دوره 8، شماره 4 - ( 10-1397 )                   جلد 8 شماره 4 صفحات 38-49 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hafezi R, Akhavan A, Pakseresht S. Development a Hybrid Computational Model Based on Artificial Neural Network to Predict Natural Gas Global Demand . JEM. 2019; 8 (4) :38-49
URL: http://energy.kashanu.ac.ir/article-1-961-fa.html
حافظی رضا، اخوان امیرناصر، پاک‌سرشت سعید. توسعۀ مدل محاسباتی ترکیبی بر پایۀ شبکۀ عصبی مصنوعی برای پیش‌بینی تقاضای جهانی گاز طبیعی. مهندسی و مدیریت انرژی. 1397; 8 (4) :38-49

URL: http://energy.kashanu.ac.ir/article-1-961-fa.html


چکیده:  
از آنجا که سیستم‌های انرژی رفتاری پیچیده از خود نشان می‌دهند همواره موردتوجه پژوهشگران بوده‌اند. از سوی دیگر سیاست‌گذاران حوزه انرژی به دنبال درک بهتر رفتار آتی متغیرهای وابسته به سیستم‌های انرژی جهت بیشینه ساختن سود و احتمال موفقیت راهبردهایشان هستند. در این مقاله، مسئلۀ تقاضای جهانی گاز طبیعی بررسی شد و مدلی ترکیبی بر پایۀ شبکۀ عصبی مصنوعی توسعه یافت. در مدل پیشنهادی، ابتدا ورودی‌های معمول پیش‌بینی تقاضای انرژی مطالعه قرار شدند. برای تضمین در نظر گرفتن تمام ورودی‌های محتمل، روش بیشینه مدنظر قرار گرفت و با توجه به امکان دسترسی به دادۀ خام، تعداد زیادی متغیر از جمله متغیرهای منتخب مطالعات پیشین به‌عنوان ورودی مدل در نظر گرفته شد. با استفاده از ابزارهای داده‌کاوی از 13 ورودی در دسترس، مجموعۀ 6 ورودی به‌عنوان نمایندۀ کل جمعیت شناسایی‌شده و مدل بر مبنای آن‌ها پیاده‌سازی شد. سپس الگوریتم پیش‌بینی ترکیبی هوشمندی طراحی شد، به‌نحوی‌که از الگوریتم ژنتیک برای بهینه‌سازی و آموزش شبکۀ عصبی مصنوعی استفاده‌ گردید. مطالعۀ خروجی‌ها نشان داد در مقایسه با مدل‌های پایه و موجود در مطالعات پیشین و با در نظر گرفتن پنج آمارۀ خطای متفاوت، مدل پیشنهادی عملکرد بهتری نسبت به سایر مدل‌ها دارد.
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

کلیه حقوق این وب سایت متعلق به نشریه مهندسی و مدیریت انرژی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Energy Engineering & Management

Designed & Developed by : Yektaweb