ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

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

طراحی شبکه عصبی با الگوریتم لونبرگ جهت پیش بینی قیمت گاز جامعه موردمطالعه مصرف کنندگان آمریکا

سال انتشار: 1390
کد COI مقاله: NCSCIT02_158
زبان مقاله: فارسیمشاهده این مقاله: 1,335
فایل این مقاله در 6 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 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طراحی شبکه عصبی با الگوریتم لونبرگ جهت پیش بینی قیمت گاز جامعه موردمطالعه مصرف کنندگان آمریکا

مهدی ستوده - شرکت مجتمع گاز پارس جنوبی
الهه فرشاد - دانشگاه جامع علمی کاربردی کنگان

چکیده مقاله:

دراین مقاله به بررسی پیش بینی کننده قیمت گاز با شبکه عصبی به روش پس انتشار خطا به کمک الگوریتم Levenberg-marquradt خواهیم پرداخت دراینمقاله از عوامل موثر برقیمت گاز مانند میزان تولیدگاز پالایشگاه ها میزان تقاضا یا مصرف گاز تفاضل صادرات و واردات میزان مخازن کشف شده ماه ها و فصول سال و قیمت نفت به عنوان نمونه استفاده کرده ایم نمونه هایی از سال 1949 تا سال 2010 میلادی برای آموزش و تست شبکه استفاده شده اند که همه نمونه ها ازمراکز EIA آمریکا استخراج گردیدها ند درپیش بینی قیمت سالیانه از 36 نمونه برای یادگیری train و مابقی از سال 2005 تا 2010 برای تست validation بهره برده ایم کم بودن دیتاهای به دلیل محدودبودن پارامترهای موثر برگاز میب اشد البته پیش بینی برای قیمت ماهیانه نیز انجام پذیرفته است ولی نتایج سالانه ارایه گردیدها ست.

کلیدواژه ها:

شبکه عصبی ، لومبرگ، EIA,overfitting,matlab

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCSCIT02_158 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/142982/

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:
ستوده، مهدی و فرشاد، الهه،1390،طراحی شبکه عصبی با الگوریتم لونبرگ جهت پیش بینی قیمت گاز جامعه موردمطالعه مصرف کنندگان آمریکا،دومین کنفرانس ملی محاسبات نرم و فن آوری اطلاعات،ماهشهر،https://civilica.com/doc/142982

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: (1390، ستوده، مهدی؛ الهه فرشاد)
برای بار دوم به بعد: (1390، ستوده؛ فرشاد)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • رضا راعی، کاظم چاوشی"پیش بینی بازده سهام در بورس اوراق ...
  • حسینعلی سینایی، سعید الله مرتضوی، یاسر تیموری اصل، "پیش بینی ...
  • دکتر حمید رضا جعفریه، نگار معتمدی، الهه مولایی"تکنیک های هوش ...
  • دکتر محمد باقر منهاج، شبکه های عصبی، انتشارات دانشگاه امیر ...
  • analyzing and predicting us LPG import using neural network", M.sc ...
  • demand" .International conference _ information and financial engineering Singapore 2011. ...
  • G Zhang "Time series forecasting using a hybrid ARIMA amd ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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

    مقالات پیشنهادی مرتبط

    مقالات 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