تحليل الگوي توزيع فضايي توليد پسماند شهري در مناطق 22 گانه تهران با استفاده از تكنيك رگرسيون موزون جغرافيايي و شبكه عصبي مصنوعي

پسماند شهري يكي از چالش‌ هاي پيش روي شهرها و كلان ‌شهرها در قرن  21  به ‌شمار مي‌رود. چالشي كه كيفيت ‌‌هاي محيط شهري، اقتصاد شهري و سلامت شهري را تحت تأثير قرار مي‌دهد. برنامه ‌ريزي پيرامون مديريت كارا در راستاي كاهش و مديريت پسماند شهري از جمله اهداف بانك جهاني در سال  2016  براي شهر‌هاي بزرگ بود؛ اما براي برنامه ‌ريزي و مديريت مناسب، بحث شناخت متغيرهاي اثرگذار بر پسماند شهري مطرح مي‌گردد. چالش مديريت و برنامه ‌ريزي مناسب پسماند شهري براي شهر تهران و مناطق 22 گانه آن نيز مطرح مي‌باشد. اين پژوهش با هدف تحليل الگوي توزيع فضايي توليد پسماند شهري (متغيرهاي مستقل) و ميزان پسماند شهري (متغيروابسته) به ‌دنبال بررسي متغيرهاي اثرگذار بر پسماند شهري در سطح شهر تهران و مناطق 22 گانه آن است. پژوهش حاضر از نوع كاربردي و توسعه اي و روش آن توصيفي تحليلي (قياسي) مبتني بر تحليل ‌هاي فضايي و مكاني مي ‌باشد. سطح اطلاعات مورد استفاده، 123 ناحيه است كه داده ‌هاي آن از سازمان پسماند شهرداري تهران، مركز آمار و شهرداري تهران تهيه شده است. تكنيك ‌هاي مورد استفاده در اين پژوهش شامل رگرسيون حداقل مربعات و رگرسيون موزون جغرافيايي براي بررسي رابطه و پيش‌ بيني مبتني بر آن و شبكه عصبي مصنوعي براي پيش‌ بيني بر اساس ماهيت متغيرها مي ‌باشد. نتايج به ‌دست آمده بيان كرد كه متغير قيمت زمين با ضريب منفي 0.96 رابطه معناداري با پسماند شهري نداشته است و متغيرهاي مهاجرت و كاربري ‌هاي شهري بهداشتي درماني به ترتيب با ضرايب (0.123 و 0.186) بر ميزان پسماند شهري در مناطق شمالي اثرگذار مي‌باشد. از بُعد روشي نيز تحليل واريانس ميان رگرسيون ‌ها بيان كرد كه رگرسيون موزون جغرافيايي با ضريب 2.355 برتري به نسبت رگرسيون حداقل مربعات داشته است. همچنين ضرايب تعيين نهايي مدل ‌ها بيان كرد كه شبكه عصبي مصنوعي با ضريب 0.967 عملكرد بهتري در بُعد غيرمكاني براي پيش‌ بيني مدل و ميزان پسماند شهري داشته است.