پیش بینی میزان تولید پسماند شهر تبریز با استفاده از روش هوش مصنوعی(ANN و SVM) برای افق طولانی با کاربرد رویکرد تغییر اقلیم

باتوجه به نقش الگوهای فصلی در تولید پسماند از روش هوش مصنوعی برای مدل‎سازی تولید پسماند شهر تبریز استفاده شد. استفاده از یک روش پیش پردازش با توانایی استخراج الگوها، موجب بهبود نتایج مدل‎سازی می شود، بنابراین تبدیل موجک برای پیش پردازش که توانایی آنالیز چند مقیاسی سرهای زمانی را دارد، در این مطالعه استفاده گردید. بدین ترتیب، داده های آماری مربوط به جمعیت، در آمد-هزینه خانوار، دما به عنوان پارامتر هواشناسی و داده های مربوط به میزان تولید پسماند به صورت ماهانه برای سالهای ۱۳۸۹ تا ۱۳۹۶ از سازمان های مربوطه اخذ گردید. مطالعه حاضر پیش بینی تولید پسماند شهر تبریز با رویکرد تغییر اقلیم را با استفاده از مدل Artificial Neural Network (ANN) و Least Squares Support Vectore Machine (LSSVM) مورد استفاده قرار گرفت. نتایج به دست آمده حاکی از برتری مطلق نتایج موجک-هوش مصنوعی در مقایسه با ANN و LSSVM تنها و نیز روش رگرسیون خطی چند متغیره می‎باشد. از بین دو مدل مبتنی بر هوش مصنوعی ANN عملکرد بهتری نسبت به LSSVM از خود نشان داد. بنابراین مدل WT-ANN به عنوان مدل برتر انتخاب گردید. دلیل عملکرد ضعیف روش رگرسیون خطی چند متغیره، وجود روابط غیرخطی و پیچیده بین ورودی‎ها و هدف بود که MLR توان مدل‎سازی مناسب آن را نداشت. از سوی دیگر استفاده از موجک با قدرت تفکیک فصلی داده ها منجر به اختصاص ضریب وزنی بالا برای فصل‎هایی با تولید پسماند بیشتر گردید که در نهایت حداکثر پسماند تولیدی در سال در ماه های مرداد و اسفند و حداقل تولید در بهمن و فروردین گزارش شد.