2020美赛E题（一）

摘要
- Introduction
- - 1、Background
  - 2、Our work
- 假设和参数定义
- - 参数
- Model of Maximum level
- - 工业回收
  - 焚化
  - 自然降解discarded into the environment
- PII
- - 经济，生态和社会因素
- 分析
- - 最大塑料产生量预测模型
  - 污染等级讨论
  - - 全球情况
    - 东亚和欧洲

摘要

首先建立了两个模型，PII(政策驱动塑料影响体系），第一问，第二问将土壤降解，海洋和工业发展水平的恢复水平纳入新指标CICI的考虑范围，第四问，将时间考虑进来，产生了一个新指标综合影响系数指数CICI，结果显示模型得到了优化。第五问，利用GE矩阵和综合影响系数指数CICI将6个州的污染情况分别进行预测。第六问，写了备忘录描述了最佳效果和时间。

Introduction

1、Background

…

2、Our work

塑料的产生production和回收recycle ，是两个重要的评价指标，依据3-4-5
根据环境垃圾容量，建立了最大塑料恢复回收量预测模型；
在第二问，我们定义了一个参数评价现有塑料包装的严重程度，依据6-7
分析了东亚和欧洲的塑料生产的差异，接着我们分析了模型的敏感度；

假设和参数定义

数据来源于各大国际组织，因此有理由相信这是高质量的数据
塑料污染量=塑料产生量-塑料回收量的
将国家作为整体，不考虑各地区之间的区别，这是首要前提条件(The assumption is a prerequisite for us to do intensive study)
各州之间的差异仅在涉及到政策时再考虑

参数

Model of Maximum level

有三种主要的方式解决这些存在于自然中的塑料垃圾：

α1\alpha_1α1工业生产过程中的塑料污染
α2\alpha_2α2燃烧的塑料污染
α3\alpha_3α3土地和海洋的塑料污染
以上三种对应的自然分解能力不同
从文献8中的数据可以看到407亿吨塑料产自于包装建设工厂
M=R1+R2+R3M=R_1+R_2+R_3M=R1+R2+R3 其中M是一次性塑料产品污染最大值,R1,R2,R3R_1,R_2,R_3R1,R2,R3对应于工业恢复率，焚化效率，降解速率

工业回收

工业回收有三种方式：机械回收、化学回收、堆肥，化学回收比机械回收的方式更有效，但是成本更高。
R1=α1∗APR_1=\alpha_1*APR1=α1∗AP

AP 年塑料产量，annual production of plastic product worldwide.

焚化

R2=α2∗APR_2=\alpha_2*APR2=α2∗AP
工业回收和焚化有很多相同点，焚化可以视为工业回收的一种特殊方式。不过焚化比工业回收对环境的污染更多。

自然降解discarded into the environment

根据文献10，甚至一些发达国家的塑料自然降解率接近于0，像WWF和海洋保护组织，花费大量精力但成效较少。

R3=γ1C1+γ2C2R_3=\gamma_1C_1+\gamma_2C_2R3=γ1C1+γ2C2
C1C_1C1是土壤中现有塑料总量，C2C_2C2是海洋中现有塑料总量，γ1\gamma_1γ1^-1是土壤中降解所用的时间，γ2\gamma_2γ2^-1是海洋中降解所用的时间。考虑到不同类型塑料降解时间不同，因此C1、C2C_1、C_2C1、C2用平均降解时间表示，同时我们认为降解总时间的倒数等于年降解速率

PII

Policy-driven plastic impact index model
政策驱动的塑料影响指数模型

为了更好估计各种潜在因素的影响（比如居民生后和环境质量），我们将这些因素归结为一个全面的参数指标：PII指标。PII的值越大，说明周围环境的影响力越强。
三个两级百分数因素：生态系统等级ED1ED_1ED1、经济等级ED2ED_2ED2、社会等级SDSDSD
PII=(ED1+ED2+SD)/3PII=(ED_1+ED_2+SD)/3PII=(ED1+ED2+SD)/3

政策相关的因素没有作为变量包括再其中，因为不同地区之间的政策是不同的，在第二问中会分开进行考虑

在这个模型中基本的参数如下表1：

以上分别对应于7种主要类型塑料行业，packaging,textiles,consumer&Institutional products,transportation,buiding and Construction,Electrical/Electronic

经济，生态和社会因素

生态
ED1=(Air+Water+Soil)/3ED_1=(Air+Water+Soil)/3ED1=(Air+Water+Soil)/3

空气质量基于两个因素：全球变暖和有害气体的排放。CO2CO_2CO2是全球变暖的直接因素，因此：
Air=∑i=17(w1ia+w2ia)plasticiAir=\sum_{i=1}^7(w_{1ia}+w_{2ia})plastic_iAir=∑i=17(w1ia+w2ia)plastici

plasticiplastic_iplastici每年按需生产的塑料量，w1ia和w2iaw_{1ia}和w_{2ia}w1ia和w2ia分别代表基于不同材质和处理方式释放CO2CO_2CO2的能力和产生有害气体的能力

水质量基于两个因素：水质污染和食品污染。因为糟糕的水质会危害居民的健康，因此将食品污染考虑在内。因此：
Water=∑i=17w1iw(1+w2iw)plasticiWater=\sum_{i=1}^7w_{1iw}(1+w_{2iw})plastic_iWater=i=1∑7w1iw(1+w2iw)plastici

plasticiplastic_iplastici每年按需生产的塑料量，w1iw和w2iww_{1iw}和w_{2iw}w1iw和w2iw分别代表塑料带来的水质污染和对人体产生的有害影响。

土壤质量基于两个因素：土壤污染和食品污染。因为糟糕的土壤会危害居民的健康，因此将食品污染考虑在内。因此：
Soil=∑i=17w1is(1+w2is)plasticiSoil=\sum_{i=1}^7w_{1is}(1+w_{2is})plastic_iSoil=i=1∑7w1is(1+w2is)plastici

plasticiplastic_iplastici每年按需生产的塑料量，w1is和w2isw_{1is}和w_{2is}w1is和w2is分别代表塑料带来的土壤污染和对人体产生的有害影响。

经济
塑料行业和塑料替代行业（如纸行业或者纤维行业）之间存在利益冲突，一方面，塑料行业由于原材料的减少和销量减少而财务损失，另一方面，塑料替代行业由于增加的交易渠道而获利增加。比方说，包装行业可以用可回收的纸材料替代塑料，但是建造行业没有可替换的塑料替代品。
ED2=100(Plasticloss−Substituteearn）/PlastictotalED_2=100(Plastic_{loss}-Substitute_{earn}）/Plastic_{total}ED2=100(Plasticloss−Substituteearn）/Plastictotal
最终，我们区别考虑了不同行业塑料被替换的可能性，得到：
Plasticloss=∑i=17w1iValueiPlastic_{loss}=\sum_{i=1}^7w_{1i}Value_iPlasticloss=∑i=17w1iValuei

其中w1iw_{1i}w1i代表不同行业的财政损失

Substituteearn=∑i=17w2iw1iValueiSubstitute_{earn}=\sum_{i=1}^7w_{2i}w_{1i}Value_iSubstituteearn=∑i=17w2iw1iValuei

其中w2iw_{2i}w2i表示替代行业将塑料行业的财政损失转换为盈利

社会
存在着对塑料制品的依赖和减少白色污染的矛盾。
SD=Reliance−ImprovementSD=Reliance-ImprovementSD=Reliance−Improvement

Improvement代表由于塑料行业的改变而带来的社会全貌的提升

根据文献8，我们得出以下结论：
1、GDP越高的国家人民对塑料制品的依赖性更强
2、环境质量提高指数与GDP构成一个峰向上的U型曲线
Reliance=fre(GDP)Reliance=f_{re}(GDP)Reliance=fre(GDP)
Improvementfim(GDP)Improvementf_{im}(GDP)Improvementfim(GDP)

分析

最大塑料产生量预测模型

在尽可能减少环境破坏的条件下预测塑料制品减少的可能性

因为407亿吨塑料产量来自于8个不同的行业，因此AP=407。（见文献8）
设定α1=9%,α2=12%,α3=79%\alpha_1=9\% , \alpha_2=12\% , \alpha_3=79\%α1=9%,α2=12%,α3=79%(见参考文献8）

其中α3=来自土壤的降解率76%+来自海洋的降解率3%\alpha_3=来自土壤的降解率76\%+来自海洋的降解率3\%α3=来自土壤的降解率76%+来自海洋的降解率3%
其中γ1\gamma_1γ1^-1和γ2\gamma_2γ2^-1分别为800和400。（见文献12）
由于R3R_3R3取决于环境污染量WIE（waste in environment),设WIE=83百万吨
R3=(76%γ1+3%γ2)∗WIER_3=(76\%\gamma_1+3\%\gamma_2)*WIER3=(76%γ1+3%γ2)∗WIE
最终的到三种方式（企业回收，焚烧，自然降解）减少的塑料污染值如饼图所示

因为M=R1+R2+R3M=R_1+R_2+R_3M=R1+R2+R3得到M的值为96.77亿吨。即最大可恢复环境值。

污染等级讨论

全球情况

根据文献13、14、15，得出表2数据

如图5显示了塑料对三个宏观方面的影响因素。

PII在我国大约为58%,这意味着国内塑料制品污染环境较为严峻。

空气和水分值远超平均值
考虑到工厂无法找到比塑料更廉价，更方便，更便民的材料
最佳解决方案是最优解：32.45kg,42.05，随着现代回收科技和更多元材料市场的发展，不久塑料将被更加环保的替代品部分替代。

东亚和欧洲

PII模型被应用与两个不同的地区——东亚和欧洲。

2008521美赛E题相关推荐

2108889队2021年数学建模美赛C题花絮视频！
2108889队2021年数学建模美赛C题花絮视频
五十八、2020美赛C题的思路以及个人Python的解法
@Author:Runsen 这是2020年美赛C题,当时三月份朋友找我搞定,今天在清理文件中发现了,于是做一个记录.这不是我的作业,我的专业可是化工.与这些没有什么关系. 阳光公司计划在线上市场上推 ...
【Python爬虫】2022年数学建模美赛B题数据爬取
2022年数学建模美赛B题数据爬取背景 2022年的美赛刚刚落下帷幕,该题的一个主要难点在于数据的获取.很多人无法找到有效的数据,或者是无法获取数据. 比如找到了如下米德湖的水文数据,但是发现并没有 ...
20年美赛C题数据集解读与O奖论文思路
20年美赛C题数据集解读与O奖论文思路 1 问题重述(中文) 1.1 背景 1.2 要求: 1.3 数据集概览 1.4 解题思路 2 O奖论文:Riddle of Sphinx: Cracking t ...
2023年美赛C题Wordle预测问题一建模及Python代码详细讲解
相关链接 (1)2023年美赛C题Wordle预测问题一建模及Python代码详细讲解 (2)2023年美赛C题Wordle预测问题二建模及Python代码详细讲解 (3)2023年美赛C题Wordl ...
2023年美赛C题Wordle预测问题三、四建模及Python代码详细讲解
更新时间:2023-2-19 16:30 相关链接 (1)2023年美赛C题Wordle预测问题一建模及Python代码详细讲解 (2)2023年美赛C题Wordle预测问题二建模及Python代码详 ...
2023年美赛C题Wordle预测问题二建模及Python代码详细讲解
更新时间:2023-2-19 相关链接 (1)2023年美赛C题Wordle预测问题一建模及Python代码详细讲解 (2)2023年美赛C题Wordle预测问题二建模及Python代码详细讲解 (3 ...
2021年美赛C题思路
2021年美赛C题思路: 团队为建模国一获得者,有丰富建模经验,因为需保证建模思路的完整性,更新较慢,怕被D.新号 C题翻译: 确认黄蜂的传言 2019 年 9 月,在加拿大不列颠哥伦比亚省的温哥华岛 ...
2021美赛D题思路
2021美赛D题翻译和思路团队为建模国一获得者,有丰富建模经验,因为需保证建模思路的完整性,更新较慢,怕被D.新号. D题翻译 D题思路问题一:使用Impact_data数据集或其中的一部分来创建 ...

2008521美赛E题