بهبود مدلسازی تولید پسماند شهری با استفاده از یادگیری عمیق و مقایسه با مدلهای هوشمند شبکه عصبی و ماشین بردار پشتیبان | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 12، دوره 57، شماره 2، 1404، صفحه 271-290 اصل مقاله (1.01 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2025.22970.8085 | ||
| نویسندگان | ||
| مریم عباسی* 1؛ سهیل کریمی درمیان2 | ||
| 1دانشکده مهندسی عمران، آب و محیطزیست، دانشگاه شهید بهشتی، تهران، ایران. | ||
| 2دانشکده مهندسی عمران، آب و محیطزیست، دانشگاه شهید بهشتی، تهران، ایران | ||
| چکیده | ||
| هدف از این پژوهش بررسی و مقایسه عملکرد مدلهای هوشمند در مدلسازی کمی پسماند شهری است. ابتدا مولفههای موثر بر تولید پسماند شامل اطلاعات جغرافیایی، اجتماعی، هواشناسی، فرهنگی، اقتصادی بصورت ماهانه و فصلی جمعآوری گردید.. سپس به مدلسازی کمی پسماند شهری در شهر تهران با استفاده از مدلهای هوشمند شبکه عصبی مصنوعی، ماشین بردار پشتیبان و یادگیری عمیق پرداخته شده و نتایج و خطاهای بدست آمده از آنها مورد بررسی قرار گرفته است. طبق مدلسازیهای انجام شده نتیجه گرفته شد؛ مدل رگرسیون و شبکه عصبی مصنوعی کمترین R2 و بیشترین RMSE و MAE را دارند و مدلسازی دقیقی انجام نمیدهند. بر اساس معیارها و خطاهای بدست آمده این نتیجه حاصل شد که هم در دوره ماهانه و هم در دوره فصلی به ترتیب یادگیری عمیق، مدل ماشین بردار پشتیبان، شبکه عصبی مصنوعی و در آخرین رتبه رگرسیون در مدلسازی دقیق عمل کردهاند. مدل ماشین بردار پشتیبان و مدل یادگیری عمیق هم در دوره فصلی و هم در دوره ماهانه کمترین خطاها را در بین مدلهای آزمایش شده دارند. در مدلسازی ماهانه ارقام مشاهده شده به ارقام پیشبینی شده توسط مدل یادگیری عمیق از دیگر مدلها نزدیکترند و تطابق بیشتری دارند، به علاوه مدل یادگیری عمیق در مدلسازی فصلی نیز دقیقتر از دیگر مدلهای آزمایش شده عمل کرده .لازم به ذکراست که الگوریتم یادگیری عمیق در مدلسازی فصلی از مدلسازی ماهانه دقیقتر عمل کرده است؛ زیرا تغییر وزن پسماند بیشتر بهصورت فصلی تغییر میکند و الگوی فصلی را دنبال میکند. طبق منحنی یادگیری نتیجه گرفته شد مدلها در دوره فصلی بهتر عمل میکنند و مقدار پیشبینی شده و مشاهده شده در مدلسازی فصلی بیشتر به هم نزدیک هستند. | ||
| کلیدواژهها | ||
| مدیریت پسماند؛ پسماند شهری؛ مدلسازی؛ یادگیری عمیق؛ نرخ تولید پسماند؛ مدیریت اصولی؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 633 تعداد دریافت فایل اصل مقاله: 571 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,374,777 |
| تعداد دریافت فایل اصل مقاله | 6,932,892 |