%0 Journal Article %T ارزیابی تکنیک‌های هوش محاسباتی در پیش‌بینی سرانه تولید پسماند (مطالعه موردی: استان هرمزگان) %J نشریه مهندسی عمران و محیط زیست دانشگاه تبریز %I معاونت پژوهش و فناوری دانشگاه تبریز %Z 2008-7918 %A مینوسپهر, محمد %A علیزاده, محمدرضا %A طالب بیدختی, ناصر %D 2018 %\ 05/22/2018 %V 48.1 %N 90 %P 67-75 %! ارزیابی تکنیک‌های هوش محاسباتی در پیش‌بینی سرانه تولید پسماند (مطالعه موردی: استان هرمزگان) %K پیش‌بینی سرانه تولید پسماند %K شبکه عصبی پرسپترون %K ماشین بردار پشتیبان %K مدل‌ درخت تصمیم %R 10.22034/ceej.2018.7584 %X شناخت کمیت پسماندهای یک شهر یا منطقه، لازمه برنامه­ریزی در زمینه مدیریت پسماند است. روش دستیابی به کمیت پسماندها دانستن سرانه یا نرخ تولید آن است. در خصوص پیش­بینی مقادیر سرانه تولید پسماند تا کنون در اکثر مدل­های تدوین شده از داده­های سری زمانی مربوط به منطقه مورد مطالعه استفاده شده است. اما در شرایطی که چنین داده­هایی موجود نباشد استفاده از سیستم­های هوشمند پیش­بینی نظیر تکنیک­های یادگیری ماشین که بر اساس داده­های اندازه­گیری شده در یک سال تدوین شوند، بسیار ﻣﺆثر خواهند بود. از آنجا که داده­های زمان­مندی جهت مقادیر سرانه تولید پسماند مناطق جمعیتی ساحلی جنوب ایران جهت طراحی اصولی سیستم مدیریت پسماند وجود نداشته است، در این مطالعه با در نظر گرفتن پارامترهای ارتفاع از سطح دریا، جمعیت، درجه شهری و تناوب جمع­آوری پسماند، توانایی روش­های هوشمند MLP، SVM و M5P در پیش­بینی سرانه تولید پسماند شهرها و روستاهای ساحلی استان هرمزگان بکار گرفته شده و با هم مقایسه شده است. نتایج حاصله نشان دهنده این است که روش M5P با مقدار مجذور میانگین مربعات خطا (RMSE) (gr/d) 34/55 و میانگین قدر مطلق خطای نسبی (MARE) 26/6 درصد، بهترین عملکرد را نسبت به سایر روش­ها دارد. %U https://ceej.tabrizu.ac.ir/article_7584_d001a733157bf7b622fc4ed6d90102ed.pdf