پیش بینی کمیت پسماند شهری با استفاده از مدل‌های هوشمند و آنالیز عدم قطعیت آن ها

Abstract

<strong>زمینه و هدف:</strong> اولین قدم برای طراحی سیستم‌های مدیریت پسماند شهری، آگاهی کامل از کمیت پسماند تولیدی می­باشد. پیش‌بینی کمیت تولید پسماند به دلیل تاثیر عوامل متنوع و خارج از کنترل، یکی از پیچیده‌ترین مسایل مهندسی می‌باشد. به همین خاطر، لزوم استفاده از مدل‌هایی که قابلیت مدل‌سازی پدیده‌های پیچیده را دارند، به­خوبی روشن می‌باشد. هدف از این مطالعه، پیش­بینی کمیت پسماند با استفاده از مدل­های هوشمند، مقایسه عملکرد و آنالیز عدم قطعیت آن­ها می­باشد <strong>روش بررسی:</strong> در این مطالعه، شهر مشهد به عنوان مطالعه موردی انتخاب شد و از سری زمانی تولید پسماند در فاصله زمانی سال‌های 1380 تا 1390 برای پیش‌بینی هفتگی استفاده گردید. جهت مدل­سازی از مدل­های هوشمند شبکه عصبی، ماشین بردار پشتیبان، سیستم استنتاجی تطبیقی نروفازی و کا نزدیک­ترین همسایه استفاده گردید. پس از بهینه­سازی پارامترهای هر مدل، با استفاده از از شاخص­های آماری، عملکرد مدل­ها مورد مقایسه قرار گرفت. در نهایت، آنالیز عدم قطعیت نتایج مدل­سازی با کمک روش مونت کارلو انجام گرفت. <strong>یافته­ها:</strong> نتایج نشان داد که ضریب اطمینان (²R) مدل‌های شبکه عصبی، سیستم استنتاجی تطبیقی نروفازی، ماشین بردار پشتیبان و کا نزدیک‍ترین همسایه به ترتیب 67/0، 69/0، 72/0 و 64/0 می باشد. آنالیز عدم قطعیت نیز نتایج این مقایسه را تایید نمود و نشان داد مدل ماشین بردار پشتیبان در بین سایر مدل‌ها، عدم قطعیت کم‍تری داشته و نسبت به داده‌های ورودی کم‍ترین حساسیت را دارد. <strong>بحث و نتیجه گیری:</strong> مدل‌های هوشمند از توانایی رضایت‌بخشی برای پیش­بینی کمی پسماند برخوردارند و در بین مدل‌های هوشمند مورد­­ مطالعه، مدل ماشین بردار پشتیبان بهترین نتایج را از خود نشان داد. همچنین، عدم قطعیت نتایج مدل ماشین بردار پشتیبان در بین سایر مدل‌ها، عدم قطعیت کم­تری برخوردار بود.