【摘要】城市固体垃圾管理与城市发展的矛盾日益突出,固体垃圾量峰值的预测能力是检验城市垃圾管理水平的重要标志。传统预测方法大多利用平均值概念,不能有效地衡量数据动态变化和对峰值进行动态跟踪。基于此,提出一种改进的基于混合高斯分布的隐马尔科夫模型(GMMHMM),用以动态跟踪城市垃圾量峰值。以小样本的上海市近30年固体垃圾量和大样本的城市废水量为案例,分别采用状态转移推知预测期望值和通过后验概率搜索历史最相似时刻做预测,并利用bootstrapping重采样方法对结果进行区间修正以减少初始分布带来的不确定性。案例结果验证了所提出方法的有效性和实用性。