CC BY
4Разработка алгоритма для сокращения количества захораниваемых твердых коммунальных отходов
Попов Алексей Анатольевич
кандидат технических наук, доцент, кафедра информатики, Российский экономический университет имени Г.В. Плеханова, a1710p@mail.ru
Статья посвящена проведению исследований по определению путей автоматизации процессов работы с твердыми коммунальными отходами. Объектом исследований является управление процессом захоронения твердых коммунальных отходов. Предметом исследований является минимизация количества твердых коммунальных отходов, подлежащих захоронению. Рассмотрены иерархии работы с твердыми коммунальными отходами и результатами их переработки, направленные на снижение необходимости их захоронения. Разработан алгоритм, позволяющий определить условия, соответствующие минимизации количества твердых коммунальных отходов, подлежащих захоронению. Последовательность действий операторов алгоритма производится в пределах одного цикла работы с твердыми коммунальными отходами. Моментом начала цикла работы с твердыми коммунальными отходами является момент выгрузки порции твердых коммунальных отходов из мусоровозов на сортировочные предприятия. Моментом окончания цикла работы с твердыми коммунальными отходами является момент завершения процесса захоронения твердых коммунальных отходов, оставшихся после сортировки, переработки и повторного использования твердых коммунальных отходов, выгруженных на сортировочные предприятия в начале цикла. Алгоритм может быть использован для обоснования функциональных возможностей информационных систем, проектируемых для автоматизации процессов управления твердыми коммунальными отходами.
Ключевые слова: твердые коммунальные отходы, сортировка, переработка, повторное использование, захоронение, алгоритм
Введение
В последнее время работа с твердыми коммунальными отходами (ТКО) усложняется и, несмотря на принимаемые меры, все более актуальной становится проблема захоронения ТКО. В работах [1, 2] приведены причины, в результате которых в настоящее время усложняется работа с твердыми коммунальными отходами (ТКО) в различных регионах. Типовые виды компонентов, входящих состав ТКО, приведены в [3, 4]. В США достаточно давно уже создана стратегия иерархической работы с ТКО, включающая в себя четыре уровня: сокращение количества ТКО и их источников, переработка и компостирование, получение энергии, обработка и утилизация. В Европейском союзе также создана иерархия управления ТКО, которая включает в себя пять ступеней (предотвращение отходов, подготовка к повторному использованию, переработка, получение энергии из отходов, утилизация). Пятиступенчатая иерархия была усовершенствована для получения иерархии управления «Три R». Данная иерархия включает три ступени: сокращение количества ТКО, повторное использование и переработка. Аналог такой иерархии в российском законодательстве описан в [5].
При этом, приведенные выше иерархии работы с ТКО предназначены для минимизации количества ТКО, подлежащих захоронению на объектах размещения ТКО.
Таким образом, актуальным является рассмотрение вопросов, связанных с автоматизацией процессов работы с ТКО. Поэтому в данной работе решается задача построения алгоритма, который позволяет обеспечить минимизацию значения количества ТКО, подлежащих захоронению. Исследования, проведенные в рамках данной статьи, продолжают исследования, результаты которых приведены в [6].
В данной статье начало цикла работы с ТКО соответствует завершению выгрузки ТКО из мусоровозов на сортировочные предприятия. Окончанию цикла работы с ТКО соответствует момент захоронения компонентов ТКО, оставшихся после их сортировки, переработки и передачи на повторное использование.
В соответствии с [6] все компоненты ТКО (количество видов ТКО равно доставляются на сортировочные предприятия, количество которых равно РР. Сортировочное предприятие характеризуется массивом SR [б]. Если ТКО собраны в смешанном виде, то iw=0, а если ТКО собраны раздельно, то для iw-го вида ТКО. Количество ТКО iw-го вида, выгруженных из мусоровозов на рр-е предприятие, равно ZW(pp, iw). Работа мусоровозов характеризуется массивом СТ [6]. После окончания сортировки для дальнейшей работы используются компоненты ТКО iw-го вида, для которых При этом, каждый компонент ТКО характеризуется значением параметра Q(pp, iw), который соответствует количеству компонентов ТКО iw-го вида, находящемуся на pp-м сортировочном предприятии:
Q(pp,iw) = 1Ш{рр,т~) + к(рр,1и/),
X X
о
го А с.
X
го т
о
м о м м
ZW(pp, 0) = ^ h(pp,iw),
es es o es
O Ш
m
X
<
m O X X
где h(pp, iw) - количество компонентов iw-го вида, полученное на pp-м предприятии из несортированных компонентов (iw=0), количество которых равно ZW(pp, 0).
Отметим, что в алгоритме управления ТКО, приведенном в [7], присутствуют блоки управления, соответствующие предопределенному процессу, отвечающему за определение условий, при которых обеспечивается минимальное количество ТКО, подлежащих захоронению. В данной работе более подробно рассматриваются действия, входящие в состав указанного предопределенного процесса. Алгоритм, соответствующий указанному предопределенному процессу, предназначен для уточнения количества компонентов ТКО, подлежащих выгрузке из мусоровозов на сортировочные предприятия, а также для уточнения количества компонентов ТКО и результатов их переработки, необходимых для удовлетворения потребностей заказчиков, характеризуемых массивами CUS1, CUS2, CUS3, CUS4 [6].
Обоснование использования алгоритма определения условий минимизации количества ТКО, подлежащих захоронению
В соответствии с алгоритмом, приведенном в [6], обращение к алгоритму для определения условий минимизации количества тКо, подлежащих захоронению, производится два раза: в начале очередного цикла работы с ТКО и в конце цикла работы с тКо (после завершения сортировки, переработки, передачи ТКО для повторного использования и их захоронения).
После первого обращения к алгоритму, для определения условий минимизации количества ТКО, подлежащих захоронению, в алгоритме, приведенном в [6], организуется цикл для обращения к алгоритму управления сортировкой ТКО.
На многих сортировочных предприятиях используются технологии для механической сортировки компонентов ТКО. В качестве примера механической сортировки можно привести работы [7, 8], где рассмотрено использование релейно-контактной схемы автоматической сортировки ТКО (органических веществ, металла, пластика, бумаги, стекла), а также использование оптического датчика и механической системы разделения (компоненты ТКО выдуваются из потока отходов сжатым воздухом и затем распознаются оптическим датчиком).
Также на сортировочных предприятиях применяется и более совершенные технологии сортировки компонентов ТКО. В современных научных источниках рассмотрено использование сверточных нейронных сетей (VGG-16, ResNet-50, MobileNet V2 и DenseNet-121), при этом, для сортировки используются 9200 изображений фрагментов ТКО [9]. Также в [10] рассматривается использование для сортировки коллекции из 6000 изображений для 30 типов фрагментов ТКО. При этом учитываются внешний фон, разрешение изображения, позицию, в которой находится фрагмент ТКО на изображении, а также уровень освещения. Изображения с камеры на конвейерной линии поступают на вход нейронной сети, который определяет положение и тип обнаруженных фрагментов ТКО.
После окончания сортировки ТКО определяются значения Q(pp, iw) [6]. Количество отсортированных компонентов ТКО iw-го вида, поступающих с каждого pp-го сортировочного предприятия на переработку, равно
Q(pp, iw). Первая часть отсортированных компонентов ТКО может перерабатываться непосредственно на РР сортировочных предприятиях. В результате переработки на сортировочном предприятии отсортированных компонентов ТКО получается J результатов переработки. Элементами массива CUS1 характеризуют заказчиков, которые для получения требуемого количества FR(s, j) результатов переработки j-го вида могут обратиться сразу на сортировочные предприятия. Заказчики, которые могут получать на сортировочных предприятиях результаты переработки ТКО, характеризуются. Количество таких заказчиков равно S. Если удовлетворены потребности s-го заказчика ^ = 1, 2, ..., S) в получении результата переработки j-го вида, то значение переменной FR(s, j) становится равным нулю. Переработку второй части компонентов ТКО могут производить предприятия, которые могут быть заказчиками для получения для повторного использования отсортированных компонентов ТКО. Более подробно последовательность действий при управлении повторным использованием ТКО приведена в [11].
Далее в алгоритме, приведенном в [6] производится обращение к алгоритму управления переработкой ТКО. В [12, 13] показано, что способами переработки компонентов ТКО являются: сжигание, газификация, торрефи-кация, пиролиз, метановое брожение. При этом сжигание компонентов ТКО является основным методом снижения количества ТКО, подлежащих захоронению, за счет образования зольного остатка, объем и вес которого значительно меньше, чем у сжигаемых компонентов ТКО. В [14] определены сценарии работы с зольными остатками с целью получения результатов переработки, количество которых равно J. Для получения количества результата переработки FR(s, ^ Ко вида необходимо затратить количество F(iw, s, j) компонента ТКО iw-го вида. Для этого необходимо иметь модель МЮ(2). Более подробно назначение модели МЮ(2) приведено в [6]. В [15, 16] приведены примеры моделей, которые могут быть использованы для решения указанных выше задач.
После выполнения переработки компонентов ТКО в соответствии с алгоритмом, приведенным в [6] происходит передача компонентов ТКО на повторное использование. Для управления повторным использованием ТКО могут быть использованы модели, приведенные в [17, 18].
Далее в соответствии с алгоритмом, приведенным в [6], производится переход к утилизации (захоронению) ТКО. При этом, после захоронения на объектах размещения ТКО компоненты ТКО могут вступать в химическую реакцию с окружающей средой. Также может происходить и вступление захороненных компонентов ТКО в химическую реакцию друг с другом. В результате таких химических реакций на объектах размещения ТКО могут быть получены дополнительные результаты переработки компонентов ТКО.
Количество результата переработки j-го вида, полученного в результате вступления в химическую реакцию компонентов из ТКО, захороненных на т-м объекте размещения ТКО (т=1, 2, ..., М), характеризуются элементами МЩт, j) массива Для прогнозирования поведения компонентов ТКО на объектах захоронения необходимо использовать модель MD(3), которая может быть сформирована с использованием моделей, приведенных в [19, 20].
Сведения об объектах размещения ТКО, количество которых равно М, характеризуются элементами массива US [6].
После окончания захоронения компонентов ТКО, оставшихся после сортировки, переработки и их повторного использования, а также невостребованных результатов переработки ТКО, в соответствии с алгоритмом, приведенном в [6], производится второе обращение к определению условий минимизации количества ТКО, подлежащих захоронению (рис. 1).
Алгоритм состоит из двух частей (рис. 1).
Рисунок 1 - Алгоритм определения условий минимизации количества ТКО, подлежащих захоронению
В первой части перед началом цикла работы с ТКО определяются исходные данные для предстоящего цикла работы с ТКО. Обращение к этой части алгоритма производится при первом обращении к алгоритму в начале очередного цикла работы с ТКО (значение переменной bc равно true). Определяются исходные данные для нового цикла работы с ТКО. В качестве исходных данных при первом обращении к алгоритму используются элементы DAN(ic) массива DAN, элементы массива UU, характеризующие заполнение объектов хранения ТКО, переменная bc, предназначенная для задания начала цикла работы с ТКО [6], параметр IC, показывающий количество элементов в массиве DAN.
При этом DAN = {DAN(ic); ic=1, 2,.., IC}, где DAN(ic) = {DN(ic, 1), DN(ic, 2), ..., DN(ic, 7)} = {CUS1, CUS2, CUS3, CUS4, GT, SR, US}. Перед началом очередного цикла работы c ТКО для массива DAN определяются комбинации исходных данных OP(id), количество которых равно ID. С помощью комбинации OP(id) прогнозируется значение DUW(id) (количество ТКО, подлежащее утилизации в ходе предстоящего цикла работы с тКо). Из всех комбинаций OP(id) выбирается комбинация, соответствующая минимальному значению DUW(id). Эта комбинация будет использована в текущем цикле работы с ТКО для выдачи рекомендаций для мусоровозов (количество компонентов ТКО, подлежащих выгрузке в сортировочные организации), а также рекомендаций для потребителей (необходимость получения компонентов ТКО и результатов их переработки).
Порядок работы алгоритма
Работа алгоритма начинается с ввода исходных данных, которыми являются массивы DAN, UU и значения переменных IC и bc (оператор 2). В операторе 3 проверяется условие нахождения в начале цикла работы с ТКО. Если работа ТКО соответствует началу цикла, осуществляется переход к оператору 4, с помощью которого с использованием элементов массива DAN формируются комбинации исходных данных OP(id). Количество элементов OP(id) равно ID. Затем осуществляется переход в цикл по переменной id (операторы 5, 10). Внутри цикла (оператор 6) с использованием очередной комбинации OP(id) определяется значение DUW(id). При получения значения DUW(id) используется муль-тиагентная модель MD(4) для прогнозирования количества ТКО, которые подлежат захоронению в предстоящем цикле обработки ТКО. Далее (операторы 7, 8, 9) определяется значение im. Значение этого параметра равно номеру идентификатора комбинации OP(id), соответствующей минимальному значению DUW(id). После окончания цикла по переменной id (оператор 5) выводится комбинация OP(im), предназначенная для дальнейшего использования в предстоящем цикле обработки ТКО (оператор 16). После этого (то есть, по окончании первого обращения к алгоритму) осуществляется переход к концу его работы (оператор 18).
Если же работа с ТКО не соответствует началу цикла (не выполнено условие в операторе 3), то имеет место второе обращение к алгоритму из алгоритма, приведенного в [6]. В этом случае количество элементов IC массива DAN увеличивается на 1, и в массив DAN добавляется новый элемент DAN(IC+1) (операторы 11, 12). Также в операторе 11 подготавливается начальное значение ТКО - фактическое общее количество ТКО, которое было захоронено на объектах захоронения.
Затем производится обращение к циклу по переменной m (операторы 13, 15). Во время выполнения этого цикла определяется значение UW (фактическое количество компонентов ТКО, захороненных на объектах размещения ТКО). При этом, в результате влияния различных возмущающих факторов во время цикла работы с ТКО, значение переменной UW может отличаться от значения DUW(im), спрогнозированного при первом обращении к алгоритму.
После окончания цикла по переменной m (операторы 13) запоминаются значения переменной UW, обновленный массив DAN, а также обновленное значение переменной IC для последующего использования в новом цикле работы с ТКО (оператор 17). После этого осуществляется переход в конец алгоритма (оператор 18). После окончания алгоритма производится передача управления алгоритму, приведенному в [6], для определения условий необходимости перехода к новому циклу работы с ТКО.
Особенности использования алгоритма
К особенностям использования алгоритма можно отнести необходимость разработки модели MD(4). Наиболее предпочтительным, по мнению автора, является использование мультиагентной концепции. Кроме этого, для прогнозирования минимального значения количества ТКО, подлежащих захоронению (DUW(im)), совместно с мультиагентной моделью может быть использован генетический алгоритм.
Комбинация OP(im), получаемая при первом обращении к алгоритму, используется для формирования
X X
о го А с.
X
го m
о
м о м м
es es o es
O Ш
m x
<
m o x
X
«рекомендации» в виде значении элементов массивов CUS1, CUS2, CUS3, CUS4, GT, SR, US, используемых для предстоящего цикла работы с ТКО:
«рекомендации» по выгрузке компонентов из мусоровозов ТКО на сортировочные предприятия;
«рекомендации» по получению заказчиками компонентов ТКО для повторного использования, а также результатов переработки;
«рекомендаций» по количествам компонентов ТКО и результатов их переработки, подлежащих захоронению на объектах размещения ТКО).
При этом, полученная комбинация OP(im) является неизменной в течении цикла обработки ТКО.
Комбинации OP(id) получаются с помощью перебора значений элементов массивов CUS1, CUS2, CUS3, CUS4, GT, SR, US для получения значений DUW(id).
К таким элементам массивов относятся:
элементы, значения которых характеризуют возможности заказчиков по приему компонентов ТКО или результатов их переработки с сортировочных предприятий;
элементы, значения которых характеризуют возможности сортировочных предприятий по приему компонентов ТКО из мусоровозов, по их сортировке и переработке;
элементы, значения которых характеризуют возможности объектов размещения ТКО по захоронению компонентов ТКО и результатов их переработки.
Таким образом, первая часть элементов массивов CUS1, CUS2, CUS3, CUS4, GT, SR, US используется для получения исходных данных для прогнозирования значений DUW(id), а вторая часть используется для выдачи «рекомендаций».
Выводы
Таким образом, в данной работе построен алгоритм для определения условий минимизации количества ТКО, которые подлежат захоронению. Алгоритм может быть использован для обоснования функциональных возможностей информационных систем, проектируемых для автоматизации процессов управления ТКО.
Литература
1. Vergara S. E., Tchobanoglous G. Municipal solid waste and the environment: a global perspective // Annual Review of Environment and Resources. 2012, Том. 37. С. 277-309.
2. Kumar S., Dhar H., Vijay V.N., Bhattacharyya J.K., Vaidya A.N., Akolkar A.B. Characterization of municipal solid waste in high-altitude sub-tropical regions // Environmental Technology, 2016. Том. 37(20). С. 26272637.
3. Edjabou M.E., Takou V., Boldrin A., Petersen C., Astrup T.F. The influence of recycling schemes on the composition and generation of municipal solid waste // Journal of Cleaner Production, 2021. Том. 295. Статья номер: 126439.
4. Edjabou M.E., Martín-Fernández J.A., Scheutz C., Astrup T.F. Statistical analysis of solid waste composition data: Arithmetic mean, standard deviation and correlation coefficients // Waste Management, 2017. Том 69. С. 13-23.
5. Федеральный Закон «Об отходах производства и потребления» // Собрание законодательства Российской Федерации. 1998 г. №26 от 26 июня 1998 года. Раздел 1. Федеральные конституционные законы, федеральные законы. Ст. 3009.
6. Попов А.А. Формирование алгоритма для управления твердыми коммунальными отходами // Инновации и инвестиции. 2021. № 10. С. 78-85.
7. Sereda T.G., Kostarev S.N. Development of automated control system for waste sorting // IOP Conference Series: Materials Science and Engineering, 2019. Том. 537(6). Статья номер: 062012.
8. Huang J., Pretz T., Bian Z. Intelligent solid waste processing using optical sensor based sorting technology // 3rd International Congress on Image and Signal Processing, CISP 2010 (Yantai, China, 16 - 18 October 2010), 2010. Том. 4. С. 1657-1661.
9. Srinilta C. Kanharattanachai S. Municipal Solid Waste Segregation with CNN // 5th International Conference on Engineering, Applied Sciences and Technology (ICEAST), Luang Prabang, Laos, 2019. Статья номер: 8802522.
10. Cheng Q., Wu Z.-Z., Wu Z.-J., Zou L., Li H.-Y., Wang X.-F. Household Classification: A Transfer Learning Based Method and a Benchmark // Communications in Computer and Information Science, 2021. Том. 1362. С. 200-211.
11. Попов А.А. Формирование алгоритма управления повторным использованием твердых коммунальных отходов // Финансовая экономика. 2022. № 5. С. 346-351.
12. Beyene H.D., Werkneh A.A., Ambaye T.G. Current updates on waste to energy (WtE) technologies: a review // Renewable Energy Focus. 2018. Том. 24(March). С. 1-11.
13. Saghir M., NaimiY., Laasri, L., Tahiri M. Energy recovery from Municipal Solid Waste in Oujda city (Morocco) // Journal of Engineering Science and Technology Review. 2019. Том. 12(1), С. 137-142.
14. Seraj S., Nikravan M., Ramezanianpour A.A., Zendehdel P. Evaluation of the application of municipal solid waste incinerator (MSWI) ash in civil engineering using a sustainability approach // Detritus, 2020. Том. 9. С. 113-124.
15. Kaya K., Ak E., Yaslan Y., Oktug S.F. Waste-to-Energy Framework: An intelligent energy recycling management // Sustainable Computing: Informatics and Systems. 2021. Том. 30. Статья номер: 100548.
16. Zhou H., Long Y., Meng A., Li Q., Zhang Y. Classification of municipal solid waste components for thermal conversion in waste-to-energy research // Fuel. 2015. Том. 145. С. 151-157.
17. Ellsworth-Krebs K., Rampen C., Rogers E, Dudley L., Wishart L. Circular economy infrastructure: Why we need track and trace for reusable packaging // Sustainable Production and Consumption. 2022. Том. 29. С. 249 - 258.
18. Lugo M., Ail S.S., Castaldi M.J. Approaching a zero-waste strategy by reuse in New York City: Challenges and potential // Waste Management and Research. 2020. Том. 38. С. 734-744.
19. Cudjoe D., Han M.S., Chen W. Power generation from municipal solid waste landfilled in the Beijing-Tianjin-Hebei region // Energy. 2021. Том. 217. Статья номер: 119393.
20. Lu S.-F., Feng S.-J. Comprehensive overview of numerical modeling of coupled landfill processes // Waste Management. 2020. Том. 118. С. 161-179.
Development of an algorithm to reduce the amount of landfilled
municipal solid waste Popov A.A.
Plekhanov Russian University of Economics
JEL classification: C10, C50, C60, C61, C80, C87, C90_
The article is devoted to conducting research to determine ways to automate
the processes of working with municipal solid waste. The object of
research is the management of the process of landfilling of municipal solid waste. The subject of research is minimizing the amount of municipal solid waste to be landfilled. The hierarchies of work with municipal solid waste and the results of their processing, aimed at reducing the need for their landfilling, are considered. An algorithm has been developed to determine the conditions corresponding to minimizing the amount of municipal solid waste to be landfilled. The sequence of actions of the algorithm operators is carried out within one cycle of work with municipal solid waste. The moment of the beginning of the cycle of work with municipal solid waste is the moment of unloading a portion of municipal solid waste from garbage trucks to sorting enterprises. The moment of the end of the cycle of work with solid municipal waste is the moment of completion of the process of landfilling of solid municipal waste left after sorting, processing and reuse of solid municipal waste unloaded at sorting enterprises at the beginning of the cycle. The algorithm can be used to justify the functionality of information systems designed to automate municipal solid waste management processes.
Keywords: municipal solid waste, sorting, processing, reuse, landfilling, algorithm
References
1. Vergara S. E., Tchobanoglous G. Municipal solid waste and the environment: a global perspective // Annual Review of Environment and Resources. 2012, Vol. 37. pp. 277-309.
2. Kumar S., Dhar H., Vijay V.N., Bhattacharyya J.K., Vaidya A.N., Akolkar A.B. Characterization of municipal solid waste in high-altitude subtropical regions // Environmental Technology, 2016. Vol. 37(20). pp. 2627-2637.
3. Edjabou M.E., Takou V., Boldrin A., Petersen C., Astrup T.F. The influence of recycling schemes on the composition and generation of municipal solid waste // Journal of Cleaner Production, 2021. Vol. 295.art.no.: 126439.
4. Edjabou M.E., Martín-Fernández J.A., Scheutz C., Astrup T.F. Statistical analysis of solid waste composition data: Arithmetic mean, standard deviation and correlation coefficients // Waste Management, 2017. Vol. 69. pp. 13-23.
5. Federal Law «On production and consumption wastes» // Collected Legislation of the Russian Federation. 1998. No. 26 dated June 26, 1998. Section 1. Federal constitutional laws, federal laws. Art. 3009.
6. Popov A.A. Formation of an algorithm for the management of solid municipal waste // Innovations and investments. 2021. No. 10. pp. 78-85.
7. Sereda T.G., Kostarev S.N. Development of automated control system for waste sorting // IOP Conference Series: Materials Science and Engineering, 2019. Vol. 537(6). art. no.: 062012.
8. Huang J., Pretz T., Bian Z. Intelligent solid waste processing using optical sensor based sorting technology // 3rd International Congress on Image and Signal Processing, CISP 2010 (Yantai, China, 16 - 18 October 2010), 2010. Vol. 4. pp. 1657-1661.
9. Srinilta C. Kanharattanachai S. Municipal Solid Waste Segregation with CNN // 5th International Conference on Engineering, Applied Sciences and Technology (ICEAST), Luang Prabang, Laos, 2019. art. no.: 8802522.
10. Cheng Q., Wu Z.-Z., Wu Z.-J., Zou L., Li H.-Y., Wang X.-F. Household Classification: A Transfer Learning Based Method and a Benchmark // Communications in Computer and Information Science, 2021. Vol. 1362. pp. 200-211.
11. Popov A.A. Formation of an algorithm for managing the reuse of solid municipal waste // Finansovaya ekonomika. 2022. No. 5. pp. 346-351.
12. Beyene H.D., Werkneh A.A., Ambaye T.G. Current updates on waste to energy (WtE) technologies: a review // Renewable Energy Focus. 2018. Vol. 24(March). pp. 1-11.
13. Saghir M., NaimiY., Laasri, L., Tahiri M. Energy recovery from Municipal Solid Waste in Oujda city (Morocco) // Journal of Engineering Science and Technology Review. 2019. Vol. 12(1), pp. 137-142.
14. Seraj S., Nikravan M., Ramezanianpour A.A., Zendehdel P. Evaluation of the application of municipal solid waste incinerator (MSWI) ash in civil engineering using a sustainability approach // Detritus, 2020. Vol. 9. pp. 113-124.
15. Kaya K., Ak E., Yaslan Y., Oktug S.F. Waste-to-Energy Framework: An intelligent energy recycling management // Sustainable Computing: Informatics and Systems. 2021. Vol. 30. art. no. 100548.
16. Zhou H., Long Y., Meng A., Li Q., Zhang Y. Classification of municipal solid waste components for thermal conversion in waste-to-energy research // Fuel. 2015. Vol. 145. pp. 151-157.
17. Ellsworth-Krebs K., Rampen C., Rogers E, Dudley L., Wishart L. Circular economy infrastructure: Why we need track and trace for reusable packaging // Sustainable Production and Consumption. 2022. Vol. 29. pp. 249 - 258.
18. Lugo M., Ail S.S., Castaldi M.J. Approaching a zero-waste strategy by reuse in New York City: Challenges and potential // Waste Management and Research. 2020. Vol. 38. pp. 734-744.
19. Cudjoe D., Han M.S., Chen W. Power generation from municipal solid waste landfilled in the Beijing-Tianjin-Hebei region // Energy. 2021. Vol. 217. art. no. 119393.
20. Lu S.-F., Feng S.-J. Comprehensive overview of numerical modeling of coupled landfill processes // Waste Management. 2020. Vol. 118. pp. 161-179.
X X
o
00 >
c.
X
00 m
o
ho o lo lo
