不断发展的城市往往耗尽了用于废物管理和新建垃圾填埋场的土地。
人工智能可以帮助城市管理者对固体垃圾的数量和填埋需求做出更强大的长期预测，即使数据缺失或不准确。
UJ大学的研究人员发现，一个10个神经元的模型对一个发展中的城市的城市固体废物产生了最好的30年预测。
在世界各地，大城市的城市固体垃圾空间正在枯竭。现有的垃圾填埋场正在迅速填满，没有人想在他们的家或公司附近建一个新的填埋场。与此同时，纳税人对高质量垃圾管理成本也不感兴趣。
一种显著延长现有废物管理场所工作寿命的方法是回收利用。回收还可以减少失业，杏耀代理开号帮助建立循环经济或走向零废物。
但通常情况下，家庭高度抵制回收，或回收更多。
最近的一项研究表明，人工智能(AI)可以为城市垃圾管理者提供一种更强大的方法，来预测城市长期的填埋需求。
研究人员使用机器学习来预测一个非洲大城市的城市固体垃圾。预测显示，如果回收水平保持不变，30年后将会有多少垃圾。
Olusola Olaitan Ayeleru博士和Lanrewaju Ibrahim Fajimi先生在《清洁生产》杂志上发表了他们的研究。他们都在约翰内斯堡大学的化学工程系工作。
用电子表格计划浪费
预测一个城市的垃圾填埋场何时会耗尽空间是困难的，即使有很多准确的信息可用。然而，使用电子表格进行传统的统计预测可能足以对未来30年进行规划。
与此同时，带有大量手动调整公式和宏的电子表格很难理解。这些也可能是耗时和难于维护的。
但是，在电子表格上预测不同的回收情况可能是不可能的。在这种预测中考虑到人口增长、废物类型、天气和其他数据集可能也不可能。
机器学习可以打败宏
在发展中国家，关于城市中产生的废物的信息经常丢失或不准确。在这里，电子表格不太可能给城市管理者提供对长期规划的预测。
然而，机器学习可以从现有的数据以及后来添加的更多数据中“学习”自己。
此外，机器学习更适合利用不同格式的多个数据集。
快速发展的城市
约翰内斯堡是南非的经济中心，也是南非最大的城市。它吸引了来自其他省份的人以及寻找工作的外国人。
在这项研究中，只有约翰内斯堡大都会市被纳入。从北部的迪普斯鲁特到米德兰特;到南部的恩纳代尔/橘子农场;西方的多恩科普/索韦托;到东部的布鲁玛。
邻近城市Ekhurhuleni、Tshwane、Mogale、Merafong、Rand West、Emfuleni、Midvaal和Lesedi被排除在研究之外。
从1996年到2001年，约翰内斯堡的人口从259万增长到322万。根据全国人口普查数据，到2011年，该市人口为443万。
同年，南非产生的约5900万吨普通垃圾中有90%最终被填埋，10%被回收利用。在全国范围内，12.9%的大都市家庭自我报告说他们回收垃圾，其次是城市地区的10.8%的家庭。
根据其2019/2020年综合发展计划，预计2021年该市人口将达到530万。
垃圾填埋场只剩下几年时间了
该市目前有四个垃圾填埋场。
2020年9月，
杏耀注册 ，该市垃圾管理公司Pickitup的首席运营官对媒体表示，这些场所还剩下4年半的容量。
2018年，该市启动了一项源头分离回收计划。塑料、纸张、玻璃、易拉罐以及家庭花园产生的垃圾都可以回收利用。
2021年2月，Pickitup宣布与48家公司合作制作节目。目标是增加城市的垃圾收集、街道清洁和回收意识和教育。每个病房将有15名新员工来协调这个项目。
数据插入人工智能
Ayeleru和Fajimi使用一台配备i7处理器的标准笔记本电脑，利用机器学习技术预测30年后约翰内斯堡的城市固体垃圾。
研究人员使用了2011年的人口普查数据，包括人口、正式就业、失业和家庭单位数量。该数据由国家政府机构StatsSA提供。
他们将这些数据与1996年至2008年北京四个垃圾填埋场的年度城市固体垃圾总量数据相结合。这些数据是由约翰内斯堡市提供的。
不同种类的AI
在这项研究中，Fajimi使用了两种机器学习来生成30年的城市固体垃圾总量的预测。这两种算法都以准确的预测和一致性而闻名。
第一种称为人工神经网络(ann)。他们使用5个、10个、20个、30个和40个神经元模型来创建5个预测。这种类型的模型可以自己学习。他在MATLAB软件中创建了这个模型，该软件有一个鲁棒的ANN神经拟合工具箱。
第二种类型称为支持向量机(SVMs)。他在MATLAB软件中使用线性、二次、三次、一元高斯、中高斯和粗高斯方法创建另外六种预测。
10神经元模型产生了最佳的神经网络预测。在支持向量机模型中，线性模型的预测效果最好。
人工智能的底线
10神经元模型预测，杏耀拿代理约翰内斯堡的人口可能会从2021年的530万增加到2031年的640万;到2050年将达到840万。
相比之下，该模型并没有预测到城市固体垃圾的同样增长。相反，它预计每年的垃圾总量将从2021年的161万吨增加到2031年的172万吨;到2050年将达到195万吨。
阿耶勒鲁说:“人们可能认为，随着人口的增长，垃圾的产生应该增加，但这也取决于诸如购买力高低或收入来源等因素。”
“当公民失去收入来源或购买力较低时，产生的垃圾就会减少，因为他们会在家做饭，而不是去餐馆买现成的食物。”
下一个步骤
在后续研究中，Ayeleru和Fajimi正在研究如何使用人工智能来预测垃圾类型，以及城市可以从每种垃圾中获得多少收入。
“与非洲大陆其他大城市相比，约翰内斯堡目前在废物管理方面做得更好。这种人工智能预测可以帮助城市设计未来的废物管理基础设施，”Ayeleru说。
“在短期内，城市可以采取的第一步是教育人们，让他们开始更多地回收。其次，该市可能需要超越目前的做法，从固体垃圾中获取收入。
