فهرست نشریات علمی دسترسی آزاد ایران

رشد جمعیت شهری و گسترش فعالیت‌های صنعتی، چالش‌های فزاینده‌ای در نظام مدیریت پسماند کلان‌شهر تهران ایجاد کرده است. منطقه‌ی ۲۰ به‌عنوان یکی از نقاط بحرانی تولید پسماند، با محدودیت فضاهای دفن، هزینه‌ی بالای حمل‌ونقل و اثرات زیست‌محیطی گسترده روبه‌روست. این پژوهش با هدف طراحی مدلی داده‌محور برای پیش‌بینی حجم پسماند و بهینه‌سازی مسیر ناوگان جمع‌آوری در این منطقه انجام شده است. روش تحقیق بر پایه‌ی داده‌های واقعی سامانه‌ی مدیریت پسماند شهرداری تهران (TWMIS) در سال ۱۴۰۲ است. مدل ترکیبی پیشنهادی شامل سه بخش است: درخت تصمیم (DT) برای پیش‌بینی حجم پسماند، الگوریتم ژنتیک (GA) برای بهینه‌سازی مسیر ناوگان، و روش فازی TOPSIS برای انتخاب سناریوی برتر بر اساس شش معیار کلیدی HSE )هزینه، زمان، انتشار CO₂، تماس انسانی، فاصله‌ی دفن و نشت شیرابه). نتایج نشان داد مدل درخت تصمیم با ضریب تعیین ۰٫۸۹ از دقت بالایی برخوردار است و الگوریتم ژنتیک زمان جمع‌آوری و مصرف سوخت را به‌ترتیب ۲۳٪ و ۱۸٪ کاهش می‌دهد. ادغام خروجی مدل‌ها در چارچوب تصمیم‌گیری چندمعیاره موجب افزایش ۲۵٪ کارایی کلی سیستم و کاهش ۱۵٪ در انتشار CO₂ گردید. در مجموع، یافته‌ها تأیید می‌کنند که تلفیق هوش مصنوعی و تصمیم‌گیری چندمعیاره می‌تواند ابزار مؤثری برای گذار از مدیریت تجربی به مدیریت داده‌محور شهری باشد و مبنایی برای طراحی سامانه‌های هوشمند و پایدار در حوزه‌ی پسماند شهری فراهم کند.