مدل سازی عدم قطعیت فرآیند مکان یابی دفع پسماند مبتنی بر تیوری دمپستر-شافر ( مطالعه موردی: شهر مریوان)
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 551
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME04_735
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
فرایند تصمیم گیری مکان یابی دفع پسماند موضوعی پیچیده و چندجانبه است. استانداردهای محلی، ملی و بین المللیمختلف و متفاوتی برایپیداکردناین مکان مناسبوجود دارد که هرکدام جنبه ها (اقتصادی، زیست محیطی، اجتماعی، سیاسی و ...) و معیارهای خاصی را بررسی می کنند.نبود یک استاندارد جامع، کامل و واحدبه منظور پیدا کردن محل مناسب دفع پسماند باعث شده کارشناسان مربوطه (خبره ها) با توجه به تخصص خود در مورد تعیین محل مناسب نظر دهد. ازآنجاکه نمی توان انتظار داشت هر خبره در چنین مساله ای دانش کافی از تمام جنبه های موضوع داشته باشد پس نظرات آن ها با عدم قطعیت مواجه است.در این پژوهش هدف مدل سازی عدم قطعیت فرایند مکان یابی دفن پسماند شهر مریوان با استفاده از تیوری دمپستر-شافر (DST)می باشد. نوآوری این پژوهش کاهش عدم قطعیت ترکیب استانداردها براساسنظرخبره هابااستفاده از DSTمی باشد.استانداردهای سازمان محیط زیست ایران (EPAI)، سازمان مدیریت و بودجه ایران (MPOI) و سازمان کنترل آلودگی میونستا (MPCA) مورداستفادهقرارگرفته اند. برای ترکیب کردن این استاندادها از 40 کارشناس مربوطه برای اهمیت استانداردها نظرخواهی شده که درنهایت برای تصمیم گیری، با کاهش عدم قطعیتمحل مناسب تعیین می شود. نتیجه کار با روش ترکیب میانگین حسابی مقایسهشد تا بتوان اثرات عدم قطعیت را در وزن دهی عوامل مختلف بررسی کرد. نتایج حاکی از آن است وزن استانداردی که در پرسش گری از نرمال بودن پیروی نکند عدم قطعیت زیادی را وارد محاسبات می کند که DSTتاثیر آن را به صورت چشم گیری کاهش می دهد.
نویسندگان
کیوان باقری
دانشجوی دکتری GIS & RS، دانشکده جغرافیا، دانشگاه تهران
نجمه سامانی
استادیار گروه GIS & RS، دانشکده جغرافیا، دانشگاه تهران
علی درویشی
دانشیار گروه GIS & RS، دانشکده جغرافیا، دانشگاه تهران
سیروس هاشمی
دانشجوی دکتری GIS & RS، دانشکده جغرافیا، دانشگاه تهران
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 :