다층신경망을 이용한 장래 생활폐기물 발생량 예측 연구 : B시 사례연구

최성원; 김한준

추천

검색

자료유형: 학술저널

저자정보: 최성원 ((재)한국지방행정연구원) 김한준 (성균관대학교)

저널정보: 한국폐기물자원순환학회 한국폐기물자원순환학회지 한국폐기물자원순환학회지 제37권 제1호

발행연도: 2020.1

수록면: 37 - 43 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In order to establish an efficient waste management plan, it is essential to forecast waste generation accurately, andsuch estimates become the basis for optimizing and developing the existing waste management infrastructure. The unitgeneration rate method used to estimate waste generation is widely used because it is convenient to apply. However,because it has various problems, methods for forecasting waste generation must be improved. Machine learning techniquesare being used to forecast prices and demand in various areas, such as economy and industrial engineering. This studyapplies those techniques for predicting waste generation and compares the results with those obtained using existingmethodologies. In this study, 80% (January 2013 to December 2016) of the data were used for training purposes, and20% (January 2017 to December 2017) were used for testing. The results of five hundred iterations show that the minimumvalue of 515.4 ton/day, the one-quartile value of 573.6 ton/day, and the median value of 590.4 ton/day in 2020, aresignificantly different from the results obtained using the unit generation rate method (547.7 ton/day). It was also shownthat future waste generation will continue to increase despite a decrease in population, and then it converges on 614.9ton/day in 2030. In other words, the model that was applied in this study is more suitable for short-term forecasts thanfor long-term forecasts. In addition, results of this study suggest that future increases in waste generation would be dueto changes in the population structure and the developing delivery service.

#Forecasting model #Multiple layer perceptron #The unit generation rate method #Waste generation

참고문헌 (6)

참고문헌 신청

Abbasi, M. / 2016 / Forecasting municipal solid waste generation using artificial intelligence modelling approaches / Waste Management 56:13~22

Choi, S. W. / 2019 / A study on the determinants and forecasting model of household waste generation (focusing on 31 cities in Gyeonggi province)

Cha, Y. K. / 2002 / A study on the estimation of general waste products for the use of a neural network in Gwang-ju city

Sun, N. / 2017 / Development of an appropriate model for forecasting municipal solid waste generation in Bangkok / Energy Procedia 138

Kolekar, K. A. / 2016 / A review on prediction of municipal solid waste generation models / Procedia Environmental Sciences 35:238~244

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최성원

소속기관 서울시립대학교 환경공학부

주요연구분야 공학 > 건축공학 > 환경공학

논문수 4 이용수 33

김한준

소속기관 성균관대학교

주요연구분야 공학 > 건축공학 > 환경공학 공학 > 전기전자공학 > 정보통신공학

논문수 6 이용수 161

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (6)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)