مدل سازی و مقایسه شبکه های عصبی مصنوعی GMDH و RBF در پیش بینی مصرف فرآورده های نفتی در بخش کشاورزی

انرژی در جوامع در حال توسعه نقش مهمی دارد. نقش تقاضای انرژی در تصمیم گیری و سیاست گذاری بر تولید، توزیع و عرضه آن و اهمیت حیاتی انرژی، به ویژه سوخت های فسیلی، یک عامل موثر بر تولید کشاورزی است. این عامل تاثیر زیادی بر تولید محصولات کشاورزی در ایران دارد. پیش بینی مصرف محصولات نفتی توسط بخش کشاورزی می تواند به مدیران و برنامه ریزان کمک کند تا شیوه های مدیریت مناسب برای مصرف خود را به کار گیرند. در حال حاضر شبکه های عصبی مصنوعی به عنوان یک ابزار قدرتمند برای تحلیل و مدل سازی روابط غیر خطی در نظر گرفته می شوند. در این تحقیق، شبکه های عصبی مصنوعی GMDH و RBF به منظور تخمین مصرف محصولات نفتی توسط بخش کشاورزی مورد استفاده قرار گرفت. پارامترهای پایه ای شامل ارزش افزوده به قیمت ثابت، جمعیت روستایی، مساحت زمین های کشاورزی، مکانیزاسیون کشاورزی (تراکتور) و میزان مصرف محصولات نفتی، برق، قیمت محصولات نفتی و مصرف انرژی کل کشاورزی بخش برای دوره 1967-2017 انتخاب شدند. مقایسه MSE، MAE و MAPE برای مدلهای GMDH و RBF نشان داد که شبکه عصبی GMDH توانایی بالایی در مدل کردن مصرف انرژی بخش کشاورزی دارد.