ندا بیات - استادیار گروه اقتصاد، دانشکده مدیریت و حسابداری، دانشگاه آزاد اسلامی قزوین
علی رضایی - کارشناس ارشد آمار، دانشگاه علامه طباطبایی

کمبود انرژی امروزه به عنوان مانعی جدی در دستیابی به توسعه اقتصادی مطرح است، به همین دلیل مدیریت تقاضای آن مورد توجه کشورها است. در ایران بخش حمل و نقل سهم عمده­ای از مصرف انرژی دارد که ۷/۹۹ درصد از آن متعلق به بنزین است. با توجه به روند افزایشی مصرف بنزین در ایران، کافی نبودن تولید داخل کشور، رشد قابل توجه واردات بنزین در سال­های اخیر اهمیت مدیریت مصرف بنزین افزایش یافته است که پیش­بینی هر چه دقیق­تر روند مصرف آن می­تواند در تحقق این امر بسیار مفید باشد. این مطالعه به پیش­بینی مصرف بنزین با استفاده از داده­های ماهانه با مقایسه عملکرد سه روش شبکه­های با حافظه طولانی کوتاه­مدت، نقشه­های خودسازمانده بازگشتی و روش سنتی میانگین متحرک جمع‎بسته خود رگرسیون فصلی پرداخته است. نتایج حاکی از این است که روش یادگیری عمیق شبکه­های با حافظه طولانی کوتاه­مدت و تواتر۱۲ ماهه برای آموزش داده­ها  کاراتر از دو روش دیگر است.

پیش ­بینی مصرف بنزین, یادگیری عمیق, شبکه­ های با حافظه طولانی کوتاه­ مدت, نقشه­ های خودسازمانده بازگشتی طبقه ­بندی  JEL: Q۴۱, E۱۷, Q۴۷