پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,037 |
| تعداد مشاهده مقاله | 125,520,747 |
| تعداد دریافت فایل اصل مقاله | 98,780,246 |
پیش‌بینی هفتگی زبالة تولیدی با استفاده از مدل ترکیبی شبکة عصبی و تبدیل موجک | ||
| محیط شناسی | ||
| مقاله 3، دوره 35، شماره 49، خرداد 1388 اصل مقاله (235.11 K) | ||
| نویسندگان | ||
| روح‌اله نوری؛ محمد علی عبدلی؛ اشکان فرخ‌نیا؛ آلاله قائمی* | ||
| چکیده | ||
| 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. شبکة 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 شبکة 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 مجموعة زمانی تولید این شهر در فاصله زمانی سالهای 1380 تا سه ماهة 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 مرحلة صحت‌سنجی، از 5/0 در مدل شبکة عصبی به 9/0 در مدل شبکة 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. | ||
| کلیدواژه‌ها | ||
| پیش‌بینی هفتگی تولید؛ تهران؛ شبکة عصبی؛ شبکة عصبی مصنوعی؛ موجکی | ||
| عنوان مقاله [English] | ||
| Solid waste generation forecasting by hybrid of artificial neural network and wavelet transform | ||
| چکیده [English] | ||
| 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. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Neural Network, Neural Network, TEHRAN, Wavelet, Weekly Generation Predicting | ||
|
آمار تعداد مشاهده مقاله: 3,216 تعداد دریافت فایل اصل مقاله: 1,797 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب