پیش بینی روند افزایش ظرفیت جهانی انرژی های تجدیدپذیر با استفاده از شبکه عصبی مبتنی بر رگرسیون با مدل سری زمانی

سال انتشار: 1402
محل انتشار: پنجمین کنفرانس بین المللی علوم، مهندسی، و نقش تکنولوژی در کسب و کارهای نوین
کد COI اختصاصی: SETIET05_023
زبان مقاله: فارسی
تعداد مشاهده: 45

نویسندگان

کارشناسی ارشد آمار اجتماعی- اقتصادی، دانشگاه علامه طباطبایی تهران

کارشناسی ارشد مهندسی سیستم های قدرت، دانشگاه آزاد اسلامی قزوین

چکیده

در این مقاله، یک مدل تخمینی برای پیش بینی افزایش ظرفیت خالص انرژی های تجدیدپذیر بر اساس داده های سری زمانی از سال ۲۰۰۰ تا ۲۰۲۳ ارائه شده است. همچنین از مدل شبکه عصبی کم عمق مبتنی بر رگرسیون (RSNN) با ۲۰ نورون پنهان استفاده شده است تا بهترین پارامترهای ممکن را برای مدلی که بالاترین دقت را در برازش مدل و پیش بینی داده های سری زمانی ارائه می کند، تخمین زده شود. مدل RSNN با موفقیت برای مدل سازی داده های سری زمانی و پیش بینی روند افزایش ظرفیت جهانی انرژی های تجدیدپذیر تا سال ۲۰۲۵ استفاده شده است. نتایج نشان می دهد که مدل RSNN حداقل میانگین مربع خطا (MSE) مبتنی بر تلفات را برای تخمین مدل پس از ۶۰ دوره آموزش شبکه عصبی با دقت بالای ۹۹ درصد برای برازش داده ها ثبت کرده است .این مدل یک روند افزایشی خطی را در افزایش ظرفیت انرژی تجدیدپذیر تا سال ۲۰۲۵ نشان می دهد.

کلیدواژه ها

انرژی های تجدیدپذیر، شبکه عصبی کم عمق، مدل سری زمانی، مدل رگرسیون

مقالات مرتبط جدید

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.