کارایی مدل شبکه عصبی مصنوعی، الگوریتم توده ذرات و علف های هرز در پیش بینی مصرف انرژی دربخش حمل و نقل دریایی
- سال انتشار: 1393
- محل انتشار: اولین همایش ملی توسعه پایدار دریا محور
- کد COI اختصاصی: KMSU01_028
- زبان مقاله: فارسی
- تعداد مشاهده: 553
نویسندگان
دانشجوی کارشناسی ارشد مدیریت صنعتی، دانشگاه علم و هنر
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران)
استادیار گروه مدیریت، دانشگاه یزد
چکیده
از آنجایی که انرژی در کنار سایر عوامل تولید، می تواند نقش مهمی را در رشد و توسعه اقتصادی یک کشور ایفا کند، بنابراین مدیران یک کشور باید به دنبال ابزارهایی قدرتمند جهت پیش بینی دقیق تر مصرف انرژی باشند تا بتوانند با مدیریت و برنامه ریزی صحیح مصرف، پارامترهای عرضه و تقاضا را به نحوی مطلوب کنترل و هدایت کنند. در این تحقیق از سه تکنیک قدرتمند شبکه های عصبی مصنوعی، علف های هرز و توده ذرات استفاده شده و میزان دقت هر یک از این مدل ها توسط شاخص هایی نظیر MAD ، MSEو RSE اندازه گیری شده است و یک الگوریتم را که دارای خطای کمتری است و می توان از نتایج آن در بخش مدیریت مصرف انرژی استفاده کرد را معرفی کنیم. در این تحقیق، برای بررسی حاضر، از داده های سالانه مصرف انرژی ،بخش حمل و نقل کشور، به عنوان متغیر خروجی مدل های پیش بینی و از داده های سالانه جمعیت کل کشور، تولید ناخالص داخلی به عنوان متغیرهای ورودی مدل پیش بینی استفاده شده است. نتایج ارزیابی نشان می دهد دو تکنیک علف های هرز و توده ذرات نسبت به شبکه های هوش مصنوعی دارای دقت بالاتری در پیش بینی مصرف انرژی هستند.کلیدواژه ها
توده ذرات، علف های هرز، شبکه های هوش مصنوعیمقالات 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.