بررسی عملکرد سیستم استنتاج فازی_عصبی تطبیقی در پیش بینی تولید پسماند خانگی شهر تبریز

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 325

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJHE-15-4_012

تاریخ نمایه سازی: 16 فروردین 1402

چکیده مقاله:

زمینه و هدف: از مشکلات مهم زیست محیطی، تولید انبوه پسماندهای شهری است که با رشد روزافزون جمعیت، سرانه تولید پسماند خانگی افزایش یافته است؛ ازاین رو امروزه استفاده از سامانه های هوشمند به عنوان راهکاری نوین در تحلیل مسائل محیط زیستی گسترش یافته است. تخمین پسماند خانگی از طریق مدلسازی، از جمله استفاده از شبکه فازی- عصبی، موجب مدیریت بهتر آن می ­شود. بنابراین تحقیق حاضر با هدف بررسی عوامل اجتماعی-اقتصادی بر روی تولید پسماند خانگی با استفاده از سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) ارائه یک روش مناسب و قابل اطمینان برای مدلسازی تولید پسماند خانگی در شهر تبریز انجام گرفت. روش بررسی: در این پژوهش با بهره ­گیری از سیستم استنتاج فازی-عصبی تطبیقی (AFNIS) با روش خوشه ­بندی فازی (FCM) اقدام به پیش­ بینی تولید پسماند خانگی شهر تبریز شده است. با توجه به ماهیت موضوع و شاخص ­های مورد بررسی، اطلاعات گردآوری شده در این پژوهش توصیفی بوده و با استفاده از فرم جمع آوری داده از دانش­آموزان مدارس شهر تبریز جمع آوری گردید. همچنین عوامل اقتصادی-اجتماعی با استفاده از نرم افزار SPSS نسخه ۲۶ مورد آنالیز آماری قرار گرفت و پارامترهای موثر بر تولید پسماند خانگی شهر تبریز برای مدلسازی در نرم افزار متلب مورد استفاده قرار گرفت. یافته ها: نتایج مطالعه نشان داد که سیستم استنتاج فازی-عصبی تطبیقی با روش خوشه­ بندی فازی دارای عملکرد قابل قبولی   R (۰/۷۵)، برای تولید پسماند خانگی شهر تبریز است. نتیجه گیری: طبق نتایج بدست آمده براساس شاخص آماری، مدل پیش ­بینی شده در تولید پسماند خانگی در روش خوشه بندی فازی با بیشترین R (۰/۷۵) و کمترین خطا، مدل عملکرد قابل قبولی در پیش ­بینی تولید پسماند خشک خانگی منطقه مطالعه شده را دارد.

کلیدواژه ها:

Adaptive neuro-fuzzy inference system ، Household waste production ، Fuzzy C-Means ، سیستم استنتاج فازی-عصبی تطبیقی ، تولید پسماند خانگی ، خوشه بندی فازی

نویسندگان

سمیرا باقری

Department of Environmental Science, School of Natural Resources and Desert Studies, Yazd University, Yazd, Iran

فرهاد نژادکورکی

Department of Environmental Science, School of Natural Resources and Desert Studies, Yazd University, Yazd, Iran

سیدعلیرضا افشانی

Department of Cooperation and Social Welfare, Faculty of Social Sciences, Yazd University, Yazd, Iran

وحید موسوی

Department of Watershed Engineering, Faculty of Natural Resources and Marine Sciences, Tarbiat Modarres University, Noor, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Minelgaitė, A. and G. Liobikienė, Waste problem in European Union ...
  • Stoeva, K. and S. Alriksson, Influence of recycling programmes on ...
  • Ansari, M., T. Dehdari, and M. Farzadkia, Design and psychometry ...
  • okkacha, Y., Y. Abderrahmane, and B. Hassiba, Municipal Waste Management ...
  • Karpušenkaitė, A., T. Ruzgas, and G. Denafas, Time-series-based hybrid mathematical ...
  • Tavanayi, H., M.H. Behzadi, and M.R. Khani, Offering Conceptual model ...
  • Younes, M.K., et al., Solid waste forecasting using modified ANFIS ...
  • Moshfeghifar S, Ezatpanah B, Mousavi M. Evaluation of urban services ...
  • Soroush, E., et al., ANFIS modeling for prediction of CO۲ ...
  • Baghanam AH, Nourani V, Shakoori K. Long-Term Solid Waste Quantity ...
  • Minelgaitė, A. and G. Liobikienė, Waste problem in European Union ...
  • Stoeva, K. and S. Alriksson, Influence of recycling programmes on ...
  • Ansari, M., T. Dehdari, and M. Farzadkia, Design and psychometry ...
  • okkacha, Y., Y. Abderrahmane, and B. Hassiba, Municipal Waste Management ...
  • Karpušenkaitė, A., T. Ruzgas, and G. Denafas, Time-series-based hybrid mathematical ...
  • Tavanayi, H., M.H. Behzadi, and M.R. Khani, Offering Conceptual model ...
  • Younes, M.K., et al., Solid waste forecasting using modified ANFIS ...
  • Moshfeghifar S, Ezatpanah B, Mousavi M. Evaluation of urban services ...
  • Soroush, E., et al., ANFIS modeling for prediction of CO۲ ...
  • Baghanam AH, Nourani V, Shakoori K. Long-Term Solid Waste Quantity ...
  • نمایش کامل مراجع