بررسی کارایی مدل های نروفازی، شبکه عصبی و رگرسیون چندمتغیره در پیش بینی مصرف انرژی کشور
نویسنده:
چکیده:
انرژی در کنار سایر عوامل تولید، عامل موثری در رشد و توسعه اقتصادی تلقی می شود و در عملکرد بخش های مختلف اقتصادی نقش چشمگیری ایفا می کند. ازاین رو، مسوولان کشور باید تلاش کنند تا با پیش-بینی دقیق تر مصرف انرژی و برنامه ریزی صحیح در هدایت مصرف، پارامترهای عرضه و تقاضای انرژی را به نحوی مطلوب کنترل کنند. هدف از این مقاله، بررسی کارایی مدل های نروفازی، شبکه عصبی و رگرسیون چندمتغیره در پیش بینی مصرف انرژی کشور است. مطالعه موردی این تحقیق مربوط به انرژی مصرفی در بخش حمل ونقل ایران است. ازاین رو، برای بررسی حاضر، از داده های سالانه مصرف انرژی بخش حمل ونقل کشور، به عنوان متغیر خروجی مدل های پیش-بینی و از داده های سالانه جمعیت کل کشور، تولید ناخالص داخلی و تعداد خودرو به عنوان متغیرهای ورودی مدل های پیش بینی استفاده شد. در پایان، نتایج پیش بینی مدل های مختلف با استفاده از شاخص-های خطای استاندارد نسبی (RSE) و میانگین خطا (ME) و مجذور میانگین مربعات خطا (RMSE) ارزیابی شدند. نتایج ارزیابی نشان داد که مدل نروفازی (ANFIS)، نسبت به سایر مدل ها دارای بالاترین دقت در پیش بینی مصرف انرژی کشور است.
کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
43
لینک کوتاه:
magiran.com/p1218209
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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
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!