پيش ‌بيني‌ هفتگي زباله توليدي با استفاده از مدل ترکيبي شبکه عصبي و تبديل موجک

پيش بيني كميت توليد، نقشي اساسي در بهينه سازي و برنامه ريزي سيستم مديريت مواد زايد جامد شهري دارد. اما به دليل طبيعت ناهمگون و تاثير عوامل متنوع و خارج از کنترل بر توليد، همواره با مشکلات زيادي همراه بوده است. شبکه عصبي مصنوعي اخيرا در بسياري از کاربرد هاي مهندسي نظير مهندسي محيط زيست به عنوان ابزاري قدرتمند در مدل سازي مورد توجه قرار گرفته است. در اين تحقيق با توجه به ديناميک و پيچيده بودن سيستم مديريت مواد زايد جامد، از مدل ترکيبي شبکه عصبي مصنوعي با تابع آموزش لونبرگ - مارکويت و تبديل موجک (مدل عصبي – موجکي) براي پيش بيني کميت توليد هفتگي در شهر تهران استفاده شده است. براي اين منظور از مجموعه زماني توليد اين شهر در فاصله زماني سالهاي 1380 تا سه ماهه نخست 1385 كه به صورت هفتگي مرتب شده بودند، استفاده شد. بعد از آموزش و تست مدل هاي شبکه عصبي و شبکه عصبي - موجکي نتايج اين مدل ها با يکديگر مورد مقايسه قرار گرفت. نتايج به دست آمده از اين تحقيق نشان مي دهد که استفاده از تبديل موجک در پيش پردازش متغير هاي ورودي، تاثير مثبتي در پيش بيني ميزان توليد هفتگي در اين شهر ايجاد کرده، به طوري که موجب افزايش چشمگيري در دقت محاسبات مدل شده است. اين بهبود در مورد ضريب همبستگي مدل ها (R²) در مرحله صحت سنجي، از 0.5 در مدل شبکه عصبي به 0.9 در مدل شبکه عصبي - موجکي است. همچنين معيار قدر مطلق ميانگين خطاي نسبي نيز در مدل شبکه عصبي از 5.99 درصد به 1.92 درصد در مدل شبکه عصبي - موجکي کاهش پيدا کرده است.