تحلیل و بهینه سازی هزینه های عملیاتی خدمات شهری با الگوریتم های یادگیری ماشین (مطالعه ی موردی: شهر سده لنجان)

خدمات شهری (آب، برق، فاضلاب، پسماند) در شهرهای کوچک با ناکارایی های فراوان مواجه هستند. این پژوهش سیستمی برای تحلیل و بهینه سازی هزینه های عملیاتی خدمات شهری شهر سده لنجان توسعه می دهد. با استفاده از الگوریتم های Gradient Regression, Analysis Boosting و Clustering، هزینه های هر خدمت تفکیک شد و عوامل تاثیرگذار شناسایی شد. تجزیه و تحلیل داده های ۱۰ سال ۱۳۹۳ - ۱۴۰۲ نشان داد که ۳۵ درصد از هزینه های عملیاتی می تواند بهینه سازی شود. پیاده سازی توصیه های مدل می تواند برای شهرداری سالانه صرفه جویی ۲۵۰ میلیارد ریالی را به دنبال داشته باشد.

کلیدواژه ها:

بهینه سازی ، هزینه خدمات شهری ، یادگیری ماشین ، شهرهای کوچک ، کفایت منابع