卡车是港口运输最重要的工具之一。然而，目前，中国许多港口公司的智能水平较低，甚至一些港口公司仍然使用地磅的现场指导方法进行称重。这种人工干预效率低，错误率高，人工成本高，货物风险高。因此，设计一个高效的地磅系统对于港口企业改善称重管理尤为重要。基于物联网技术，设计了无人值守地磅系统。无人值守地磅系统将物联网地磅与生产业务系统相结合。物联网地磅负责收集称重数据，而生产业务系统负责处理遥控器数据和发送命令。

    该系统实现了称重的自动化，提高了称重效率，节省了人力成本，降低了货物的风险，具有很高的实用价值。从Sezela地磅提供的托运单中获取数据的重复任务经常导致错误。错误是由于托运单上的数据不正确、粗心、交货高峰期的压力和疲劳造成的。随着Sezela地磅自动数据采集和称重系统的开发和引入，这些问题已经消除。除了消除不正确的数据捕获，该系统还提高了磨机的生产率，并显著节约了成本。本文讨论了该系统的开发和运行以及遇到的问题。发展中国家城市垃圾管理不健全的情况增加，影响了居民的公共健康。固体废物管理得到了市政当局的广泛关注。城市固体废物管理系统的可持续规划和设计需要准确预测城市当局在垃圾填埋场产生和收集的固体废物，以供最终处置控制器和其他可再生能源选择。

    在这项研究中，使用人工神经网络（ANN）替代模型来预测2012年至2016年在达卡南城市公司（DSCC）Matuail填埋场收集的固体废物。120个月固体废物量和从地磅获得的车辆行程数用作模型的输入数据。70%的数据用于模型训练，15%的数据用于验证，15%的用于测试。剩余的60个月废物量用作开发模型的输出。前馈-反馈传播神经网络与双曲正切S形激活函数和Levenberg–Marquardt优化方法一起使用。基于性能度量，即MSE的最小值和回归的高值，选择具有2-5-1-1拓扑的模型作为最佳拓扑。基于ANN的固体废物预测模型使用具有确定系数（R2）的可用地磅数据进行训练和测试0.85和0.86，表现出良好的前景。所开发的模型可以成功地与垃圾填埋场中的重量桥软件一起使用，以有效地预测固体废物收集，特别是在人口和社会环境相似的国家。考虑到其他拟议的备选处置方案和废物特征，对所需的填埋场面积进行了估计，发现填埋当局可以节省宝贵的城市填埋场面积需求达28.6%。结果表明，通过人工神经网络和最终处置方法进行填埋场面积估计的创新方法可以交替使用，这有助于更好地填埋场的规划和无线遥控器管理。