پیش بینی میزان تولید پسماند شهری با استفاده از روش سری زمانی (تکنیک arma) و مدل سازی پویایی سیستم (نرم افزار vensim)

Authors

اصغر ابراهیمی

a ebrahimi assistant professor, environmental science and technology research center, department of environmental health engineering, shahid sadoughi university of medical sciences, yazd, iranگروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تربت حیدریه محمدحسن احرام پوش

m.h ehrampoush professor, environmental science and technology research center, department of environmental health engineering, shahid sadoughi university of medical sciences, yazd, iranگروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد حسن هاشمی

h hashemi research center for health sciences, shiraz university of medical sciences, shiraz, iranدانشگاه علوم پزشکی شیراز محبوبه دهواری

m dehvari msc expert, environmental science and technology research center department of environmental health engineering, shahid sadoughi university of medical sciences, yazd, iranگروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد

abstract

زمینه و هدف: پیش­ بینی میزان تولید پسماند نقش مهمی در مدیریت مواد زاید دارد. مطالعه حاضر با هدف پیش بینی میزان تولید پسماند عادی شهر اصفهان با استفاده از دو روش سری زمانی و مدل سازی پویایی سیستم انجام شده است. روش بررسی: در ابتدا داده های قابل استناد مربوط به میزان تولید پسماند از سال 1375 تا 1390 از سازمان مدیریت پسماند و اطلاعات جمعیتی از مرکز ملی آمار ایران اخذ گردید. سپس، عوامل مؤثر بر تولید پسماند شهری نظیر جمعیت، رشد شهرنشینی، شاخص تورم gdp و همچنین ارتباط بین آنها با استفاده از مدل gee  مشخص شد. در نهایت میزان تولید پسماند شهر اصفهان با استفاده از روش پویایی سیستم توسط نرم افزار vensim و روش سری زمانی با تکنیک  arma پیش ­بینی گردید. یافته­ ها: نتایج حاصله نشان می ­دهد که جمعیت و شاخص تورم بر میزان تولید پسماند با p value به ترتیب برابر با 0/026 و 0 با میزان تولید پسماند رابطه معناداری دارند. میانگین سالیانه میزان تولید پسماند در سال 1400 در روش سری زمانی و پویایی سیستم به ترتیب به  1501/4ton/day و  1436ton/day  خواهد رسید. همچنین نرخ رشد سالیانه تولید پسماند 3/44 % بدست آمد. نتیجه ­گیری: جمعیت و شاخص تورم بر تولید پسماند اثر معناداری دارند و تولید پسماند در آینده روند افزایشی خواهد داشت. این افزایش در مناطق مختلف و با روش­های متفاوت پیش­ بینی یکسان نخواهد بود. روش سری زمانی با تکنیک arma پیش­ بینی دقیق تری نسبت به سایر روش ­ها انجام می­ دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی میزان تولید پسماند شهری با استفاده از روش سری زمانی (تکنیک ARMA) و مدل سازی پویایی سیستم (نرم افزار Vensim)

Background and Objective: Predicting municipal solid waste generation has an important role in solid waste management. The aim of this study was to predict municipal solid waste generation in Isfahan through time series method and system dynamics modeling. Materials and Methods: Verified data of solid waste generation was collected from Waste Management Organization and population informatio...

full text

کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل ARMA برای پیش بینی سری زمانی

برای پیش‏بینی سری ‏زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل ARMA سری ‏زمانی، چالشی است که علاوه بر روش‏های متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل ARMA و قواعد کشفی برای تعیین ابعاد مدل ارائه می‏شود. قواعد کشفی بر‌اساس ویژگی‏های سری ‏زمانی استخراج می‏شوند. داده...

full text

پیش بینی شاخص بازار بورس تهران با استفاده از مدل سری زمانی فازی مرتبه بالا و الگوریتم شبیه سازی تبرید

During the recent years extensive researchs have been done on fuzzy time series. Since length of intervals affect the forecasting results in these models, doing research in this area became an interesting topic for time series researchers, there are some studies on this issue but their results are not good enough. In this study, we propose a novel simulated annealing heuristic algorithm is use...

full text

کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل arma برای پیش بینی سری زمانی

برای پیش‏بینی سری ‏زمانی ابتدا باید مدل مناسبی از آن ساخته شود. تعیین ابعاد و تخمین پارامترهای مناسب برای مدل arma سری ‏زمانی، چالشی است که علاوه بر روش‏های متداول آماری، از طریق محاسبات هوشمند نیز به آن توجه شده است. در این مقاله استفاده از الگوریتم ژنتیک برای تخمین پارامترهای مدل arma و قواعد کشفی برای تعیین ابعاد مدل ارائه می‏شود. قواعد کشفی بر اساس ویژگی‏های سری ‏زمانی استخراج می‏شوند. داده...

full text

مدل کردن عملکرد سدها با رویکرد پویایی سیستم ها با استفاده از نرم افزار vensim (مطالعه موردی : سد مخزنی صفا)

محدودیت منابع آب تجدید شونده درسطح کشور وتقاضای روزافزون برای مصرف آب دربخش های مختلف، براهمیت و حساسیت مدیریت منابع آب افزوده است. از طرف دیگر اعمال مدیریت صحیح آب می تواند مشکلات ناشی از کمبود منابع آب را تعدیل بخشد. بنابراین تدوین یک نظام منسجم تخصیص آب جهت ایجاد تعادل منطقی بین عرضه وتقاضای آب ضروری به نظر می رسید. باتوجه به پیچیدگی سیستم های منابع آب وارتباط مولفه های مختلف آن بایکدیگر،روش...

15 صفحه اول

بررسی عوامل مؤثر بر تولید پسماند بیمارستان امام خمینی (ره) کرج و تحلیل پیش بینی روند تولید آن با استفاده از مدل سری زمانی arima

زمینه و هدف: به دلیل وجود عوامل خطرساز و بیماری زا در پسماندهای بیمارستانی، این پسماندها نیاز به مدیریت دقیق و ویژه دارند. لذا هدف از این تحقیق، بررسی کمی و کیفی و هم چنین پیش بینی روند تولید پسماند بیمارستان امام خمینی(ره) کرج در آینده است. روش بررسی: با نمونه برداری ماهانه از پسماندهای عادی، عفونی، دارویی و نوک تیز و برنده بیمارستان طی چهار سال (1389 الی 1392)، میزان کل پسماند و درصد انواع پس...

full text

My Resources

Save resource for easier access later


Journal title:
سلامت و محیط زیست

جلد ۹، شماره ۱، صفحات ۵۷-۶۸

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023