CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیشبینی زباله تولیدی تهران با استفاده از شبکه عصبی مصنوعی و رو شهای آماری چند متغیره

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۲۱۳ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: NCWM03_005
زبان مقاله: فارسی
حجم فایل: ۳۳۵.۲۹ کلیوبایت (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله پیشبینی زباله تولیدی تهران با استفاده از شبکه عصبی مصنوعی و رو شهای آماری چند متغیره

    محمدعلی عبدلی (شناسه پژوهشگر - Researcher ID: ۵۰۸۸)
استاد دانشکده محیط زیست دانشگاه تهران
  روح الله نوری - دانشجوی کارشناسی ارشد عمران محیط زیست دانشگاه تربیت مدرس
  مهدی جلیلی (شناسه پژوهشگر - Researcher ID: ۴۸۱۲)
دانشجوی دکتری محیط زیست دانشگاه تهران
  احسان صالحیان - دانشجوی کارشناسی ارشد عمران محیط زیست، دانشگاه تربیت مدرس

چکیده مقاله:

پایه و اساس برنامه ریزی و طراحی سیستم مدیریت مواد زائد جامد شهری، شناخت کمیت و کیفیت تولید است . تخمین میزان زباله تولیدی به دلیل نوسانات زیاد تولید و پارامترهای گوناگونی که بر آن موثر است یکی از کارهای بسیار دشوار در امر مدیریت مواد زائد جامد می باشد. در این مطالعه با استفاده از شبکه عصبی مصنوعی مدلی مناسب برای تخمین وزن زباله تولیدی در شهر تهران
ارایه گردیده است و نتایج آن با مدل ترکیبی رگرسیون خطی چندمتغیره و آنالیز مؤلفه های اصلی مقایسه شده است . برای این منظور از سری زمانی زباله تولیدی شهر تهران در فاصله زمانی 1382 تا سه ماهه نخست 1385 که به صورت هفتگی مرتب شده بودند استفاده گردید . نتایج به دست آمده حاکی از برتری مطلق نتایج شبکه عصبی در مقایسه با مدل ترکیبی رگرسیونی و آنالیز مؤلفه های اصلی میباشد، به طوریکه ضریب همبستگی در مدل شبکه عصبی ارایه شده، برای مرحله تست شبکه معادل 0.837 بود.

کلیدواژه‌ها:

زباله تولیدی، شبکه عصبی مصنوعی، آنالیز مؤلفههای اصلی، رگرسیون خطی چندمتغیره، تهران

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCWM03-NCWM03_005.html
کد COI مقاله: NCWM03_005

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عبدلی, محمدعلی؛ روح الله نوری؛ مهدی جلیلی و احسان صالحیان، ۱۳۸۶، پیشبینی زباله تولیدی تهران با استفاده از شبکه عصبی مصنوعی و رو شهای آماری چند متغیره، سومین همایش ملی مدیریت پسماند، تهران، سازمان شهرداریها و دهداریهای کشور، سازمان حفاظت محیط زیست، https://www.civilica.com/Paper-NCWM03-NCWM03_005.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (عبدلی, محمدعلی؛ روح الله نوری؛ مهدی جلیلی و احسان صالحیان، ۱۳۸۶)
برای بار دوم به بعد: (عبدلی؛ نوری؛ جلیلی و صالحیان، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Sahin, U., Ucan, O. N., Bayat, C., Oztorun, N., 2005. ...
  • Sahoo, G.B., Ray, C., De Carlo, E.H., 2006. Use of ...
  • Shrestha, S., Kazama, F., 2007. Assessment of surface water quality ...
  • Shrestha, S., Kazama, F., 2007. Assessment of surface water quality ...
  • Karaca, F., Ozkaya, B., 2006. NN-LEAP: A neural network-based model ...
  • Dong, C., Jin., B., Li, D., 2003. Predicting the heating ...
  • Lu, H.C., Hsieh, J.C., Chang, T.S., 2006. Prediction of daily ...
  • Helena, B., Pardo, R., Vega, M., Barrado, E., Ferna ndez, ...
  • Hocking, R. R., Methods and application of linear models regression ...
  • Legates, D.R. and McCabe, G.J. (1 9 9 9).Evaluating the ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۳۲۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.