施工現場固體廢棄物產生量估算

王乾坤,胡睿博*,任志剛,陳 蕾,涂警鐘,何艷婷

?

施工現場固體廢棄物產生量估算

王乾坤1,胡睿博1*,任志剛1,陳 蕾2,涂警鐘1,何艷婷2

(1.武漢理工大學土木工程與建筑學院,湖北 武漢 430070；2.中國建筑一局(集團)有限公司,北京 100161)

以新建建筑產生的固體廢棄物為研究對象,將改進的材料跟蹤法、基于R語言的算法和數據挖掘技術相結合,合理規避了傳統方法中數據提取粗糙與數據獲取主觀性強的問題.同時,通過現場調研獲取全國不同區域新建居住建筑的基礎數據,進行實證分析.結果表明,施工現場廢棄混凝土、廢棄鋼筋、廢棄砌塊產生率的典型值分別為3.28%,2.88%,3.33%,代表區間分別為(0.6144%,5.9456%),(0.622%,5.138%),(0.6103%,6.02%).與已有數據對比發現,我國新建建筑中固體廢棄物產生率高于定額損耗率,固廢管理水平存在區域性差異,呈“沿海高、內地低”的態勢,且整體減量化水平亟待提高.

建筑；固體廢棄物；產生量；材料跟蹤法；R語言

近些年,建筑行業發展持續增長.根據《住房城鄉建設事業“十三五”規劃綱要》[1]要求,“十三五”時期,城鎮新建住房面積累計達53億m2左右,到2020年,城鎮居民人均住房建筑面積達到35m2左右.面對持續增長的住房面積,產生的施工現場固體廢棄物(以下簡稱“固廢”)也必然增多,而目前固廢資源利用率只有10%左右[2].因此,隨之增長的固廢在浪費自然資源的同時對環境造成了污染.

作為城市垃圾治理的重要組成部分,建筑垃圾處理產業發展滯后[3],其中一個重要原因是缺乏對固廢產生量進行深入了解.Li等[4]認為,在固廢管理計劃中要求承包商估算固廢總量,將有助于在施工過程中實現固廢的減量化及資源化.Lu等[5]提出固廢量化工作是提高固廢管理水平的關鍵一步.

Wu等[6]將量化方法分為兩大類:區域級量化方法和項目級量化方法,為后續的量化工作提供了研究思路.在項目級量化方法中,涂警鐘等[7]借鑒工程估價中分解組合計量思想,結合傳統的材料跟蹤法,在其構建的固廢分類系統下對施工階段的固體廢棄物進行量化分析,但并未解決傳統量化方法中數據提取粗糙的問題.李景茹等[8]采用現場人員經驗值估算法,對25個新建項目進行問卷調查,并通過簡單算數平均法統計出廢棄混凝土、砌塊、砂漿、瓷磚、鋼筋、木模板的典型值,但存在數據提取主觀性強的問題.同時,由于固廢產生率受多種因素影響,運用簡單算數平均法無法全面地探尋數據分布規律.在區域級量化方法中,張峰等[9]采用面積指標法對固廢的產生量進行估算和分析,并通過指數平滑預測法對2016~2020年山東省固廢產生量進行預測.吳澤洲[10]采用基因表達式編程(GEP),以香港地區為例,搜集了香港地區20年來建筑垃圾產生量的數據,對香港2011年和2012年建筑垃圾的產生量進行預測,但項目級量化方法和區域級量化方法差異較大,很難相互借鑒.

同時,由于建筑類型、結構形式、裝修類別等不同以及區域間的差異,國內外相關學者的研究成果同樣難以借鑒.因此,本文主要針對國內新建工程中建筑材料所產生的固體廢棄物,提出一種在施工現場操作性強的量化方法,并通過現場調研提取更加準確的原始數據,在R語言輔助下編寫數據分析的算法,以此對樣本數據進行深入分析,得到客觀、準確的施工現場固體廢棄物產生量,為施工現場固體廢棄物處理提供理論支撐和實踐指導.

1 研究方法

1.1 研究范圍

目前,國內尚未明確施工現場固體廢棄物的概念.本文依據行業標準《建筑垃圾處理技術規范》CJJ134-2017[11]中對建筑垃圾的定義,將施工現場固體廢棄物等同于固體建筑垃圾,即建設、施工單位新建、改建、擴建和拆除各類建筑物、構筑物、管網等以及居民裝飾裝修房屋過程中所產生的棄土、棄料及其它固體廢棄物.

Cochran等[12]將建筑廢棄物的來源分為3個階段:新建階段、翻新階段和拆除階段.國家標準《廢棄產品分類與代碼》GBT27610-2011[13]將施工現場固體廢棄物分為建筑廢料、包裝廢料、提取廢料、雜項廢料4部分.而建筑材料是形成建筑實體的主要材料,由建筑材料產生的建筑廢料在施工現場固體廢棄物中占據了絕大部分.因此,本文研究的施工現場固體廢棄物主要為新建建筑所產生的建筑廢料.

1.2 量化方法

材料跟蹤法最初由Poon等[14]提出,吳賢國等[15]對該方法進行優化,提出建筑材料在施工過程中轉化為4部分:結構組成部分、剩余物、重新利用到本項目或成為廢料.本文通過前期現場調研及詢問現場技術人員,提出建筑材料在施工過程中轉化為5部分:建筑實體、剩余材料、再生材料、不可控損失、終端固廢,如圖1所示.

圖1 改進的材料跟蹤法示意

建筑材料一般用采購量來衡量.采購量指從事施工活動所需材料的實際購買量.采購量是由項目中的商務部根據施工圖紙進行計算,再加上企業內部的材料損耗量計算得到,不同施工項目由于管理水平、施工人員水平等不同,其材料損耗量也不同,產生的固廢量也不同.

建筑實體指形成建筑的材料凈用量,一般用施工圖紙的設計量衡量.設計量可通過項目中的商務部來獲取.設計量的計量精度高,易于統計.因此,在用設計量計算最終固廢的產生量時,具有誤差小的優勢.

剩余材料指形成實體建筑后原材料的剩余,主要通過現場記錄或盤點的方式得知.在施工現場,通常有固定人員定期對剩余材料進行清單盤點,所記錄的數據為剩余量.

再生材料指初始固廢中能夠在施工現場進行加工利用或不進行加工直接使用并轉化為建筑實體的部分,如廢棄混凝土回填、廢棄鋼筋再次焊接使用等.

不可控損失指非項目人員通過非法手段竊取初始固廢中仍有回收利用價值的部分,如有經濟價值的廢棄鋼筋和廢棄金屬等初始固廢.

終端固廢指無法在施工現場內部進行利用的固體廢棄物,即為本文的量化對象,其產生量計算公式如下:

式中:為固廢產生量;P為采購量;D為設計量;R為剩余材料量;U為再生材料量;S為不可控損失量;為固廢產生率.

1.3 數據收集

數據的收集圍繞3個在建居住項目,分別是廣州萬達-文化旅游城B1住宅樓、武漢保利新武昌住宅樓、成都天府新區海關業務技術大樓宿舍樓.通過項目調研獲取了混凝土樣本數453份,鋼筋樣本數523份,砌塊樣本數541份.在收集數據的過程中,采購量和設計量的數據均從項目部中的商務經理處獲取.施工企業(或建設單位)與材料供貨方簽訂的合同規定,如有剩余材料將由供貨方回收處理,所以在施工現場不存在剩余材料,如果存在極少量的剩余材料,如多余的商品混凝土,將直接在施工現場進行再利用.由于施工現場沒有記錄初始固廢中再生材料和不可控損失的數據,且這2部分數量占比少,對固廢產生量的影響不大,所以本文對這2部分數據采取現場技術人員經驗值的方式進行估算.通過對3個項目相關技術人員問卷調查,得到混凝土、鋼筋、砌塊的再生材料量和不可控損失量之和占初始固廢的估計值分別為5%、3%、2%,下文將對采集的數據進行分析.

1.4 數據分析

1.4.1 數據分析算法介紹 基于R語言編寫的數據分析算法如圖2所示,主要分為以下4個步驟:

1)將獲取的樣本數據導出EXCLE,采用式(1)、(2)進行計算,得出不同材料的固廢產生率,并通過散點圖對樣本數據進行預處理和分析.

2)計算固廢產生率的最大值以及最小值,形成固廢產生率的范圍區間,將范圍區間以1%為量度單元分為若干子區間,并分別計算全部樣本數和除“0”樣本數(除去固廢產生率為0%的樣本)的各子區間的頻數,形成頻數直方圖.

3)根據頻數分布直方圖可以判斷固廢產生率是否服從于正態分布,如果服從正態分布,則根據除“0”樣本數的頻數直方圖假定固廢產生率代表區間所在的區間范圍,計算該區間樣本數占比,并采用R語言計算該區間的數學期望以及標準差,得出正態分布函數.根據SPSS&SAS規則和W檢驗法進行假設檢驗,如果值和值均符合正態分布檢驗標準,則確定該區間的取值范圍,并認為該區間的樣本值為有效值;如果不符合,則重新選擇區間范圍進行重新計算,直至符合檢驗標準為止.最后,用分位數QQ圖進行補充檢驗.

4)確定正態分布函數,并以數學期望為典型值,以橫軸區間(-1.96,+1.96)為代表區間,且該代表區間覆蓋樣本取值范圍的95.449974%.

圖2 算法流程

1.4.2 固廢產生率算法分析-以混凝土材料為例 對獲取的453份樣本進行篩選、預處理,并形成散點圖,如圖3所示.

從圖中可以看出,廢棄混凝土產生率主要集中在[2%,4%],6%以上的樣本數分布較為分散且較少,[0%,2%]的樣本數主要集中在0%的樣本上,而樣本數位于區間(0,2%)的樣本數并不多.不同廢棄混凝土產生率區間樣本數分布的差別較大,故根據最大值和最小值將區間分為14個小區間,以1%為量度單元,計算每個子區間的頻數.以全部樣本和除“0”樣本兩類進行統計分析.

圖3 廢棄混凝土產生率散點

全部樣本數主要集中在[0,6%),占總樣本的85.87%,從子區間的頻數上看,子區間[0,1%)的頻數為82,除[0,1%]子區間外,以[2%,3%]子區間的頻數最高,頻數為78.其他子區間的差異較小,主要集中在[2%,5%].

圖4 除“0”樣本的頻數直方

除“0”樣本共計388個,該區間的樣本主要集中在區間(0,6%).以1%為區間跨度,將每個廢棄混凝土產生率子區間形成頻數分布直方圖,如圖4所示,能夠明顯看出廢棄混凝土產生率呈現正態分布的趨勢.

假定廢棄混凝土產生率區間.通過頻數分布直方圖假定(0,6%)區間為樣本集中區間,計算該區間的樣本數、樣本數占比、平均值、標準差等基本信息,了解該區間的基本情況,具體統計數據如表1所示.

表1 (0,6%)區間的基本信息

考慮到要對大量數據樣本進行分析,本文根據R語言進行編程分析.采用R語言將區間(0,6%)分為25、50等份,如圖5.從圖中可以判斷廢棄混凝土產生率在區間(0,6%)呈現正態分布趨勢,因此假定該區間符合正態分布函數關系,并確定數學期望為3.28%,標準差為0.0136.設廢棄混凝土產生率服從于正態分布,其函數表達式為:

假設檢驗.采用Shapiro - Wilk (W檢驗)和QQ圖輔助檢驗2種方法,根據R語言進行編程計算.具體檢驗情況如下:

W檢驗.根據SPSS&SAS規則進行驗證[16-17]0: SPSS規定:當樣本含量3￡￡5000時,結果以Shapiro-Wilk (W檢驗)為準,當樣本含量>5000結果以Kolmogorov-Smirnov(D檢驗)為準.SAS 規定:當樣本含量￡2000時,結果以Shapiro-Wilk(W檢驗)為準,當樣本含量>2000時,結果以Kolmogorov- Smirnov(D檢驗)為準.廢棄混凝土產生率區間(0,6%)的樣本數為324個,因此采用W檢驗進行正態檢驗.通過R語言進行計算,得出值為0.98805,接近于1,表明數據和正態分布擬合較好;值為0.09253,大于0.05,不能拒絕原假設.因此,確定廢棄混凝土產生率服從于正態分布.

QQ圖檢驗.QQ圖檢驗是正態分布檢驗的一種圖示法,通過測試的樣本數據和已知分布相比較,用來檢驗樣本的分布是否服從正態分布[18].運用R語言工具,通過相關計算規則,得到如圖6所示的QQ檢驗圖.明顯看出,樣本數據與=0.0136+ 0.0328直線吻合較好,說明廢棄混凝土產生率服從于正態分布.

典型值和代表區間的確定.通過W檢驗和QQ圖檢驗確定廢棄混凝土產生率在區間(0,6%)上服從正態分布,根據正態分布面積分布理論,在橫軸區間(-1.96σ,+1.96σ)內分布面積占比95.449974%[19].經過計算,廢棄混凝土產生率的典型值為3.28%,其代表區間為(0.6144%,5.9456%).

圖6 QQ圖檢驗

2 結果與分析

由于固廢產生率算法分析較復雜,本文僅以混凝土材料為例進行算法分析.同理,可得到廢棄鋼筋產生率、廢棄砌塊產生率均符合正態分布,并分別得到它們的典型值為2.88%、3.33%,代表區間為(0.622%,5.138%)、(0.6103%,6.02%).表2總結了國內外相關文獻中的固廢產生率,并與本文所得數據進行對比,分析如下:

Lu等[5]認為,定額損耗率一般應大于固廢產生率,因為理論上定額損耗率由2部分構成:固廢產生率和可回收利用率.但在本文中,通過調研分析得到的固廢產生率普遍比定額損耗偏大,廢棄混凝土產生率甚至高出定額損耗率將近2個百分點.通過詢問現場技術人員,認為主要原因為:定額損耗從施工經驗中統計而來,因此數據并不是很準確,會造成一定的誤差;損耗率中沒有考慮偶然因素,如設計變更、質量原因造成的返工、采購材料保存不合理等行為所帶來的固廢產生量,且這一部分的固廢產生量占有較大的比重.因此,實際上施工現場的固廢產生率一般會大于定額損耗率.

吳賢國等[15]在2001年通過調查問卷的方式獲取了固廢產生率的范圍,從表2中可以看出,除了混凝土之外,本文得到的其余材料的廢棄物產生率低于2001年的固廢產生率,說明我國固廢數量在不斷減少.尤其廢棄砌塊產生率的上限明顯低于2001年的上限,約降低6%,除了近年來固廢管理水平提升導致廢棄砌塊產生量減少外,另一個主要原因是:施工技術和建筑材料的優化,使得鋼混結構建筑占據建筑行業的主流,減少了砌塊的使用,造成砌塊的廢棄率降低.而廢棄混凝土產生率仍無明顯下降的主要原因是此次調研的居住建筑均為超高層,隨著施工高度增加施工難度變大,混凝土在垂直運輸和澆筑的過程中產生了更多的廢棄物.

表2 調研結果與相關文獻數據對比(%)

注:定額損耗率中的鋼筋直徑為6~10mm.

由于此次調研項目多集中在中國內地,與沿海城市深圳相比,內陸地區的固廢產生率仍普遍偏高,尤其在固廢中占比最大的混凝土廢棄率高出了2.28%.雖然可能是由于量化方法的不同導致數據有所差異,但主要還是因為內地固廢管理政策支持力度不足以及施工企業仍處于粗放式管理階段所致.因此,我國內地施工企業應向深圳等沿海發達城市借鑒固廢管理的經驗,政府應積極落實相關的固廢管理政策,從而減少施工現場固體廢棄物的產生.

3 結論

3.1 通過實證分析,得到廢棄混凝土產生率、廢棄鋼筋產生率、廢棄砌塊產生率的典型值分別為3.28%,2.88%,3.33%,代表區間分別為(0.6144%, 5.9456%),(0.622%,5.138%),(0.6103%,6.02%).

3.2 施工現場固體廢棄物的產生率高于定額損耗率.

3.3 我國固廢產生率在不斷下降,但下降幅度并不顯著,尤其廢棄混凝土產生率仍處較高水平.

3.4 我國固廢管理水平存在區域性差異,內陸地區相較于沿海發達城市的固廢管理水平偏低.

[1] 住房和城鄉建設部.住房城鄉建設事業“十三五”規劃綱要 [J]. 居業, 2016,(9):4-13,22. Ministry of Housing and Urban-Rural Development of the People’s Republic of China (MOHURD). The 13th five-year plan of MOHURD [J]. Create Living, 2016,(9):4-13,22.

[2] Ding T, Xiao J. Estimation of building-related construction and demolition waste in Shanghai [J]. Waste Management, 2014,34(11): 2327-2334.

[3] 李 揚,李金惠,譚全銀,等.我國城市生活垃圾處理行業發展與驅動力分析 [J]. 中國環境科學, 2018,38(11):4173-4179. Li Y, Li J H, Tan Q Y, et al. Development course and driving force of municipal solid waste disposal industry in China [J]. China Environmental Science, 2018,38(11):4173-4179.

[4] Li J, Ding Z, Mi X, et al. A model for estimating construction waste generation index for building project in China [J]. Resources Conservation & Recycling, 2013,74(5):20-26.

[5] Lu W, Yuan H, Li J, et al. An empirical investigation of construction and demolition waste generation rates in Shenzhen city, South China [J]. Waste Management, 2011,31(4):680-687.

[6] Wu Z, Yu A T, Shen L, et al. Quantifying construction and demolition waste: an analytical review [J]. Waste Management, 2014,34(9):1683-1692.

[7] 李 揚,李金惠,譚全銀,等.我國城市生活垃圾處理行業發展與驅動力分析 [J]. 中國環境科學, 2018,38(11):4173-4179. Li Y, Li J H, Tan Q Y, et al. Development course and driving force of municipal solid waste disposal industry in China [J]. China Environmental Science, 2018,38(11):4173-4179.

[8] Li J, Ding Z, Mi X, et al. A model for estimating construction waste generation index for building project in China [J]. Resources Conservation & Recycling, 2013,74(5):20-26.

[9] Lu W, Yuan H, Li J, et al. An empirical investigation of construction and demolition waste generation rates in Shenzhen city, South China [J]. Waste Management, 2011,31(4):680-687.

[10] Wu Z, Yu A T, Shen L, et al. Quantifying construction and demolition waste: an analytical review [J]. Waste Management, 2014,34(9):1683-1692.

[11] 涂警鐘,方歆睿,陳 蕾,等.施工現場固體廢棄物量化估算模型[J]. 武漢理工大學學報, 2017,39(11):61-67. Tu J Z, Fang X R, Chen L, et al. Quantitative estimation model of solid waste on construction site [J]. Journal of Wuhan University of Technology, 2017,39(11):61-67.

[12] 李景茹,米旭明,丁志坤,等.新建工程建筑廢棄物產出水平調查分析[J]. 建筑經濟, 2010,(1):83-86. Li J R, Mi X M, Ding Z K, et al. Study on the generation of construction waste of new buildings [J]. Construction Economy of China, 2010,(1):83-86

[13] 張 峰,喬 梁,樊瑞雪.建筑廢棄物產生量預測與資源化利用研究——以山東省為例[J]. 建筑經濟, 2017,38(8):79-84 Zhang F, Qiao L, Pan R X. Research on production forecast and resource utilization of construction and demolition waste: a case study of Shandong [J]. Construction Economy of China, 2017,38(8):79-84.

[14] 吳澤洲.建筑垃圾量化及管理策略研究[D]. 重慶:重慶大學, 2012.Wu Z Z. Research on construction and demolition waste quantification and management strategies [D]. Chongqing, Chongqing University, 2012.

[15] CJJ134-2017 建筑垃圾處理技術規范[S]. CJJ134-2017 Technical code for construction and demolition waste treatment [S].

[16] Cochran K M, Townsend T G. Estimating construction and demolition debris generation using a materials flow analysis approach [J]. Waste Management, 2010,30(11):2247-2254.

[17] GB/T27610-2011 廢棄產品分類與代碼[S]. GB/T 27610-2011 Waste product classification and code [S].

[18] Chi S P. Management and recycling of demolition waste in Hong Kong [J]. Waste Management & Research, 1997,15(6):561-572.

[19] 吳賢國,李惠強,杜 婷.建筑施工廢料的數量、組成與產生原因分析 [J]. 華中科技大學學報(自然科學版), 2000,28(12):96-97. Wu X G, Li H Q, Du T. Analysis of the quantity and the composition in construction waste [J]. Journal of Huazhong University of Science and Technology, 2000,28(12):96-97.

[20] Royston J P. An extension of Shapiro and Wilk's W test for normality to large samples [J]. Journal of the Royal Statistical Society, 1982, 31(2):115-124.

[21] Royston J P. Algorithm AS 181: The W test for normality [J]. Journal of the Royal Statistical Society, 1982,31(2):176-180.

[22] 宗序平,姚玉蘭.利用Q-Q圖與P-P圖快速檢驗數據的統計分布[J]. 統計與決策, 2010,(20):151-152. Zong X P, Yao Y L. Quickly test the statistical distribution of data using QQ-plot and PP-plot [J]. Statistics and Decision, 2010,(20): 151-152.

[23] 盛 驟,謝式千,潘承毅.概率論與數理統計:第四版[M]. 北京:高等教育出版社, 2008:46-50. Sheng Z, Xie S Q, Pan C Y. Probability theory and mathematical statistics (the fourth edition) [M]. Beijing, Higher Education Press, 2008:46-50.

致謝：本研究的數據獲取工作由中建一局(集團)有限公司等協助完成,在此表示感謝.

Estimation of solid waste generation on the construction site.

WANG Qian-kun1, HU Rui-bo1*, REN Zhi-gang1, CHEN Lei2, TU Jing-zhong1, HE Yan-ting2

(1.College of Civil Engineering and Architecture, Wuhan University of Technology, Wuhan 430070, China；2.China Construction First Building(Group) Corporation Limited, Beijing 100161, China)., 2019,39(4)：1633~1638

An innovative approach was proposed, in which integrated the improved material tracking method, R-based algorithms with data-mining techniques to overcome the problem of rough and subjective data-obtaining in traditional methods. Then, an empirical analysis on the OSW data was collected from new residential buildings located at multiple regions cross China. The results showed that for the common wastes: concreate, steel, and masonry, the typical waste generation rates were 3.28%, 2.88%, and 3.33%, and the representative intervals were from 0.6144% to 5.9456%, 0.622% to 5.138%, 0.6103% to 6.02%, respectively. Comparing with the previous data, the rate of OSW’s generation was higher than that of normal loss in new constructions. Furthermore, the regional differences in solid waste management in which the management performance in coastal cities was better than that in inland cities.

construction；solid waste；quantification；material tracking method；R language

X799

A

1000-6923(2019)04-1633-06

2018-09-06

國家重點研發計劃資助項目(2016YFC0702103)

*責任作者, 助教, whut_hrb@outlook.com

王乾坤(1964-),湖北天門人,男,教授,博士生導師,主要研究方向為綠色建筑與建筑節能.發表論文70余篇.