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

  • سال انتشار: 1391
  • محل انتشار: ششمین همایش ملی و اولین همایش بین المللی مدیریت پسماند
  • کد COI اختصاصی: NCWM06_206
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1166
دانلود فایل این مقاله

نویسندگان

نوید حیدری ارجلو

دانشگاه آزاد اسلامی واحد تهران جنوب

امید کامراد

سازمان تحقیقات و جهادخودکفایی ندسا تهران

پروانه حیدری ارجلو

دانشگاه علوم پزشکی تهران

چکیده

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.

کلیدواژه ها

زباله تولیدی - پیش بینی - پیش بینی پذیری - شبکه عصبی پرسپترون چند لایه - سیستم استنتاج فازی - عصبی تطبیقی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.