Iranian Journal of Health and Environment

fa وضعیت آینده تولید پسماند جامد شهر تهران به روش تحلیل رگرسیونی مبتنی بر جمعیت The future status of solid waste generation in Tehran metropolis with regression analysis method based on population عمومى General پژوهشي Research <div style="text-align: justify;">زمینه و هدف: آگاهی از مقدار تولید پسماند جامد شهری، نقش ویژه‌ای در تدوین سیاست‌های مدیریت پسماند ایفا می‌کند. تاکنون، روش‌های مختلف برای تخمین مقدار تولید پسماند به‌کار گرفته شده‌اند. در این پژوهش هشت فرم خاص از توابع ریاضی با روش تحلیل رگرسیون مبتنی ‌بر جمعیت برای پیش‌بینی تولید پسماند ارزیابی شدند. روش بررسی: آزمون معنی‌داری هر یک از مدل‌ها با آماره F و آزمون ضرورت وجود پارامترهای پیشگو با آماره t انجام شد. از شاخص‌های آماری ضریب تعیین (R2)، ضریب تعیین تعدیل شده (R2Adjusted)، ریشه میانگین مربع خطا (RMSE)، خطای اریبی (MBE) و درصد میانگین خطا (MPE) برای نکویی برازش مدل‌ها استفاده شده است. برای بررسی توانایی پیشگویی مدل‌ها ضریب تعیین پیش‌بینی شده (R2Predicted) با روش اعتبارسنجی متقابل یک‌طرفه محاسبه شد. یافته‌ها: نتایج تحلیل نشان داد مدل‌های چندجمله‌ای درجه دو و بالاتر علی‌رغم دقت خوب، معنی‌دار نبوده (در سطح 0.01) و برای پیش‌بینی‌های بلند مدت مناسب نیستند. مدل‌های خطی، توانی و نمایی با‌ R2 به‌ترتیب 0.942، 0.932 و 0.936 و R2Predicted به ترتیب 0.904، 0.893 و 0.898 بهترین هستند؛ اما، عدم قطعیت در مدل نمایی بیشتر است. نتیجه‌گیری: وضعیت تولید پسماند در چهار سناریوی مبتنی ‌بر رشد جمعیت (افزایش، تثبیت و کاهش موالید) برای کلان ‌شهر تهران در سال‌های 1400-1430 بررسی شد. هر چهار سناریو، افزایش تولید سالانه و سرانه پسماند را تا سال 1430 نشان می‌دهند. بنابر نتایج، انتظار می‌رود تولید روزانه پسماند در تهران از ton 7360 به حداکثر ton 12317 در سال 1430 برسد.</div> <div style="text-align: justify;">Background and Objective: Knowledge about the quantity of municipal solid waste (MSW) generation plays a key role in formulating policies of waste management. So far, different methods have been applied to estimate the quantity of waste generation. In this study, eight specific forms of mathematical functions were evaluated to predict waste generation by the regression analysis method based on population. Materials and Methods: The significance test of each model and the existence necessity of predictor parameters were performed using the F- and t-statistic, respectively. The statistical indicators of determination coefficient ( ), adjusted determination coefficient ( ), root mean square error (RMSE), mean bias error (MBE) and mean percentage error (MPE) were used for model’s goodness of fit. The predicted determination coefficient ( ) was calculated to assess the predictive ability of models by method of Leave-one-out cross validation. Results: The results showed that polynomial models of second order and more are not significant (at 0.01 level) despite good accuracy and are not suitable for long-term prediction. Linear, power and exponential models are best with equal to 0.942, 0.932 and 0.936 and  equal to 0.904, 0.893 and 0.898 respectively. However, the uncertainty was greater in the exponential model. Conclusion: The status of waste generation was investigated in four scenarios based on growth rate of population (increasing, fixing and decreasing births) at Tehran metropolis in 2021-2051. In all scenarios, annual generation and per capita of waste are increased to 2051. The daily waste generation will increase to 12317 ton in 2051.  </div> پسماند جامد شهری, مدیریت پسماند, پیش‌بینی تولید پسماند جامد, اعتبارسنجی تحلیل رگرسیون, تهران Municipal solid waste, Waste management, Forecasting solid waste generation, Validation of regression analysis, Tehran 489 500 http://ijhe.tums.ac.ir/browse.php?a_code=A-10-2014-1&slc_lang=fa&sid=1 Kh Faraji Mahyari خدیجه فرجی مهیاری farajimahyari@ ut.ac.ir No Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران Sh Rafiee شاهین رفیعی shahinrafiee@ut.ac.ir Yes Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران AR Keyhani علیرضا کیهانی akeyhani@ut.ac.ir No Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران Z Faraji Mahyari زهرا فرجی مهیاری z_farajimahyari@ut.ac.ir No Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران