地磅对垃圾废物管理的重要作用

    发展中国家城市中不健全的废物管理增加，影响了居民的公共健康。固体废物管理受到市政当局的广泛关注。城市固体废物管理地磅系统的可持续规划和设计需要准确预测城市当局在垃圾填埋场产生和收集的固体废物，以供最终处置和其他可再生能源选择。在本研究中，使用人工神经网络（ANN）替代模型预测了达卡南城公司（DSCC）Matuail垃圾填埋场2012年至2016年收集的固体废物。

    从地磅上获得的120个月固体废物量和车辆出行次数被用作模型的输入数据。70%的数据用于模型训练，15%的数据用于验证，15%的数据用于测试。剩余的60个月垃圾量用作开发模型的输出。前馈-反向传播神经网络与双曲正切S形激活函数和Levenberg-Marquardt优化方法一起使用。基于性能指标，即MSE的最小值和回归的高值，选择具有2-5-1-1拓扑的控制器模型作为最佳拓扑。

    基于神经网络的固体废物预测模型在使用可用地磅数据时表现出了良好的前景，其确定地磅系数（R2）用于训练和测试0.85和0.86。开发的模型可以与地磅软件一起成功地用于垃圾填埋场，以有效地预测固体废物收集，特别是在人口和社会环境相似的国家。考虑到其他拟议的替代处置方案和废物特性，估计了所需的垃圾填埋区，发现垃圾填埋管理局可以节省高达28.6%的宝贵城市垃圾填埋区需求。结果表明，利用人工神经网络和最终处置方法估算垃圾填埋场面积的创新方法可以交替使用，有助于更好地无线遥控器规划和管理垃圾填埋场。