7 ANALISI PREVISIONALE DELLA PRODUZIONE DEI ......Tra i dati forniti, nella apposita sezione “dati...
Transcript of 7 ANALISI PREVISIONALE DELLA PRODUZIONE DEI ......Tra i dati forniti, nella apposita sezione “dati...
Capitolo 7 130
7 ANALISI PREVISIONALE DELLA PRODUZIONE
DEI RIFIUTI URBANI
Il presente capitolo affronta il tema delle stime previsionali relative alla produzione di rifiuti,
intese come valutazioni delle quantità e delle qualità future dei rifiuti prodotti sul territorio provinciale.
Nella valutazione della metodologia di stima da utilizzare per le previsioni sulle produzioni future di
rifiuti si è cercato di privilegiare, all’interno di una analisi critica dei risultati ottenuti, la possibilità di
effettuare un confronto con le stime preesistenti, con particolare riferimento alle scelte operate dalla
Regione Lombardia nella propria stima previsionale delle produzioni lorde di rifiuti, inserita nel Piano
Regionale di Gestione dei Rifiuti (di seguito PRGR). L’orizzonte di previsione che verrà preso in
considerazione è distinto in due periodi: medio e lungo termine. Il medio termine include le stime degli
anni compresi tra il 2007 ed il 2011, il lungo termine i valori annui dal 2012 al 2015.
La prima parte del capitolo tratta il problema della stima della produzione lorda totale di rifiuti
urbani sul territorio della Provincia di Lecco. Le proiezioni vengono stimate, in prima istanza,
considerando la produzione di rifiuti come grandezza derivata dall’andamento della popolazione
provinciale e della produzione lorda pro-capite di rifiuti urbani, in coerenza con il metodo applicato nel
PRGR della Regione Lombardia. In una fase successiva verrà seguito un approccio alternativo,
basato sull’analisi statistica delle osservazioni storiche riferite alla produzione lorda totale, con la
finalità di realizzare un modello che rappresenti adeguatamente il processo generatore della serie
osservata.
La seconda parte costituisce l’ideale prosecuzione dell’analisi condotta nella prima parte del
capitolo, poiché assume le risultanze delle proiezioni quantitative del rifiuto urbano totale prodotto,
focalizzando l’interesse sulla sua caratterizzazione qualitativa, ossia cercando di valutarne la
composizione e stimarne gli indici qualificanti. In merito verrà innanzitutto considerato il trend naturale
della composizione dei rifiuti attesi, analizzando la composizione della produzione annua di rifiuti
riferita agli anni passati e traendone delle informazioni atte a formulare ipotesi sulle composizioni
future.
Sulla base di questa proiezione verrà definito il c.d. “scenario 0”, sviluppato nel successivo
capitolo 9, che costituisce l’“evoluzione naturale” del sistema rifiuti nella Provincia di Lecco.
La definizione degli aspetti caratteristici e qualificanti di esso, in termini quantitativi e
qualitativi, fornirà gli strumenti per l’analisi dei potenziali interventi finalizzati al perseguimento ed al
raggiungimento degli obiettivi prefissati, con particolare riferimento alla valutazione degli stessi in
termini di efficacia ed efficienza attese.
Analisi previsionale della produzione dei rifiuti urbani 131
7.1 Stima dell’evoluzione della produzione lorda de i rifiuti urbani
La produzione lorda di rifiuti è riferita al totale dei rifiuti prodotti, ovvero a monte delle raccolte
differenziate. Questo valore costituisce il riferimento per la valutazione della quantità globale di rifiuti
prodotti a livello provinciale, e la base di partenza per le valutazioni quali-quantitative sulle tipologie di
rifiuti stimate nel periodo di previsione.
In linea generale la stima dell’evoluzione della produzione di rifiuti viene effettuata a partire dai
dati storici a disposizione, ovvero effettuando analisi sul passato che portino ad inferire con
ragionevolezza sugli andamenti futuri. Nel paragrafo seguente si accennerà ai criteri di stima utilizzati
per effettuare dette previsioni.
7.1.1 Criteri di stima considerati
I valori previsti della produzione lorda totale annua di rifiuti urbani (di seguito R.U.) della
Provincia di Lecco nel periodo 2007-2015 sono stati, in prima istanza, stimati sulla base di un
approccio fondato sulla regressione delle serie storiche, riferite alla popolazione e alla produzione
lorda pro-capite, degli anni dal 1995 al 2006.
Successivamente è stato valutato un approccio alternativo al problema, fondato su una analisi
statistica della serie storica relativa alla produzione lorda totale di RU, finalizzata a stimare un modello
che possa rappresentare adeguatamente il processo stocastico di cui la serie costituisce
un’estrapolazione.
L’analisi di regressione è un procedimento fondato sulla possibilità di adattare una curva
teorica, ovvero determinata da una generica equazione y = f(x), ai dati sperimentali. Questo si ottiene
attraverso la determinazione dei parametri tipici della curva, scegliendoli in modo tale da minimizzare
gli scostamenti che si hanno tra i valori stimati dalla curva ed i corrispondenti valori osservati. Il
processo di minimizzazione degli scostamenti si traduce nell’applicazione del metodo dei minimi
quadrati, ovvero nella minimizzazione della somma dei quadrati degli scarti tra i valori osservati e
quelli teorici.
Le equazioni teoriche, scelte sulla base della distribuzione dei dati osservati e in relazione alla
possibilità di confronti con lo strumento di riferimento regionale, ovvero il PRGR, sono quelle lineare,
logaritmica ed esponenziale, le cui formule generali sono riportate in Tabella 7.1.
Tabella 7.1 Equazioni teoriche utilizzate nell’analisi di regressione
EQUAZIONE FORMULA GENERALE
Lineare baXY +=
Logaritmica bXaY += ln
Esponenziale bXaeY =
L’analisi previsionale attraverso la regressione delle serie storiche è stata condotta sui dati
osservati relativi alla popolazione provinciale e ai valori calcolati di produzione pro-capite di R.U.
Capitolo 7 132
La stima dell’andamento futuro della produzione lorda di rifiuti si ottiene come grandezza
derivata, ottenuta tramite l’Equazione 7.1:
PpP iproc
iitot •=
Equazione 7.1
dove P itot rappresenta la produzione lorda di R.U., pi indica la popolazione e Piproc
rappresenta la produzione di R.U. pro-capite, il tutto riferito al generico anno i.
Il metodo utilizzato si fonda sulla considerazione che il fenomeno della produzione di rifiuti
urbani sia essenzialmente collegato alla popolazione residente. In quest’ottica la produzione lorda
totale si ottiene come prodotto del numero di residenti (popolazione a livello provinciale, in questo
caso) per la produzione pro-capite annua. La regressione viene utilizzata per stimare i valori pi e
Piproc dell’equazione 7.1, a partire dalle osservazioni storiche.
Tuttavia, considerare la dinamica della produzione di rifiuti come funzione della popolazione
non esaurisce i fattori alla base del fenomeno, i quali sono diversi e di difficile parametrizzazione
(flussi turistici, variazione del P.I.L., etc.).
Pertanto, il dato relativo alla Piproc , essendo un valore non direttamente misurato bensì
derivato dai valori storici di produzione lorda totale e popolazione complessiva del territorio, racchiude
in sé tutte le incertezze connesse a tali fattori.
È inoltre opportuno evidenziare che anche il valore pi , frutto di una regressione e quindi
soggetto ad un errore fisiologico, ricomprende al suo interno un grado di incertezza.
Di sicuro interesse risulta, comunque, la possibilità di effettuare delle analisi sull’andamento
della produzione pro-capite di rifiuti, anche in relazione alle variabili che ne influiscono la dinamica, e
relazionarla successivamente alla dinamica della popolazione, giovandosi della maggiore esperienza
maturata dall’analisi demografica.
Il procedimento alternativo, utilizzato nella definizione del modello statistico, si basa invece
sulla valutazione della serie storica dei rifiuti urbani lordi globalmente prodotti nel territorio provinciale.
In quest’ottica le osservazioni registrate costituiscono una estrapolazione finita di un più ampio
processo stocastico.
Poiché non ci è nota la funzione di probabilità che genera i dati storici, occorre ricercare un
modello statistico corrispondente, ovvero delle relazioni tra alcune variabili casuali del processo
stocastico che sintetizzino gli aspetti principali di quest’ultimo (C. Davino).
Il modello cercato rappresenta la versione del processo stocastico esplicitata tramite
parametri. Il problema si traduce, in linea generale, nella scelta del modello che teoricamente meglio è
portato a descrivere il processo stocastico generatore delle osservazioni; cui segue la fase di stima
dei parametri caratteristici del modello.
A valle di queste fasi si effettua la validazione del modello e dei parametri stimati.
Il modello scelto, sulla base della serie storica osservata, è rappresentato da un ARIMA.
Analisi previsionale della produzione dei rifiuti urbani 133
I modelli ARIMA (AutoRegressive-Integration-MovingAverage), sviluppati da Box e Jenkins
attorno alla metà degli anni ’70, vengono usualmente utilizzati per modellizzare serie non-stazionarie.
Il presupposto su cui si fondano è l’utilizzo dell’operatore differenza sulla serie dei valori originari, e
l’applicazione del modello ARIMA ai valori differenziali così ottenuti. L’adozione dell’operatore
differenza, di un opportuno grado “d”, permette di ottenere una serie stazionaria e, quindi, riproducibile
mediante un modello ARIMA adeguatamente parametrizzato.
In sostanza un modello ARIMA (p,d,q), dove “p” indica l’ordine della parte autoregressiva, e
“q” l’ordine della media mobile, è analogo ad un modello ARIMA (p,q) applicato alle differenze d’ordine
“d” della serie dei valori, invece che agli effettivi valori (V. Ricci, 2004).
L’equazione 7.2 riporta la forma di un ARIMA, dove zt rappresenta la serie originata dalla
differenza “d” operata sui dati originari, Φ1, Φ2, ..., Φp sono i parametri autoregressivi, θ1, θ2, ..., θq sono i
parametri della media mobile.
Equazione7.2
Nei paragrafi seguenti verranno descritti, nell’ordine, i risultati delle stime effettuate mediante
regressione delle osservazioni di popolazione e produzione pro-capite, e l’applicazione del modello
ARIMA ai dati storici della produzione lorda globale.
7.1.2 Stima della produzione totale di rifiuti urba ni attraverso l’analisi di
regressione della popolazione totale e della produz ione lorda pro-capite
L’analisi dello sviluppo demografico previsto per il territorio provinciale è stata condotta sulla
base dei dati storici relativi alla popolazione comunale nel periodo 1995-2006.
Tali dati sono forniti annualmente dai Comuni in ottemperanza alla L.R. 12 dicembre 2003 n.
26, che riconferma, tra le competenze provinciali, il rilevamento statistico dei dati inerenti la
produzione e la gestione dei rifiuti urbani e il monitoraggio della percentuale delle frazioni
merceologiche avviate a recupero, originariamente introdotto dall’ormai abrogata L.R. 1 luglio 1993 n.
21 (cfr. capitolo 4).
Attualmente il rilevamento statistico viene effettuato mediante strumenti informatici, ovvero
utilizzando l’applicativo web-based denominato O.R.SO. (Osservatorio Rifiuti SOvraregionale)
implementato dall’Osservatorio Regionale sui Rifiuti dell’ARPA Lombardia e condiviso, dal 2005,
dall’ARPA Veneto.
Tra i dati forniti, nella apposita sezione “dati generali”, figura la popolazione comunale su base
annua. La Tabella 7.2 e il Grafico 7.1 riportano i valori storici della popolazione a livello provinciale
rilevati nel periodo considerato, ovvero dal 1995 al 2006.
aaaazzzz qtqttptpttt −−−−−− −−−−+Φ++Φ+Φ= θθθ ...... 221102211
Capitolo 7 134
300000
305000
310000
315000
320000
325000
330000
1994 1996 1998 2000 2002 2004 2006 2008
anno
popo
lazi
one
Tabella 7.2 Popolazione annua totale rilevata in Provincia di Lecco, 1995-2005
ANNO POPOLAZIONE
1995 302557
1996 304539
1997 305981
1998 307451
1999 309517
2000 311647
2001 313818
2002 316371
2003 318350
2004 322104
2005 325042
2006 327754
Il diagramma del Grafico 7.1 sembra evidenziare una spiccata associazione lineare positiva,
ovvero un trend di crescita lineare della popolazione. Al fine di stimare lo sviluppo di tale trend, sui dati
è stata condotta una analisi regressiva.
Grafico 7.1 Popolazione totale rilevata annualmente in Provincia di Lecco, 1995-2006
L’applicazione del principio dei minimi quadrati alle curve teoriche della Tabella 7.1 permette
di stimare i parametri per caratterizzarle. Le funzioni ottenute sono evidenziate nella Tabella 7.3,
mentre in Tabella 7.4 sono riportati i valori assunti dalle curve per gli anni 1995-2006.
Gli scostamenti delle curve rispetto ai dati osservati, riportati nella Tabella 7.5, sono desumibili
dal confronto tra i valori della Tabella 7.4 e le osservazioni storiche presenti in Tabella 7.2, mentre nel
Grafico 7.2 è possibile osservare la rappresentazione grafica delle curve di regressione, che mette in
evidenza i valori osservati con i trend stimati.
Analisi previsionale della produzione dei rifiuti urbani 135
Tabella 7.3 Equazioni stimate sulla base dei valori annuali di popolazione osservati, 1995-
2006
EQUAZIONE FORMULA GENERALE
Lineare 64103,424530196154,2278 −= XY
Logaritmica ( ) 69190,34337143ln19630,4558639 −= XY
Esponenziale XeY 0072469,015860,0=
Tabella 7.4 Valori assunti dalle curve di regressione, 1995-2006
POPOLAZIONE IN BASE ALLA CURVA DI REGRESSIONE ANNO
Lineare Logaritmica Esponenziale
1995 301227 301217 301401
1996 303506 303502 303593
1997 305785 305785 305801
1998 308064 308067 308025
1999 310342 310348 310265
2000 312621 312628 312522
2001 314900 314907 314795
2002 317179 317185 317085
2003 319458 319461 319391
2004 321737 321736 321714
2005 324016 324011 324054
2006 326295 326284 326411
Tabella 7.5 Scostamenti dei valori assunti dalle curve, rispetto alle osservazioni della
popolazione annua, 1995-2006
SCOSTAMENTO (Y-yteorico ) ANNO
Lineare Logaritmica Esponenziale
1995 1330 1340 1156
1996 1033 1037 946
1997 196 196 180
1998 -613 -616 -574
1999 -825 -831 -748
2000 -974 -981 -875
2001 -1082 -1089 -977
2002 -808 -814 -714
2003 -1108 -1111 -1041
2004 367 368 390
2005 1026 1031 988
2006 1459 1470 1343
Capitolo 7 136
Grafico 7.2 Rappresentazione delle varie curve di tendenza per i valori di popolazione annua
osservati
Il Grafico 7.2 evidenzia la sostanziale equivalenza delle diverse curve di tendenza per le
proiezioni dei valori nel medio termine (2007 – 2011). A lungo termine, ovvero approssimativamente a
partire dal 2010, le proiezioni offrono un andamento maggiormente diversificato, con particolare
riferimento alla regressione esponenziale.
La Tabella 7.6 riporta i valori delle proiezioni future di popolazione su base annua, riferite alle
diverse curve di tendenza considerate.
Tabella 7.6 Proiezioni future della popolazione provinciale, stimate in base alle diverse curve
di regressione considerate
POPOLAZIONE STIMATA IN BASE ALLA CURVA DI REGRESSIONE ANNO
Lineare Logaritmica Esponenziale
2007 328574 328556 328785
2008 330853 330826 331176
2009 333132 333096 333585
2010 335411 335365 336011
2011 337690 337632 338455
2012 339969 339898 340916
2013 342248 342163 343396
2014 344527 344427 345894
2015 346806 346690 348409
L’andamento della produzione lorda pro-capite, di seguito definito dalla sigla Pproc, può essere
desunto a partire dai dati rilevati nel periodo compreso tra il 1995 ed il 2006. La metodologia seguita,
290000
300000
310000
320000
330000
340000
350000
1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
anno
popo
lazi
one
lineare logaritmica esponenziale
Analisi previsionale della produzione dei rifiuti urbani 137
coerentemente con la stima effettuata a livello regionale contenuta nel PRGR, si basa sulla
regressione delle osservazioni storiche, riportate in Tabella 7.7 e nel Grafico 7.3.
Tabella 7.7 Dati relativi alla produzione lorda di rifiuti pro-capite, 1995 al 2006
ANNO PRODUZIONE PRO-CAPITE
[kg/ab]
1995 376.62
1996 394.59
1997 411.90
1998 424.43
1999 444.44
2000 454.24
2001 472.06
2002 482.52
2003 463.64
2004 470.11
2005 465.45
2006 479.54
Grafico 7.3 Produzione annua lorda pro-capite di R.U. registrata nella Provincia di Lecco,
1995-2006
Le regressioni applicate, espresse in forma teorica, come già per la stima della popolazione
nella Tabella 7.1, conducono alle equazioni della Tabella 7.8. La Tabella 7.9 riporta i valori calcolati,
per il periodo storico di riferimento, sulla base delle equazioni stimate. In Tabella 7.10 è possibile
osservare gli scostamenti registrati tra i valori stimati e i dati reali. Le proiezioni future di medio e lungo
termine sono contenute, per ogni tipologia di curva di regressione, nella Tabella 7.11, mentre la
rappresentazione grafica delle regressioni è riportata nel Grafico 7.4.
300.00
350.00
400.00
450.00
500.00
550.00
600.00
1994 1996 1998 2000 2002 2004 2006 2008
anno
kg/a
b
Capitolo 7 138
Tabella 7.8 Equazioni stimate sulla base dei valori annuali di produzione pro-capite di rifiuti
urbani riferiti al periodo 1995-2006
ANNO POPOLAZIONE
Lineare 978,1707976028,8 −= XY
Logaritmica ( ) 09335,132808ln64188,17530 −= XY
Esponenziale XeY 020266,01410096,1 −•=
Tabella 7.9 Valori assunti dalle curve di regressione, 1995-2006
PRODUZIONE PRO-CAPITE DI R.U. IN BASE ALLA CURVA DI REGRESSIONE [kg/ab] ANNO
Lineare Logaritmica Esponenziale
1995 396.78 396.72 396.99
1996 405.54 405.51 405.11
1997 414.30 414.29 413.41
1998 423.06 423.07 421.87
1999 431.82 431.84 430.51
2000 440.58 440.61 439.32
2001 449.34 449.37 448.32
2002 458.10 458.13 457.49
2003 466.86 466.88 466.86
2004 475.62 475.63 476.42
2005 484.38 484.38 486.17
2006 493.14 493.12 496.13
Tabella 7.10 Scostamenti dei valori assunti dalle curve, rispetto alle osservazioni di
produzione pro-capite di rifiuti urbani, 1995-2006
SCOSTAMENTO (Y-yteorico ) ANNO
Lineare Logaritmica Esponenziale
1995 -20.16 -20.10 -20.37
1996 -10.95 -10.92 -10.52
1997 -2.40 -2.39 -1.51
1998 1.37 1.36 2.56
1999 12.62 12.60 13.93
2000 13.66 13.63 14.92
2001 22.72 22.69 23.74
2002 24.42 24.39 25.03
2003 -3.22 -3.24 -3.22
2004 -5.51 -5.52 -6.31
2005 -18.93 -18.93 -20.72
2006 -13.60 -13.58 -16.59
Analisi previsionale della produzione dei rifiuti urbani 139
Tabella 7.11 Proiezioni future della produzione pro-capite di rifiuti urbani stimate in base alle
diverse curve di regressione considerate, 2007-2015
PRODUZIONE DI R.U. PRO-CAPITE [kg/ab] ANNO
Lineare Logaritmica Esponenziale
2007 501.90 501.86 506.28
2008 510.66 510.59 516.65
2009 519.42 519.32 527.23
2010 528.18 528.04 538.02
2011 536.95 536.76 549.03
2012 545.71 545.48 560.27
2013 554.47 554.19 571.74
2014 563.23 562.89 583.45
2015 571.99 571.59 595.40
Grafico 7.4 Rappresentazione delle varie curve di tendenza stimate sui valori di produzione
di rifiuti urbani lorda pro-capite, 1995-2015
La produzione globale annua di rifiuti urbani è stimata a partire dalle proiezioni dei valori di
popolazione e produzione pro-capite annui, attraverso l’equazione 7.1. Dal raffronto condotto sulle
proiezioni effettuate si è scelto di considerare, sia per la stima della popolazione che per la quantità di
rifiuti urbani prodotti pro-capite, i valori ottenuti mediante regressione lineare. Le proiezioni ottenute
con l’applicazione dell’equazione 7.1 sono riportate nella Tabella 7.12 e nel Grafico 7.5.
300
350
400
450
500
550
600
1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
anno
kg/a
b
lineare lognormale esponenziale
Capitolo 7 140
Tabella 7.12 Proiezioni future della produzione lorda totale di rifiuti urbani della Provincia di
Lecco stimate in base alla curva di regressione lineare, 2007-2015
ANNO
PRODUZIONE LORDA
TOTALE
[t/a]
2007 164912.71
2008 168954.89
2009 173037.01
2010 177159.05
2011 181321.02
2012 185522.92
2013 189764.75
2014 194046.51
2015 198368.20
Grafico 7.5 Valori osservati e stime future della produzione lorda totale [t/a] di rifiuti urbani
nella Provincia di Lecco, 1995-2015
0.00
50000.00
100000.00
150000.00
200000.00
250000.00
1990 1995 2000 2005 2010 2015 2020
anno
[t/a]
dati osservati proiezioni
Analisi previsionale della produzione dei rifiuti urbani 141
7.1.3 Stima della produzione lorda totale dei rifiu ti urbani attraverso il modello
statistico ARIMA
In questo paragrafo viene descritta la metodologia, alternativa a quella avanzata nel paragrafo
precedente, basata sul ricorso ad un modello statistico per stimare l’andamento futuro della
produzione lorda totale di rifiuti urbani.
La serie storica di riferimento per la realizzazione e la stima del modello ARIMA è costituita
dalla produzione annua lorda totale di rifiuti urbani nella Provincia di Lecco registrata dal 1995 al 2006.
In Tabella 7.13 sono indicati i valori della serie.
Tabella 7.13 Produzione lorda totale di rifiuti rilevata in Provincia di Lecco, 1995-2006
ANNO PRODUZIONE LORDA DI R.U.
[t/a]
1995 113948,0
1996 120168,5
1997 126032,7
1998 130491,8
1999 137563,2
2000 141562,1
2001 148142,1
2002 152654,4
2003 147600,6
2004 151423,9
2005 151291,8
2006 157171,9
La procedura stabilita da Box e Jenkins per la costruzione di modelli ARIMA verte su quattro
fasi:
1. analisi preliminare;
2. identificazione del modello ARIMA;
3. stima dei parametri del modello;
4. verifica del modello.
La finalità è quella di arrivare a costruire un modello che si adatti alla serie storica e
rappresenti il processo generatore della serie (G. Soffritti). Nella fase di analisi preliminare è
opportuno verificare che la serie sia non-stazionaria, questo si ottiene valutando l’andamento grafico
della stessa. In generale si osserva la presenza di una tendenza di lungo periodo, accompagnata da
una funzione di autocorrelazione globale che tende a zero molto lentamente.
Il correlogramma relativo alla produzione lorda annua di rifiuti, riportato in Figura 7.1 è tipico di
una serie non stazionaria con aumento della media (trend) negli anni; all’inizio assume valore positivo
e prossimo ad 1, quindi decresce lentamente ed inverte il suo segno ad un ritardo pari ad
approssimativamente la metà della lunghezza della serie osservata (G. Masarotto).
Capitolo 7 142
Figura 7.1 Correlogramma della produzione lorda dei rifiuti urbani, 1995 - 2006
Analizzando l’andamento temporale della produzione di rifiuti lorda annua, appare evidente la
presenza di un trend di tipo lineare, quindi un operatore differenziale di grado unitario dovrebbe
consentire il raggiungimento della stazionarietà. Per verificare se tale condizione è verificata, si
procede all’analisi della funzione di autocorrelazione della serie differenziata. Il correlogramma della
serie differenziata, riportato in Figura 7.2 indica una buona stazionarietà in media.
Per quanto concerne la stazionarietà in varianza, l’esame grafico della serie originaria non
sembra evidenziare la presenza di oscillazioni con ampiezza variabile nel tempo, pertanto si ritiene
che l’ipotesi di stazionarietà in varianza sia mantenuta.
Figura 7.2 Correlogramma della serie differenziata con grado unitario
Analisi previsionale della produzione dei rifiuti urbani 143
La fase di identificazione del modello ARIMA implica l’assegnazione degli ordini p, d, q, che
definiscono il modello. Dalla fase precedente è emerso che un ordine unitario per il parametro “d” è, in
prima istanza, adeguato alla stazionarietà della serie.
Per quanto concerne l’ordine “p” della parte autoregressiva AR, l’esame del correlogramma
globale indica la presenza di autocorrelazione positiva a ritardo “1”, mentre i coefficienti per gli altri lag
temporali risultano interni alla banda di confidenza fissata al livello del 95% (Figura 7.1).
L’ordine della componente “q” relativa alla media mobile MA può essere fissata attraverso il
confronto con le funzioni di autocorrelazione globale e parziale teoriche relative a diversi modelli
ARIMA, scegliendo il modello con le funzioni più simili alle corrispondenti teoriche.
In questa fase, tenuto conto di quanto sopra e dell’opportunità di non appesantire troppo il
modello utilizzato, si ritiene che la scelta di riferirsi ad un modello ARIMA (1,1,1) sia adeguatamente
giustificato.
Una volta fissato l’ordine dei parametri occorre effettuarne la stima, utilizzando il metodo della
massima verosimiglianza e un algoritmo di ottimizzazione.
La nostra scelta è stata quella di utilizzare la funzione arima() fornita dal package stats
dell’ambiente di calcolo statistico “R” (CRAN.R-project.org). Tale funzione utilizza il metodo ai minimi
quadrati per arrivare a dei buoni valori iniziali, che consentano di implementare la funzione di massima
verosimiglianza con un numero ridotto di iterazioni. La Tabella 7.14 riporta i valori dei parametri
ottenuti con arima().
Tabella 7.14 Parametri relativi al modello ARIMA(1,1,1) applicato ai valori storici di
produzione totale di rifiuti urbani
COEFFICIENTE AR COEFFICIENTE MA
0,9745 -0,7522
ERRORE STD ERRORE STD
0,0691 0,3117
La fase di verifica ha come obiettivo garantire che l’identificazione e la stima del modello siano
adeguate per la serie analizzata (G. Soffritti). I parametri devono risultare significativamente diversi da
0; questa valutazione si ottiene dal confronto con le rispettive deviazioni standard.
Risulta inoltre fondamentale l’analisi dei residui del modello stimato, che devono essere la
realizzazione di un processo white noise a componenti gaussiane.
In primo luogo si deve verificare che la media dei residui non sia significativamente diversa da
0. Tale verifica può essere fatta mediante il test di Student, calcolando il valore di t ed il relativo p-
value, che esprime una probabilità di plausibilità di rifiuto dell’ipotesi di media dei residui
significativamente diversa da 0.
In Tabella 7.15 sono riportati i valori della varianza campionaria e lo scarto quadratico medio
dei residui, unitamente al p-value e al valore soglia del test calcolato per un livello di significatività al
99%.
Capitolo 7 144
Tabella 7.15 Risultati del test di Student operato sui residui del modello ARIMA(1,1,1)
parametrizzato
grandezza formula valore
Media dei residui n
ee t t∑=_
213,783
Varianza campionaria corretta 1
)( 2_
2
−−
= ∑n
eet tσ 15347653
Test t
ns
et
_
= 0,189
P-value pt 0,4267
Livello di significatività (99%) qt 2,718
Il risultato del test di Student permette di considerare la media degli errori come non
significativamente diversa da 0.
A questo punto occorre valutare che i residui si distribuiscano come una variabile aleatoria
normale, ma preliminarmente è opportuno analizzarli onde evidenziare eventuali valori anomali (V.
Ricci). A tal fine conviene esprimere i residui in forma standardizzata. Il Grafico 7.6 ne evidenzia il
diagramma, dall’esame del quale emerge che una sola osservazione, quella relativa all’anno 2003,
risulta prossima, benché non lo superi, all’intervallo di confidenza del 99%. In effetti anche ad un
esame superficiale delle osservazioni storiche della produzione lorda annuale di rifiuti urbani appare
evidente che il valore del 2003 si presenta anomalo rispetto ai restanti valori della serie.
Grafico 7.6 Diagramma dei residui standardizzati
Analisi previsionale della produzione dei rifiuti urbani 145
La normalità della distribuzione dei residui può essere valutata, in primis, attraverso l’esame
dell’istogramma e del suo lisciamento. Il Grafico 7.7 rappresenta l’istogramma dei residui, mentre il
medesimo, sottoposto a lisciamento, è riportato nel Grafico 7.8.
Entrambi i grafici fanno propendere a favore di una normalità nella distribuzione dei residui.
Grafico 7.7 Istogramma dei residui standardizzati
Grafico 7.8 Istogramma dei residui standardizzati sottoposto a lisciamento
Per valutare in maniera statisticamente più affidabile l’ipotesi di normalità conviene affidarsi ai
test appositi. In questa sede utilizzeremo il test di Shapiro-Wilk. Il test di Shapiro-Wilk è considerato in
letteratura uno dei test più potenti per la verifica della normalità, soprattutto per piccoli campioni.
La verifica della normalità avviene confrontando due stimatori alternativi della varianza: uno
stimatore non parametrico basato sulla combinazione lineare ottimale della statistica d'ordine di una
variabile aleatoria normale al numeratore, e il consueto stimatore parametrico, ossia la varianza
campionaria, al denominatore.
Capitolo 7 146
0
50000
100000
150000
200000
250000
1991 1996 2001 2006 2011 2016
anno
[t/a]
dati osservatii proiezioni
Nella Tabella 7.16 sono riportati i risultati del test condotto con il programma R sui residui
standardizzati del modello. In questo caso il p-value, pur non essendo molto più elevato rispetto ai
valori di riferimento, sembra confermare l’ipotesi di normalità.
Tabella 7.16 Risultati del test di Shapiro-Wilk
grandezza valore
W 0.842
P-value 0.03
Una volta che il modello è ritenuto adeguato, può essere utilizzato per effettuare le previsioni
riferite agli intervalli di tempo futuri, ovvero all’orizzonte 2007 – 2015. Nella Tabella 7.17 vengono
riportati i valori ottenuti per la produzione lorda totale di rifiuti urbani anno per anno, che compaiono
anche nel Grafico 7.9.
Tabella 7.17 Proiezioni future della produzione lorda totale di rifiuti urbani della Provincia di
Lecco, stimate in base al modello ARIMA(1,1,1), 2007-2015
ANNO PRODUZIONE LORDA TOTALE
[t/a]
2007 159953.4
2008 162664.6
2009 165306.6
2010 167881.1
2011 170389.9
2012 172834.7
2013 175217.0
2014 177538.5
2015 179800.7
Grafico 7.9 Valori osservati e stime future della produzione lorda totale [t/a] di rifiuti urbani
nella Provincia di Lecco ottenuti con il modello ARIMA (1,1,1), 1995-2015
Analisi previsionale della produzione dei rifiuti urbani 147
7.2 Caratterizzazione dei rifiuti urbani prodotti
Nel paragrafo precedente sono stati stimati, attraverso due approcci diversi, i quantitativi attesi
della produzione lorda annua di rifiuti urbani sul territorio provinciale. In questa fase verrà affrontato il
problema della ripartizione del quantitativo globale nelle diverse tipologie che lo caratterizzano, sia in
funzione della modalità di raccolta sia della composizione merceologica.
I valori globali annui scelti per l’applicazione della metodologia di ripartizione qualitativa sono
quelli risultanti dall’applicazione del modello ARIMA (1,1,1). La scelta è stata effettuata sulla base
della valutazione dell’andamento storico espresso dalle osservazioni relative al periodo più recente.
Un raffronto tra i dati storici relativi agli ultimi 6 anni ed i trend sviluppati, evidenzia infatti una miglior
aderenza delle proiezioni ottenute con il modello ARIMA (1,1,1) rispetto a quelle ottenute con il
prodotto delle regressioni lineari di popolazione e produzione pro-capite.
La scelta di basarsi, per effettuare questa valutazione, su un periodo ristretto, ovvero dal 2000
al 2006 rispetto alla totalità delle osservazioni a disposizione, trova le sue motivazioni nelle diverse, e
più precise, metodologie di raccolta dati subentrate nei primi anni del 2000, così come nella superiore
capacità che ovviamente hanno i dati più recenti di descrivere il presente contesto socio-economico. A
conferma di un sostanziale mutamento del sistema di produzione dei rifiuti con il nuovo millennio, si
evidenzia, a partire dagli ultimi anni ’90, un trend con un tasso di crescita molto basso, prossimo allo 0
ed in alcuni casi, che però presentano ancora una forte caratteristica di atipicità, addirittura negativo.
Nella Tabella 7.18 vengono, per una più agevole consultazione, riportati i dati relativi alla
produzione globale annua considerati nel presente paragrafo.
Tabella 7.18 Produzione lorda totale attesa di rifiuti urbani della Provincia di Lecco
ANNO PRODUZIONE LORDA TOTALE
[t/a]
2007 159953.4
2008 162664.6
2009 165306.6
2010 167881.1
2011 170389.9
2012 172834.7
2013 175217.0
2014 177538.5
2015 179800.7
La procedura di caratterizzazione qualitativa della produzione annua attesa di rifiuti urbani si
compone di diverse fasi, la prima delle quali prevede il passaggio dalla classificazione a 20 categorie
circa, per le quali disponiamo delle osservazioni storiche, a quella basata su 8 macrocategorie
contenuta nel Piano Regionale di Gestione dei Rifiuti.
Successivamente, in conformità alla metodologia introdotta dalla Regione Lombardia, e nel
rispetto di un principio di coerenza finalizzato alla condivisione dei dati e delle stime, viene utilizzato
Capitolo 7 148
l’algoritmo contenuto nel PRGR, prendendo come riferimento un set di coefficienti Ψi contestualizzato
sulle osservazioni relative alla realtà della Provincia di Lecco.
Il risultato dell’applicazione di tale algoritmo fornisce l’evoluzione attesa delle 8
macrocategorie di rifiuti urbani nel periodo 2007 – 2015, nel rispetto della somma globale
rappresentata dai valori annui di Tabella 7.18.
In seguito si effettua il processo di disaccorpamento per passare dalla classificazione a 8
macrocategorie a quella originaria a 20, che descrive con un livello di dettaglio maggiore la situazione
attesa. A tal fine viene considerato un algoritmo basato sulla incidenza, quantificata attraverso la
media pesata delle osservazioni recenti e più affidabili, delle tipologie costituenti ogni macrocategoria
nel rispetto del quantitativo prefissato per ciascuna.
7.2.1 Passaggio dalla classificazione a 20 categori e a quella a 8 macrocategorie
Al fine di poter utilizzare un criterio di suddivisione condivisibile delle categorie che
compongono il rifiuto urbano, e per garantire un’applicazione in linea di principio aderente a quella
utilizzata con l’algoritmo regionale, è stato necessario rapportare i dati storici relativi alle caratteristiche
qualitative della produzione di rifiuti (le c.d. 20 categorie) all’interno di classi di riferimento più
generiche ed infine al sistema ad 8 macrocategorie.
Come si evince dalla Tabella 7.19, i dati storici disponibili a livello di raccolta sono stati
scomposti in 25 contributi, corrispondenti alle 20 categorie del PRGR: i primi 3 contributi sono relativi
alle raccolte classificate come non differenziate, ovvero la frazione residuale (sacco nero), i rifiuti
ingombranti e lo spazzamento strade; 21 contributi rappresentano materiali di diverse tipologie
oggetto di raccolta differenziata e avviati a recupero di materia (con l’esclusione degli Altri RUP
destinati allo smaltimento in condizioni di sicurezza) ed un contributo è dovuto agli scarti del processo
di raccolta differenziata, pari alla differenza tra il materiale raccolto in modo differenziato e quello
avviato a recupero di materia.
Secondo l’approccio contenuto nel PRGR, il rifiuto urbano totale, e in analogia le raccolte
differenziate e, per differenza, il rifiuto urbano residuo, vengono caratterizzati mediante il ricorso ad un
sistema più semplice comprendente solo 8 macrocategorie quali: Carta e cellulosici, Legno, Plastica,
Vetro e inerti, Metalli, Organico e verde, Sottovaglio (Spazzamento strade) e Altro.
Per passare dal sistema a 20 categorie a quello ad 8 è necessario introdurre delle
corrispondenze tra le diverse frazioni dei due sistemi di classificazione, come meglio dettagliato nel
prosieguo. Nell’ambito delle raccolte non differenziate, la frazione residuale, raccogliendo tutti i
materiali che non sono intercettati dalle varie tipologie di raccolta differenziata, presenta una
composizione eterogenea e non definibile univocamente. Pertanto, ai fini della caratterizzazione della
frazione residuale nel sistema ad 8 macrocategorie, ci si è avvalsi delle analisi merceologiche
condotte annualmente da SILEA S.p.A. sul rifiuto urbano conferito all’impianto di termovalorizzazione
di Valmadrera. Gli esiti di tali analisi, riportati nel capitolo 4, sono stati ricondotti direttamente nella
classificazione ad 8 macrocategorie.
Per quanto concerne le raccolte differenziate, comprendenti la frazione secca riciclabile da
raccolta differenziata multimateriale (c.d. sacco viola), le raccolte differenziate monomateriali, i RUP e
le Altre RD, il primo passaggio prevede la separazione delle quote estranee dalle tipologie avviate a
Analisi previsionale della produzione dei rifiuti urbani 149
recupero di materia, al fine di depurare i dati dai materiali di scarto. Questo si rende necessario poiché
i dati disponibili fanno riferimento alla fase della raccolta, preliminare al recupero di materia, e quindi
risultano comprensivi degli scarti, ovvero del materiale estraneo alla tipologia considerata che
erroneamente è stato conferito con essa. Il processo di quantificazione degli scarti prevede, per la
raccolta differenziata multimateriale mediante sacco viola, l’utilizzo dei risultati delle analisi
merceologiche condotte annualmente da SILEA S.p.A. presso l’impianto di selezione della società
SERUSO S.p.A. e riportati nel capitolo 4. Per le altre raccolte differenziate, il passaggio dalle quote
lorde a quelle nette avviene considerando i coefficienti impiegati da ARPA Lombardia per la stima
degli scarti del processo di recupero di materia, elaborati sulla base delle rilevazioni storiche.
Nella Tabella 7.19 il passaggio di cui sopra è riportato nella seconda colonna, in cui sono
individuate le tipologie di materia al netto di una quota che viene definita “scarti”. Nel caso della
raccolta mediante sacco viola la quota di materiale non conforme viene identificata come “frazioni
estranee”.
Tabella 7.19 Schema di disaccorpamento dei dati, relativi ai rifiuti in base alla tipologia di
raccolta, nel sistema a 20 categorie
Materie e scarti Scorporamento in classicarta e cellulosici carta e cellulosici
legno legno
plastica plastica
vetro e inerti vetro e inerti
metalli metalli
organico e verde organico e verde
sottovaglio sottovaglio
altro altro
ingombranti ingombranti
spazzamento strade spazzamento strade
carta e cartone carta e cartone
imballaggi in plastica imballaggi in plastica
imballaggi in banda stagnata imballaggi in banda sta gnata
imballaggi in alluminio imballaggi in alluminio
stracci stracci
frazioni estranee frazioni estranee
umido umido
carta/cartone carta/cartone
plastica plastica
vetro vetro
metalli metalli
scarti vegetali scarti vegetali
legno legno
beni durevoli beni durevoli
accumulatori al piombo accumulatori al piombo
oli minerali oli minerali
altri RUP altri RUP
alluminio alluminio
altri metalli e leghe altri metalli e leghe
oli e grassi vegetali e animali oli e grassi vegetali e animali
stracci e indumenti stracci e indumenti
pneumatici pneumatici
componenti elettronici componenti elettronici
fogli polietilene fogli polietilene
polistirolo polistirolo
sughero sughero
Scarti delle RD lorde monomateriali, RUP lordi, altre RD lorde
scarti
frazione residuale (sacco nero)
RD monomaterali lorde
RUP lordi
altre RD lorde
RD monomaterali NETTE
ingombranti
spazzamento strade
RD multimateriale lorda (sacco viola)
altre RD NETTE
Tipologia di raccolta
RUP NETTI
Capitolo 7 150
Frazione Scarto (%)Carta cartone 5,00
Vetro 4,00
Plastica 12,00
Umido -
Legno 5,00
Metalli -
Scarti vegetali -
Beni durevoli 10,00
Frazione Scarto (%)
Alluminio 10,00
Altri metalli e leghe 2,00Oli e grassi vegetali e animali 2,00
Stracci e indumenti 10,00
Pneumatici 2,00
Componenti elettronici 10,00
Fogli polietilene 2,00
Polistirolo 2,00Sughero 2,00
La Tabella 7.20 individua la percentuale di scarto considerata per ciascuna tipologia di
raccolta differenziata monomateriale. Nella Tabella 7.21 sono riportati i coefficienti utilizzati per le
“Altre Raccolte Differenziate”, suddivisi in funzione delle varie voci che rientrano in questa categoria,
mentre nella Tabella 7.22 compaiono i coefficienti relativi ai RUP.
Gli scarti, in tal modo rilevati, vengono a sommarsi in un’unica voce dalla composizione
eterogenea, trattandosi di materiale estraneo di volta in volta a tipologie di materia diverse.
Tabella 7.20 Quantificazione, per frazione, degli scarti relativi alle raccolte differenziate
monomateriali secondo le rilevazioni ARPA
Tabella 7.21 Quantificazione, per frazione, degli scarti relativi alle “Altre Raccolte
Differenziate” secondo le rilevazioni ARPA
Tabella 7.22 Quantificazione, per frazione, degli scarti relativi ai “RUP” secondo le rilevazioni
ARPA
La fase successiva prevede il ri-accorpamento delle tipologie di rifiuto, individuate in base alla
loro natura ed alla materia di composizione, all’interno di categorie di riferimento più generiche e già
affini al sistema di classificazione ad 8 macrocategorie. Come si evidenzia in Tabella 7.23, la
Frazione Scarto (%)
Accumulatori al piombo 2,00
Oli minerali 2,00Altri RUP -
Analisi previsionale della produzione dei rifiuti urbani 151
suddivisione presente nella colonna “accorpamento in classi” è formata dalle 8 classi (“carta e
cellulosici”, “legno”, “plastica”, “vetro e inerti”, “metalli”, “organico”, “verde”, “sottovaglio”, “altro”), con
l’aggiunta di “ingombranti”, “spazzamento strade”, “RUP”, “accumulatori al piombo”, “beni durevoli”,
“componenti elettronici” e gli “scarti”. Queste voci sono riferite, tranne per lo “spazzamento strade” che
rientrerà integralmente nella macrocategoria “sottovaglio”, a rifiuti che, essendo costituiti da più
materiali, non sono riferibili ad un’unica macrocategoria e pertanto, coerentemente con le indicazioni
contenute nel PRGR, vengono ripartiti tra più macrocategorie.
Tabella 7.23 Schema di ri-accorpamento in classi, successivo alla fase di scorporamento in
base alla tipologia di raccolta
Scorporamento in classi Accorpamento in classicarta e cellulosici carta e cellulosici
legno legno
plastica plastica
vetro e inerti vetro e inerti
metalli metalli
organico e verde organico e verde
sottovaglio sottovaglio
altro altro
ingombranti ingombranti
spazzamento strade spazzamento strade
carta e cartone carta e cellulosici
imballaggi in plastica plastica
imballaggi in banda stagnata metalli
imballaggi in alluminio metalli
stracci altro
frazioni estranee scarti
umido umido organico e verde
carta/cartone carta/cartone carta e cellulosici
plastica plastica plastica
vetro vetro vetro e inerti
metalli metalli metalli
scarti vegetali scarti vegetali organico e verde
legno legno legno
beni durevoli beni durevoli beni durevoli
accumulatori al piombo accumulatori al piombo accumul atori al piombo
oli minerali oli minerali rup
altri RUP altri RUP rup
alluminio alluminio metalli
altri metalli e leghe altri metalli e leghe metalli
oli e grassi vegetali e animali oli e grassi vegetal i e animali altro
stracci e indumenti stracci e indumenti altro
pneumatici pneumatici altro
componenti elettronici componenti elettronici compone nti elettronici
fogli polietilene fogli polietilene plastica
polistirolo polistirolo plastica
sughero sughero legno
scarti scarti
RUP lordi
altre RD lorde
Tipologia di raccolta
frazione residuale (sacco nero)
ingombranti
spazzamento strade
RD multimateriale lorda (sacco viola)
RD monomaterali lorde
Capitolo 7 152
Le classi individuate nel ri-accorpamento devono essere ripartite nelle 8 macrocategorie
individuate dal sistema di categorizzazione utilizzato dal Piano Regionale. A tal fine si è utilizzato lo
schema illustrato nella Tabella 7.24, dove ad ogni categoria del sistema sono associate le classi che
ad essa concorrono, con riferimento all’elencazione di cui alla voce “accorpamento in classi” della
Tabella 7.24, con l’indicazione del contributo specifico rispetto al quantitativo totale (“indice di
ripartizione”). I coefficienti utilizzati in tale tabella sono desunti dal PRGR.
Per quanto concerne la classe “carta” del sistema, ad esempio, si rileva la presenza della
totalità di “carta e cellulosici”, di una quota pari al 10% degli “scarti” e del 30% degli “ingombranti”.
Tabella 7.24 Schema di ripartizione delle classi ri-accorpate all’interno del sistema ad 8
macrocategorie
Dalla fase di ri-accorpamento si ottengono i quantitativi relativi alle 8 macrocategorie del
sistema considerato per il periodo in cui si dispone delle osservazioni storiche, in particolare sono stati
considerati gli anni dal 2001 al 2006, in considerazione del grado di precisione e dell’omogeneità dei
dati.
La Tabella 7.25 riporta i quantitativi di rifiuti lordi prodotti nel periodo storico considerato,
ripartiti in base al sistema a 8 macrocategorie.
Sistema a 8 macrocategorie Classi ri-accorpate Indice di ripartizionecarta e cellulosici 1,00
scarti 0,10ingombranti 0,30
legno 1,00scarti 0,10
ingombranti 0,20plastica 1,00
beni durevoli 0,20componenti elettronici 0,30accumulatori al piombo 0,05
scarti 0,10ingombranti 0,35vetro e inerti 1,00beni durevoli 0,15
componenti elettronici 0,70scarti 0,10metalli 1,00
beni durevoli 0,65accumulatori al piombo 0,80
scarti 0,10ingombranti 0,15
ORGANICO organico e verde 1,00SOTTOVAGLIO spazzamento strade 1,00
altro 1,00accumulatori al piombo 0,15
scarti 0,50rup (tranne acc. piombo) 1,00
ALTRO
CARTA
LEGNO
PLASTICA
VETRO INERTI
METALLI
Analisi previsionale della produzione dei rifiuti urbani 153
2001 2002 2003 2004 2005 2006
CARTA 36645.84 39222.42 34487.95 39638.04 37392.98 36555.68
LEGNO 5793.25 6069.28 5848.90 6329.10 6590.97 7178.50
PLASTICA 19776.55 19047.51 22437.24 21714.99 21950.01 21222.66
VETRO INERTI 15117.56 14954.66 16560.29 14747.04 17052.61 17292.83
METALLI 8100.76 7024.71 7788.93 7863.68 7453.25 8165.05
ORGANICO 44160.92 45949.04 41047.59 42710.96 41245.24 46291.98
SOTTOVAGLIO 9144.78 6629.54 5926.01 7074.95 7400.58 8138.96
ALTRO 9402.47 13757.26 13503.83 11345.10 12206.12 12325.54
Tabella 7.25 Produzione lorda totale di rifiuti ripartita nel sistema a 8 macrocategorie per gli
anni dal 2001 al 2006 in [t/a]
7.2.2 Stima della composizione dei rifiuti urbani p rodotti nel periodo 2007 –
2015
Il presente paragrafo descrive la composizione attesa dei rifiuti urbani prodotti in Provincia di
Lecco, con riferimento alla classificazione ad 8 macrocategorie, ottenuta attraverso l’applicazione
della metodologia riportata nel Piano Regionale di Gestione dei Rifiuti.
Sulla base di questi valori si applicherà il disaccorpamento delle macrocategorie sopra
definite, al fine di ricondursi alla classificazione a 20 categorie ed infine alle tipologie di raccolta cui
fanno riferimento i dati osservati. In tal modo sarà possibile effettuare dei confronti con le osservazioni
storiche riferite agli anni precedenti.
Con riferimento alla metodologia introdotta dal PRGR, si assume che le caratteristiche attese
del rifiuto globalmente prodotto abbiano una evoluzione tale da mantenere costante il rapporto tra le
frazioni merceologiche. Ad esempio, considerando le variazioni osservate, per l’anno utilizzato come
riferimento, relative a metalli (ψmetalli) e legno (ψlegno) pari rispettivamente al 5,4% e al 4,8%, avremo
che il loro rapporto nell’Equazione 7.3 si manterrà costante anche nelle proiezioni del periodo futuro.
89,0%4,5
%8,4 ==ψψ
metalli
legno Equazione 7.3
Le variazioni annue ψi, dove il pedice i indica la generica categoria merceologica, mutano di
anno in anno, essendo comunque vincolate al rispetto della produzione lorda globale stimata in
precedenza. All’interno di questa variabilità, viene comunque mantenuto un rapporto di proporzionalità
con un set di coefficienti di riferimento, che è stato mutuato dal set introdotto dalla Regione Lombardia
nel PRGR, contestualizzandolo alla realtà della Provincia di Lecco.
L’Equazione 7.4 descrive la relazione tra il generico ψi e il rispettivo coefficiente di riferimento,
mentre la Tabella 7.26 riporta il set di coefficienti di riferimento per la classificazione a 8
macrocategorie.
iiΨ⋅= χψ Equazione 7.4
Capitolo 7 154
Nell’equazione precedente χ rappresenta un coefficiente che varia di anno in anno e
garantisce il rispetto del vincolo sulla quantità totale di rifiuto prodotto.
Tabella 7.26 Coefficienti di riferimento relativi alle 8 macrocategorie del rifiuto urbano totale,
utilizzati per stimarne l’evoluzione
Categorie Ψ
Carta e cellulosici 0,73
Legno 0,60
Plastica 0,86
Vetro e inerti 0,30
Metalli 0,68
Organico e verde 1,00
Sottovaglio 0,73
Altro 0,35
L’Equazione 7.5 sotto riportata relaziona la produzione annua, riferita alla generica categoria i,
con la produzione dell’anno precedente attraverso i coefficienti χ e Ψ rispettivamente relativi all’anno
di riferimento j+1 ed alla categoria i.
( )ijji
jtot PP Ψ+⋅= ++ 11 1 χ Equazione 7.5
Dall’Equazione 7.5 deriva la relazione globale, che lega la produzione totale di rifiuti urbani, da
un anno all’altro, con le quantità ascrivibili alle singole macrocategorie della classificazione adottata,
espressa dall’Equazione 7.6.
∑ Ψ⋅∑∑=
+
==
++ ⋅+==8
1
18
1
8
1
11
i i
j
i
ji
i
ji
jtot PPPP j
iχ Equazione 7.6
Nell’Equazione 7.6 con l’apice j viene indicato il generico anno cui si riferiscono le grandezze,
mentre con P ji si individua la produzione riferita alla generica categoria merceologica i per l’anno di
riferimento.
L’applicazione dell’algoritmo sopra descritto ai dati storici consente di ottenere la suddivisione
della produzione lorda totale precedentemente stimata nelle tipologie previste dal sistema a 8
macrocategorie. La Tabella 7.27 riporta i dati in tal modo calcolati, utilizzando come riferimento l’ultima
osservazione disponibile, ovvero quella relativa al 2006.
Analisi previsionale della produzione dei rifiuti urbani 155
Tabella 7.27 Produzione lorda stimata relativa al periodo 2007 – 2015, calcolata con
l’algoritmo sopra descritto, ripartita nelle varie tipologie del sistema ad 8 macrocategorie
Per relazionare il trend atteso della composizione del rifiuto urbano prodotto con le
osservazioni storiche a disposizione e analizzarne le implicazioni, anche alla luce del contesto
impiantistico, occorre riportare i dati al sistema di classificazione a 20 categorie, ed effettuare infine il
passaggio da queste al sistema attraverso cui avviene l’acquisizione dei dati, ovvero le tipologie di
raccolta.
Il passaggio preliminare consiste nel ripartire le quantità riferite alle 8 macro-categorie nei
diversi contributi che fanno riferimento alla classificazione a 20 categorie. Per sviluppare questa fase è
necessario fare delle ipotesi in merito alla quota di ripartizione per ciascuna voce, ossia definire
l’incidenza delle singole voci all’interno di ciascuna macro-categoria. La metodologia utilizzata è stata
quella di riferirsi ai dati storici più rappresentativi, ovvero relativi agli anni 2002 – 2006, e determinare
l’incidenza delle singole voci attraverso la valutazione del trend da questi desumibile.
In particolare è stato ricavato, per ogni singola quota, il tasso di variazione medio annuo ti∆Τ ,
riportato nell’Equazione 7.7, calcolato sul periodo quinquennale 2002 – 2006 che, applicato agli indici
di ripartizione riferiti all’ultima osservazione storica, ha consentito la stima del trend evolutivo sino al
2015.
Capitolo 7 156
La Tabella 7.28 riporta, a titolo esemplificativo, il quadro di ripartizione relativo alla macro-
categoria Metalli. Successivamente le voci così quantificate vengono riaccorpate attraverso le
indicazioni della Tabella 7.23, che fornisce i flussi attesi in base alla modalità di raccolta.
Tabella 7.28 Quadro di ripartizione della macro-categoria Metalli nelle singole voci che lo
compongono
categoria voci incidenza
Sacco nero 0.264
Sacco viola banda stagnata 0.086
Sacco viola alluminio 0.018
RD netta 0.315
altra RD alluminio 0.003
altra RD altri metalli 0.001
beni durevoli 0.067
accumulatori pb 0.015
da Sacco Viola 0.042 Scarti (10%)
da RD 0.020
Ingombranti (15%) 0.169
METALLI
TOT metalli 1.000
Il risultato degli accorpamenti origina i valori riportati nella Tabella 7.29: ogni tipologia
individua un flusso a sua volta distinto nelle classi che lo originano, sulla base delle quali è possibile,
in fase di analisi, valutare le implicazioni in merito al fabbisogno impiantistico ed alle azioni da
implementare in funzione degli obiettivi strategici.
Tabella 7.29 Produzione lorda annua stimata, sulla base dei dati del 2006, dei rifiuti urbani
relativa al periodo 2007 – 2015, suddivisa per tipologia di raccolta