بررسی عملکرد سیستم استنتاج فازی_عصبی تطبیقی در پیش بینی تولید پسماند خانگی شهر تبریز

زمینه و هدف: از مشکلات مهم زیست‌محیطی، تولید انبوه پسماندهای شهری است که با رشد روزافزون جمعیت، سرانه تولید پسماند خانگی افزایش یافته است؛ ازاین‌رو امروزه استفاده از سامانه‌های هوشمند به‌عنوان راهکاری نوین در تحلیل مسائل محیط‌ زیستی گسترش ‌یافته است. تخمین پسماند خانگی از طریق مدلسازی، از جمله استفاده از شبکه فازی- عصبی، موجب مدیریت بهتر آن می شود. بنابراین تحقیق حاضر با هدف بررسی عوامل اجتماعی-اقتصادی بر روی تولید پسماند خانگی با استفاده از سیستم استنتاج فازی-عصبی تطبیقی (anfis) ارائه یک روش مناسب و قابل اطمینان برای مدلسازی تولید پسماند خانگی در شهر تبریز انجام گرفت. روش بررسی: در این پژوهش با بهره گیری از سیستم استنتاج فازی-عصبی تطبیقی (afnis) با روش خوشه بندی فازی (fcm) اقدام به پیش بینی تولید پسماند خانگی شهر تبریز شده است. با توجه به ماهیت موضوع و شاخص های مورد بررسی، اطلاعات گردآوری‌ شده در این پژوهش توصیفی بوده و با استفاده از فرم جمع آوری داده از دانش آموزان مدارس شهر تبریز جمع‌آوری گردید. همچنین عوامل اقتصادی-اجتماعی با استفاده از نرم‌افزار spss نسخه 26 مورد آنالیز آماری قرار گرفت و پارامترهای موثر بر تولید پسماند خانگی شهر تبریز برای مدلسازی در نرم افزار متلب مورد استفاده قرار گرفت. یافته‌ها: نتایج مطالعه نشان داد که سیستم استنتاج فازی-عصبی تطبیقی با روش خوشه بندی فازی دارای عملکرد قابل قبولی  r (0/75)، برای تولید پسماند خانگی شهر تبریز است. نتیجه‌گیری: طبق نتایج بدست آمده براساس شاخص آماری، مدل پیش بینی شده در تولید پسماند خانگی در روش خوشه بندی فازی با بیشترین r (0/75) و کمترین خطا، مدل عملکرد قابل قبولی در پیش بینی تولید پسماند خشک خانگی منطقه مطالعه شده را دارد.

performance of adaptive neural-fuzzy inference system in predicting household waste production in tabriz, iran

background and objective:  one of the important environmental problems is the mass production of urban waste, which has increased per capita household waste production with the ever-increasing population growth; therefore, nowadays, the use of intelligent systems has been expanded as a new solution in the analysis of environmental issues. estimation of household waste through modeling, including the use of the fuzzy-neural network, leads to its better management. therefore, the current research was conducted to investigate the socioeconomic factors on household waste production using the adaptive neural fuzzy inference system (anfis) in tabriz city.materials and method:   in this research, by using the adaptive neuro-fuzzy inference system (afnis) with the fuzzy c-means (fcm) method, domestic waste generation in tabriz city has been predicted. according to the nature of the subject and the investigated indicators, the information collected in descriptive research was collected from the students of schools in tabriz using a questionnaire. also, socio-economic factors were statistically analyzed using spss version 26 software, and parameters affecting domestic waste production in tabriz city were used for modeling in matlab software.results: the results of the study showed that the adaptive neuro-fuzzy inference system with the fuzzy c-means method has acceptable performance for domestic waste production in tabriz city.conclusion:  according to the results obtained based on the statistical index, the forecasted model in domestic waste production in the fuzzy c-means method with the highest r (0.75) and the lowest error has an acceptable performance model in predicting the production of dry domestic waste in the studied area.