پیش بینی تقاضای گاز طبیعی بر مبنای مدلسازی با استفاده از روش شبکه های عصبی در منطقه گرم و خشک بر مبنای داده های هواشناسی

نیاز به پیش بینی و الگویابی مصرف گاز بخصوص در فصول سرد سال جهت مدیریت مصرف و سیاست گذاری و برنامه ریزی امری ضروری می باشد. در بخش مصارف مسکونی و تجاری که بخش عمده ای از مصرف گاز در کشور را به خود اختصاص می­دهد، تاثیرات متغیر های هواشناسی بیشترین اثر را بر مصرف دارند. در این تحقیق چهار متغیر متوسط دمای روزانه، متوسط رطوبت نسبی روزانه ، ساعات آفتابی در روز و متوسط سرعت باد برای پیش بینی مصرف در بازه زمانی کوتاه مدت استفاده شده است. نتایج برای سه شهر ایلام، ایوان و مهران به شکل معادلات چند جمله ای درجه دوم و بر حسب متغیر های فوق بدست آمده است. نتایج نشان مید هد که سه مدل بدست آمده بر مبنای میانگین ریشه مربعات خطای نرمال شده به ترتیب دارای مقدار ۲۱/۰، ۱۱۲/۰ و ۱۲۳/۰ و همچنین ضریب تعیین به ترتیب ۸۳۵۶/۰، ۸۷۰۶/۰ و  می باشند که مقدار مطلوبی می باشد. 

کلیدواژه ها:

Meteorological data ، Forecasting ، Natural gas consumption ، Group of Method Data Handeling (GMDH) ، داده های هواشناسی ، پیش بینی ، گروه بندی داده های عددی ، مصرف گاز طبیعی