پیش بینی مصرف انرژی بوسیله شبکه عصبی با در نظر گرفتن دو معیار پیش بینی روند و علامت خطا

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 562

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IIEC12_156

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

یکی از مهم ترین اقدامات در مدیریت بهتر مصرف انرژی تخمین مصرف و ارائه راهکار جهت بهینه ساختن آن می باشد. این تحقیق یک چارچوب جدید برای برآورد تقاضای مصرف انرژی در ایران با اضافه کردن دو معیار جدید برای بهبود عملکرد تخمین با استفاده از شبکه عصبی ارائه می دهد. از آنجایی که تخمین مقدار دقیق مصرف امری مشکل بنظر می رسد، این مقاله با استفاده از دو معیار جدید سعی کاهش خطای تخمین دارد. در این مقاله ابتدا نقاط ضعف مدل های قبلی بیان شده و در ادامه به تحلیل معیارهای استفاده شده پرداخته شده است. معیار اول مرتبط با در نظر گرفتن روند عملکرد و معیار دوم در ارتباط با علامت خطا میباشد. در انتها، مدل پیشنهادی ارائه شده که بر این اساس خطای مدل پیشنهادی کمتر از مدل های سنتی می باشد و به بیانی دیگر عملکرد مدل افزایش یافته است. در این مطالعه مصرف انرژی ایران از سال 1360 تا سال 1393 بعنوان نمونه در نظر گرفته شدهاست. برتری الگوریتم پیشنهادی با مقایسه نتایج آن با مدلهای قبلی نشان داده شده است که بیانگر این موضوع است که مدل شبکه عصبی که از دو معیار روند عملکرد و علامت خطا استفاده می کند عملکرد خوبی را در محاسبات از خود نشان می دهد..

نویسندگان

سید سامان حسینی

دانش آموخته کارشناسی ارشد مهندسی صنایع ،دانشگاه آزاد واحد تهران جنوب،اراک

جواد خانی

دانشجو کارشناسی ارشد مهندسی صنایع ؛دانشگاه آزاد اسلامی واحد اراک،اراک

فاطمه کهریزی

دانش آموخته کارشناسی ارشد مهندسی صنایع ،دانشگاه آزاد واحد تهران جنوب،اراک

نوید رفیعی

دانش آموخته کارشناسی ارشد مهندسی صنایع،دانشگاه خواجه نصرالدین طوسی،اراک

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • بایی، حمید؛طحاری محمد حسین و تقی زاده، روح الله(1390)"بررسی کارایی ...
  • مبینی دهکردی، علی، حامد حوری جعفری و عطیه حمیدینژاد(1388)، بررسی ...
  • احمدی قراچه، احسان(1385)، رایه یک مدل شبکه عصبی مناسب برای ...
  • شکیبایی، علیرضا، حسین نظامآبادیپور و سیدجعفر حسینی(1388)، پیش بینی عرضه ...
  • منهاج، محمدباقر، عالیه کاظمی، حامد شکوری گنجوی، محمدرضا مهرگان و ...
  • Jebaraj, S. & Iniyanb, S (2006), A Review of Energy ...
  • Murat, Y & Ceylan, H (2006), Use of Artificial Neural ...
  • Pao HT.; "Comparing linear and nonlinear forecasts for Taiwan's electricity ...
  • Geem ZW., Roper WE; "Energy demand estimation of South Korea ...
  • Ekonomou L.; "Greek long-term energy consumption prediction using artificial neural ...
  • Ozturk I., Acaravci A.; The causal relationship between energy consumption ...
  • Narayan PK., Narayan S., Popp S.; "Does electricity consumption panel ...
  • Kapok Sharma، (2012). Use of Data Mining & Neural Network ...
  • Enders W. Applied Econometric Time Series, John Wiley & Sons, ...
  • نمایش کامل مراجع