دانلود مقاله ISI انگلیسی شماره 52532
عنوان فارسی مقاله

بررسی عملکرد شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در پیش بینی میانگین فصلی نرخ تولید زباله جامد شهری : مطالعه موردی استان فارس، ایران

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
52532 2016 10 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Verifying the performance of artificial neural network and multiple linear regression in predicting the mean seasonal municipal solid waste generation rate: A case study of Fars province, Iran
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Waste Management, Volume 48, February 2016, Pages 14–23

کلمات کلیدی
شبکه عصبی مصنوعی - نسل زباله های جامد شهری فصلی - استان فارس - رگرسیون خطی چندگانه
پیش نمایش مقاله
پیش نمایش مقاله بررسی عملکرد شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در پیش بینی میانگین فصلی نرخ تولید زباله جامد شهری : مطالعه موردی استان فارس، ایران

چکیده انگلیسی

Predicting the mass of solid waste generation plays an important role in integrated solid waste management plans. In this study, the performance of two predictive models, Artificial Neural Network (ANN) and Multiple Linear Regression (MLR) was verified to predict mean Seasonal Municipal Solid Waste Generation (SMSWG) rate. The accuracy of the proposed models is illustrated through a case study of 20 cities located in Fars Province, Iran. Four performance measures, MAE, MAPE, RMSE and R were used to evaluate the performance of these models. The MLR, as a conventional model, showed poor prediction performance. On the other hand, the results indicated that the ANN model, as a non-linear model, has a higher predictive accuracy when it comes to prediction of the mean SMSWG rate. As a result, in order to develop a more cost-effective strategy for waste management in the future, the ANN model could be used to predict the mean SMSWG rate.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.