Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیشبینی قیمت زغال سنگ با استفاده از سری های زمانی در الگوریتم بیان ژن (GEP)

دومین کنفرانس بین المللی مهندسی متالوژی، مکانیک و معدن
سال انتشار: 1400
کد COI مقاله: MMMC02_013
زبان مقاله: فارسیمشاهده این مقاله: 184
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیشبینی قیمت زغال سنگ با استفاده از سری های زمانی در الگوریتم بیان ژن (GEP)

جمشید شاکری - کارشناس ارشد مهندسی معدن، دانشگاه کردستان
حسام دهقانی - دکتری مهندسی معدن، عضو هیات علمی گروه مهندسی معدن، دانشگاه صنعتی همدان
حاصل امینی خوشالان - دکتری مهندسی معدن، عضو هیات علمی گروه مهندسی معدن، دانشگاه کردستان

چکیده مقاله:

زغال سنگ به عنوان یکی ازبزرگترین منابع تامین انرژی جهان همواره مطرح بوده است. علاوه بر این امروزه با افزایش جمعیت و پیشرفت کشورهای درحال توسعه میزان مصرف و تقاضای انرژی و بویژه نفت، گاز و حاملهای انرژی مانند زغال سنگ که قابلیت جایگزینی با نفت خام را دارند افزایش یافته است. زغال سنگ یک کالای مهم اقتصادی و یکی از مهمترین منابع انرژی جهان است که در بسیاری از صنایع مانند فولاد سازی و ... که به گرما و انرژی زیاد نیاز دارند به کار میرود. بر این اساس تغییرات قیمت آن در بازارهای بین المللی میتواند بسیار اثرگذار باشد. هدف از مقاله حاضر، پیشبینی قیمت زغال سنگ است که برای نیل به این هدف داده های مربوط به قیمت زغال سنگ در خلال سالهای ۱۹۹۱ تا ۲۰۲۱ جمع آوری شده و با استفاده از سریهای زمانی در الگوریتم بیان ژن به پیش بینی قیمت زغالسنگ پرداخته شده است. نتایج بدست آمده نشان میدهد که روند تغییرات قیمت زغال سنگ در بازه ۲۰۱۳ تا ۲۰۲۱ به صورت افزایشی خواهد بود و این موضوع با مقادیر واقعی قیمت زغال سنگ همخوانی دارد.

کلیدواژه ها:

زغال سنگ ، قیمت ، انرژی ، الگوریتم بیان ژن (GEP)

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا MMMC02_013 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1362115/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شاکری، جمشید و دهقانی، حسام و امینی خوشالان، حاصل،1400،پیشبینی قیمت زغال سنگ با استفاده از سری های زمانی در الگوریتم بیان ژن (GEP)،دومین کنفرانس بین المللی مهندسی متالوژی، مکانیک و معدن،تهران،https://civilica.com/doc/1362115

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1400، شاکری، جمشید؛ حسام دهقانی و حاصل امینی خوشالان)
برای بار دوم به بعد: (1400، شاکری؛ دهقانی و امینی خوشالان)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 6,060
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی