دوره 8، شماره 4 - ( 10-1397 )                   جلد 8 شماره 4 صفحات 0-0 | 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. Natural gas demand forecasting: Development of a hybrid computational model based on artificial neural network. JEM. 2019; 8 (4)
URL: http://energy.kashanu.ac.ir/article-1-961-fa.html
حافظی رضا، اخوان امیرناصر، پاک‌سرشت سعید. پیش‌بینی تقاضای جهانی گاز طبیعی :توسعه مدل محاساباتی ترکیبی بر پایه شبکه عصبی مصنوعی. مهندسی و مدیریت انرژی. 1397; 8 (4)

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


چکیده:  
پیش‌بینی رفتار سیستم‌های پیچیده همواره موردتوجه پژوهشگران بوده است. سیستم‌های انرژی ازاین‌روی که متأثر از عوامل متعدد خرد و کلان اعم از اقتصادی، سیاسی، اجتماعی و فناوری می‌باشند رفتاری پیچیده و بعضاً با عدم قطعیت بالا از خود نشان می‌دهند. در سال‌های اخیر و با توجه به کاهش قیمت نفت و طرح ثبات تولید نفت خام در مجموعه کشورهای عضو اوپک، ایران به دنبال افزایش سهم خود از بازار جهانی گاز طبیعی و درآمدزایی از طریق فروش گاز طبیعی است. در این مقاله مسئله تقاضای جهانی گاز طبیعی موردبررسی قرارگرفته و مدلی ترکیبی بر پایه شبکه عصبی مصنوعی توسعه یافت. در مدل پیشنهادی ابتدا ورودی‌های معمول پیش‌بینی تقاضای انرژی موردمطالعه قرار گرفتند. جهت تضمین در نظر گرفتن تمام ورودی‌های محتمل روش بیشینه مدنظر قرار گرفت و با توجه به امکان دسترسی به داده خام، تعداد زیادی متغیر ازجمله متغیرهای منتخب مطالعات پیشین به‌عنوان ورودی مدل در نظر گرفته شد. با استفاده از ابزارهای داده‌کاوی از مین 13 ورودی در دسترس، مجموعه 6 ورودی بعنوان نماینده کل جمعیت شناسایی شده و مدل بر مبنای آن‌ها پیاده‌سازی شد. سپس الگوریتم پیش‌بینی ترکیبی هوشمندی طراحی شد، به‌قسمی‌که از الگوریتم ژنتیک برای بهینه‌سازی و آموزش شبکه عصبی مصنوعی استفاده شده است. مطالعه خروجی‌ها نشان داد در مقایسه با مدل‌های پایه و موجود در مطالعات پیشین و با در نظر گرفتن پنج آماره 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 code

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

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved | Energy Engineering & Management

Designed & Developed by : Yektaweb