پیش بینی نرخ تولید پسماند شهر تبریز با استفاده از روش های هوش مصنوعی (ANN و SVM) و پیش پردازش موجکی برای افق بلندمدت
باتوجه به نقش موثر الگوهای فصلی در تولید پسماند از روش هوش مصنوعی برای مدلسازی تولید پسماند شهر تبریز استفاده شد. ازآنجایی که استفاده از یک روش پیش پردازش که توانایی استخراج این الگوها را داشته باشد، موجب بهبود نتایج مدلسازی می شود، از تبدیل موجک که توانایی آنالیز چند مقیاسی سری های زمانی را دارد، در این مطالعه استفاده گردید. بدین ترتیب، داده های آماری مربوط به جمعیت، درآمد- هزینه خانوار، دما به عنوان پارامتر هواشناسی و داده های مربوط به میزان تولید پسماند برای مدل سازی مورداستفاده قرار گرفت. در مطالعه حاضر برای پیش بینی میزان پسماند تولیدی در شهر تبریز از مدل های ANN (Artificial Neural Network) و LSSVM (Least Squares Support Vectore Machine) با روش پیش پردازش موجکی داده ها و رویکرد تغییر اقلیم استفاده شده است. نتایج به دست آمده حاکی از برتری مطلق نتایج موجک- هوش مصنوعی در مقایسه با ANN و LSSVM تنها و نیز روش رگرسیون خطی چندمتغیره میباشد. از بین دو مدل مبتنی بر هوش مصنوعی ANN عملکرد بهتری نسبت به LSSVM از خود نشان داد. بنابراین مدل WT-ANN به عنوان مدل برتر انتخاب گردید. دلیل عملکرد ضعیف روش رگرسیون خطی چند متغیره، وجود روابط غیرخطی و پیچیده بین ورودیها و هدف بود که MLR توان مدلسازی مناسب آن را نداشت. از سوی دیگر استفاده از موجک با قدرت تفکیک فصلی داده ها منجر به اختصاص ضریب وزنی بالا برای فصلهایی با تولید پسماند بیشتر گردید که درنهایت حداکثر پسماند تولیدی در سال در ماه های مرداد و اسفند و حداقل تولید در بهمن و فروردین گزارش شد.
پرداخت حق اشتراک به معنای پذیرش "شرایط خدمات" پایگاه مگیران از سوی شماست.
اگر عضو مگیران هستید:
اگر مقاله ای از شما در مگیران نمایه شده، برای استفاده از اعتبار اهدایی سامانه نویسندگان با ایمیل منتشرشده ثبت نام کنید. ثبت نام
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.