پيش بيني پسماند توليدي شهر تهران با استفاده از سامانه استنتاج تطبيقي فازي- عصبي و شبکه هاي عصبي مصنوعي

پيش بيني کميت توليد، نقش به سزايي در بهينه سازي و برنامه ريزي سامانه مديريت پسماند هاي جامد شهري دارد، اما به علت ديناميک بودن سامانه هاي مديريت پسماند، پيچيدگي روابط بين متغير ورودي و خروجي، در دسترس نبودن و يا ناکافي بودن اطلاعات و همچنين تاثير عوامل متغير و غيرقابل کنترل همواره کار مشکلي بوده است. امروزه استفاده از سامانه هاي هوشمند به عنوان راهکاري نوين در تحليل مسائل زيست محيطي، گسترش يافته است. در اين پژوهش توانايي دو مدل هوشمند شبکه عصبي با تابع آموزش لونبرگ مارکوارت و همچنين سامانه استنتاج تطبيقي فازي- عصبي براي تخمين ميزان توليد پسماندهاي ماهانه شهر تهران مقايسه گرديد. براي اين منظور از داده هاي مربوط به جمعيت، الگوهاي فصلي، کل بارندگي ماهانه، ميانگين دماي ماهانه، ارتفاع از سطح دريا، ميانگين رطوبت ماهانه و کل پسماند توليدي (TSW) اين شهر در فاصله زماني 1389 تا 1394 که به صورت ماهانه مرتب شده بودند، استفاده شد. بعد از آموزش و آزمون مدل هاي شبکه عصبي و سامانه استنتاج تطبيقي فازي -عصبي نتايج اين مدل ها مورد مقايسه قرار گرفت. نتايج به دست آمده از اين پژوهش نشان داد که مدل فازي- عصبي با ضريب تعيين 0.963، جذر ميانگين مربعات خطا 0.096 و درصد ميانگين مطلق خطا 1.05 نسبت به مدل شبکه عصبي با ضريب تعيين 0.852، جذر ميانگين مربعات خطا  0.132و درصد ميانگين مطلق خطا 1.19 داراي عملکرد بهتري مي باشد. همچنين نتايج بررسي دو مدل نشان داد که در هر دو مدل با داده هاي ورودي الگوهاي فصلي، کل بارندگي ماهانه، ميانگين دماي ماهانه، ميانگين رطوبت ماهانه و کل پسماند توليدي (TSW) مي توان به پيش بيني دقيق تري دست يافت.