1.一种电子固废回收全流程智能解析方法，其特征在于，包括：S1：获取待预测地区的电子固废产生量以及影响固废产生量的历史数据，对所述历史数据进行归一化处理，利用归一化处理后的历史数据构建多元灰色模型，利用智能学习算法对多元灰色模型的预测值进行误差补偿，获得待预测地区的电子固废产生量预测值；

S2：基于电子固废产生量预测值构建回收网点选址模型，利用智能算法对回收网点选址模型进行求解，获得回收网点位置分布，并根据所述回收网点位置分布构建分拣中心选址模型，利用智能算法对分拣中心选址模型进行求解，获得分拣中心位置分布；

S3：基于所述回收网点位置分布构建回收人员调度模型，基于所述回收网点位置分布和所述分拣中心位置分布构建回收车辆调度模型，基于所述分拣中心位置分布构建长期供货模型及短期调货模型，利用智能算法分别对回收人员调度模型、回收车辆调度模型、长期供货模型及短期调货模型进行求解，获得回收人员调度方案、回收车辆调度方案、长期供货方案及短期调货方案；

S4：对所述回收人员调度方案、回收车辆调度方案、长期供货方案及短期调货方案进行可视化处理。

2.根据权利要求1所述的电子固废回收全流程智能解析方法，其特征在于：利用归一化处理后的历史数据构建多元灰色模型，利用智能学习算法对多元灰色模型的预测值进行误差补偿，获得待预测地区的电子固废产生量预测值的方法包括：S11：利用归一化处理后的历史数据构建多元灰色模型如下：其中，τ表示延迟时间，r表示历史时序数，t表示时序数；t＝1,2,…r表示时序数，(0) (0)

为Xi 的一次累加结果， 为YG 的一次(0)

累加结果，YG 为多元灰色模型的输出预测序列；a和u均为模型参数,a表示控制系数，u表示灰色作用量；

S12：求解多元灰色模型的响应函数，所述响应函数的计算公式为：其中，rf表示待预测的时序数，S13：对所述响应函数中的卷积积分进行离散化处理，得到运算结果之后进行一阶累减，得到多元灰色模型的输出预测序列如下：(0) (1) (1)

YG (τ+t)＝YG (τ+t)‑YG (τ+t‑1)；

S14：计算多元灰色模型的输出预测序列与实际的电子固废产生量之间的预测误差如下：

(0) (0) (0)

σ ＝Y ‑YG

(0) (0) (0) (0)其中，YG ＝{YG (τ+1),YG (τ+2),…,YG (τ+r)}，(0) (0) (0) (0)σ ＝{σ (τ+1),σ (τ+2),…,σ (τ+r)}；

S15：利用智能学习方法对多元灰色模型的预测误差进行智能补偿，得到误差补偿序列；

S16：将误差补偿序列与多元灰色模型的输出预测序列相加，得到最终的电子固废产生量预测结果如下：

其中， 表示最终的电子固废产生量智能预测结果，

3.根据权利要求1所述的电子固废回收全流程智能解析方法，其特征在于：基于电子固废产生量预测值构建回收网点选址模型的方法包括：对所述电子固废产生量预测值进行归一化处理；

基于归一化处理后的电子固废产生量预测值确定固废产生集中点；

以最小化经济成本和最大化固废产生集中点覆盖率为目标构建回收网点选址模型。

4.根据权利要求1所述的电子固废回收全流程智能解析方法，其特征在于：根据所述回收网点位置分布构建分拣中心选址模型的方法包括：将回收网点和分拣中心作为上层，拆解企业作为下层，基于上下两层的相互联系和制约构建分拣中心选址模型。

5.根据权利要求1所述的电子固废回收全流程智能解析方法，其特征在于：基于所述回收网点位置分布构建回收人员调度模型的方法包括：将所述回收网点位置分布作为输入，回收人员调度方案作为输出构建回收人员调度模型。

6.根据权利要求1所述的电子固废回收全流程智能解析方法，其特征在于：基于所述回收网点位置分布和所述分拣中心位置分布构建回收车辆调度模型包括：对所述回收网点位置分布和所述分拣中心位置分布进行归一化处理；

将归一化处理后的回收网点位置分布和所述分拣中心位置分布作为输入，回收车辆调度方案作为输出构建回收车辆调度模型。

7.一种电子固废回收全流程智能解析系统，其特征在于，包括：数据获取模块，所述数据获取模块用于获取待预测地区的电子固废产生量以及影响固废产生量的历史数据，对所述历史数据进行归一化处理，利用归一化处理后的历史数据构建多元灰色模型，利用智能学习算法对多元灰色模型的预测值进行误差补偿，获得待预测地区的电子固废产生量预测值；

位置分布规划模块，所述位置分布规划模块用于基于电子固废产生量预测值构建回收网点选址模型，利用智能算法对回收网点选址模型进行求解，获得回收网点位置分布，并根据所述回收网点位置分布构建分拣中心选址模型，利用智能算法对分拣中心选址模型进行求解，获得分拣中心位置分布；

智能调度模块，所述智能调度模块用于基于所述回收网点位置分布构建回收人员调度模型，基于所述回收网点位置分布和所述分拣中心位置分布构建回收车辆调度模型，基于所述分拣中心位置分布构建长期供货模型及短期调货模型，利用智能算法分别对回收人员调度模型、回收车辆调度模型、长期供货模型及短期调货模型进行求解，获得回收人员调度方案、回收车辆调度方案、长期供货方案及短期调货方案；

可视化模块，所述可视化模块用于对所述回收人员调度方案、回收车辆调度方案、长期供货方案及短期调货方案进行可视化处理。

8.根据权利要求7所述的电子固废回收全流程智能解析系统，其特征在于：所述数据获取模块包括电子固废预测子模块，所述电子固废预测子模块用于利用归一化处理后的历史数据构建多元灰色模型，利用智能学习算法对多元灰色模型的预测值进行误差补偿，获得待预测地区的电子固废产生量预测值，包括：S11：利用归一化处理后的历史数据构建多元灰色模型如下：其中，τ表示延迟时间，r表示历史时序数，t表示时序数；t＝1,2,…r表示时序数，(0) (0)

为Xi 的一次累加结果， 为YG 的一次(0)

累加结果，YG 为多元灰色模型的输出预测序列；a和u均为模型参数,a表示控制系数，u表示灰色作用量；

S12：求解多元灰色模型的响应函数，所述响应函数的计算公式为：其中，rf表示待预测的时序数，S13：对所述响应函数中的卷积积分进行离散化处理，得到运算结果之后进行一阶累减，得到多元灰色模型的输出预测序列如下：(0) (1) (1)

YG (τ+t)＝YG (τ+t)‑YG (τ+t‑1)；

S14：计算多元灰色模型的输出预测序列与实际的电子固废产生量之间的预测误差如下：

(0) (0) (0)

σ ＝Y ‑YG

(0) (0) (0) (0)其中，YG ＝{YG (τ+1),YG (τ+2),…,YG (τ+r)}，(0) (0) (0) (0)σ ＝{σ (τ+1),σ (τ+2),…,σ (τ+r)}；

S15：利用智能学习方法对多元灰色模型的预测误差进行智能补偿，得到误差补偿序列；

S16：将误差补偿序列与多元灰色模型的输出预测序列相加，得到最终的电子固废产生量预测结果如下：

(0)

其中，YH 表示最终的电子固废产生量智能预测结果，

9.根据权利要求7所述的电子固废回收全流程智能解析系统，其特征在于：所述位置分布规划模块包括回收网点构建子模块，所述回收网点构建子模块用于基于电子固废产生量预测值构建回收网点选址模型，包括：对所述电子固废产生量预测值进行归一化处理；

基于归一化处理后的电子固废产生量预测值确定固废产生集中点；

以最小化经济成本和最大化固废产生集中点覆盖率为目标构建回收网点选址模型。

10.根据权利要求7所述的电子固废回收全流程智能解析系统，其特征在于：所述位置分布规划模块包括分拣中心构建子模块，所述分拣中心构建子模块用于根据所述回收网点位置分布构建分拣中心选址模型，包括：将回收网点和分拣中心作为上层，拆解企业作为下层，基于上下两层的相互联系和制约构建分拣中心选址模型。