پیش بینی کوتاه مدت زباله تولیدی شهر تهران به کمک شبکه عصبی پرسپترون چندلایه MLPNN و سیستم استنتاج فازی - عصبی تطبیقی ANFIS

برای برنامه ریزی صحیح به عنوان یکی از مهمترین وظایف مدیریت پیش بینی آنچه احتمالا درآینده به وقوع می پیوندد بسیار ضروری است همواره مواد زائد به عنوان یکی از الاینده های اصلی محیط زیست مورد توجه بوده و با توجه به افزایش رو به رشدجمعیت و تولید بیشتر زباله ها مدیریت مواد زائد از اهمیت خاصی برخوردار است دراین مقاله با استفاده از اطلاعات سری زمانی تولید زباله درشهر تهران به پیش بینی تولید زباله پرداخته می شود روشهای پیش بینی بررسی شده شبکه عصبی پرسپترون چند لایه MLPNN و سیستم استنتاج فازی عصبی تطبیقی ANFIS می باشد برای پیش بینی داده ها ابتدا به آنالیز پیش بینی پذیری داده ها پرداخته ایم که از روشهای عمده آزمون تحلیل تغییر حوزه تغییرات تحلیل R/S و آزمون نمای لیاپانوف استفاده شده است. این آزمون ها نشان دهنده پیش بینی پذیربودن داده ها درمدت زمان کوتاه و وجود نگاشت های غیرخطی و اشوب گونه در داده های تولید زباله هستند.