مدلسازی و پیشبینی مصرف گازوئیل در بخش حمل و نقل با استفاده از رویکرد یادگیری ماشین

این پژوهش به پیش بینی مصرف گازوئیل در بخش حمل و نقل ایران با بهره گیری از مدلهای یادگیری ماشین می پردازد. با توجه به تاثیر گسترده مصرف سوخت بر اقتصاد و محیط زیست هدف تحقیق ارائه مدلی دقیق و قابل اعتماد برای تحلیل روندهای آینده مصرف انرژی است. در این راستا دو ساختار شبکه عصبی شامل شبکه عصبی چندلایه (MLP) و شبکه تابع پایه شعاعی (RBF توسعه یافته و با دادهای تاریخی نظیر جمعیت، تولید ناخالصی داخلی و قیمت گازوئیل آموزش داده شدند. پژوهش انجام شده در مقایسه تحلیلی عملکرد این دو مدل با تمرکز بر شاخصهای آماری مانند ضریب تعیین و میانگین درصد خطای مطلق است. نتایج حاکی از برتری مدل MLP در دقت پیش بینی و توانایی تعمیم پذیری آن بوده و این مدل میتواند ابزاری کارآمد برای پشتیبانی از تصمیم گیریهای راهبردی در مدیریت مصرف سوخت باشد.

کلیدواژه ها:

یادگیری ماشین پیش بینی ، گازوئیل ، شبکه عصبی چندلایه ، شبکه تابع پایه شعاعی