محمود رحیمی - دانش آموخته کارشناسی ارشد سنجش ازدور و GIS ، دانشگاه خوارزمی،
جواد سدیدی - استادیار گروه آموزشی سنجشازدور و GIS ، دانشگاه خوارزمی
محمد بادپیما - دانش آموخته کارشناسی ارشد هوش مصنوعی، دانشگاه مالک اشتر
محسن ولی زاده اصلی - دانشجو دکترای هوش مصنوعی، دانشگاه صنعتی خواجه نصیر

بخش خانگی بیشترین سهم مصرف گاز طبیعی در کشور را به خود اختصاص داده است. بنابراین پیش بینی میزان مصرف و تحلیل مکانی مصرف گاز مشترکین خانگی برای شرکت ملی گاز ایران بسیار حائز اهمیت است. هدف از این پژوهش، تحلیل میزان مصرف گاز در سال های گذشته و پیش بینی مصرف گاز شهر ساری در آینده می باشد. متغیرهای مستقل مورد استفاده در این مطالعه شامل جمعیت، تعداد مشترکین، تعداد خانوار، دمای هوا، رطوبت و بهای مصرف گاز بوده است که برای پیش بینی مصرف مشترکین خانگی شهر ساری ساختار مناسبی از مدل شبکه عصبی عمیق به نام LSTM انتخاب و طراحی شده است که یکی از جنبه های نوآوری از لحاظ روش شناسی در این پژوهش می باشد. روش استفاده شده برای مدل سازی داده ها، دارای خطای نسبی (MSE) ۰/۷۶ درصد می باشد که با محاسبه ی این درصد خطا، مدل ایجاد شده به پیش بینی میزان مصرف گاز طبیعی مشترکین خانگی پرداخته است.

داده کاوی، یادگیری عمیق، شبکه عصبی LSTM ، پیش بینی، مصرف گاز، خطای MSE