وضعیت آینده تولید پسماند جامد شهر تهران به روش تحلیل رگرسیونی مبتنی بر جمعیت

زمینه و هدف: آگاهی از مقدار تولید پسماند جامد شهری، نقش ویژه ای در تدوین سیاست های مدیریت پسماند ایفا می کند. تاکنون، روش های مختلف برای تخمین مقدار تولید پسماند به کار گرفته شده اند. در این پژوهش هشت فرم خاص از توابع ریاضی با روش تحلیل رگرسیون مبتنی بر جمعیت برای پیش بینی تولید پسماند ارزیابی شدند.روش بررسی: آزمون معنی داری هر یک از مدل ها با آماره f و آزمون ضرورت وجود پارامترهای پیشگو با آماره t انجام شد. از شاخص های آماری ضریب تعیین (r^2)، ضریب تعیین تعدیل شده (r^2adjusted)، ریشه میانگین مربع خطا (rmse)، خطای اریبی (mbe) و درصد میانگین خطا (mpe) برای نکویی برازش مدل ها استفاده شده است. برای بررسی توانایی پیشگویی مدل ها ضریب تعیین پیش بینی شده (r^2predicted) با روش اعتبارسنجی متقابل یک طرفه محاسبه شد. یافته ها: نتایج تحلیل نشان داد مدل های چندجمله ای درجه دو و بالاتر علی رغم دقت خوب، معنی دار نبوده (در سطح 0.01) و برای پیش بینی های بلند مدت مناسب نیستند. مدل های خطی، توانی و نمایی با r2 به ترتیب 0.942، 0.932 و 0.936 و r^2predicted به ترتیب 0.904، 0.893 و 0.898 بهترین هستند؛ اما، عدم قطعیت در مدل نمایی بیشتر است.نتیجه گیری: وضعیت تولید پسماند در چهار سناریوی مبتنی بر رشد جمعیت (افزایش، تثبیت و کاهش موالید) برای کلان شهر تهران در سال های 1400-1430 بررسی شد. هر چهار سناریو، افزایش تولید سالانه و سرانه پسماند را تا سال 1430 نشان می دهند. بنابر نتایج، انتظار می رود تولید روزانه پسماند در تهران از ton 7360 به حداکثر ton 12317 در سال 1430 برسد.

The future status of solid waste generation in Tehran metropolis with regression analysis method based on population

Background and Objective: Knowledge about the quantity of municipal solid waste (MSW) generation plays a key role in formulating policies of waste management. So far, different methods have been applied to estimate the quantity of waste generation. In this study, eight specific forms of mathematical functions were evaluated to predict waste generation by the regression analysis method based on population.Materials and Methods: The significance test of each model and the existence necessity of predictor parameters were performed using the F and tstatistic, respectively. The statistical indicators of determination coefficient ( ), adjusted determination coefficient ( ), root mean square error (RMSE), mean bias error (MBE) and mean percentage error (MPE) were used for model’s goodness of fit. The predicted determination coefficient ( ) was calculated to assess the predictive ability of models by method of Leaveoneout cross validation.Results: The results showed that polynomial models of second order and more are not significant (at 0.01 level) despite good accuracy and are not suitable for longterm prediction. Linear, power and exponential models are best with equal to 0.942, 0.932 and 0.936 and equal to 0.904, 0.893 and 0.898 respectively. However, the uncertainty was greater in the exponential model.Conclusion: The status of waste generation was investigated in four scenarios based on growth rate of population (increasing, fixing and decreasing births) at Tehran metropolis in 20212051. In all scenarios, annual generation and per capita of waste are increased to 2051. The daily waste generation will increase to 12317 ton in 2051.