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.