beijing's urban plastic waste generation based on multiple models and analysis of impact factors upon thegeneration［J］.Acta Scientiae Circumstantiae，40（9）： 3 435⁃3 444.
5	吴梅，岳战林，潘玉敏.浅谈乌鲁木齐市生活垃圾处理策略［J］.干旱环境监测，2005（3）： 158⁃160，183.
	WU M， YUE Z， PAN Y M. Treatment countermeasures of living garbage in Urumqi city［J］. Arid Environmental Monitoring，2005（3）： 158⁃160，183.
6	邵华伟，徐万里，孔江江，等.乌鲁木齐市生活垃圾调查及评价［J］.环境卫生工程，2009，17（5）：10⁃12.
	SHAO H W， XU W L， KONG J J， et al. Investigation and estimation of domestic waste in Urumqi［J］.Environmental Sanitation Engineering，2009，17（5）：10⁃12.
7	姜华，刘素辉，翟军，等.乌鲁木齐市天津南路片区生活垃圾构成与物理性质分析［J］.地方病通报，2010，25（5）：9⁃12.
	JIANG H， LIU S H， ZHAI J， et al. Analysis of constitution and physical property of refuses in area of Tianjin south road in Urumqi［J］.Bulletin of Disease Control & Prevention， 2010，25（5）：9⁃12.
8	黄昌付. 深圳市生活垃圾理化组分的统计学研究［D］.武汉：华中科技大学，2012.
9	杨娜，邵立明，何品晶.我国城市生活垃圾组分含水率及其特征分析［J］.中国环境科学，2018，38（3）：1 033⁃1 038.
	YANG N， SHAO L M， HE P J. Study on moisture content and its feature for municipal solid waste fractions in China［J］.China Environmental Science，2018，38（3）：1 033⁃1 038.
10	张盼.乌鲁木齐市生活垃圾物理成分及特性［J］.区域治理，2019（22）：68⁃71.doi：CNKI：SUN：QYZL.0.2019-22-023 .
	ZHANG P. Physical composition and characteristics of domestic waste in Urumqi［J］. Regional Governance，2019（22）：68⁃71.doi：CNKI：SUN：QYZL.0.201 9-22-023 .
11	汪溪远，李晓娣，马玉，等.乌鲁木齐市郊农村生活垃圾分类意识调查及其差异分析［J］.新疆大学学报（自然科学版）（中英文），2020，37（4）：515⁃522.
	WANG X Y， LI X T， MA Y， et al. Investigation and difference analysis on classification consciousness of rural domestic waste in Urumqi suburb［J］.Journal of Xinjiang University （Natural Science Edition in Chinese and English），2020，37（4）：515⁃522.
12	李海红，巩雪松，同帜.多元线性回归预测模型在农村生活垃圾产量预测中的应用［J］.西南农业学报，2010，23（4）：1 325⁃1 328.
	LI H H， GONG X S， TONG Z. Multiple lineral regression prediction model applied to production forecast of rural household solid waste［J］.Southwest China Journal of Agricultural Sciences，2010，23（4）：1 325⁃1 328.
13	杨小妮，张凯轩，杨宏刚，等.西安市城市生活垃圾产生量的多元回归及ARIMA模型预测［J］.环境卫生工程，2020，28（2）：37⁃41.
	YANG X N， ZHANG K X， YANG H G， et al. Multiple regression and ARIMA model prediction on the yield of MSW in Xi'an［J］.Environmental Sanitation Engineering， 2020，28（2）：37⁃41.
14	RIMAITYTE I， RUZGAS T， DENAFAS G， et al. Application and evaluation of forecasting methods for municipal solid waste generation in an eastern⁃european city［J］. Waste Management & Research ： the Journal of the International Solid Wastes and Public Cleansing Association， ISWA，2012，30（1）：89⁃98.
15	高泽梅，韩欣诺，霍艳凤.基于灰色预测模型的北京市垃圾量预测［J］.现代信息科技，2021，5（8）：130⁃132.
	GAO Z M， HAN H N， HUO F Y. Prediction of Waste Volume in Beijing based on grey prediction model［J］.Modern Information Technology，2021，5（8）：130⁃132.
16	INTHARATHIRAT R， ABDUL S P， KUMAR S， et al. Forecasting of municipal solid waste quantity in a developing country using multivariate grey models［J］. Waste Management （New York， N Y），2015，39：186⁃197.
17	刘源. 基于GM⁃ARIMA模型的成都市生活垃圾产量预测研究［D］.成都：西南交通大学，2016.
18	皇甫慧慧，李红艳.基于环境承载力的城市生活垃圾产生量调控研究——基于GRA⁃Markov⁃GM模型［J］.生态经济，2018，34（12）：82⁃87，116.
	HUANGFU H H， LI H Y. Study on regulation of municipal solid waste generation volume based on environmental carrying capacity： based on GRA⁃markov⁃GM model［J］.Ecological Economy，2018，34（12）：82⁃87，116.
19	陈文龙，董振武.上海市垃圾产量影响因素分析及规模预测——基于灰色系统理论的研究［J］.再生资源与循环经济，2020，13（5）：13⁃19.
	CHEN W D， DONG Z W. Analysis of influencing factors and scale prediction of garbage production in Shanghai——based on grey system theory［J］.Recyclable Resources and Circular Economy，2020，13（5）：13⁃19.
20	HOORNWEG D， BHADA T P， KENNEDY C. Environment： waste production must peak this century［J］. Nature，2013，502（7473）：615⁃617.
21	IRAIA O G， OIHANE K E， CRISTINA Ma， et al. Identification of influencing municipal characteristics regarding household waste generation and their forecasting ability in Biscay［J］. Waste Management，2015，39：26⁃34.
22	HAN Z Y， LIU Y， ZHONG M， et al. Influencing factors of domestic waste characteristics in rural areas of developing countries［J］. Waste Management， 2018，72：45⁃54.
23	CHU Z J， WU Y G， ZHOU A， et al. Analysis of influence factors on municipal solid waste generation based on the multivariable adjustment［J］. Environmental Progress & Sustainable Energy，2016，35（6）：1 629⁃1 633.
24	LIU C， WU X W. Factors influencing municipal solid waste generation in China： a multiple statistical analysis study.［J］. Waste Management & Research ： the Journal of the International Solid Wastes and Public Cleansing Association， ISWA，2011，29（4）：371⁃378.
25	SAMA A， AYOUB K J. Verifying the performance of artificial neural network and multiple linear regression in predicting the mean seasonal municipal solid waste generation rate： a case study of Fars province， Iran［J］. Waste Management，2016（48）：14⁃23.
26	石静. 快递包装垃圾回收利用的问题与对策探析［J］. 哈尔滨学院学报， 2020， 41（7）： 52⁃54.
	SHI J. Problems and countermeasures of express packaging waste recycling［J］.Journal of Harbin University， 2020， 41（7）： 52⁃54.
27	刘苏奕，吴思思，王欣妍，等. 电商快递包装垃圾造成的污染及回收方案研究—以北京为例［J］. 现代商业， 2019， 532（15）： 33⁃34.
	LIU S Y， WU S S， WANG X Y， et al. Research on pollution caused by e⁃commerce express packaging garbage and recycling plan—taking Beijing as an example［J］. Modern Business， 2019， 532（15）： 33⁃34.
28	王颖，郭姝辰，王梦.外卖垃圾治理影响维度研究——基于扎根理论的探索性分析［J］.中共天津市委党校学报，2019，21（4）：89⁃95.
	WANG Y， GUO S C， WANG M. Research on dimensions of the governance to the garbage caused by the take⁃away——exploratory analysis based on grounded theory［J］.Journal of the Party School of Tianjin Committee of the CPC，2019，21（4）：89⁃95.
29	WEI X， YIN N I. Prediction of municipal solid waste generation in China by multiple linear regression method［J］. International Journal of Computers and Applications，2013，35（3）：136⁃140.
30	GHINEA C， DRAGOI E N， COMANITA E D， et al. Forecasting municipal solid waste generation using prognostic tools and regression analysis［J］. Journal of Environmental Management，2016，182：80⁃93.
31	王超. 深圳市生活垃圾产生现状及清运量预测研究［D］.武汉：华中科技大学，2011.

年份	实际值/ ×10⁴ t	ARIMA预测值/×10⁴ t	GM预测值/×10⁴ t	MLR预测值/×10⁴ t
2008	4.75	4.75	4.75	7.04
2009	6.21	7.03	9.61	7.87
2010	8.36	9.71	11.02	9.01
2011	12.46	12.08	12.63	11.50
2012	15.33	14.99	14.49	14.11
2013	15.71	17.88	16.61	17.41
2014	19.78	20.34	19.05	20.01
2015	22.36	23.07	21.85	25.46
2016	25.76	25.80	25.06	26.99
2017	29.95	28.62	28.73	30.58
2018	35.14	31.57	32.95	33.44

年份	实际值/ ×10⁴ t	ARIMA预测值/×10⁴ t	GM预测值/×10⁴ t	MLR预测值/×10⁴ t
2008	4.75	4.75	4.75	7.04
2009	6.21	7.03	9.61	7.87
2010	8.36	9.71	11.02	9.01
2011	12.46	12.08	12.63	11.50
2012	15.33	14.99	14.49	14.11
2013	15.71	17.88	16.61	17.41
2014	19.78	20.34	19.05	20.01
2015	22.36	23.07	21.85	25.46
2016	25.76	25.80	25.06	26.99
2017	29.95	28.62	28.73	30.58
2018	35.14	31.57	32.95	33.44

年份	ARIMA误差	GM误差	MLR误差
2008	0	0	2.287
2009	0.822	3.401 622	1.666
2010	1.351	2.660 764	0.655
2011	-0.375	0.174 558	-0.958
2012	-0.336	-0.835 986	-1.213
2013	2.168	0.897 512	1.700
2014	0.563	-0.727 13	0.236
2015	0.708	-0.511 97	3.099
2016	0.037	-0.702 656	1.226
2017	-1.326	-1.215 916	0.637
2018	-3.574	-2.194 424	-1.706
MSE	0.063 9	0.112 7	0.124 8
MAPE	1.14	1.57	1.65
R²	0.961	0.956	0.948

年份	ARIMA误差	GM误差	MLR误差
2008	0	0	2.287
2009	0.822	3.401 622	1.666
2010	1.351	2.660 764	0.655
2011	-0.375	0.174 558	-0.958
2012	-0.336	-0.835 986	-1.213
2013	2.168	0.897 512	1.700
2014	0.563	-0.727 13	0.236
2015	0.708	-0.511 97	3.099
2016	0.037	-0.702 656	1.226
2017	-1.326	-1.215 916	0.637
2018	-3.574	-2.194 424	-1.706
MSE	0.063 9	0.112 7	0.124 8
MAPE	1.14	1.57	1.65
R²	0.961	0.956	0.948

潜变量	观测变量	灰关联度	潜变量	观测变量	灰关联度
经济发展水平	GDP/亿元	0.961 1	环境建设水平	人均公园绿地面积/平方米	0.754 6
经济发展水平	第三产业产值/亿元	0.935 5		垃圾处理投资额/万元	0.446 3
公众消费水平	社会商品零售总额/亿元	0.924 0		绿化覆盖率/%	0.536 8
	人均可支配收入/元	0.965 1	城市人口	常住人口/万人	0.958 8
	人均消费总支出/元	0.917 7	城市人口	人口密度/人/每平方公里	0.945 0
	食物支出/元	0.883 3	旅游状况	接待游客人数/万人	0.903 6
	衣着支出/元	0.801 5	旅游状况	旅游收入/亿元	0.946 5
	家庭用品支出/元	0.813 5	-	-	-