폐기물은 인간 활동의 부산물이며, 산업발달, 도시화, 소득수준 향상 등에 따라 발생량이 지속적으로 증가하고 있고, 인구구조, 통행분포 등으로 발생형태가 변화하고 있다. 효율적인 폐기물 관리 계획을 수립하기 위해서는 장래 폐기물 발생량을 정확하게 예측하는 것이 중요하며, 발생량 추정은 기존 폐기물 관리 인프라 개발과 지속 가능한 개발 및 ...
폐기물은 인간 활동의 부산물이며, 산업발달, 도시화, 소득수준 향상 등에 따라 발생량이 지속적으로 증가하고 있고, 인구구조, 통행분포 등으로 발생형태가 변화하고 있다. 효율적인 폐기물 관리 계획을 수립하기 위해서는 장래 폐기물 발생량을 정확하게 예측하는 것이 중요하며, 발생량 추정은 기존 폐기물 관리 인프라 개발과 지속 가능한 개발 및 최적화의 기초가 된다. 현재 발생량 추정에 적용하고 있는 원단위법은 적용의 편리성으로 널리 이용되고 있지만, 다양한 문제점을 내포하고 있어 발생량 추정 방법론을 전반적으로 개선할 필요가 있다. 본 연구에서는 경기도 31시군 전체를 대상으로 통행분포, 인구구조, 도시화 등이 생활계폐기물 발생량에 어떠한 영향을 주는지를 확인하게 위해 상관분석, 다중회귀분석을 통해 결정요인을 분석하였다. 또한, 결정요인을 토대로 주성분분석으로 주성분변수를 도출하고 경기도 개별 시군(2005~2013년)을 대상으로 다층신경망, 다중회귀분석과 기존방법론으로 2014~2016년 발생량을 예측하여 적정한 추정모델을 개발하고자 하였다. 다중회귀분석을 이용해 결정요인을 분석한 결과 총 8개의 변수(인구수, 15~64세비율, 세대당 인구, 종사자비율, 제조업종사자수, 숙박식음료업종사자비율, 재산세, 귀가유입통행량)가 선정되었으며, 영향력은 인구수가 가장 크고 제조업종사자수, 귀가유입통행량, 재산세 순이었다. 하지만, 이러한 결정요인이 개별 지자체(31개 지자체 중 14개시군은 모든 변수의 유의확률이 0.05 이상으로 통계적으로 무의미함)에 동일하게 적용되지 않음을 알 수 있었다. 경기도 31개 시군에서는 3가지 모델 중 신경망이 18개(58.1%), 다중회귀분석 12개(38.7%), 기존방법론이 1개(3.2%) 시군으로 선정되어 신경망과 회귀분석이 기존방법론에 비해 우수한 모형임을 입증하였다. 또한, 적용된 변수가 통계적(유의확률 0.05 이상)으로 무의미한 변수가 적용된 사례는 14개 중 12개(86.06%) 시군이 신경망을 최적모형으로 선정하였다. 하지만, 유의미한 변수가 1개라도 포함된 경우는 17개 중 10개(59.0%) 시군이 회귀분석이 예측력이 우수한 것으로 나타났다. 본 연구에서는 공개되는 데이터의 한계로 연간으로 분석하였고, 표본수가 30개 미만으로 통계적으로 신뢰하기 어렵다는 비판이 일 수 있다. 그럼에도 불구하고 경기도 31개 시군에 대해 기존방법론보다 개선된 모델을 제시했다는 점에서 본 연구의 의의를 찾을 수 있다. 향후 이러한 한계점을 보안할 수 있는 추가적인 연구가 필요할 것으로 판단된다.
폐기물은 인간 활동의 부산물이며, 산업발달, 도시화, 소득수준 향상 등에 따라 발생량이 지속적으로 증가하고 있고, 인구구조, 통행분포 등으로 발생형태가 변화하고 있다. 효율적인 폐기물 관리 계획을 수립하기 위해서는 장래 폐기물 발생량을 정확하게 예측하는 것이 중요하며, 발생량 추정은 기존 폐기물 관리 인프라 개발과 지속 가능한 개발 및 최적화의 기초가 된다. 현재 발생량 추정에 적용하고 있는 원단위법은 적용의 편리성으로 널리 이용되고 있지만, 다양한 문제점을 내포하고 있어 발생량 추정 방법론을 전반적으로 개선할 필요가 있다. 본 연구에서는 경기도 31시군 전체를 대상으로 통행분포, 인구구조, 도시화 등이 생활계폐기물 발생량에 어떠한 영향을 주는지를 확인하게 위해 상관분석, 다중회귀분석을 통해 결정요인을 분석하였다. 또한, 결정요인을 토대로 주성분분석으로 주성분변수를 도출하고 경기도 개별 시군(2005~2013년)을 대상으로 다층신경망, 다중회귀분석과 기존방법론으로 2014~2016년 발생량을 예측하여 적정한 추정모델을 개발하고자 하였다. 다중회귀분석을 이용해 결정요인을 분석한 결과 총 8개의 변수(인구수, 15~64세비율, 세대당 인구, 종사자비율, 제조업종사자수, 숙박식음료업종사자비율, 재산세, 귀가유입통행량)가 선정되었으며, 영향력은 인구수가 가장 크고 제조업종사자수, 귀가유입통행량, 재산세 순이었다. 하지만, 이러한 결정요인이 개별 지자체(31개 지자체 중 14개시군은 모든 변수의 유의확률이 0.05 이상으로 통계적으로 무의미함)에 동일하게 적용되지 않음을 알 수 있었다. 경기도 31개 시군에서는 3가지 모델 중 신경망이 18개(58.1%), 다중회귀분석 12개(38.7%), 기존방법론이 1개(3.2%) 시군으로 선정되어 신경망과 회귀분석이 기존방법론에 비해 우수한 모형임을 입증하였다. 또한, 적용된 변수가 통계적(유의확률 0.05 이상)으로 무의미한 변수가 적용된 사례는 14개 중 12개(86.06%) 시군이 신경망을 최적모형으로 선정하였다. 하지만, 유의미한 변수가 1개라도 포함된 경우는 17개 중 10개(59.0%) 시군이 회귀분석이 예측력이 우수한 것으로 나타났다. 본 연구에서는 공개되는 데이터의 한계로 연간으로 분석하였고, 표본수가 30개 미만으로 통계적으로 신뢰하기 어렵다는 비판이 일 수 있다. 그럼에도 불구하고 경기도 31개 시군에 대해 기존방법론보다 개선된 모델을 제시했다는 점에서 본 연구의 의의를 찾을 수 있다. 향후 이러한 한계점을 보안할 수 있는 추가적인 연구가 필요할 것으로 판단된다.
Waste is the by-product of human activity and is continuously increasing due to the advancement of industry, urbanization, and increases in income, and the patterns of waste generation due to changes in population structure and trip distribution. In order to establish an efficient waste management p...
Waste is the by-product of human activity and is continuously increasing due to the advancement of industry, urbanization, and increases in income, and the patterns of waste generation due to changes in population structure and trip distribution. In order to establish an efficient waste management plan, it is essential to forecast waste generation accurately, and such estimates become the basis for optimizing and developing existing waste management infrastructure. The unit generation rate method used in estimating waste generation is widely used as it is convenient to apply, but it has various issues, and thus, the methods for forecasting waste generation must be improved across the board. In this study, determinants were analyzed using correlation and multiple regression to find how trip distribution, population structures, and urbanization affect waste generation in all 31 cities in Gyeonggi province. Furthermore, this study attempted to develop an appropriate estimation model by finding principal components through principal component analysis and forecasting waste generation in each city and county in Gyeonggi province between 2014 and 2016 using multi layer perceptron, multiple regression analysis, and the existing methods. After analyzing the determinants using multiple regression, a total of eight variables (population, percentage of people aged 15~64, percentage working, number of workers in manufacturing, percentage of people working in the lodging, food, and beverage industries, property taxes, inflow traffic volume to home) were chosen, and the population had the greatest influence, followed by the number of workers in manufacturing, inflow traffic volume to home, and property taxes, in that order. However, this study showed that these determinants did not have the same effects on each municipality (in 14 out of the 31 municipalities, every variable had a p-value greater than or equal to 0.05, and thus was statistically insignificant). Within the 31 municipalities of Gyeonggi province, multi layer perceptron was chosen in 18 (58.1%) of them, multiple regression in 12 of them (38.7%), and the existing methods in 1 (3.2%) of them, proving that the multi layer perceptron and the regression were better models than the existing methods. Furthermore, out of the 14 cases where the variables were statistically insignificant, 12 municipalities (86.06%) chose the multi layer perceptron as the optimal model. However, out of the 17 cases where at least one significant variable was included, ten municipalities (59.0%) showed that regression had better statistical power. Some may criticize this study as this study analyzed data on an annual level due to the limitations of the released data, and this study is difficult to trust as there are less than 30 samples. Nonetheless, this study is important in that it proposed a better model on the 31 municipalities in Gyeonggi province. Further research that may remedy these limitations seems necessary.
Waste is the by-product of human activity and is continuously increasing due to the advancement of industry, urbanization, and increases in income, and the patterns of waste generation due to changes in population structure and trip distribution. In order to establish an efficient waste management plan, it is essential to forecast waste generation accurately, and such estimates become the basis for optimizing and developing existing waste management infrastructure. The unit generation rate method used in estimating waste generation is widely used as it is convenient to apply, but it has various issues, and thus, the methods for forecasting waste generation must be improved across the board. In this study, determinants were analyzed using correlation and multiple regression to find how trip distribution, population structures, and urbanization affect waste generation in all 31 cities in Gyeonggi province. Furthermore, this study attempted to develop an appropriate estimation model by finding principal components through principal component analysis and forecasting waste generation in each city and county in Gyeonggi province between 2014 and 2016 using multi layer perceptron, multiple regression analysis, and the existing methods. After analyzing the determinants using multiple regression, a total of eight variables (population, percentage of people aged 15~64, percentage working, number of workers in manufacturing, percentage of people working in the lodging, food, and beverage industries, property taxes, inflow traffic volume to home) were chosen, and the population had the greatest influence, followed by the number of workers in manufacturing, inflow traffic volume to home, and property taxes, in that order. However, this study showed that these determinants did not have the same effects on each municipality (in 14 out of the 31 municipalities, every variable had a p-value greater than or equal to 0.05, and thus was statistically insignificant). Within the 31 municipalities of Gyeonggi province, multi layer perceptron was chosen in 18 (58.1%) of them, multiple regression in 12 of them (38.7%), and the existing methods in 1 (3.2%) of them, proving that the multi layer perceptron and the regression were better models than the existing methods. Furthermore, out of the 14 cases where the variables were statistically insignificant, 12 municipalities (86.06%) chose the multi layer perceptron as the optimal model. However, out of the 17 cases where at least one significant variable was included, ten municipalities (59.0%) showed that regression had better statistical power. Some may criticize this study as this study analyzed data on an annual level due to the limitations of the released data, and this study is difficult to trust as there are less than 30 samples. Nonetheless, this study is important in that it proposed a better model on the 31 municipalities in Gyeonggi province. Further research that may remedy these limitations seems necessary.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.