施工现场固体废弃物产生量估算

王乾坤,胡睿博*,任志刚,陈 蕾,涂警钟,何艳婷



施工现场固体废弃物产生量估算

王乾坤1,胡睿博1*,任志刚1,陈 蕾2,涂警钟1,何艳婷2

(1.武汉理工大学土木工程与建筑学院,湖北 武汉 430070；2.中国建筑一局(集团)有限公司,北京 100161)

以新建建筑产生的固体废弃物为研究对象,将改进的材料跟踪法、基于R语言的算法和数据挖掘技术相结合,合理规避了传统方法中数据提取粗糙与数据获取主观性强的问题.同时,通过现场调研获取全国不同区域新建居住建筑的基础数据,进行实证分析.结果表明,施工现场废弃混凝土、废弃钢筋、废弃砌块产生率的典型值分别为3.28%,2.88%,3.33%,代表区间分别为(0.6144%,5.9456%),(0.622%,5.138%),(0.6103%,6.02%).与已有数据对比发现,我国新建建筑中固体废弃物产生率高于定额损耗率,固废管理水平存在区域性差异,呈“沿海高、内地低”的态势,且整体减量化水平亟待提高.

建筑；固体废弃物；产生量；材料跟踪法；R语言

近些年,建筑行业发展持续增长.根据《住房城乡建设事业“十三五”规划纲要》[1]要求,“十三五”时期,城镇新建住房面积累计达53亿m2左右,到2020年,城镇居民人均住房建筑面积达到35m2左右.面对持续增长的住房面积,产生的施工现场固体废弃物(以下简称“固废”)也必然增多,而目前固废资源利用率只有10%左右[2].因此,随之增长的固废在浪费自然资源的同时对环境造成了污染.

作为城市垃圾治理的重要组成部分,建筑垃圾处理产业发展滞后[3],其中一个重要原因是缺乏对固废产生量进行深入了解.Li等[4]认为,在固废管理计划中要求承包商估算固废总量,将有助于在施工过程中实现固废的减量化及资源化.Lu等[5]提出固废量化工作是提高固废管理水平的关键一步.

Wu等[6]将量化方法分为两大类:区域级量化方法和项目级量化方法,为后续的量化工作提供了研究思路.在项目级量化方法中,涂警钟等[7]借鉴工程估价中分解组合计量思想,结合传统的材料跟踪法,在其构建的固废分类系统下对施工阶段的固体废弃物进行量化分析,但并未解决传统量化方法中数据提取粗糙的问题.李景茹等[8]采用现场人员经验值估算法,对25个新建项目进行问卷调查,并通过简单算数平均法统计出废弃混凝土、砌块、砂浆、瓷砖、钢筋、木模板的典型值,但存在数据提取主观性强的问题.同时,由于固废产生率受多种因素影响,运用简单算数平均法无法全面地探寻数据分布规律.在区域级量化方法中,张峰等[9]采用面积指标法对固废的产生量进行估算和分析,并通过指数平滑预测法对2016~2020年山东省固废产生量进行预测.吴泽洲[10]采用基因表达式编程(GEP),以香港地区为例,搜集了香港地区20年来建筑垃圾产生量的数据,对香港2011年和2012年建筑垃圾的产生量进行预测,但项目级量化方法和区域级量化方法差异较大,很难相互借鉴.

同时,由于建筑类型、结构形式、装修类别等不同以及区域间的差异,国内外相关学者的研究成果同样难以借鉴.因此,本文主要针对国内新建工程中建筑材料所产生的固体废弃物,提出一种在施工现场操作性强的量化方法,并通过现场调研提取更加准确的原始数据,在R语言辅助下编写数据分析的算法,以此对样本数据进行深入分析,得到客观、准确的施工现场固体废弃物产生量,为施工现场固体废弃物处理提供理论支撑和实践指导.

1 研究方法

1.1 研究范围

目前,国内尚未明确施工现场固体废弃物的概念.本文依据行业标准《建筑垃圾处理技术规范》CJJ134-2017[11]中对建筑垃圾的定义,将施工现场固体废弃物等同于固体建筑垃圾,即建设、施工单位新建、改建、扩建和拆除各类建筑物、构筑物、管网等以及居民装饰装修房屋过程中所产生的弃土、弃料及其它固体废弃物.

Cochran等[12]将建筑废弃物的来源分为3个阶段:新建阶段、翻新阶段和拆除阶段.国家标准《废弃产品分类与代码》GBT27610-2011[13]将施工现场固体废弃物分为建筑废料、包装废料、提取废料、杂项废料4部分.而建筑材料是形成建筑实体的主要材料,由建筑材料产生的建筑废料在施工现场固体废弃物中占据了绝大部分.因此,本文研究的施工现场固体废弃物主要为新建建筑所产生的建筑废料.

1.2 量化方法

材料跟踪法最初由Poon等[14]提出,吴贤国等[15]对该方法进行优化,提出建筑材料在施工过程中转化为4部分:结构组成部分、剩余物、重新利用到本项目或成为废料.本文通过前期现场调研及询问现场技术人员,提出建筑材料在施工过程中转化为5部分:建筑实体、剩余材料、再生材料、不可控损失、终端固废,如图1所示.

图1 改进的材料跟踪法示意

建筑材料一般用采购量来衡量.采购量指从事施工活动所需材料的实际购买量.采购量是由项目中的商务部根据施工图纸进行计算,再加上企业内部的材料损耗量计算得到,不同施工项目由于管理水平、施工人员水平等不同,其材料损耗量也不同,产生的固废量也不同.

建筑实体指形成建筑的材料净用量,一般用施工图纸的设计量衡量.设计量可通过项目中的商务部来获取.设计量的计量精度高,易于统计.因此,在用设计量计算最终固废的产生量时,具有误差小的优势.

剩余材料指形成实体建筑后原材料的剩余,主要通过现场记录或盘点的方式得知.在施工现场,通常有固定人员定期对剩余材料进行清单盘点,所记录的数据为剩余量.

再生材料指初始固废中能够在施工现场进行加工利用或不进行加工直接使用并转化为建筑实体的部分,如废弃混凝土回填、废弃钢筋再次焊接使用等.

不可控损失指非项目人员通过非法手段窃取初始固废中仍有回收利用价值的部分,如有经济价值的废弃钢筋和废弃金属等初始固废.

终端固废指无法在施工现场内部进行利用的固体废弃物,即为本文的量化对象,其产生量计算公式如下:

式中:为固废产生量;P为采购量;D为设计量;R为剩余材料量;U为再生材料量;S为不可控损失量;为固废产生率.

1.3 数据收集

数据的收集围绕3个在建居住项目,分别是广州万达-文化旅游城B1住宅楼、武汉保利新武昌住宅楼、成都天府新区海关业务技术大楼宿舍楼.通过项目调研获取了混凝土样本数453份,钢筋样本数523份,砌块样本数541份.在收集数据的过程中,采购量和设计量的数据均从项目部中的商务经理处获取.施工企业(或建设单位)与材料供货方签订的合同规定,如有剩余材料将由供货方回收处理,所以在施工现场不存在剩余材料,如果存在极少量的剩余材料,如多余的商品混凝土,将直接在施工现场进行再利用.由于施工现场没有记录初始固废中再生材料和不可控损失的数据,且这2部分数量占比少,对固废产生量的影响不大,所以本文对这2部分数据采取现场技术人员经验值的方式进行估算.通过对3个项目相关技术人员问卷调查,得到混凝土、钢筋、砌块的再生材料量和不可控损失量之和占初始固废的估计值分别为5%、3%、2%,下文将对采集的数据进行分析.

1.4 数据分析

1.4.1 数据分析算法介绍 基于R语言编写的数据分析算法如图2所示,主要分为以下4个步骤:

1)将获取的样本数据导出EXCLE,采用式(1)、(2)进行计算,得出不同材料的固废产生率,并通过散点图对样本数据进行预处理和分析.

2)计算固废产生率的最大值以及最小值,形成固废产生率的范围区间,将范围区间以1%为量度单元分为若干子区间,并分别计算全部样本数和除“0”样本数(除去固废产生率为0%的样本)的各子区间的频数,形成频数直方图.

3)根据频数分布直方图可以判断固废产生率是否服从于正态分布,如果服从正态分布,则根据除“0”样本数的频数直方图假定固废产生率代表区间所在的区间范围,计算该区间样本数占比,并采用R语言计算该区间的数学期望以及标准差,得出正态分布函数.根据SPSS&SAS规则和W检验法进行假设检验,如果值和值均符合正态分布检验标准,则确定该区间的取值范围,并认为该区间的样本值为有效值;如果不符合,则重新选择区间范围进行重新计算,直至符合检验标准为止.最后,用分位数QQ图进行补充检验.

4)确定正态分布函数,并以数学期望为典型值,以横轴区间(-1.96,+1.96)为代表区间,且该代表区间覆盖样本取值范围的95.449974%.

图2 算法流程

1.4.2 固废产生率算法分析-以混凝土材料为例 对获取的453份样本进行筛选、预处理,并形成散点图,如图3所示.

从图中可以看出,废弃混凝土产生率主要集中在[2%,4%],6%以上的样本数分布较为分散且较少,[0%,2%]的样本数主要集中在0%的样本上,而样本数位于区间(0,2%)的样本数并不多.不同废弃混凝土产生率区间样本数分布的差别较大,故根据最大值和最小值将区间分为14个小区间,以1%为量度单元,计算每个子区间的频数.以全部样本和除“0”样本两类进行统计分析.

图3 废弃混凝土产生率散点

全部样本数主要集中在[0,6%),占总样本的85.87%,从子区间的频数上看,子区间[0,1%)的频数为82,除[0,1%]子区间外,以[2%,3%]子区间的频数最高,频数为78.其他子区间的差异较小,主要集中在[2%,5%].

图4 除“0”样本的频数直方

除“0”样本共计388个,该区间的样本主要集中在区间(0,6%).以1%为区间跨度,将每个废弃混凝土产生率子区间形成频数分布直方图,如图4所示,能够明显看出废弃混凝土产生率呈现正态分布的趋势.

假定废弃混凝土产生率区间.通过频数分布直方图假定(0,6%)区间为样本集中区间,计算该区间的样本数、样本数占比、平均值、标准差等基本信息,了解该区间的基本情况,具体统计数据如表1所示.

表1 (0,6%)区间的基本信息

考虑到要对大量数据样本进行分析,本文根据R语言进行编程分析.采用R语言将区间(0,6%)分为25、50等份,如图5.从图中可以判断废弃混凝土产生率在区间(0,6%)呈现正态分布趋势,因此假定该区间符合正态分布函数关系,并确定数学期望为3.28%,标准差为0.0136.设废弃混凝土产生率服从于正态分布,其函数表达式为:

假设检验.采用Shapiro - Wilk (W检验)和QQ图辅助检验2种方法,根据R语言进行编程计算.具体检验情况如下:

W检验.根据SPSS&SAS规则进行验证[16-17]0: SPSS规定:当样本含量3££5000时,结果以Shapiro-Wilk (W检验)为准,当样本含量>5000结果以Kolmogorov-Smirnov(D检验)为准.SAS 规定:当样本含量£2000时,结果以Shapiro-Wilk(W检验)为准,当样本含量>2000时,结果以Kolmogorov- Smirnov(D检验)为准.废弃混凝土产生率区间(0,6%)的样本数为324个,因此采用W检验进行正态检验.通过R语言进行计算,得出值为0.98805,接近于1,表明数据和正态分布拟合较好;值为0.09253,大于0.05,不能拒绝原假设.因此,确定废弃混凝土产生率服从于正态分布.

QQ图检验.QQ图检验是正态分布检验的一种图示法,通过测试的样本数据和已知分布相比较,用来检验样本的分布是否服从正态分布[18].运用R语言工具,通过相关计算规则,得到如图6所示的QQ检验图.明显看出,样本数据与=0.0136+ 0.0328直线吻合较好,说明废弃混凝土产生率服从于正态分布.

典型值和代表区间的确定.通过W检验和QQ图检验确定废弃混凝土产生率在区间(0,6%)上服从正态分布,根据正态分布面积分布理论,在横轴区间(-1.96σ,+1.96σ)内分布面积占比95.449974%[19].经过计算,废弃混凝土产生率的典型值为3.28%,其代表区间为(0.6144%,5.9456%).

图6 QQ图检验

2 结果与分析

由于固废产生率算法分析较复杂,本文仅以混凝土材料为例进行算法分析.同理,可得到废弃钢筋产生率、废弃砌块产生率均符合正态分布,并分别得到它们的典型值为2.88%、3.33%,代表区间为(0.622%,5.138%)、(0.6103%,6.02%).表2总结了国内外相关文献中的固废产生率,并与本文所得数据进行对比,分析如下:

Lu等[5]认为,定额损耗率一般应大于固废产生率,因为理论上定额损耗率由2部分构成:固废产生率和可回收利用率.但在本文中,通过调研分析得到的固废产生率普遍比定额损耗偏大,废弃混凝土产生率甚至高出定额损耗率将近2个百分点.通过询问现场技术人员,认为主要原因为:定额损耗从施工经验中统计而来,因此数据并不是很准确,会造成一定的误差;损耗率中没有考虑偶然因素,如设计变更、质量原因造成的返工、采购材料保存不合理等行为所带来的固废产生量,且这一部分的固废产生量占有较大的比重.因此,实际上施工现场的固废产生率一般会大于定额损耗率.

吴贤国等[15]在2001年通过调查问卷的方式获取了固废产生率的范围,从表2中可以看出,除了混凝土之外,本文得到的其余材料的废弃物产生率低于2001年的固废产生率,说明我国固废数量在不断减少.尤其废弃砌块产生率的上限明显低于2001年的上限,约降低6%,除了近年来固废管理水平提升导致废弃砌块产生量减少外,另一个主要原因是:施工技术和建筑材料的优化,使得钢混结构建筑占据建筑行业的主流,减少了砌块的使用,造成砌块的废弃率降低.而废弃混凝土产生率仍无明显下降的主要原因是此次调研的居住建筑均为超高层,随着施工高度增加施工难度变大,混凝土在垂直运输和浇筑的过程中产生了更多的废弃物.

表2 调研结果与相关文献数据对比(%)

注:定额损耗率中的钢筋直径为6~10mm.

由于此次调研项目多集中在中国内地,与沿海城市深圳相比,内陆地区的固废产生率仍普遍偏高,尤其在固废中占比最大的混凝土废弃率高出了2.28%.虽然可能是由于量化方法的不同导致数据有所差异,但主要还是因为内地固废管理政策支持力度不足以及施工企业仍处于粗放式管理阶段所致.因此,我国内地施工企业应向深圳等沿海发达城市借鉴固废管理的经验,政府应积极落实相关的固废管理政策,从而减少施工现场固体废弃物的产生.

3 结论

3.1 通过实证分析,得到废弃混凝土产生率、废弃钢筋产生率、废弃砌块产生率的典型值分别为3.28%,2.88%,3.33%,代表区间分别为(0.6144%, 5.9456%),(0.622%,5.138%),(0.6103%,6.02%).

3.2 施工现场固体废弃物的产生率高于定额损耗率.

3.3 我国固废产生率在不断下降,但下降幅度并不显著,尤其废弃混凝土产生率仍处较高水平.

3.4 我国固废管理水平存在区域性差异,内陆地区相较于沿海发达城市的固废管理水平偏低.

[1] 住房和城乡建设部.住房城乡建设事业“十三五”规划纲要 [J]. 居业, 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 扬,李金惠,谭全银,等.我国城市生活垃圾处理行业发展与驱动力分析 [J]. 中国环境科学, 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 扬,李金惠,谭全银,等.我国城市生活垃圾处理行业发展与驱动力分析 [J]. 中国环境科学, 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] 涂警钟,方歆睿,陈 蕾,等.施工现场固体废弃物量化估算模型[J]. 武汉理工大学学报, 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.新建工程建筑废弃物产出水平调查分析[J]. 建筑经济, 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] 张 峰,乔 梁,樊瑞雪.建筑废弃物产生量预测与资源化利用研究——以山东省为例[J]. 建筑经济, 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] 吴泽洲.建筑垃圾量化及管理策略研究[D]. 重庆:重庆大学, 2012.Wu Z Z. Research on construction and demolition waste quantification and management strategies [D]. Chongqing, Chongqing University, 2012.

[15] CJJ134-2017 建筑垃圾处理技术规范[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 废弃产品分类与代码[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] 吴贤国,李惠强,杜 婷.建筑施工废料的数量、组成与产生原因分析 [J]. 华中科技大学学报(自然科学版), 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,姚玉兰.利用Q-Q图与P-P图快速检验数据的统计分布[J]. 统计与决策, 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 骤,谢式千,潘承毅.概率论与数理统计: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.

致谢：本研究的数据获取工作由中建一局(集团)有限公司等协助完成,在此表示感谢.

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

国家重点研发计划资助项目(2016YFC0702103)

*责任作者, 助教, whut_hrb@outlook.com

王乾坤(1964-),湖北天门人,男,教授,博士生导师,主要研究方向为绿色建筑与建筑节能.发表论文70余篇.