近年来,经济的发展带来生活水平的不断提高,消费结构不断升级,这就使得日常的生活垃圾日益增多,特别是一些超级城市,垃圾清运及填埋占地问题已成为污染城市卫生环境、影响市民生产生活的社会问题。在国家大力推行垃圾焚烧发电,按照垃圾清运量分类推进垃圾焚烧设备设施建设的大背景下,更要做好城市生活垃圾产生系统的研究和城市生活垃圾全过程管理,其管理不仅要及时高效,还要避免对生活环境的二次污染。对其定量基数,即城市生活垃圾清运量,要进行更为准确的预测,以便为垃圾总量的减控和城市环境卫生设施的规划布局提供参考。现有预测方法多采用增长率预测法和线性回归预测法,其模型多为静态,往往难以得到高精度的预测结果。本文引入了人工神经网络算法,BP神经网络算法拥有不错的非线性拟合能力,在处理非线性问题中得到了广泛的应用,能够有效解决各种问题。但神经网络在初始赋值时,其权重和阈值是系统随机赋予的,存在不确定性因素。所以本文利用人工蜂群算法,先对BP算法的权重和阈值进行优化,再进行模型构建。人工蜂群算法对蜂群的分工觅食行为进行了模拟,属于群智能算法。该算法通过对各种选择值进行优劣比较及个体的局部寻优,找出群体最优解。但人工蜂群算法在计算时有可能陷入局部最优,针对这一不足之处,本文提出了改进蜂群算法,结合BP算法形成改进人工蜂群算法优化的BP模型算法。在数据的获取和处理上,本文首先对影响城市生活垃圾清运量的因素进行了分类和具体分析,选择容易量化的因素作为因变量,对其进行灰色关联度分析,找出重要关联要素。将筛选出的要素代入到基于MATLAB软件的改进人工蜂群算法优化的BP算法模型。以合肥市为例,预测了2019年到2022年四年间的城市生活垃圾清运量,分别为168.50(万吨)、169.30(万吨)、170.25(万吨)、171.53(万吨)。通过对比发现,使用优化后模型进行拟合和预测的结果具有更高的精度和更小的误差。