MATLAB之数学建模：深圳市生活垃圾处理社会总成本分析
MATLAB之数学建模：深圳市生活垃圾处理社会总成本分析
注：MATLAB版本--2016a,作图分析部分见《MATLAB之折线图、柱状图、饼图以及常用绘图技巧》
一.现状模式下的模型
%第一题：建立总成本分析模型/年：按现状分析
% 总成本=直接成本 +经济技术成本 + 社会成本
function dataPro = Total_Cost_Analysis(year)
%垃圾每年预测表：2017-2030
table = [ 6.4450e+06 6.8317e+06 7.2416e+06 7.6761e+06 7.9832e+06 8.3025e+06 8.6346e+06 8.9800e+06 9.3392e+06 9.6193e+06 9.9079e+06 1.0205e+07 1.0511e+07 1.0827e+07]; %垃圾总量每年数值（2017-2030）
rubbish_quantity = table(year-2016);
%将时间分期处理：2017-2020，2021-2025，2026-2030
switch year
case { 2017,2018,2019,2020} %近期
rubbish_num_burn=215*10^4;
rubbish_num_landfill = rubbish_quantity-rubbish_num_burn;
class_cost = 0;
handle_cost = rubbish_num_landfill*60+ rubbish_num_burn*100;
transport_cost = 0.5*rubbish_num_landfill*60+0.5*rubbish_num_landfill*70+...
0.5*rubbish_num_burn*60+0.5*rubbish_num_burn*70 ;
social_cost =132*rubbish_quantity;
technology_cost=1300*10^4; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 100*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity/102.49*10^8 ;
case {2021,2022,2023,2024,2025} %中期
rubbish_num_burn =215*10^4;
rubbish_num_landfill = rubbish_quantity-rubbish_num_burn;
class_cost = 0;
handle_cost = rubbish_num_landfill*60+ rubbish_num_burn*150;
transport_cost = rubbish_quantity*100;
social_cost =2*132*rubbish_quantity;
technology_cost=1300*10^4; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 50*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity*(1/104.15+1/100.1+1/317.46)*10^8 +rubbish_quantity/1.54*10^4; %不同时间 定值
case {2026,2027,2028,2029,2030} %远期
rubbish_num_burn =215*10^4;
rubbish_num_landfill = rubbish_quantity-rubbish_num_burn;
class_cost = 0;
handle_cost = rubbish_num_landfill*60+ rubbish_num_burn*180;
transport_cost = rubbish_quantity*100;
social_cost =2*132*rubbish_quantity;
technology_cost=1300*10^4; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 0*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity*(1/104.15+1/50.05+1/222.22)*10^8 +rubbish_quantity/1.54*10^4 ; %不同时间 定值
otherwise
msgbox('亲，请重新输入年份：');
end
%设施投资:
equipment_cost = 1.56*10^8;
%输出，分析:dataPro为数据集合
profit =profit *0.15;
direct_cost = class_cost + transport_cost + equipment_cost + handle_cost;
total_cost = direct_cost+technology_cost +social_cost+subsidy-profit ;
%dataPro（11）: 分类，收运，设施，处理，技术，社会，补贴，收益，直接，总，均
dataPro = [ class_cost,transport_cost,equipment_cost,handle_cost, ...
technology_cost,social_cost,subsidy,profit,direct_cost,total_cost,total_cost/rubbish_quantity];
end
二. 模式一
%模式一：总成本=直接成本 +经济技术成本 + 社会成本
function dataPro = Total_Cost_Analysis_model1(year)
%垃圾每年预测表：2017-2030
table = [ 6.4450e+06 6.8317e+06 7.2416e+06 7.6761e+06 7.9832e+06 8.3025e+06 8.6346e+06 8.9800e+06 9.3392e+06 9.6193e+06 9.9079e+06 1.0205e+07 1.0511e+07 1.0827e+07]; %垃圾总量每年数值（2017-2030）
rubbish_quantity = table(year-2016);
%将时间分期处理：2014-2020，2021-2025，2026-2030
switch year
case {2016,2017,2018,2019,2020}
rubbish_num_burn=215*10^4; %近期
rubbish_num_landfill = rubbish_quantity-rubbish_num_burn;
transport_cost = 0.5*rubbish_quantity*60+0.5*rubbish_quantity*70;
handle_cost = rubbish_num_landfill*60+rubbish_num_burn*100;
social_cost = 132*rubbish_quantity;
technology_cost=1300*10^4; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 100*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity/102.49*10^8 ; %不同时间 定值
case {2021,2022,2023,2024,2025}
transport_cost = rubbish_quantity*100;
handle_cost = rubbish_quantity*150;
social_cost =8*132*rubbish_quantity;
technology_cost=1300*10^4; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 50*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))* rubbish_quantity*(1/52.1+1/100.1 )*10^8 +rubbish_quantity/0.77*10^4;
case {2026,2027,2028,2029,2030}
transport_cost = rubbish_quantity*100;
handle_cost = rubbish_quantity*180;
social_cost =8*132*rubbish_quantity;
technology_cost=1300*10^4; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 0*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity*(1/52.07+1/50.05 )*10^8 +rubbish_quantity/0.77*10^4;
otherwise
msgbox('亲，请重新输入年份：');
end
%分类费用
class_cost = 0;
%设施投资:
equipment_cost = 0 ;
%输出，分析
profit =profit *0.15;
direct_cost = class_cost + transport_cost + equipment_cost + handle_cost;
total_cost = direct_cost+technology_cost +social_cost+subsidy-profit ;
%dataPro（11）: 分类，收运，设施，处理，技术，社会，补贴，收益，直接，总，均
dataPro = [ class_cost,transport_cost,equipment_cost,handle_cost, ...
technology_cost,social_cost,subsidy,profit,direct_cost,total_cost,total_cost/rubbish_quantity];
end
三. 模式二
%模式二：源头分类收集+湿垃圾生物处理+干垃圾焚烧+中心城区干垃圾转运
function dataPro = Total_Cost_Analysis_model2(year)
%垃圾每年预测表：2017-2030
table = [ 6.4450e+06 6.8317e+06 7.2416e+06 7.6761e+06 7.9832e+06 8.3025e+06 8.6346e+06 8.9800e+06 9.3392e+06 9.6193e+06 9.9079e+06 1.0205e+07 1.0511e+07 1.0827e+07]; %垃圾总量每年数值（2017-2030）
rubbish_quantity = table(year-2016);
switch year
case {2016,2017,2018,2019,2020}
rubbish_num_burn=215*10^4; %近期
rubbish_num_landfill = rubbish_quantity-rubbish_num_burn;
class_cost = 0;
transport_cost = 0.5*rubbish_quantity*60+0.5*rubbish_quantity*70;
handle_cost = rubbish_num_landfill*60+rubbish_num_burn*100;
social_cost =132*rubbish_quantity;
technology_cost=1300*10^4+10^8; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 100*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity/102.49*10^8 ; %不同时间 定值
case {2021,2022,2023,2024,2025}
class_cost = 10.6*10^8;
transport_cost = 0.4*rubbish_quantity*60+0.6*rubbish_quantity*100;
handle_cost = rubbish_quantity*150;
social_cost =1.2*132*rubbish_quantity; % (year-2017)
technology_cost=1300*10^4+0.7*10^8; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 50*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity*(1/72.31+1/396.83+1/100.1)*10^8 +rubbish_quantity/1.28*10^4 ; %不同时间 定值
case {2026,2027,2028,2029,2030}
class_cost = 10.6*10^8;
transport_cost = 0.5*rubbish_quantity*60+0.5*rubbish_quantity*100;
handle_cost = 0.5*rubbish_quantity*180+ 0.5*rubbish_quantity*200;
social_cost =1.2*132*rubbish_quantity; % (year-2017)
technology_cost=1300*10^4+0.4*10^8; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 0*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))* rubbish_quantity*(1/77.98+1/277.78+1/50.05)*10^8 +rubbish_quantity/1.28*10^4;
otherwise
msgbox('亲，请重新输入年份：');
end
%设施投资:
equipment_cost = 0;
%输出，分析
profit =profit *0.15;
direct_cost = class_cost + transport_cost + equipment_cost + handle_cost;
total_cost = direct_cost+technology_cost +social_cost+subsidy-profit ;
%dataPro（11）: 分类，收运，设施，处理，技术，社会，补贴，收益，直接，总，均
dataPro = [ class_cost,transport_cost,equipment_cost,handle_cost, ...
technology_cost,social_cost,subsidy,profit,direct_cost,total_cost,total_cost/rubbish_quantity];
end
四. 模式三
%模式三：混合收集+末端分类+湿垃圾生物处理+干垃圾焚烧+中心城区干垃圾转运
function dataPro = Total_Cost_Analysis_model3(year)
%垃圾每年预测表：2017-2030
table = [ 6.4450e+06 6.8317e+06 7.2416e+06 7.6761e+06 7.9832e+06 8.3025e+06 8.6346e+06 8.9800e+06 9.3392e+06 9.6193e+06 9.9079e+06 1.0205e+07 1.0511e+07 1.0827e+07]; %垃圾总量每年数值（2017-2030）
rubbish_quantity = table(year-2016);
switch year
case {2016,2017,2018,2019,2020}
rubbish_num_burn=215*10^4; %近期
rubbish_num_landfill = rubbish_quantity-rubbish_num_burn;
transport_cost = 0.5*rubbish_quantity *60+0.5*rubbish_quantity *70 ;
handle_cost = rubbish_num_landfill*60+rubbish_num_burn*100;
social_cost =132*rubbish_quantity;
technology_cost=1300*10^4+10^8; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 100*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity/102.49*10^8 ; %不同时间 定值
case {2021,2022,2023,2024,2025}
handle_cost = 0.5*rubbish_quantity*150+ 0.5*rubbish_quantity*200;
transport_cost = 0.4*rubbish_quantity*60+0.6*rubbish_quantity*100;
social_cost =132*rubbish_quantity;
technology_cost=1300*10^4+0.7*10^8; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 50*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity*(1/86.87+1/317.46+1/100.1)*10^8 +rubbish_quantity/1.54*10^4; %不同时间 定值
case {2026,2027,2028,2029,2030}
handle_cost = 0.5*rubbish_quantity*180+ 0.5*rubbish_quantity*200;
transport_cost = 0.4*rubbish_quantity*60+0.6*rubbish_quantity*100;
social_cost =132*rubbish_quantity;
technology_cost=1300*10^4+0.4*10^8; % 湿处理分期：10^8,0.7*10^8，0.4*10^8
subsidy = 0*rubbish_quantity; %前期 100，中期50，后期取消，成本计算取负
profit = (10^(-4))*rubbish_quantity*(1/86.80+1/222.22+1/50.05)*10^8 +rubbish_quantity/1.54*10^4; %不同时间 定值
otherwise
msgbox('亲，请重新输入年份：');
end
%设施投资:
equipment_cost = 0;
%分类
class_cost = 0;
%输出，分析
profit =profit *0.15;
direct_cost = class_cost + transport_cost + equipment_cost + handle_cost;
total_cost = direct_cost+technology_cost +social_cost+subsidy-profit ;
%dataPro（11）: 分类，收运，设施，处理，技术，社会，补贴，收益，直接，总，均
dataPro = [ class_cost,transport_cost,equipment_cost,handle_cost, ...
technology_cost,social_cost,subsidy,profit,direct_cost,total_cost,total_cost/rubbish_quantity];
end
五. 垃圾总量预测
%垃圾总量预测
rubbish_table = zeros(1,14);
rubbish_table(1,1) = 541.14*10^4; %2014年垃圾产量541.14万吨
for year = 2015:2020
rubbish_table(1,year-2013) = rubbish_table (1,year-2014)*(1+0.06);
end
for year = 2021:2025
rubbish_table(1,year-2013) = rubbish_table (1,year-2014)*(1+0.04);
end
for year = 2026:2030
rubbish_table(1,year-2013) = rubbish_table (1,year-2014)*(1+0.03);
end
六.各模式数据汇总
% 总成本=直接成本 +经济技术成本 + 社会成本
%数据收集data_model（从2017-2030年：现状，模式一，模式二，模式三）
clear;close;clc;
data_model0 = zeros(14, 11);
data_model1 = zeros(14, 11);
data_model2 = zeros(14, 11);
data_model3 = zeros(14, 11);
for year = 2017 : 2030
dataPro0 = Total_Cost_Analysis(year ); %现状
dataPro1 = Total_Cost_Analysis_model1(year );
dataPro2 = Total_Cost_Analysis_model2(year );
dataPro3 = Total_Cost_Analysis_model3(year );
for i = 1:11
data_model0(year-2016,i) = dataPro0(i);
data_model1(year-2016,i) = dataPro1(i);
data_model2(year-2016,i) = dataPro2(i);
data_model3(year-2016,i) = dataPro3(i);
end
end
七.最优模式评选
%优选模式计算：分类0.3，设施0.5，收运1.5，处理1，技术1，社会1.7，收益-2
%原理较复杂，优选模式以远期成本最优，并且设定不同成本的比重，所得结果为每吨垃圾的成本
%
table = [9.6193e+06 9.9079e+06 1.0205e+07 1.0511e+07 1.0827e+07]; %垃圾总量每年数值（远期2025-2030）
rubbish_quantity = sum(table,2);
x=0.3*sum(data_model0(10:14,1))+0.5*sum(data_model0(10:14,3))+1.5*sum(data_model0(10:14,2))+...
1*sum(data_model0(10:14,4))+1*sum(data_model0(10:14,5))+1.7*sum(data_model0(10:14,6))+...
2*sum(data_model0(10:14,8));
table0 =x/rubbish_quantity %现状模式 /rubbish_quantity
x=0.3*sum(data_model1(10:14,1))+0.5*sum(data_model1(10:14,3))+1.5*sum(data_model1(10:14,2))+...
1*sum(data_model1(10:14,4))+1*sum(data_model1(10:14,5))+1.7*sum(data_model1(10:14,6))+...
2*sum(data_model1(10:14,8));
table1 = x/rubbish_quantity %模式一
x=0.3*sum(data_model2(10:14,1))+0.5*sum(data_model2(10:14,3))+1.5*sum(data_model2(10:14,2))+...
1*sum(data_model2(10:14,4))+1*sum(data_model2(10:14,5))+1.7*sum(data_model2(10:14,6))+...
2*sum(data_model2(10:14,8));
table2 = x/rubbish_quantity %模式二
x=0.3*sum(data_model3(10:14,1))+0.5*sum(data_model3(10:14,3))+1.5*sum(data_model3(10:14,2))+...
1*sum(data_model3(10:14,4))+1*sum(data_model3(10:14,5))+1.7*sum(data_model3(10:14,6))+...
2*sum(data_model3(10:14,8));
table3 = x/rubbish_quantity %模式三
MATLAB之数学建模：深圳市生活垃圾处理社会总成本分析的更多相关文章
- Matlab与数学建模
一.学习目标. (1)了解Matlab与数学建模竞赛的关系. (2)掌握Matlab数学建模的第一个小实例—评估股票价值与风险. (3)掌握Matlab数学建模的回归算法. 二.实例演练. 1.谈谈你 ...
- 卓金武《MATLAB在数学建模中的应用》 第2版
内容介绍 本书的作者都具有实际的数学建模参赛经历和竞赛指导经验.书中内容完全是根据数学建模竞赛的需要而编排的,涵盖了绝大部分数学建模问题的matlab求解方法.本书内容分上下两篇.上篇介绍数学建模中常 ...
- “GANs”与“ODEs”：数学建模的终结？
在本文中,我想将经典数学建模和机器学习之间建立联系,它们以完全不同的方式模拟身边的对象和过程.虽然数学家基于他们的专业知识和对世界的理解来创建模型,而机器学习算法以某种隐蔽的不完全理解的方式描述世界, ...
- python 版 mldivide matlab 反除（左除）《数学建模算法与程序》Python笔记
今天在阅读数学建模的时候看到了差分那章 其中有一个用matlab求线性的代码,这里我贴出来 这里我送上 Python代码 In [39]: import numpy as np ...: from s ...
- 在数学建模中学MATLAB
为期三周的数学建模国赛培训昨天正式结束了,还是有一定的收获的,尤其是在MATLAB的使用上. 1. 一些MATLAB的基础性东西: 元胞数组的使用:http://blog.csdn.net/z1137 ...
- 数学建模--matlab基础知识
虽然python也能做数据分析,不过参加数学建模,咱还是用专业的 1. Matlab-入门篇:Hello world! 程序员入门第一式: disp(‘hello world!’) 2. 基本运算 先 ...
- 余胜威《MATLAB数学建模经典案例实战》2015年版
内容介绍 本书全面.系统地讲解了数学建模的知识.书中结合历年全国大学生数学建模竞赛试题,采用案例与算法程序相结合的方法,循序渐进,逐步引导读者深入挖掘实际问题背后的数学问题及求解方法.在本书案例的分析 ...
- Matlab 多个版本的安装包下载、安装和激活教程 + 多套数学建模视频教程
目录 1. 关键词 1.1. 说明 2. 下载地址 2.1. OneDrive高速云盘 2.1.1. 多版本的安装包 2.1.2. 多套数学建模的视频教程 2.2. 百度云 3. 安装教程 1. 关键 ...
- 数学建模学习笔记 | matlab基本命令及用法
前言 数学建模对matlab水平的要求 了解matlab的基本用法,如常用命令.脚本结构.矩阵的基本操作.绘图等: 熟悉matlab的程序结构,能创建和引用函数: 熟悉常见模型的求解算法和套路: 自主 ...
随机推荐
- 什么是消息循环，一个简单的win32程序如何运行？
预备知识 1.什么是句柄? (HANDLE) 在win32编程中有各种句柄,那么什么是句柄呢? #define DECLARE_HANDLE(name) struct name##_ { int un ...
- 第六课 ROS的空间描述和变换
1.空间描述与变换 有两个坐标系A和B,B坐标系中有一个点P,如何把B坐标系中的P映射到A坐标系呢,这就涉及到空间描述与变换, 先看一下旋转矩阵: 上面中间的行向量中的元素表示在B坐标系当中的元素用A ...
- struts2的package和result的标签的属性
package的属性 1.name: 配置package元素时必须指定name属性,这是引用该包的唯一标识. 2.extends: 可选属性,指定该包继承的父包,子包可以从一个或多个父包中继承到拦截器 ...
- Lxc的cgroup技术
你将学到什么 什么是cgroup 如何使用cgroup Cgroup简介 CGroup是Control Groups的缩写,是Linux内核提供的一种可以限制.记录.隔离进程组所使用的硬件资源的机制. ...
- JavaScript -- 实现密码加密的几种方案
base64加密 页面中引入base64.js var base=new Base64(); var str=base.encode('admin:admin'); //解密用: str=b.deco ...
- 【转载】Hyperledger学习小结
Hyperledger学习小结 自学Hyperledger Composer也有段时间了,是时候对所学的知识总结一下了.因为没有实际项目参与的话,差不多也就到此为止了.后续可能会去了解一下以太坊的技术 ...
- cogs 2123. [HZOI 2015] Glass Beads
2123. [HZOI 2015] Glass Beads ★★★ 输入文件:MinRepresentations.in 输出文件:MinRepresentations.out 简单对比时 ...
- gitlab web客户端的使用
3.2.1 新建项目 3.2.2 初始化项目(git init) 正如上图显示的,gitlab会给我们相应的命令供我们使用(需要安装客户端).初始化一个项目可以是一个新建的空项目,也可以是一个已经存在 ...
- EIGRP-4-调整接口度量参数来影响路径选择
从EIGRP度量参数的讨论中可以看出.能够手动配置的EIGRP度量参数只有带宽和延迟. 通过使用bandwidth命令强迫EGIRP使用或不使用某条特定路径.看起来是一个很有吸引力的做法.不过这个问题 ...
- Jmeter 自动化测试报告扩展(转 Todo 需要修正)
首先了解下生成测试报告的过程,我们看到的测试报告是由.jtl格式转换为.html,html报告的样式由extras目录下xsl文件决定.优化测试报告需要分为两部分内容,首先我们要优化输出的测试内容,其 ...