پيش‌بيني ميزان توليد پسماند شهري با استفاده از روش سري زماني (تكنيك ARMA) و مدل سازي پويايي سيستم (نرم افزار Vensim)

Predicting Municipal Solid Waste Generation through Time Series Method (ARMA Technique) and System Dynamics Modeling (Vensim Software)

زمینه و هدف: پیش­ بینی میزان تولید پسماند نقش مهمی در مدیریت مواد زاید دارد. مطالعه حاضر با هدف پیش‌بینی میزان تولید پسماند عادی شهر اصفهان با استفاده از دو روش سری زمانی و مدل سازی پویایی سیستم انجام شده است. روش بررسی: در ابتدا داده‌های قابل استناد مربوط به میزان تولید پسماند از سال 1375 تا 1390 از سازمان مدیریت پسماند و اطلاعات جمعیتی از مركز ملی آمار ایران اخذ گردید. سپس، عوامل مؤثر بر تولید پسماند شهری نظیر جمعیت، رشد شهرنشینی، شاخص تورم GDP و همچنین ارتباط بین آنها با استفاده از مدل GEE  مشخص شد. در نهایت میزان تولید پسماند شهر اصفهان با استفاده از روش پویایی سیستم توسط نرم افزار Vensim و روش سری زمانی با تكنیك  ARMA پیش ­بینی گردید. یافته­ ها: نتایج حاصله نشان می ­دهد كه جمعیت و شاخص تورم بر میزان تولید پسماند با P value به ترتیب برابر با 0/026 و 0 با میزان تولید پسماند رابطه معناداری دارند. میانگین سالیانه میزان تولید پسماند در سال 1400 در روش سری زمانی و پویایی سیستم به ترتیب به  1501/4ton/day و  1436ton/day  خواهد رسید. همچنین نرخ رشد سالیانه تولید پسماند 3/44 % بدست آمد. نتیجه ­گیری: جمعیت و شاخص تورم بر تولید پسماند اثر معناداری دارند و تولید پسماند در آینده روند افزایشی خواهد داشت. این افزایش در مناطق مختلف و با روش­های متفاوت پیش­ بینی یكسان نخواهد بود. روش سری زمانی با تكنیك ARMA پیش­ بینی دقیق‌تری نسبت به سایر روش ­ها انجام می­ دهد.

Background and Objective: Predicting municipal solid waste generation has an important role in solid waste management. The aim of this study was to predict municipal solid waste generation in Isfahan through time series method and system dynamics modeling. Materials and Methods: Verified data of solid waste generation was collected from Waste Management Organization and population information was collected from the National Statistics Center, Iran for the period 1996-2011. Next, the effect of   factors on solid waste generation such as population, urbanization, gross domestic product was investigated. Moreover, the relationship between each of these factors was identified using generalized estimating equation  model. Finally, the quantity of the solid waste generated in Isfahan city was predicted using system dynamics modeling by Vensim software and time series method by ARMA technique. Results: It was found that population and gross domestic product have a significant relationship with the amount of solid waste with P value 0.026 and 0 respectively. The annual average of municipal solid waste generation would be 1501.4 ton/day in 2021 estimated by the time series method and 1436 ton/day estimated by the system dynamics modeling. In addition, average annual growth rate achieved was 3.44%. Conclusion: According to the results obtained, population and gross domestic product have a significant effect on MSW generation. Municipal solid waste generation will increase in future. Increasing solid waste is not the same in different areas and methods. The prediction of the time series method by ARMA technique gives precise results compared with other methods.