پیش بینی پسماند تولیدی شهر تهران با استفاده از سامانه استنتاج تطبیقی فازی-عصبی و شبکههای عصبی مصنوعی
نویسندگان
چکیده مقاله:
پیش بینی کمیت تولید، نقش به سزایی در بهینه سازی و برنامه ریزی سامانه مدیریت پسماندهای جامد شهری دارد، اما به علت دینامیک بودن سامانه های مدیریت پسماند، پیچیدگی روابط بین متغیر ورودی و خروجی، در دسترس نبودن و یا ناکافی بودن اطلاعات و همچنین تاثیر عوامل متغیر و غیرقابل کنترل همواره کار مشکلی بوده است. امروزه استفاده از سامانه های هوشمند به عنوان راهکاری نوین در تحلیل مسائل زیست محیطی، گسترش یافته است. در این پژوهش توانایی دو مدل هوشمند شبکه عصبی با تابع آموزش لونبرگ مارکوارت و همچنین سامانه استنتاج تطبیقی فازی-عصبی برای تخمین میزان تولید پسماندهای ماهانه شهر تهران مقایسه گردید. برای این منظور از داده های مربوط به جمعیت، الگوهای فصلی، کل بارندگی ماهانه، میانگین دمای ماهانه، ارتفاع از سطح دریا، میانگین رطوبت ماهانه و کل پسماند تولیدی (TSW) این شهر در فاصله زمانی 1389 تا 1394 که به صورت ماهانه مرتب شده بودند، استفاده شد. بعد از آموزش و آزمون مدلهای شبکه عصبی و سامانه استنتاج تطبیقی فازی-عصبی نتایج این مدلها مورد مقایسه قرار گرفت. نتایج به دست آمده از این پژوهش نشان داد که مدل فازی-عصبی با ضریب تعیین 963/0، جذر میانگین مربعات خطا 096/0و درصد میانگین مطلق خطا 05/1 نسبت به مدل شبکه عصبی با ضریب تعیین 852/0، جذر میانگین مربعات خطا 132/0و درصد میانگین مطلق خطا 19/1 دارای عملکرد بهتری میباشد. همچنین نتایج بررسی دو مدل نشان داد که در هر دو مدل با دادههای ورودی الگوهای فصلی، کل بارندگی ماهانه، میانگین دمای ماهانه، میانگین رطوبت ماهانه و کل پسماند تولیدی (TSW) میتوان به پیشبینی دقیقتری دست یافت.
منابع مشابه
پیش بینی جریان رودخانه با استفاده از سامانه استنتاج فازی(FIS) وسامانه استنتاج فازی- عصبی تطبیقی(ANFIS)
این مقاله فاقد چکیده میباشد.
متن کاملپیش بینی و اطمینان از کیفیت روغن زیتون بکر با استفاده از سامانه استنتاج فازی– عصبی تطبیقی
تخمین پارامترهای کیفی روغن زیتون دارای اهمیت ویژه‌ای در روش‌های کنترل کیفیت مدرن است یکی از مهم‌ترین مشکلات در هنگام پیش بینی کیفیت روغن در طی نگهداری، پیچیدگی ویژگی‌های فیزیکو شیمیایی ماده اولیه و اختلاف داده ها به علل مختلف است. مدل‌سازی پایداری اکسایشی روغن زیتون با استفاده از سامانه استنتاج فازی– عصبی تطبیقی می‌تواند به بهبود فرآیند کنترل کیفیت این محصول کمک کند. ثبات اکسایشی یکی از پارامتر...
متن کاملپیش بینی و اطمینان از کیفیت روغن زیتون بکر با استفاده از سامانه استنتاج فازی– عصبی تطبیقی
تخمین پارامترهای کیفی روغن زیتون دارای اهمیت ویژه ای در روش های کنترل کیفیت مدرن است یکی از مهم ترین مشکلات در هنگام پیش بینی کیفیت روغن در طی نگهداری، پیچیدگی ویژگی های فیزیکو شیمیایی ماده اولیه و اختلاف داده ها به علل مختلف است. مدل سازی پایداری اکسایشی روغن زیتون با استفاده از سامانه استنتاج فازی– عصبی تطبیقی می تواند به بهبود فرآیند کنترل کیفیت این محصول کمک کند. ثبات اکسایشی یکی از پارامتر...
متن کاملپیش بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی
مدلهای مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینیهای کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدل‌سازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدلهای مفهومی برای پیش بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می شود. سیستم استنتاج فازی برای پیش بینی بارش فصلی به صور...
متن کاملپیشبینی خواص مکانیکی نانوکامپوزیت‌های پلی‌اتیلن سبک - نشاسته گرمانرم با استفاده از سامانه استنتاج فازی- عصبی تطبیقی
رفتار مکانیکی نانوکامپوزیت های پلی اتیلن سبک نشاسته گرمانرم با استفاده از سامانه استنتاج فازی عصبی تطبیقی بررسی شده است. بدین منظور، کامپوزیت های پلی اتیلن سبک نشاسته گرمانرم حاوی مقادیر مختلف )صفر تا 3 درصد وزنی( نانوخاک رس ) Cloisite 15A ( با استفاده از فرایند اکستروژن تهیه شد. در عمل، انجام آزمون های مختلف برای تشخیص ارتباط میان پارامترهای فرایندی اکستروژن و خواص مکانیکی نانوکامپوزیت ها ب...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 47 شماره 1
صفحات 175- 183
تاریخ انتشار 2016-04-20
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023