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

چکیده:
بخش های خانگی و تجاری بیشترین سهم مصارف گاز طبیعی در کشور را به خود اختصاص داده است. بنابراین، پیش بینی 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 نام های دینامیک، هرس کامل و شبکه شعاع براساس تابع بررسی شده است. داده های واقعی مصارف گاز 10 سال (1381 تا 1390) برای پیش بینی مصارف (1391 تا 1395) استفاده شده است. به منظور پیش بینی مصارف خانگی و تجاری گاز طبیعی، متغیرهای مستقل جمعیت، دما، تعداد مشترکین و قیمت گاز انتخاب شده اند. ساختارهای شبکه عصبی با یکدیگر و با سایر روش های سنتی پیش بینی از جمله رگرسیون و سری های زمانی مقایسه گردید. نتایج حاکی از آن است که ساختار منتخب هرس کامل مدل شبکه عصبی برای این داده ها از سایر ساختارها و مدل های پیش بینی سنتی کارآمدتر و دقیق تر است و این مدل تا سال 1395 برای بخش خانگی افزایش مصرف و برای بخش تجاری کاهش در مصرف گاز طبیعی شهر اصفهان را پیش بینی کرده است. براساس بررسی های انجام شده، تاکنون پژوهشی برای پیش بینی مصارف گاز طبیعی خانگی و تجاری شهر اصفهان با مقایسه بین ساختار های مختلف طراحی مدل شبکه عصبی و انتخاب بهترین ساختار، صورت نگرفته است.
زبان:
فارسی
صفحات:
247 تا 262
لینک کوتاه:
magiran.com/p1550240 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!