توسعه مدل محاسباتی ترکیبی بر پایه شبکه عصبی مصنوعی برای پیش بینی تقاضای جهانی گاز طبیعی

از آنجا که سیستم های انرژی رفتاری پیچیده از خود نشان می دهند همواره موردتوجه پژوهشگران بوده اند. از سوی دیگر سیاست گذاران حوزه انرژی به دنبال درک بهتر رفتار آتی متغیرهای وابسته به سیستم های انرژی جهت بیشینه ساختن سود و احتمال موفقیت راهبردهایشان هستند. در این مقاله، مسئله تقاضای جهانی گاز طبیعی بررسی شد و مدلی ترکیبی بر پایه شبکه عصبی مصنوعی توسعه یافت. در مدل پیشنهادی، ابتدا ورودی های معمول پیش بینی تقاضای انرژی مطالعه قرار شدند. برای تضمین در نظر گرفتن تمام ورودی های محتمل، روش بیشینه مدنظر قرار گرفت و با توجه به امکان دسترسی به داده خام، تعداد زیادی متغیر از جمله متغیرهای منتخب مطالعات پیشین به عنوان ورودی مدل در نظر گرفته شد. با استفاده از ابزارهای داده کاوی از ۱۳ ورودی در دسترس، مجموعه ۶ ورودی به عنوان نماینده کل جمعیت شناسایی شده و مدل بر مبنای آن ها پیاده سازی شد. سپس الگوریتم پیش بینی ترکیبی هوشمندی طراحی شد، به نحوی که از الگوریتم ژنتیک برای بهینه سازی و آموزش شبکه عصبی مصنوعی استفاده گردید. مطالعه خروجی ها نشان داد در مقایسه با مدل های پایه و موجود در مطالعات پیشین و با در نظر گرفتن پنج آماره خطای متفاوت، مدل پیشنهادی عملکرد بهتری نسبت به سایر مدل ها دارد.

کلیدواژه ها:

Natural Gas Demand ، Intelligent Forecasting ، Data mining ، Artificial Neural Network ، Genetic Algorithm. ، تقاضای گاز طبیعی ، پیش بینی هوشمند ، داده کاوی ، شبکه عصبی مصنوعی ، الگوریتم ژنتیک.