مقايسه عملكرد روش شبكه هاي عصبي و روشهاي آماري در تخمين ميزان توليد زباله‎‌هاي شهري

امروزه مسئله جمع آوري، حمل و دفع زباله ها در دنيا بصورت مديريت مواد زائد جامد مطرح گرديده كه عناصر اصلي آن عبارتند از: توليد ، نگهداري موقت ، جمع آوري و حمل و نقل ، دفع و بازيافت. هر يك از اين عناصر متاثر از يكديگر بوده و پرداختن به يك يا چند عنصر بدون داشتن برنامه براي ساير عوامل سودي نخواهد داشت . در اين تحقيق به مقايسه عملكرد مدل هاي مختلف در پيش‌بيني ميزان زباله توليدي و بهينه سازي سيستم حمل ونقل پرداخته شد . براي اين منظور از روش سطح پاسخ (RSM ) به عنوان يك روش آماري و از شبكه هاي عصبي (ANN) به عنوان روش رياضي در بهينه سازي سيستم حمل و نقل زباله هاي شهري اروميه استفاده شد. جهت استفاده از شبكه هاي عصبي براي پيش بيني بار حمل شده در سيستم حمل و نقل زباله شهري اروميه ، داده هاي جمع آوري شده تابستان 96 با سه ورودي و يك خروجي در الگوريتم (BBP) با 7 نرون در لايه پنهان آموزش داده شد و به عنوان بهترين مدل انتخاب شد. با استفاده از داده هاي اعتبار سنجي توانايي پيش بيني مدل ارزيابي شد و ضريب تعيين (R2) براي داده هاي اعتبار سنجي 0.9068 بدست آمد. اما در روش سطح پاسخ با در نظر گرفتن همبستگي خطي بين مقادير پيش بيني شده و واقعي، مقادير R2 برابر 0.9841 به دست آمد كه مقدار مناسبي است و در واقع بيانگر اين حقيقت است كه 98.41 درصد از تغييرات در پاسخ را مي تواند توسط اين مدل تشريح كرد . بنابراين مي توان نتيجه گرفت كه روش سطح پاسخ در مدل سازي و پيش بيني بهتر از روش شبكه عصبي عمل نموده است.