پیش بینی تقاضای انرژی بخش حمل و نقل با استفاده از شبکه های عصبی
- سال انتشار: 1386
- محل انتشار: اولین کنفرانس بین المللی تحقیق در عملیات ایران
- کد COI اختصاصی: ICIORS01_307
- زبان مقاله: فارسی
- تعداد مشاهده: 1481
نویسندگان
دانشجوی دکترای مدیریت تحقیق در عملیات دانشگاه تهران
استاد دانشکده برق دانشگاه امیرکبیر
چکیده
امروزه استفاده از تکنولوژی های هوشمند برای حل مسائل عملی پیچیده در بخشهای مختلف صنعتی مورد توجه بسیار قرار گرفته اند. بزرگترین مزیت شبکه های عصبی, توانایی آنها در مدل کردن روابط غیرخطی پیچیده, بدون درنظر گرفتن فرضیات قبلی است. این سیستم ها، با انجام محاسبات بر داده های تجربی، قوانین کلی را فرا می گیرند. از اینرو به آنها سیستم های هوشمند می گویند. شبکه های عصبی مصنوعی جزء دسته ای از سیستم های هوشمند هستند که دانش نهفته در ورای داده ها را با پردازش داده های تجربی به ساختار شبکه منتقل می کنند. در این مقاله پس از مروری بر مقالاتی که با استفاده از شبکه های عصبی به پیش بینی مصرف انرژی در بخش های مختلف پرداخته اند, با استفاده از شبکه های عصبی مصنوعی و با در نظر گرفتن شاخص های اقتصادی و اجتماعی به پیش بینی تقاضای انرژی بخش حمل و نقل کشور طی سال های 1386 تا 1400 پرداخته ایم. از یک شبکه عصبی رو به جلو با ناظر برای پیش بینی استفاده نموده و آن را با الگوریتم پس انتشار آموزش دادیم. برای بررسی تاثیر شاخص های اقتصادی و اجتماعی بر تقاضای انرژی بخش حمل و نقل کشور, از داده های مربوط به تولید ناخالص داخلی , جمعیت و تعداد خودرو طی سال های 1347 تا 1385 استفاده نموده ایم. مدل مذکور را با استفاده از نرم افزار مطلب کدنویسی نمودیم. میزان تولید ناخالص ملی, جمعیت و تعداد خودرو را نیز با استفاده از طراحی سه شبکه عصبی دیگر تخمین زدیم ,کلیدواژه ها
اطلاعات بیشتر در مورد 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.