乌鲁木齐市塑料垃圾年产量预测及影响因素分析

万 翼，李 莉∗，菊春燕，郝雪纯，李 润

（新疆农业大学公共管理学院（法学院），乌鲁木齐 830052）

0 前言

塑料作为一种重要的基础材料而被普遍运用于生产生活之中，自20世纪50年代以来，塑料使用量的增长速度远超于其他材料，联合国环境规划署预计到2028年塑料使用量将增加一倍［1］。Lebreton（2019）等在对全球塑料垃圾产量进行预测后发现，估计到2040年全球城市塑料垃圾的年产量将达到3×108t，到2060年将达到3.8×108t［2］。乌鲁木齐市地处亚欧大陆的中心和丝绸之路经济带核心地区，截止2018年底乌鲁木齐市的城镇化率已经达到90.2%［3］。随着人口的增长、经济社会的发展、城镇化水平的不断提高，公众在日常生活中所消费的塑料制品的比例也在持续增长，而产生的塑料垃圾在生活垃圾总量中的比例也明显增加。而当前国内鲜少对塑料垃圾的产量进行研究，仅有的研究也只是针对我国经济社会高度发达的地区，对相对落后的西部地区的研究几近为零。基于此，本研究在前人研究的基础上，挖掘出塑料垃圾在生活垃圾中的占比，利用灰关联度模型甄别出塑料垃圾产量的影响因素，最后借助线性回归模型、ARIMA模型和灰色预测模型对塑料垃圾年产量进行预测，有望为新疆在塑料污染防控以及塑料废弃物循环回收利用方面提供有力的理论支持。

1 材料与方法

1.1 数据来源

当前，全球大多国家对于塑料垃圾年产量的研究的重视程度不高，且官方对相关数据的披露较少。因此，现存研究大多依靠对生活垃圾成分的研究中塑料垃圾的占比进行分析，再通过换算进而得到塑料垃圾年产量的数据［4］。因此，文章中所出现的年度塑料垃圾年产量的实际值均是基于吴梅（2005）、邵华伟（2009）、姜华（2010）、黄昌付（2012）、杨娜（2018）、张盼（2019）、汪溪远（2020）等学者的研究中所计算出乌鲁木齐市生活垃圾总量中塑料垃圾的占比，以乌鲁木齐市生活垃圾清运量为基数，通过计算最终得出乌鲁木齐市当年的塑料垃圾清运量［5‑11］。同时，并非每年都有专家学者对生活垃圾组成成分进行分析研究，因此，缺失年份的塑料垃圾占比均通过均值法计算得出。其次，各影响因素的数据则是源自于2008-2019年的《中国统计年》、《城市建设统计年鉴》、《新疆统计年鉴》和《乌鲁木齐市统计年鉴》。

1.2 城市塑料垃圾年产量预测方法的选取

由于学界没有特定的方法对塑料垃圾年产量进行预测，大多专家学者在进行相关研究时均选择借鉴生活垃圾产量预测的相关方法，包括多元线性回归、时间序列ARIMA模型、灰色预测模型等，其中多元线性回归模型不仅可以做预测还能做影响因素分析，因此被运用得最广泛，如李海红等（2010）基于多元线性回归模型成功对陕西省农村生活垃圾产量进行预测［12］。而杨小妮（2020）和 Rimaityte Ingrida（2012）等均利用ARIMA模型分别成功预测出西安市和立陶宛的生活垃圾产量［13‑14］。高泽梅（2021）和Intharathirat Rotchana（2015）等则使用灰色预测模型分别对北京市和巴勒斯坦纳布卢斯的生活垃圾产量进行预测［15‑16］。为了使预测结果更加精准可靠，大多专家学者将多种模型结合起来共同对生活垃圾进行预测。如刘源（2016）将灰色预测模型与ARIMA模型结合起来对成都市生活垃圾产量进行预测［17］。基于此，本文选用线性回归模型、ARIMA、灰色预测模型以及灰色关联度模型分别对乌鲁木齐市塑料垃圾年产量和影响因素进行分析。

1.2.1 基于灰色预测模型的年产量预测

继而通过式（2）对乌鲁木齐市未来塑料垃圾年产量进行测算，首先，对2008-2018年的塑料垃圾年产量X（0）进行累加，得到累加数据，在对累加的X（0）进行滑动平均得到数列矩阵B和常数项量Yn。其次，借助最小二乘法分别求出参数a和u的估计值，将所有未知参数求出后对方程进行求解得到预测值。为确保计算过程的精确性，研究借助GSTA v7.0版本软件进行计算。

1.2.2 基于ARIMA的年产量预测

ARIMA模型是一种时间序列预测的方法，由自回归（AR）模型和移动平均（MA）模型共同组合而成，因此又被称作差分整合移动平均自回归模型。该方法在诸多领域被专家学者用于分析一组时间序列中各变量之间存在的关系以及对未来的发展进行预测。该模型一般被表述为ARIMA（p，d，q），数学表达式如式（3）所示，其中，为由原序列yt进行平稳检验修正而得，C为常数项，ϕp表示模型自回归的系数，θp则表示移动平均的阶数，εt为白噪声序列。

1.2.3 基于多元线性回归的年产量预测

多元线性回归（MLR）即多个自变量对一个因变量产生影响和变动，且自变量与因变量之间存在线性关系，以此对将来的发展形势进行模拟预测的方法。相较于其他办法，多元线性回归更倾向于从变量内部的关联性进行分析，进而不仅能更全面、更综合地反映出塑料垃圾年产量与各影响因素之间的关联度，还能确保对塑料垃圾年产量的预测结果更加精准。本文基于灰色关联度模型，挑选出对塑料垃圾产量硬性最大的前5个因素进行回归分析，并构建出相应的回归模型：

式中 y——乌鲁木齐市塑料垃圾年产量

xn——灰色关联度模型所确定下来的n个影响因素，本文中n=5

1.2.4 模型评价方法

为确保本文中不同模型的预测结果的精准度，特对模型的均方误差（MSE）、拟合优度（R2）和平均绝对误差（MAPE）进行计算，具体如式（5）～（7）所示。其中，除模型的拟合优度越接近于1表示模型拟合优度总体越好外，其余两个指标值则是越接近于0表示模型预测的精确度越高。假设实际塑料垃圾年产量值为yt，塑料垃圾年产量预测值为̂。

1.3 基于灰色关联度的城市塑料垃圾产量影响因素分析

过去学界主要采用回归分析方法进行因素分析，这一方法虽然比较通用，但也有一定的限制，大多只适用于因素少且具有线性关系的情况下，难以处理多因素或不具备线性关系的数据。灰色系统理论为规避诸如回归分析所存在的弊端与短板，特提出采用关联分析的方法进行系统性的分析。这一分析方法也被广泛应用于各行业各领域的影响因素分析，研究成果颇丰［18‑19］。当今鲜少有学者对塑料垃圾年产量影响因素进行分析，因此本研究将借鉴现有对生活垃圾年产量影响因素的研究成果中挑选出符合研究区实际情况的影响因素。塑料垃圾的产生与一个城市的社会经济发展等因素密不可分，因此对相关影响因素进行分析能更好地找出影响塑料垃圾变化趋势关键性因素，进而为塑料污染治理提供良好的决策基础。由于学界对塑料垃圾年产量的影响因素的研究较少，现存研究基本都是对生活垃圾产量的影响因素进行研究，这也可以为塑料垃圾产量的影响因素研究提供较好的借鉴。当前我国仅有蒋晓燕等（2020）对北京城市塑料垃圾年产量进行预测的同时也对相关影响因素进行分析，并发现人均可支配收入和人均公园绿地、旅游收入等5个因素对城市塑料垃圾年产量的影响最大［4］。Hoornweg等（2013）在其研究中表明一个地区的人口密度和GDP决定了当地公众对塑料制品的需求，同时也对塑料垃圾产量产生直接的影响［20］。通过现有对生活垃圾产量影响因素的研究中可以发现，经济发展［21］、公众的消费结构［22］、旅游情况［23］以及城市发展水平［24］等均对生活垃圾产量具有较强的影响。继而，本文在前人研究的基础上筛选出国民生产总值、第三产业生产总值、人口密度、人均可支配收入等17个指标共同对乌鲁木齐市塑料垃圾年产量的影响因素进行分析。

2 结果与讨论

2.1 预测模型的确立

2.1.1 灰色预测模型的确立

在进行灰色预测前，对数据进行了级比检验，检验值均落在［-0.158 3，0.158 3］区间内，数据通过了级比检验。其次，通过计算得出a=-0.139 6，u=9.078 1。由此得出灰色预测模型表达式如式（8）所示：

2.1.2 ARIMA模型的确立

在进行时间序列ARIMA预测前，借助ADF检验对原数据序列进行平稳性检验，检验发现p=0.945>0.1，不能拒绝原假设，序列不平稳。继而对原数据进行一阶差分后再进行ADF检验，检验结果显示p=0.000，表示在非常高的水平下拒绝原假设，此时序列平稳。其次，基于SPSS 26.0对ARIMA的自回归阶数p值和移动平均阶数q值进行估算，通过对比发现，当p为0，q为1时模型的AIC值达到最小值39.66，确立模型结果为ARIMA（0，1，1），模型的数学表达式如下：

2.1.3 多元线性回归模型的确立

根据灰色关联度所筛选出的人均可支配收入（x1）、GDP（x2）、城市常住人口（x3）、旅游收入（x4）和人口密度（x5）等5个与塑料垃圾年产量关联度最高的因素。并以塑料垃圾年产量为因变量，5个影响因素为自变量架构起多元线性回归方程，通过方程运算得到常数值和β值，以此得出回归方程如下：

2.2 模型预测结果与分析

基于GM（1，1）、ARIMA（0，1，1）和MLR模型对2008-2019年塑料垃圾年产量进行预测，各模型的预测拟合值与实际值如图1所示。由图1可知3种模型的预测结果与实际值均是呈线性增长趋势，且实际值和3种模型的预测值之间的误差均较小。由此对3种模型的预测结果进行精确度和拟合度检验，检验结果如表1。从表中可以看出ARIMA、GM（1，1）和多元线性回归模型的R2分别为0.961、0.956和0.948，相比之下ARIMA的拟合度更高，而多元线性回归模型的拟合度最差。这也与现存诸多研究结果相符，大多学者认为利用将来的影响因素对塑料垃圾产量进行预测具有一定的不稳定性和不可控性［25］，且就预测误差与模型精确度检验结果来看，多元线性回归模型的MSE和MAPE均高于其他两个模以而模型拟合度R2也是最低。而ARIMA（0，1，1）模型的各项验证指标显著优于GM（1，1）模型，基于此，选取ARIMA（0，1，1）模型对乌鲁木齐市塑料垃圾年产量进行最终的预测。

表1 模型预测结果Tab.1 Results of model prediction

表2 模型预测结果的相对误差与模型精确度检验Tab.2 Relative error of model prediction results and the test of model accuracy

通过ARIMA（0，1，1）模型对乌鲁木齐市塑料垃圾进行预测的结果（图1、图2）可知：从2008年开始乌鲁木齐城市塑料垃圾一直呈线性增长趋势。从2008年到2019年的增长幅度较大，以平均每年约67.25%速度从2008年的4.75×104t增长到2018年的35.14×104t，而2019到2050年仅以平均每年约2.91×104t的速度持续增长。预计到2050年时，乌鲁木齐市的塑料垃圾的年产量将达到124.91×104t，分别是2008年（4.75×104t）、2025年（54.4×104t）以及2035年（82.63×104t）的26倍、2.5倍、1.5倍。

图2 2020-2050年塑料垃圾年产量预测Fig.2 Forecasting of annual household plastic waste output from 2019 to 2050

2.3 预测结果合理性分析

虽然国家在2020年频频制定实施塑料污染治理相关政策和法规。要求持续改善环境质量，加强塑料污染治理，推行塑料废弃物减量化、无害化，以确保资源化利用的最大化。但就目前而言，我国对塑料废弃物的回收依旧以非正规回收市场为主，因此缺少对塑料垃圾清运量、回收量和再利用量的统计。这也导致我们在对塑料垃圾年产量预测中难以将国家的限塑政策考虑在其中，这也可能导致预测结果可能会与实际结果略有偏颇。而乌鲁木齐城市塑料垃圾年产量的持续增长也对可回收资源回收系统提出新的要求。

当前，我国废弃物回收市场主要是由废品收购站、流动废品收购人员以及拾荒者组成。然而随着国家对“五废行业”的整顿以及在文明城市创建过程中，流动废品收购三轮车逐渐被取缔，当公众将可回收的塑料垃圾收集起来却找不到售卖途径时，只能发将其视为垃圾扔掉，此后也不在进行收集。其次，“拾荒者”由于其常年与废弃物打交道，脏乱的外表导致许多小区物业禁止其入内，导致小区垃圾站中的塑料废弃物错失被回收的机会。同时，在对相关研究进行调研的过程中发现有些小区内存在废品收购站，仅有少部分年长群体会回收集塑料废弃物进行售卖。

同时，塑料垃圾年产量的不断增高也跟社会、经济的发展也必然的关系，由于快节奏的生活方式、繁忙的工作使得大部分公众没有时间对塑料废弃物进行回收而是直接丢弃［26］。其次，随着人们的收入不断提高，而塑料废弃物的回收价格依旧低廉，公众在花费时间收集售卖却只得到一点点回报，也是公众不愿意对塑料废弃物进行回收的原因之一［27］。当今对塑料制品消费较多的当属年轻群体，一方面由于当代年轻人从小生活环境较为优渥，缺乏一定的节俭意识；另一方面由于学习、工作压力较大，也缺乏时间对塑料废弃物进行回收而是直接丢弃［28］。以上种种均是致使乌鲁木齐城市塑料垃圾年产量逐年增长的原因。

2.4 基于灰色关联度模型的影响因素分析

从乌鲁木齐市生活塑料垃圾年产量预测结果来看，塑料垃圾年产量呈线性增长的趋势，与我国整体情况相符合。导致生活塑料垃圾年产量持续正增长的原因可能是由塑料本身的廉价性，轻便性以及易塑性，从而市场上出现了越来越多的其他材料制品的塑料替代品。其次，科技的迅速发展改变了人们的生活方式，外卖、网购、快餐等新业态的不断发展，导致越来越多的塑料制品涌入市场。同时，由于快节奏的生活、塑料废弃物低廉的回收价格、国家对再生资源回收行业的不断整顿一方面使得公众不愿意为了低廉的价格而花费时间去回收塑料废弃物，而是直接丢弃；另一方面，市面零稀的废弃物收购站令公众售卖塑料废弃物造成一定的困难，继而直接丢弃；以上种种原因均造成塑料垃圾年产量呈现逐年上升的趋势。

从表3的分析结果可以看出，除垃圾处理投资额和绿化覆盖率这两个因素外，塑料垃圾年产量与各影响因素之间的关联度均高于0.7，说明所选指标均对塑料垃圾年产量具有显著的正向影响。其中，乌鲁木齐市的人均可支配收入（0.965 1）、国民生产总值（0.961 1）、城市常住人口（0.958 8）、年旅游收入总额（0.946 5）和人口密度（0.945 0）成为对塑料污染年产量影响最大的5个因素。从整体来看，经济发展水平、城市人口和旅游情况均积极作用于塑料垃圾年产量的变化，平均关联度均达到0.9以上。而城市环境建设水平则对塑料垃圾年产量所产生的作用最小，平均关联度仅有0.579 2。

表3 乌鲁木齐市塑料垃圾年产量影响因素灰关联度分析Tab.3 Grey correlation analysis of factors affecting annual output of plastic waste in Urumqi

从经济发展水平来看，GDP代表一个城市的经济发展水平，而第三产业的产值也决定了GDP的走向。乌鲁木齐市的GDP从2008年的1 020.35亿元增长到2019年的3 413亿元，大约增长了3.5倍；第三产业的生产总值也从2008年的576.92亿元增长达2019年的2 479.43亿元，增长近4.5倍。GDP和第三产业产值的急速增长意味着乌鲁木齐的经济取得繁荣发展。与此同时，大量的塑料制品如餐饮行业中的塑料打包盒、打包袋，奶茶店的塑料杯、塑料吸管等等均大量涌入市场。这也是导致近年来乌鲁木齐市城市塑料垃圾持续快速攀升的重要成因。

公众的可支配收入随着GDP的增长而不断增长，公众的消费水平也不断提升。在过去的10年间，公众的人均可支配收入从12 328元增长至42 667元，平均每年增长3 000余元。随着人们的消费水平不断提高，人们对生活质量的追求也在不断的提高，众多新业态便应运而生，对塑料制品的消费量也随着增高。当公众收入偏低时，为了节约开支人们会重复回收利用诸如塑料袋等废弃塑料制品，随着收入的增加，对廉价塑料制品的消费令公众感觉无关痛痒，以上种种均导致城市塑料垃圾年产量逐年增加。在公众的几类主要消费中，食物支出对塑料垃圾年产量的影响最大，这也跟当今大多食物的包装均由塑料制成密不可分，对食物进行消费的同时塑料废弃物的数量也在增长。其次，在公众的家庭用品中，大多数均是由塑料制成或者有塑料包装而成；在衣着方面，生产厂家会将每一件服饰用塑料包装袋进行分装，因此在家庭用品和衣着方面的支出均会导致塑料垃圾产量的增长。

就人口而言，大量研究表明人口对生活垃圾、生活塑料垃圾的年产量具有显著的正向影响。一个城市的人口规模越大或人口密度越大，对塑料制品的消费量也会随之增加，继而导致塑料垃圾年产量的不断增多［20，29‑30］。

近年来，乌鲁木齐是不断加大对旅游景区的建设，因此吸引了越来越多的游客，国内外游客数量从2008年的239.36万人飙升到2019年的6 003.74万人，增长超25倍；国内外旅游总收入也从62.75亿元增长到2018年的479.18亿元。随着旅游人数的增长，也带动了乌鲁木齐市服务行业的发展，游客在游玩过程中会在景区、酒店和餐厅产生大量的塑料垃圾。因此塑料垃圾的年产量会随着旅游人数和旅游收入的增长而不断增长。

然而，城市环境建设整体对塑料垃圾年产量的影响较小，这与现有相关研究结论相符［4，31］。虽然乌鲁木齐市的人均公园绿地的面积有所增加，但公园绿地中所存在的塑料垃圾在整体塑料垃圾中仅占很小的一部分。其次，垃圾处理投资额对塑料垃圾年产量几乎不产生影响，这是由于在近10年中乌鲁木齐市对垃圾处理的投资断断续续，时有时无。基于此，相较于其他的因素，环境建设方面的因素对塑料垃圾年产量产生的作用极小。

3 结论

（1）基于现有对生活垃圾成分分析中的塑料垃圾占比求出当年塑料垃圾的年产量，基于转化数据，借助GM（1，1）、ARIMA和多元线性回归模型对乌鲁木齐塑料垃圾年产量进行预测，根据预测结果的精确度检验和模型拟合度检验，最终确定用ARIMA模型对乌鲁木齐未来塑料垃圾年产量进行预测；

（2）预测结果表示乌鲁木齐市塑料垃圾年产量整体呈线性增长趋势，从2008-2019年的增长速度较快，而2020-2050年的增长速度趋于缓慢；其中，2025年、2035年和2050年乌鲁木齐城市塑料垃圾的年产量将达到54.43×104、82.63×104、124.91×104t；

（3）通过灰关联度模型对乌鲁木齐城市塑料垃圾年产量的影响因素进行分析后发现人均可支配收入、GDP、常住人口、年旅游收入总额和城市人口密度成为对塑料污染年产量影响主要的因素。