بررسی تاثیر معرفی سایت دفن زباله با الگوریتم های هوش مصنوعی سازگار با مسائل زیست محیطی و اجتماعی در شهر رشت

امروزه، تولید و دفع انواع پسماند یکی از مشکلات اصلی زیست محیطی جوامع انسانی است که نیازمند مدیریت صحیح است. احداث سایت دفن پسماند در مناطق شهری می تواند به دلیل تاثیرات مهم بر اکولوژی، بهداشت، منظر شهری، ترافیک و ارزش املاک، عامل اختلال باشد؛ بنابراین، احداث آن باید با مطالعات دقیق و جامع صورت گیرد تا از گسترش تهدیدهای زیست محیطی جلوگیری شود.هدف این پژوهش، مکان یابی سایت دفن پسماند در شهر رشت با استفاده از الگوریتم های هوش مصنوعی سازگار با ملاحظات زیست محیطی و اجتماعی و ارزیابی اثرات معرفی سایت تا افق ۲۰۵۰ است. روش تحقیق مبتنی بر تحلیل فضایی در GIS بود. جمعیت تا سال ۲۰۵۰ بیش از ۱٬۴۲۰٬۰۰۰ نفر برآورد شد و ۱۷ معیار فضایی شامل عمق آب زیرزمینی، جنگل، جاده، ارتفاع، فرسایش، شیرابه، رودخانه، شیب و محدوده شهر انتخاب گردید. این معیارها با شبکه ی عصبی چندلایه و ماشین بردار پشتیبان (SVM) تحلیل شده و ماتریس RIAM برای ارزیابی پیامدها و مدل مولا برای تخصیص زمین به کار رفتند.یافته ها نشان داد هوش مصنوعی MLP با دقت ۸۷/درصد، برتری قابل توجهی نسبت به روش های سنتی دارد. نتایج مکانیابی حاکی از آن است که تنها ۳% از مساحت، پتانسیل ۵۰–۷۵% و ۰.۰۱درصد(معادل ۲۲ هکتار)، پتانسیل ۷۵–۸۵% برای ایجاد سایت دفن را دارند. مکان های با ظرفیت بالا در کارخانه زربال و غرب جنگل لاکان واقع شده اند. بر اساس ماتریس RAIM، سایت لاکان بهترین گزینه است؛ درحالی که ادامه فعالیت سایت سراوان با امتیاز ۴۷۷-، بدترین سناریو محسوب می شود. نتیجه گیری این است که تهدیدهای اصلی شامل کیفیت هوا، آب سطحی و زیرزمینی و گردشگری است. استفاده از هوش مصنوعی، دقت مکان یابی را به طور چشمگیری افزایش می دهد. پیشنهاد می شود برنامه های مدیریتی شامل جداسازی، بازیافت و لایه گذاری برای کاهش تهدیدها و تضمین پایداری زیست محیطی و اجتماعی اجرا شود.

کلیدواژه ها:

Landfill ، RIAM Matrix ، Innovative Methods ، Consequence Assessment ، Rasht ، دفن زباله ، ماتریس RIAM ، روش های نوآورانه ، ارزیابی پیامدها ، رشت