۲۳۹۳۰پ
per
پیش بینی تولید پسماند شهری به روش هوش مصنوعی برای شهر تبریز
Prediction of Municipal Solid Waste via Artificial Intelligence Methods for Tabriz city
/سامان دادخواهی پور
: عمران
، ۱۳۹۹
، میرزائی
۷۲ص
چاپی - الکترونیکی
کارشناسی ارشد
عمران گرایش محیط زیست
۱۳۹۹/۱۰/۰۱
تبریز
مدیریت پسماند جامد شهری یکی از دغدغه های جوامع برای حفظ سلامت انسان، محیط زیست و حفظ منابع طبیعی است .مدیریت پسماند شهری یک فرایند پیچیده است، که برای تدوین صحیح آن داشتن اطلاعات از کمیت پسماند تولیدی در حال و آینده یک جامعه ضروری است .طراحی و بهره برداری از یک سیستم مدیریت مؤثر نیاز به تخمین دقیق مقادیر تولید پسماند در آینده دارد .مدیریت پسماند جامد شهری با توجه به عوامل اقتصادی، سطح درآمد، منطقه جغرافیایی، جمعیت، آب و هوا متفاوت است و نیاز به استراتژی خاص خود دارد .پیش بینی دقیق مقادیر پسماند جامد شهری برای برنامه ریزی موفقیت آمیز سیستم مدیریت پسماند مهم است .در این تحقیق پسماند شهری به روش هوش مصنوعی با رویکرد تاثیرات آب و هوایی در تولید پسماند برای شهر تبریز پیش بینی می‌صشود تا برنامه‌صریزی‌صهای لازم توسط مدیران شهری انجام گیرد .ورودی داده‌صها شامل دما و رطوبت به همراه جمعیت و درآمد هزینه‌صی افراد و همچنین مقادیر خود پسماند با یک گام تاخیر زمانی است ۷۵ .درصد داده‌صها برای کالیبره نمودن و ۲۵ درصد داده‌صها برای صحت‌صسنجی استفاده شدند .آنگاه پسماند شهر تبریز توسط سه مدلسازی سیستم استنتاج عصبی فازی انطباقی(ANFIS) ، شبکه عصبی مصنوعی (ANN) و شبکه عصبی مصنوعی احساسی (EANN) پیش‌صبینی گردیدند .بر اساس DC صحت سنجی، مدلسازی ANN نسبت به ANFIS دارای ۲۳ درصد عملکرد بهتر بوده است .همچنین مدلسازی EANN نسبت به ANN دارای ۵ درصد عملکرد بهتر و نسبت به ANFIS دارای ۲۸ درصد عملکرد بهتر بوده است .دلیل عملکرد بهتر شبکه عصبی مصنوعی بعلت تعداد بالای لایه‌صهای مدل سیستم استنتاج عصبی فازی انطباقی و تعداد ورودی‌صهای بسیار بالا که با یک RMSE کوچک خطا در ابتدا، خطای غیرخطی نهایی بالا بدست می‌صآید، می‌صباشد .همچنین دلیل برتری شبکه عصبی مصنوعی احساسی را می‌صتوان بعلت افزوده شدن هورمون توجیه نمود
Municipal solid waste management is one of the concerns of communities to protect human health, environment and natural resources. Municipal waste management is a complex process, which requires accurate information on the current and future amount of waste generated in a community. Designing and operating an effective management system requires accurate estimation of waste generation amounts in the future. Municipal solid waste management varies according to cultural, economic, income level, geographical area, population, climate and requires its own strategy. Accurate forecasting of municipal solid waste amounts is important for successful waste management system planning. In this research, urban waste is predicted by artificial intelligence method with the approach of climate effects in waste production for the city of Tabriz so that the necessary planning can be done by city managers. Data entry includes temperature and humidity along with population and income-expenditure of individuals as well as the amount of self-waste with a time lag step. 75 of the data were used for calibration and 25 of the data were used for validation. Then the waste of Tabriz city was predicted by three models of adaptive neural-fuzzy inference system (ANFIS), artificial neural network (ANN) and emotional artificial neural network (EANN). According to DC validation, ANN modeling performed 23 better than ANFIS. Also, EANN modeling had 5 better performance than ANN and 28 better performance than ANFIS. The reason for the better performance of the artificial neural network is due to the high number of layers of the adaptive neural-fuzzy inference system model and the very high number of inputs obtained with a small initial error RMSE, the final high nonlinear error. Also, the reason for the superiority of the artificial artificial neural network can be explained by the addition of hormones
Prediction of Municipal Solid Waste via Artificial Intelligence Methods for Tabriz city
دادخواهی پور، سامان
Dadkhahipor, Saman
سیاه و سفید
نمایه‌سازی قبلی
