赞
踩
淹没在塑料中
第一问
第二问
第三问
第四问
第五问
第一问
第二问
使用多变量时间序列算法建立了一个一次性塑料废物预测模型。
这里还提到了这样的一句话。
翻译过来是
此外,我们分析了不同地区的政策有效性,并使用欧洲复兴开发银行和人类友好指标衡量了减排对生态系统和人类健康的影响。
不太清楚是什么含义。
第三问
没怎么看懂,
用而二次指数平滑模型做了一个预测全球塑料总产量的模型,然后使用一次性塑料废物预测模型预测骑在不同国家组塑料垃圾中的比例。
第四问
塑料垃圾生产和污染的不均衡分布以及不同国家对塑料垃圾处理的不同经济投资,提出了四种方案
第五问
最后,我们使用旋转估计和高斯噪声来测试模型的鲁棒性,并向ICM写了一份关于全球塑料废物可达到的最低水平的备忘录。
背景这部分貌似是搜集资料后另外写的。还有三则参考文献,来源于中外环境相关的期刊,估计可以使用谷歌学术进行搜索。
问题重述中有些与原题目的重复部分
“我们的工作概述”
我们利用环境承载率理论建立了一个确定一次性塑料废物最大水平的模型。此外,根据许多影响因素和历史数据,可以建立一个预测一次性塑料垃圾水平的模型。使用这两个模型,我们评估了不同地区不同政策的有效性,并为全球一次性塑料垃圾提供了合理的最低目标可实现水平,并提出了一些解决全球塑料垃圾危机导致的平等问题的解决方案。整个建模过程如图1所示。
大概是摘要的精简版,这里还有一个比较好看的图。
简单复现一下。
具体内容我们是要看一下的。
为了简化成本效益分析模型,本文提出了以下基本假设,每个假设都是合理的。
⚫ 我们假设环境承载力的增加可以忽略,因为生态系统的演变是一个长期的过程。
⚫ 环境的突然变化可以忽略不计,因为它很罕见。
⚫ 我们假设所有地区都会对日益恶化的塑料垃圾问题做出积极反应,并采取适当措施加以改善。这一假设是根据大多数国家的反应而作出的。
(暂且没有看出什么特别之处)
C(t) | t年的环境承载力 |
---|---|
Q(t) | t年的环境承载量 |
EBR | 环境承载率 |
HFI | 人类友好指标 |
有些关系暂且还不是很清楚,要继续看下文是如何描述的。
这部分内容呢感觉像是将自己对题目的理解进行了阐述。
下面又对模型进行了简化,仅仅考虑了两种一次性塑料制品,分别是塑料袋和泡沫塑料产品的年产量。
绘图1.pptx
见鬼,这图不会复现啊。
选了回收、焚烧、填埋和海洋中不受控制的沉积物。
然后,使用四个表达式分别表示了它们。
如下形式,感觉有点凑字数的意思。
发现错误:
Q(t) more than C(t),此时△应该小于零,但是文中写的是大于零。
结合下文,这里应该是△=Q(t)- C(t)。
clc
clear all
x = linspace(0.0,10.0); % 设置x范围为-10到10
sigmoid = 1./(1.0+exp(-1.0*x+5)); % 激活函数公式
plot(x,sigmoid,'blue','LineWidth',1.5)
legend({'f(\Delta)'});
set(gca,'TickLabelInterpreter','latex');
xlabel({'\Delta'})
ylabel({'f(\Delta)'})
%set(gca,'xtick',);
这里图片的大小我觉得是需要关注的地方。
下面建立了一个环境承载率的模型,
EBQ是环境承载量,EBC是环境承载力,这个EBC相当于是一个标准,当EBQ大于EBC的时候,环境就会收到破坏,反之,环境则很健康;当两者相等的时候,也就是维持环境安全的EBQ最大值。这个公式中的W则是不同的环境主体,例如水,大气和土壤等,它们在整体环境承载中占比不一样。
又一个小错误
这个鬼图不知道怎么画出来的,看看后面是怎么说的。
这里EBR、EBC之类的称呼也不太好,明明上面命名都已经用C(t),Q(t)代替了。
下面开始分析环境承载率的一些细致的因素,其实就是上文中提到的w。
Marine Debris:海洋废弃物
Phthalates:(邻苯二甲酸盐)是一组化学化合物
Benzene Ring Compounds:苯环化合物
BisphenolA:二苯酚A
dioxin:二噁英
这些细致的影响因素感觉并没有太多关系,可能只是为了表现分析的比较细致。
咳咳,看了下面不是这样的,这里细分的特征也是有量化分析的。
这些细分的特征可以在知网上进行查找。比如:
此处的就是苯二甲酸酯对土壤的影响。
此处是对大气的影响。
其他的就不一一考证了。
p0是指进入海洋的占比,后面两个分别是塑料袋和泡沫塑料制品的年产量。这两种塑料制品也是代表了整体的塑料,上文中也有提到这点。
这里的pi指的是焚烧塑料占比。前面那俩指的是dioxin和和苯环化合物的产生量。
和上面一个套路。
下面就是环境承载量的测量,没有给出明确的测量结果,但解释了三个概念。
这里在介绍海洋、大气和土壤环境承载力的时候只考虑了上文中提到的塑料产生的有害物质分别对他们产生影响的因素。如下图所示。
最后,我们已经得到了大气、海洋和土壤的环境承载力和环境承载量,终于要解决第一问了。引入了当前废物量(CWQ)和当前废物容量(CWC)
我人傻了,没有量化分析,只是加了一个当前污染的量。
这个地方我又想了一下,
在这里废物管理与环境承载率是并列关系,但是在文中并不是如此体现的,我们可以回想一下,文中环境承载力和环境承载率的表达中,其实是穿插了废物管理的内容,比如,由于焚烧产生了对大气环境污染的影响,由于填埋产生了对土壤环境的污染,由于海洋沉积导致了对海洋环境的污染,这里的并列关系可以说是毫无逻辑可言。
首先对塑料垃圾问题现状进行描述,为了简化问题,只考虑一次性塑料。
这里对于减少塑料废物的程度首先分成了两类影响因素:废物生产和废物管理。
一次性塑料产生废物因素又细分为禁止政策、塑料的替代品、环境保护意识、税收政策。
禁止政策:引用0-1变量x1来表示国家是否适合采取禁令政策。
塑料的替代品:商品的交叉弹性价格。替代品的价格越低,一次性塑料的需求越低。导入两个指标来衡量替代品的竞争力(替代品价格x2和政府投资x3)
没怎么看懂这个图的含义。(一个产品的价格上升会导致购买该产品的人减少,他的替代品的供求就会增加)
环境保护意识:只考虑公民受教育程度x4和政府对环境保护的倡导程度x5两方面.
税收政策:只考虑三种税制,生产税x6、垃圾填埋税x7、塑料袋收费x8。
第一个x1还指出是0-1变量,下面的x2-x8的取值范围都不说了。
为了简化问题,使用垃圾桶数量来表示塑料相对基础设施水平,为了验证猜想,通过调查一系列地区或城市的垃圾桶数量及其一次性垃圾的回收率来分析数据之间的相关性。(没找到相关的文章,图不知道怎么画出来)
估摸着编的数。
X=[0.2
0.25
0.235
0.245
0.265
0.25
0.14
0.075
0.15
]
Y=[4.5
6.5
3.5
7.3
7.4
4.2
2.9
1.9
5.1
]
corr(X,Y,'type','Pearson')
计算得ans = 0.7411,还挺接近。
循环产业投资:这里选择了垃圾桶数量x9和政府对循环工业的财政投资x10.
基础设施级别:塑料垃圾焚烧厂数量x11
接下来分类国家,分类类型是经济发展程度、海陆位置和塑料废物造成的环境污染程度。
经济发展程度——禁令政策、塑料替代品
海陆位置——焚烧厂数量、海洋丢弃
塑料废物造成的环境污染程度——禁令政策
Subsidy to alternatives:对替代品的补贴
Enforcement of the policy:政策的执行
一次性塑料废物预测模型
根据第6.1节中的定性分析,提取了影响塑料垃圾数量的指标。然后,在本节中,将相应地确定指标与塑料垃圾量之间的定量关系。首先,应用主成分分析(PCA)来降低内部相关性。然后,使用MTSA(多变量时间序列分析)预测一次性塑料垃圾在总垃圾中的比例。最后,通过比较不同国家影响因素的权重,分析了具有区域特定约束的政策的有效性。
主成分分析
主成分分析法选取了三个指标。然后用多元时间序列预测,预测一次性塑料垃圾减量。
政策的有效性可以通过每个指标的系数来衡量。如果政策有效,塑料产量的减少将是明显的,反映在很大的系数上。
The effectiveness of policy can be measured by the coefficient of each indicator. If the policy is effective, the reduction of the plastic production will be obvious, reflected in big coefficients.
然后根据系数绘制了雷达图。
这里显然是有6个变量,但上文说有三个指标,不太理解这个地方是怎么回事。
现在又开始提到环境安全水平了,大概是这么个意思,我先有了预测一次性塑料垃圾减量的模型,我可以预测到某一个年份的一次性塑料垃圾减量,然后使用两个指标EBR和human-friendly indicator来判断这个一次性塑料垃圾减量是否可以达到环境安全的水平。
在这个表达式中,α指的是一次性塑料废物减少的百分比,W是假设的塑料垃圾总量,n是指有n条食物链,m是指每条食物链的食物等级,u是指某条食物链中的底层生物吸收量,R是指食物等级转换的时候塑料的吸收量。
然后又是没有量化分析就结束了。。
首先,建立了一个模型,预测全球塑料垃圾产量的。
然后,将国家分为六类,使用多元时间序列模型预测各个类别国家的一次塑料占比。
然后,使用熵权法对这多个类别国家进行整合,整合成全球的占比,再用预测的某年的塑料垃圾产量乘以某年一次塑料的这个比例,就是每年一次塑料的产量,如下图所示
这里是海洋处理和焚烧处理的占比变化图,这是考虑了政策的影响。这个比例是怎么来的文中也有过提及,但这个海洋占比和陆地占比为什么是69:10我还不太清楚。
这个目标量的话,上文也有提及。
Therefore, we set the targeted percentage of plastics into ocean declining to 18% and the percentage of plastics incinerated increasing to 65%.
这个2030年的值就是为全球⼀次性或⼀次性塑料产品的使⽤可达到的最低⽔平设定的⼀个⽬标,下面是影响。
并没有列很多,塑料袋和环保袋子占比,海洋生物误食塑料占比和生物可降解塑料工业占比。
在这里提到了x1-x8,分别介绍了对这些因素的影响,基本上是有益的,塑料工厂的话可能会面临破产或转型。
各国管理不善的废物分布差异很大,如下图所示。
导致公平问题的原因可分为两个方面。一个是废物或污染产生的差异。另一个是一次性废物的经济支出差异。接下来将介绍相应的解决方案。
这些解决方案都来自于这篇论文。
从效率与公平的角度论跨国污染的国际法解决途径_何大伟.pdf
没看懂,MSE我知道,交叉验证我也知道,这个交叉验证怎么和鲁棒性扯上关系了呢。
高斯噪声:由于数据可能不太准确,所以添加了高斯噪声进行预测,发现高斯噪声的标准偏差不大于0.6时,结果的相对偏差不超过20%,显示了模型的鲁棒性。
给数据加入高斯噪声的代码:
import random
import numpy as np
from matplotlib import pyplot as plt
def gauss_noisy(x, y):
mu = 0
sigma = 0.05 # 高斯噪声的标准差
for i in range(len(x)):
x[i] += random.gauss(mu, sigma)
y[i] += random.gauss(mu, sigma)
if __name__ == '__main__':
xl = np.linspace(0, 5, 50, endpoint=True)
yl = np.sin(xl)
gauss_noisy(xl, yl)
plt.plot(xl, yl, linestyle='', marker='.')
plt.show()
原文中是一个百分比的偏差值,我觉得这里倒是可以使用MSE作为一个y轴。
可以感受一下他们是怎么写模型优缺点的
这个备忘录看完不知道说什么好,梳理一下思路吧。
结尾还有段代码,回头再看看。
这篇文章在求解“或⼀次性塑料产品的使⽤可达到的最低⽔平”并没有关注最低这个条件,完全就是拟合了已有数据进行的预测。
参考文献非常多,文中很多地方都是在叙述文献中的内容。
时间序列预测模型需要深入学习一下,单纯的套用是不太行的。
这个摘要让人感觉看不太懂,不太清楚到底是用了什么样的模型。
这个地方像是漏写了一样。
看红色标记处,是先扬后抑,在看蓝色标记处,根据一些参考数据和资料,说明了将会到达的程度和会产生的危害。
有些假设很值得揣摩,比如这里的保证数据、国家整体,只考虑大洲之间的政策差异。
这里的符号解释之后,有助于理解摘要。
这段话就是指用分别用α123来分别表示塑料废物被工厂处理,燃烧和丢弃的比率。
怎么写了这么多,值得学习。
定义
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。