این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محیط شناسی، جلد ۳۵، شماره ۴۹، صفحات ۰-۰
عنوان فارسی پیش‌بینی‌ هفتگی زباله تولیدی با استفاده از مدل ترکیبی شبکه عصبی و تبدیل موجک
چکیده فارسی مقاله پیش‌بینی کمیت تولید، نقشی اساسی در بهینه‌سازی و برنامه‌ریزی سیستم مدیریت مواد زاید جامد شهری دارد. اما به دلیل طبیعت ناهمگون و تأثیر عوامل متنوع و خارج از کنترل بر تولید، همواره با مشکلات زیادی همراه بوده است. شبکه عصبی مصنوعی اخیراً در بسیاری از کاربردهای مهندسی نظیر مهندسی محیط زیست به عنوان ابزاری قدرتمند در مدلسازی مورد توجه قرار گرفته است. در این تحقیق با توجه به دینامیک و پیچیده بودن سیستم مدیریت مواد زاید جامد، از مدل ترکیبی شبکه عصبی مصنوعی با تابع آموزش لونبرگ-مارکویت و تبدیل موجک (مدل عصبی-موجکی) برای پیش‌بینی کمیت تولید هفتگی در شهر تهران استفاده شده است. برای این منظور از مجموعه زمانی تولید این شهر در فاصله زمانی سالهای 1380 تا سه ماهه نخست 1385 که به صورت هفتگی مرتب شده بودند، استفاده شد. بعد از آموزش و تست مدلهای شبکه عصبی و شبکه عصبی-موجکی نتایج این مدلها با یکدیگر مورد مقایسه قرار گرفت. نتایج به‌دست‌آمده از این تحقیق نشان می‌دهد که استفاده از تبدیل موجک در پیش‌پردازش متغیرهای ورودی، تأثیر مثبتی در پیش‌بینی میزان تولید هفتگی در این شهر ایجاد کرده، به‌طوری‌که موجب افزایش چشمگیری در دقت محاسبات مدل شده است. این بهبود در مورد ضریب همبستگی مدل‌ها (R2) در مرحله صحت‌سنجی، از 5/0 در مدل شبکه عصبی به 9/0 در مدل شبکه عصبی-موجکی است. همچنین معیار قدرمطلق میانگین خطای نسبی نیز در مدل شبکه عصبی از 99/5 درصد به 92/1 درصد در مدل شبکه عصبی-موجکی کاهش پیدا کرده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Solid waste generation forecasting by hybrid of artificial neural network and wavelet transform
چکیده انگلیسی مقاله Quantitative Prediction of municipal solid waste generation has an important role in the optimization and programming of municipal solid waste management system. But, this concept was companied with many problems, because of the non homogenous nature and the effect of various factors out of the control on solid waste generation. In this study, the combination of artificial neural network and wavelet transform (wavelet-neural network) is used to predict the weekly generation in Tehran, concerning complexity and dynamic municipal solid waste management system. In order to this forecasting, time series of generation of this city arranged weekly in the period of 1380 to first three months of 1385, are used. The results achieved in this research indicate the positive effect of preprocessing of input variables by the wavelet transform in prediction of weekly generation in this city so that it has led to noticeable increasing in the accuracy of model calculation. The correlation coefficient (R2) of models, in the stage of testing, has improved from 0.41 in the model of neural network to 0.91 in the model of wavelet-neural network.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله روح اله نوری |


محمد علی عبدلی | mohammad ali


اشکان فرخ نیا |


آلاله قایمی |


نشانی اینترنتی http://jes.ut.ac.ir/article_28320_b45648fa611188a212c485fdd4dba5f5.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1056/article-1056-207311.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات