首先，我们利用物联网(IoT)传感器从建筑工地和废物处理站实时收集建筑垃圾的相关数据，包括重量、体积和成分。这些数据经过预处理后，与BIM [13] 数据进行融合，为预测模型提供全面的输入。

数据预处理流程如下：

(1) 数据清洗：使用K-means聚类算法对原始数据进行清洗，去除噪声和异常值。

(2) 数据融合：将清洗后的传感器数据与BIM模型数据进行融合，确保数据的一致性和完整性。

在数据清洗的数据集上，进行数据对齐操作。

首先需要对齐BIM数据和传感器数据的时间戳和空间位置，以确保数据的一致性。假设BIM数据和传感器数据按时间和空间坐标进行索引。

设 $B_{clean}$表示清洗后的BIM数据集， $S_{clean}$表示清洗后的传感器数据集，t表示时间戳，p表示空间位置坐标。我们需要将BIM数据和传感器数据按时间和空间进行对齐： $B_{clean}\left(t,p\right)$， $S_{clean}\left(t,p\right)$。

我们使用线性插值法来对齐时间戳：

设 $S_{clean}\left(t_i\right)$和 $S_{clean}\left(t_{i+1}\right)$是两个时间点上的传感器数据，t是目标时间戳，则插值后的数据为：

$S_{clean}\left(t\right)=S_{clean}\left(t_i\right)+\frac{S_{clean}\left(t_{i+1}\right)-S_{clean}\left(t_i\right)}{t_{i+1}-t_i}\times \left(t-t_i\right)$(1)

在对齐和插值之后，将BIM数据和传感器数据进行融合。我们采用融合函数F融合两个数据源：

$F=F\left(B_{clean}\left(t,p\right),S_{clean}\left(t,p\right)\right)$(2)

融合函数F的设计可以根据具体需求进行调整。本文将BIM数据和传感器数据按权重进行加权平均。设 $w_b$为BIM数据的权重， $w_s$为传感器数据的权重，则融合后的数据为：

$F\left(b_{data},s_{data}\right)=w_b\cdot b_{data}+w_s\cdot s_{data}$(3)

(3) 特征提取：从融合后的数据集中提取关键特征，如建筑类型、施工阶段、垃圾种类等。

具体来说，假设传感器数据向量表示为 $S_i=\left[s_{i1},s_{i2},\cdots ,s_{in}\right]$，BIM数据向量表示为 $B_i=\left[b_{i1},b_{i2},\cdots ,b_{im}\right]$，那么融合后的数据向量如公式(4)所示：

$X_i=\left[S_i,B_i\right]=\left[s_{i1},s_{i2},\cdots ,s_{in},b_{i1},b_{i2},\cdots ,b_{im}\right]$(4)

我们采用随机森林算法来构建预测模型。随机森林是一种集成学习方法，通过构建多棵决策树并结合投票机制进行预测，具有较高的准确性和鲁棒性。

随机森林算法步骤：

(1) 样本生成：从预处理后的数据集中随机抽取样本，生成多个训练集。假设训练集为 $D=\left\{\left(X_i,y_i\right)\right\}$，其中 $X_i$为输入特征向量， $y_i$为对应的输出值(如垃圾产生量)。

(2) 模型训练：对每个训练集分别训练一棵决策树模型。决策树的构建过程中，选择数据特征和分裂点，使每个节点的纯度最大化。具体来说，假设特征向量为 $X_i=\left[x_{i1},x_{i2},\cdots ,x_{ip}\right]$，决策树的分裂点选择基于信息增益(Information Gain)或基尼系数(Gini Index)指标。

对于每个特征 $x_i$，计算所有可能分裂点 $\theta$的信息增益或基尼系数的公式如(2)所示：

$H\left(D\right)=H\left(D\right)-\left(\frac{\left|D_1\right|}{\left|D\right|}H\left(D_1\right)-\frac{\left|D_2\right|}{\left|D\right|}H\left(D_2\right)\right)$(5)

其中， $H\left(D\right)$为数据集的熵， $D_1$和 $D_2$分别为按照分裂点 $\theta$分裂后的子集。

(3) 模型集成：将所有决策树模型进行集成，通过多数投票机制，生成最终的预测结果。假设我们构建了N棵决策树，分别记为 $T_1,T_2,\cdots ,T_n$，输入数据为X，则随机森林的预测结果 $y^{\prime }$如(3)：

$y^{\prime }=majority\text{\_}vote\left(T_1\left(X\right),T_2\left(X\right),\cdots ,T_N\left(X\right)\right)$(6)

其中， $majority\text{\_}vote$表示多数投票机制， $T_i\left(X\right)$为第i棵决策树对输入数据X的预测结果。

实验所用的硬件如下：Intel Xeon Processor E5-2678 v3 (12核心，24线程，主频2.50 GHz)的服务器，64 GB RAM，1 TB SSD的高速存储。

软件环境方面，实验运行在Windows 10 Professional 64-bit操作系统上。数据处理和机器学习模型的基于Python 3.8编程环境，使用了Pandas和NumPy库进行数据操作，Scikit-learn库来执行随机森林和K-means聚类算法，深度学习框架采用的TensorFlow。

为了支持建筑垃圾管理研究和验证各种数据分析算法的有效性，我们设计了一个建筑垃圾数据生成模拟器。该模拟器的目的是生成与实际收集的建筑垃圾数据相似的合成数据集，模拟真实世界中的建筑垃圾产生和处理情况。

在设计的建筑垃圾数据模拟器中，生成的数据将包括多个关键属性：首先是重量和体积，这些数据将通过无人机搭载的称重和体积测量传感器实时进行收集。其次是成分分析，这部分数据是通过结合BIM模型预测的材料消耗与无人机扫描的实际结果来确定建筑垃圾的具体成分，如混凝土、金属等。最后，通过GPS定位技术来实现模拟无人机记录数据的具体时间和精确地点信息，确保数据的时空准确性和可追踪性。这种综合信息的收集方法不仅增强了数据的全面性，也提高了处理和分析的精确度。

模拟器的数据生成引擎首先初始化参数，设定重量和体积的均值与标准差，以及成分分布比例。用户可以设定数据生成的总时长和每条记录的时间间隔，基于这些参数，模拟器将定时生成数据记录。具体生成步骤包括：随机生成重量和体积以保持二者的统计相关性；按预设比例随机分配各种建筑垃圾成分；从地点列表中随机选择地点；按设定时间间隔生成时间戳。

生成的数据将实时输出到一个CSV文件或直接发送到数据库，格式与实际收集的数据完全相同，以便于使用同样的数据处理和分析流程进行实验。

在本文中，为了评估智能化决策支持系统的性能，我们引入了几种对比算法，包括基线模型(回归) [14] ，随机森林 [15] 和支持向量机(SVM) [16] 。这些算法被用来对比和评价系统在建筑垃圾数据预测中的准确性、召回率、精确度等关键性能指标，从而准确地衡量我们提出系统的优势及其对复杂数据处理能力的有效性。

实验性能指标的定义如下：

1) 准确性(Accuracy)：准确性是指模型正确预测(分类)的实例(垃圾种类)占总预测实例的比例。它是最直观的性能评估指标，反映了模型在所有预测中做出正确判断的能力。其计算公式如下：

$\text{Accuracy}=\frac{\text{True}\text{Positives}\left(\text{TP}\right)+\text{True}\text{Negatives}\left(\text{TN}\right)}{\text{Total}\text{Number}\text{of}\text{Samples}}$(7)

2) 召回率(Recall)：召回率是在所有实际为正类的样本中，模型正确识别为正类的比例。在垃圾回收问题中，召回率特别重要，因为遗漏某些特定类型的垃圾(如有害垃圾)可能导致严重的环境影响。其计算公式如下：

$\text{Recall}=\frac{\text{True}\text{Positives}\left(\text{TP}\right)}{\text{TotaTrue}\text{Positives}\left(\text{TP}\right)+\text{False}\text{Negatives}\left(\text{FN}\right)}$(8)

3) 精确度(Precision)：精确度是在所有模型预测为正类的样本中，实际为正类的比例。这个指标衡量了模型在预测为正类的样本中的准确性。在垃圾分类中，高精确度意味着被正确分类的垃圾较少被错误处理。其计算公式如下：

$\text{Precision}=\frac{\text{True}\text{Positives}\left(\text{TP}\right)}{\text{TotaTrue}\text{Positives}\left(\text{TP}\right)+\text{False}\text{Positives}\left(\text{FP}\right)}$(9)

4) F1分数(F1 Score)：F1分数是精确度(Precision)和召回率(Recall)的调和平均，提供了一个单一的指标来评估模型在这两个方面的平衡。其计算公式为：

$\text{F1}=2\times \frac{\text{Precision}\times \text{Recall}}{\text{Precision}+\text{Recall}}$(10)

其中，真正例(True Positives, TP)：真正例指的是垃圾分类系统正确识别并适当分类的垃圾项目。例如，如果系统被设置为识别并回收塑料，那么所有被正确标记为塑料并实际上是塑料的物品都是真正例。这表明系统在正确执行其分类任务时的有效性。假负例(False Negatives, FN)：假负例发生在垃圾分类系统未能识别应被回收或特定处理的垃圾，因而被错误地归类为一般垃圾。比如，某些可回收的玻璃瓶如果未被系统识别为可回收材料，而是误判为普通垃圾，这就构成了假负例。这种情况可能导致可回收资源的浪费。真负例(True Negatives, TN)：真负例表示垃圾分类系统正确识别并排除了那些不需要特定处理的物品。例如，在一个旨在识别有害垃圾的系统中，所有非有害且被正确分类为非有害的物品都属于真负例。这表明系统在防止误分类中的准确性。假正例(False Positives, FP)：假正例是指垃圾分类系统错误地将非目标垃圾标记为特定类别的事件。例如，如果一个系统错误地将普通生活垃圾标记为有害垃圾，那么这些项就是假正例。

在本实验中，我们对逻辑回归、支持向量机、随机森林和本文模型四种分类算法在不同数据集大小(小、中、大)和特征数(低、中、高)的条件下进行了准确率对比测试。每种算法均在独立的训练集和测试集上训练和评估，使用了70%~30%的分割比例，并应用五折交叉验证以增强结果的可靠性。通过此对比，我们旨在评估不同算法对垃圾分类任务的处理效果，尤其关注在数据规模和特征复杂度变化时各模型的性能表现，从而为选择最适合垃圾处理的算法提供科学依据。

实验中，数据集大小设置为三类：小(100,000样本)，中(200,000样本)，大(400,000样本)。

数据的特征数设置为三类：低(10个特征)，中(50个特征)，高(100个特征)。

准确率性能对比如 表1 所示。逻辑回归在处理具有较少特征数的建筑垃圾数据时表现较好，这是因为逻辑回归模型在简单和直接的关系映射中更为有效。当特征数量较低时，模型能够更好地捕捉垃圾类型与其物理属性(如重量、体积)之间的关系。然而，随着特征数量的增加，比如引入更多的化学成分和复杂的物质分类，逻辑回归的性能会下降，因为这些复杂关系可能超出了线性模型的处理能力。支持向量机对特征数量较为敏感，这在建筑垃圾分类中表现为对细致特征(如不同材料的精确比例、污染级别)的敏感性。在特征数较少时，SVM可能不足以实现其最优性能，因为模型需要足够的特征来构建一个有效的决策边界。然而，在较大的数据集上，尤其是当数据具备高维特征时，SVM可以有效地利用其核技巧来处理高维空间中的数据，从而提升分类的准确率。随机森林在各种配置下都显示出较高的稳定性，特别是在大型数据集上表现出明显优势。在建筑垃圾处理中，随机森林能有效管理大量的样本和复杂的特征集(如多种建筑材料的组合、不同建筑部位的废弃物)，通过构建多棵决策树来改善单一决策树可能出现的过拟合问题。其在多样化数据中的稳健性使得随机森林成为处理复杂建筑垃圾分类任务的理想选择。本文模型整体上在各种数据集大小和特征配置中表现最佳，这表明该模型具有良好的适应性和优异的性能。在建筑垃圾的应用场景中，本文模型采用了先进的机器学习技术(集成方法)，能够有效地处理多变的特征和大规模数据集，从复杂的建筑垃圾成分中提取有用信息以进行准确分类。

本实验目的在于评估和比较逻辑回归、支持向量机(SVM)、随机森林和本文模型在不同数据集大小和特征数量下的召回率性能。召回率是衡量垃圾分类系统能够正确识别正类(如可回收或有害垃圾)的能力，对于垃圾处理系统尤为关键，以确保所有需要特殊处理的垃圾都被正确识别和回收。实验数据和实验参数设置与上一节实验一致。实验结果如 表2 所示。

从 表2 可以看出，逻辑回归的召回率在特征较少时表现较好，随着特征数的增加，召回率有所下降，表明模型在处理复杂数据时存在局限。SVM算法表现对特征数较为敏感，但在大数据集上的召回率显著提高，这可能是由于SVM能更好地处理较大规模的数据复杂性。随机森林方法在所有配置下召回率较高，尤其在数据集较大时，表现出显著的优势，这表明其在处理大规模和特征丰富的数据集时能更有效地识别正类。本文的模型由于采用了集成学习及深度学习技术，在所有测试中召回率最高，显示出对不同数据集大小和特征数的出色适应性和稳定性，特别是在高特征场景下依然能保持较高的召回率。

本实验的目标是评估和比较逻辑回归、支持向量机(SVM)、随机森林和本文模型在不同数据集大小和特征数量下的精确度表现。精确度衡量了预测为正类的样本中，实际为正类的比例，对于建筑垃圾分类系统，高精确度意味着系统能有效减少错误分类，从而优化资源利用和减少处理错误。实验数据和实验参数设置与上一节实验一致。实验结果如 表3 所示。

从 表3 可以看出，在所有数据集中表现出稳定的提升，特别是在特征数量较少的情况下。这说明逻辑回归在处理不过分复杂的数据时表现良好，其线性决策边界足以处理较简单的分类任务。然而，随着特征数量的增加，精确度的增幅有限，这可能是因为线性模型在解决多特征复杂关系时存在局限。

本实验主要验证四种方法在不同数据集大小和特征数量下的F1分数性能。F1分数是精确度和召回率的调和平均，非常适合用于衡量模型在垃圾分类任务中的整体表现，尤其是在正类预测的准确性和完整性方面。实验数据和实验参数设置与上一节实验一致。实验结果如 表4 所示。

从 表4 可以看出，逻辑回归在较小的数据集和较低的特征数量时较好的F1分数，但随着特征数量的增加，F1分数有所下降。SVM的F1分数在所有数据集中表现良好，尤其是在特征数较高时，表明SVM在高维空间中能有效处理数据，保持了较高的召回率和精确度。随机森林的F1分数始终较高，特别是在大数据集上，这表明其出色的召回率和精确度，以及在处理大规模和特征丰富数据集时的稳定性。本文的模型在所有情况下F1分数最高，反映了其在平衡召回率和精确度方面的优越性。

为了验证改进模型的检测速度，对比Faster RCNN、SSD、YOLO等模型，结果如 表5 所示。

从 表5 可以看出，本文模型在实时检测性能方面表现优异，达到每秒52帧的处理速度，仅略低于行业领先的YOLO模型。在模型轻量化方面，它以35.0 M的参数量和极低的98.0 FLOPs/G计算复杂度，成功实现了高效率与低资源消耗的平衡，显著优于Faster RCNN和SSD模型。这些特性使得本文模型不仅适用于资源丰富的环境，也极适合部署在资源受限的设备上，提供了一个既经济又高效的解决方案，特别适合需要快速准确处理的实时应用场景。