پیش بینی و مدیریت پسماندهای جامد شهری تهران با به کارگیری مدلهای هوش مصنوعی و شبکه های عصبی

مدیریت پسماند شهری به ویژه در کلان شهری مانند تهران با تولید روزانه حدود ۷۰۰۰ تن پسماند، یکی از پرهزینه ترین و پیچیده ترین وظایف مدیریت شهری است. این پژوهش با هدف ارائه الگویی هوشمند برای پیش بینی و مدیریت پسماند در تهران انجام شده است. روش اصلی به کارگرفته شده در این تحقیق تکنیک شبکه های عصبی مصنوعی (ANN) است. یافته ها نشان می دهد که شبکه های عصبی با یک لایه پنهان و استفاده از تابع تحریک تانژانت سیگموئید، کارایی بالاتری در پیش بینی تولید پسماند در نواحی مختلف تهران در مقایسه با روش های متداول دیگر مانند روش کوآنتومی دارند. همچنین به کارگیری الگوریتم بهینه سازی ارشمیدس (AOA) برای انتخاب بهترین ورودی ها به مدل های هوش مصنوعی، دقت پیش بینی را به طور قابل توجهی افزایش می دهد. نتایج این مطالعه می تواند مبنای علمی برای برنامه ریزی دقیق تر، بهینه سازی مسیرهای جمع آوری و در نهایت کاهش هزینه های مدیریت پسماند و کاهش آلودگی های زیست محیطی قرار گیرد.

کلیدواژه ها:

پسماند جامد شهری ، هوش مصنوعی ، شبکه های عصبی ، پیش بینی پسماند ، مدیریت پسماند هوشمند تهران