CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی تقاضای انرژی در اقتصاد ایران با استفاده از الگوریتم پرواز پرندگان (PSO)

عنوان مقاله: پیش بینی تقاضای انرژی در اقتصاد ایران با استفاده از الگوریتم پرواز پرندگان (PSO)
شناسه ملی مقاله: CFMA03_058
منتشر شده در سومین کنفرانس ریاضیات مالی و کاربردها در سال 1391
مشخصات نویسندگان مقاله:

علی حسین صمدی - دانشگاه شیراز- استادیار بخش اقتصاد
مهدی امامی میبدی - دانشگاه آزاد اسلامی واحد بردسکن- دانشجوی دکترای اقتصاد
محسن کرمانی نژاد - دانشگاه آزاد اسلامی واحد بردسکن- کارشناسی ارشد ریاضی کاربردی و مدرس دانشگاه

خلاصه مقاله:
وضعیت نامناسب ایران از حیث استفاده از نهاده های حیاتی انرزی در سطح جهان باعث گردیده است تا در سیاست گذاری های کلان انرژی در کشور در راستای اصلاح مصرف انرژی و ارتقای جایگاه کشور از این حیث، خصوصاً برای دستیابی به اهداف ترسیم شده در سند چشم انداز کشور در افق 1404، اصلاح قیمت حامل های انرژی به عنوان مهمترین هدف سیاستی در سال های اخیر مورد توجه قرار گیرد. بر این اساسف ارائه تکنیک هایی برای پیش بینی تقاضای انرژی در اقتصاد ایران با درنظر گرفتن اصلاحات اساسی صورت گرفته در این زمینه می تواند بستر مناسبی را برای ارائه ی یافته های سیاستی در حوزه برنامه ریزی انرژی فراهم آورد. موضوعی که هدف اصلی این مقاله را به خود اختصاص داده است. از دهه ی 1970، مطالعات متعددی موضوع تقاضای انرژی را با استفاده از تکنیک های مختلف پیش بینی مورد توجه قرار داده اند که در پنج گروه رویکرد اقتصاد سنجی، رویکرد هوش مصنوعی، مدل ترکیبی، مدل پیش بینی تئوری گری و مدل LEAP، قابل دسته بندی می باشند. از آنجایی که روش های مختلف پیش بینی، نتایج متفاوتی را ارائه می نمایند، بر این اساس، انتخاب روش مورد بررسی برای پیش بینی تقاضای انرژی در اقتصاد ایران به میزان قابل توجهی به شرایط اقتصاد ایران و دادههای در دسترس در این فضا بستگی دارد. در مقاله ی حاضر سعی شده است که از یک تکنیک قوی تر در مقایسه با سایر تکنیک ها (PSO) استفاده و میزان تقاضای حامل های مختلف انرژی تا افق 1404 پیش بینی گردد.

کلمات کلیدی:
تقاضای حمل های انرژی، روش های پیش بینی، الگوریتم پرواز پرندگان، ایران

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/352562/