پیش بینی پسماند تولیدی شهر تهران با استفاده از سامانه استنتاج تطبیقی فازی-عصبی و شبکه های عصبی مصنوعی

پیش بینی کمیت تولید، نقش به سزایی در بهینه سازی و برنامه ریزی سامانه­ مدیریت پسماند­های جامد شهری دارد، اما به علت دینامیک بودن سامانه های مدیریت پسماند، پیچیدگی روابط بین متغیر ورودی و خروجی، در دسترس نبودن و یا ناکافی بودن اطلاعات و همچنین تاثیر عوامل متغیر و غیرقابل کنترل همواره کار مشکلی بوده است. امروزه استفاده از سامانه های هوشمند به عنوان راهکاری نوین در تحلیل مسائل زیست محیطی، گسترش یافته است. در این پژوهش توانایی دو مدل هوشمند شبکه عصبی با تابع آموزش لونبرگ مارکوارت و همچنین سامانه استنتاج تطبیقی فازی-عصبی برای تخمین میزان تولید پسماندهای ماهانه شهر تهران مقایسه گردید. برای این منظور از داده های مربوط به جمعیت، الگوهای فصلی، کل بارندگی ماهانه، میانگین دمای ماهانه، ارتفاع از سطح دریا، میانگین رطوبت ماهانه و کل پسماند تولیدی (TSW) این شهر در فاصله زمانی ۱۳۸۹ تا ۱۳۹۴ که به صورت ماهانه مرتب شده بودند، استفاده شد. بعد از آموزش و آزمون مدل­های شبکه عصبی و سامانه استنتاج تطبیقی فازی­-عصبی نتایج این مدل­ها مورد مقایسه قرار گرفت. نتایج به دست آمده از این پژوهش نشان داد که مدل فازی-عصبی با ضریب تعیین ۹۶۳/۰، جذر میانگین مربعات خطا ۰۹۶/۰و درصد میانگین مطلق خطا ۰۵/۱ نسبت به مدل شبکه عصبی با ضریب تعیین ۸۵۲/۰، جذر میانگین مربعات خطا ۱۳۲/۰و درصد میانگین مطلق خطا ۱۹/۱ دارای عملکرد بهتری می­باشد. همچنین نتایج بررسی دو مدل نشان داد که در هر دو مدل با داده­های ورودی الگوهای فصلی، کل بارندگی ماهانه، میانگین دمای ماهانه، میانگین رطوبت ماهانه و کل پسماند تولیدی (TSW) می­توان به پیش­بینی دقیق­تری دست یافت.

کلیدواژه ها:

waste ، municipal solid wastes ، intelligent systems ، ANFIS ، ANN