پیش بینی کمیت پسماند شهری با استفاده از مدل های هوشمند و آنالیز عدم قطعیت آن ها

اولین قدم برای طراحی سیستم های مدیریت پسماند شهری، آگاهی کامل از کمیت پسماند تولیدی می باشد. پیش بینی کمیت تولید پسماند به دلیل تاثیر عوامل متنوع و خارج از کنترل، یکی از پیچیده ترین مسایل مهندسی می باشد. به همین خاطر، لزوم استفاده از مدل هایی که قابلیت مدل سازی پدیده های پیچیده را دارند، به خوبی روشن می باشد. هدف از این مطالعه، پیش بینی کمیت پسماند با استفاده از مدل های هوشمند، مقایسه عملکرد و آنالیز عدم قطعیت آن ها می باشد

در این مطالعه، شهر مشهد به عنوان مطالعه موردی انتخاب شد و از سری زمانی تولید پسماند در فاصله زمانی سال های 1380 تا 1390 برای پیش بینی هفتگی استفاده گردید. جهت مدل سازی از مدل های هوشمند شبکه عصبی، ماشین بردار پشتیبان، سیستم استنتاجی تطبیقی نروفازی و کا نزدیک ترین همسایه استفاده گردید. پس از بهینه سازی پارامترهای هر مدل، با استفاده از از شاخص های آماری، عملکرد مدل ها مورد مقایسه قرار گرفت. در نهایت، آنالیز عدم قطعیت نتایج مدل سازی با کمک روش مونت کارلو انجام گرفت.

نتایج نشان داد که ضریب اطمینان (2R) مدل های شبکه عصبی، سیستم استنتاجی تطبیقی نروفازی، ماشین بردار پشتیبان و کا نزدیک‍ترین همسایه به ترتیب 67/0، 69/0، 72/0 و 64/0 می باشد. آنالیز عدم قطعیت نیز نتایج این مقایسه را تایید نمود و نشان داد مدل ماشین بردار پشتیبان در بین سایر مدل ها، عدم قطعیت کم‍تری داشته و نسبت به داده های ورودی کم‍ترین حساسیت را دارد.

مدل های هوشمند از توانایی رضایت بخشی برای پیش بینی کمی پسماند برخوردارند و در بین مدل های هوشمند مورد مطالعه، مدل ماشین بردار پشتیبان بهترین نتایج را از خود نشان داد. همچنین، عدم قطعیت نتایج مدل ماشین بردار پشتیبان در بین سایر مدل ها، عدم قطعیت کم تری برخوردار بود.