پیش بینی مصارف گاز خانگی و تجاری برای یک دوره پنج ساله شهر اصفهان با استفاده از شبکههای عصبی

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 254

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JPOM-7-1_014

تاریخ نمایه سازی: 7 اردیبهشت 1400

چکیده مقاله:

بخشهای خانگی و تجاری بیشترین سهم مصارف گاز طبیعی در کشور را به خود اختصاص دادهاست. بنابراین، پیشبینی میزان مصارف این دو بخش برای شرکت ملی گاز ایران بسیار حائز اهمیت است. در این مقاله، برای مصارف خانگی و تجاری گاز طبیعی شهر اصفهان ساختار مناسبی از مدل شبکه عصبی انتخاب و طراحی شده است. برای یافتن یک ساختار مناسب شبکه عصبی، سه ساختار متفاوت با نامهای دینامیک، هرس کامل و شبکه شعاع براساس تابع بررسی شده است. دادههای واقعی مصارف گاز ۱۰ سال (۱۳۸۱ تا ۱۳۹۰) برای پیشبینی مصارف (۱۳۹۱ تا ۱۳۹۵) استفاده شده است. به منظور پیشبینی مصارف خانگی و تجاری گاز طبیعی، متغیرهای مستقل جمعیت، دما، تعداد مشترکین و قیمت گاز انتخاب شدهاند. ساختارهای شبکه عصبی با یکدیگر و با سایر روشهای سنتی پیشبینی از جمله رگرسیون و سریهای زمانی مقایسه گردید. نتایج حاکی از آن است که ساختار منتخب هرس کامل مدل شبکه عصبی برای این دادهها از سایر ساختارها و مدلهای پیشبینی سنتی کارآمدتر و دقیقتر است و این مدل تا سال ۱۳۹۵ برای بخش خانگی افزایش مصرف و برای بخش تجاری کاهش در مصرف گاز طبیعی شهر اصفهان را پیشبینی کرده است. براساس بررسیهای انجام شده، تاکنون پژوهشی برای پیشبینی مصارف گاز طبیعی خانگی و تجاری شهر اصفهان با مقایسه بین ساختارهای مختلف طراحی مدل شبکه عصبی و انتخاب بهترین ساختار، صورت نگرفته است.

کلیدواژه ها:

مصارف گاز طبیعی بخشهای خانگی و تجاری ، پیش بینی ، شبکه عصبی مصنوعی ، هرس کامل ، دینامیک ، شبکه شعاع براساس تابع

نویسندگان

الهام هنری

دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران؛

مسعود یقینی

استادیار، گروه مهندسی صنایع، دانشکده مهندسی راه آهن، دانشگاه علم و صنعت تهران، تهران، ایران؛

محمد حسین ندیمی

استادیار، گروه کامپیوتر، دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران؛

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • پور کاظمی، م. ح، افسر، الف؛ و نهاوندی، ب. (1384). ...
  • دفتر برنامه ریزی کلان برق و انرژی. (1389). وزارت نیرو ...
  • ذوالفقاری، م. صادقی، ح. (1388). «طراحی روشی نوین برای پیش ...
  • غضنفری، م. علیزاده، س. تیمورپور، ب. (1387). داده کاوی و ...
  • منهاج، م. (1384). مبانی شبکه های عصبی، تهران: دانشگاه صنعتی ...
  • Aras, N. (2008). Forecasting residential consumption of natural gas using ...
  • Azadeh, A. Asadzadeh, SM. Saberi, M. Nadimi, V. Tajvidi, A. ...
  • Azadeh, A. Asadzadeh, SM. Saberi, M. Khoshmagham, S. (2012). An ...
  • Behrouznia, A. Saberi, M. Azadeh, A. Asadzadeh, SM. Pazhoheshfar, P. ...
  • Dombaycı, ÖA. (2010). The prediction of heating energy consumption in ...
  • Erdogdu, E. (2010). Natural gas demand in Turkey. Applied Energy. ...
  • Gil, S. & Deferrari, J. (2004). Generalized Model of Prediction ...
  • Khotanzad, A., Elragal, H. , & Lu, T. (2000). Combination ...
  • Kizilaslan, R., & Karlik, B.  (2009). Combination of Neural Networks ...
  • Musilek, P. Pelikan, E. Brabec, T. Simunek, M. (2006). Recurrent ...
  • Soldo, B. (2012). Forecasting natural gas consumption. Applied Energy, 92, ...
  • Sarak, H. Satman, A. (2003). The degree-day method to estimate ...
  • Siemek, J. Nagy, S. Rychlicki, S. (2003). Estimation of natural-gas ...
  • Taşpinar, F. Çelebi, N. Tutkun, N. (2013). Forecasting of daily ...
  • Viet, N.H. & Mandziuk, J. (2005). Neural and fuzzy neural ...
  • Vondráček, J. Pelikán, E. Konár, O. Čermáková, J. Eben, K. ...
  • Yaghini, M. Khoshraftar, M.M. Seyedabadi, M. (2013a). Railway passenger train ...
  • نمایش کامل مراجع