سونا هاشم پور - دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت ایران،
سهند خداپرس - دانشکده برق وکامپیوتر، دانشگاه ارومیه ،دانشکده انفورماتیک، دانشگاه آوینیون فرانسه

امروزه مسئله جمع آوری، حمل و دفع زباله ها در دنیا بصورت مدیریت مواد زائد جامد مطرح گردیده که عناصر اصلی آن عبارتند از: تولید ، نگهداری موقت ، جمع آوری و حمل و نقل ، دفع و بازیافت. هر یک از این عناصر متاثر از یکدیگر بوده و پرداختن به یک یا چند عنصر بدون داشتن برنامه برای سایر عوامل سودی نخواهد داشت .در این تحقیق به مقایسه عملکرد مدل های مختلف در پیشبینی میزان زباله تولیدی و بهینه سازی سیستم حمل ونقل پرداخته شد . برای این منظور از روش سطح پاسخ ( RSM) به عنوان یک روش آماری و از شبکه های عصبی (ANN) به عنوان روش ریاضی در بهینه سازی سیستم حمل و نقل زباله های شهری ارومیه استفاده شد.جهت استفاده از شبکه های عصبی برای پیش بینی بار حمل شده در سیستم حمل و نقل زباله شهری ارومیه ، داده های جمع آوری شده تابستان 96 با سه ورودی و یک خروجی در الگوریتم (BBP) با 7 نرون در لایه پنهان آموزش داده شد و به عنوان بهترین مدل انتخاب شد. با استفاده از داده های اعتبار سنجی توانایی پیش بینی مدل ارزیابی شد و ضریب تعیین (R2) برای داده های اعتبار سنجی 0,9068 بدست آمد.اما در روش سطح پاسخ با در نظر گرفتن همبستگی خطی بین مقادیر پیش بینی شده و واقعی، مقادیر R2 برابر 0.9841 به دست آمد که مقدار مناسبی است و در واقع بیانگر این حقیقت است که 98,41 درصد از تغییرات در پاسخ را می تواند توسط این مدل تشریح کرد . بنابراین می توان نتیجه گرفت که روش سطح پاسخ در مدل سازی و پیش بینی بهتر از روش شبکه عصبی عمل نموده است.

دفع زباله، شبکه عصبی