2008521美赛E题
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 ...
最新文章
- Redis 笔记(05)— hash 类型(设置获取单个hash值、判断hash键是否存在、设置获取多个hash值、获取所有hash的键、获取所有hash的值、删除hash指定键)
- Java 洛谷 P1425 小鱼的游泳时间
- android 关闭软键盘失去焦点,Android - html输入在软键盘打开时失去焦点(ASP.net)...
- 11988 - Broken Keyboard (a.k.a. Beiju Text)
- 第0000题 : 图像处理...
- python爬虫爬当当网_python爬取当当网图书排行榜
- 微信api接口调用-触发推送微信群聊列表
- 计算机硬故障指什么原因是,计算机常见硬故障的诊断及排除(7页)-原创力文档...
- 用protues作RC桥式振荡电路仿真,无法形成正弦波,求解惑
- 笔记本检测工具(全)
- WPS标题编号级别,根据上一级自动编号
- 1060驱动java,丽境1060数位板驱动下载
- 差分 离散化 (线段树优化lazy标记)2018ICPC SouthEastern Fishermen
- 2018 年物联网发展五大趋势预测
- java 控制面板,Java9 控制面板
- 【实习日记】第五天 剖析源码+学习Node.js Typescript基本语法
- 计算机组装与维修王利民版,计算机组装与维修(第5版)
- 指定Jboss的JDK
- 阿里云-SchedulerX分布式调度中心
- Detected unusual line terminators_vscode打不开pdf的解决方案应用程序vscode.app打不开解决方案
热门文章
- luoguP2324 [SCOI2005]骑士精神 IDA*
- firefox firbug 的“阻挡” blocking
- Archery Tournament
- allegro放置器件无法放_allegro 放置元件处无复选框,导致无法放置元件错误。
- 有一种生态叫“鲲鹏”
- CarSim仿真快速入门(三)
- java实现第二届蓝桥杯地铁换乘(C++)
- QFontMetrics
- 软件工程 - 项目管理
- 部署 Dashboard可视化插件