استفاده از رهیافت های شبکه های عصبی مصنوعی و سری زمانی در پیش بینی میزان مصرف انرژی الکتریکی در بخش کشاورزی
- سال انتشار: 1391
- محل انتشار: مجله تحقیقات اقتصاد کشاورزی، دوره: 4، شماره: 13
- کد COI اختصاصی: JR_JAE-4-13_002
- زبان مقاله: فارسی
- تعداد مشاهده: 98
نویسندگان
عضو هئیت علمی دانشکده اقتصاد و مدیریت دانشگاه آزاد اسلامی واحد شیراز
چکیده
هدف اصلی این مطالعه پیش بینی میزان مصرف انرژی الکتریکی در بخش کشاورزی است. برای این منظور از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه ی عصبی مصنوعی استفاده شد. به منظور انجام بررسی، از داده های سالانه ی دوره ی ۱۳۴۶ تا ۱۳۸۳ برای برآورد و آموزش مدل ها و از داده های دوره ی ۱۳۸۴ تا ۱۳۸۷ به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده شد. در این مطالعه معیارهای ارزیابی مختلفی شامل میانگین قدرمطلق خطا(MAE)، میانگین مجذور خطا(MSE) و درصد میانگین مطلق خطا(MAPE) مورد استفاده قرار گرفتند. نتایج مطالعه نشان داد که شبکه ی عصبی پرسپترون سه لایه با روش آموزش الگوریتم پس انتشار دارای MAPE معادل ۰۲/۱ درصد می باشد که کمتر از مقدار این آماره برای مدل سری زمانی است(۱۳/۱ درصد). سایر معیارهای خطا نیز نتایج یکسانی دارند و بر این اساس شبکه ی عصبی قادر است میزان مصرف برق در بخش کشاورزی را بهتر از مدل ARIMA پیش بینی نماید. لذا پیشنهاد می شود وزرات نیرو جهت پیش بینی های آتی خود از این روش استفاده نماید.کلیدواژه ها
پیش بینی, مصرف انرژی, شبکه عصبی مصنوعی, بخش کشاورزیاطلاعات 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.