پیش بینی تقاضای انرژی بخش صنعت ایران با استفاده از رویکرد داده کاوی
- سال انتشار: 1397
- محل انتشار: دوازدهمین همایش بین المللی انرژی
- کد COI اختصاصی: IEC12_330
- زبان مقاله: فارسی
- تعداد مشاهده: 678
نویسندگان
گروه مدیریت صنعتی، دانشکده مدیریت دانشگاه تهران
گروه مدیریت صنعتی، دانشکده مدیریت دانشگاه تهران
چکیده
این پژوهش با هدف کمک به برنامه ریزی و مدیریت مصرف و تقاضای انرژی بخش صنعت، به دنبال یافتن روشی با دقت بالا وخطای کم جهت پیش بینی تقاضای انرژی این بخش با استفاده از رویکرد داده کاوی است. بر این اساس بر مبنای استاندارد فراصنعتی DMcR3SP گامهای شناخت سیستم، شناخت داده ها، آماده سازی داده ها، مدلسازی، ارزیابی و توسعه انجام شده است. پس از فراهم آوردن داده های مناسب، سه مدل شبکه عصبی، k نزدیکترین همسایگی و درخت رگرسیونی c&RT اجرا و بررسی شده است. نتایج نشان داد مدل شبکه های عصبی عملکرد بهتری داردکلیدواژه ها
تقاضای انرژی، بخش صنعت، داده کاوی، شبکه عصبی، k نزدیکترین همسایگی، درخت رگرسیونی c&RTمقالات مرتبط جدید
- حذف جذبی آنتی بیوتیک تتراسایکلین از محلول های آبی
- تاثیر میدانهای الکترومغناطیسی و رادیو فرکانسی بر مسافران و سیستمهای الکترونیکی در هواپیماها
- مدلسازی جریان اطلاعات انرژی و ارزیابی عدم قطعیت در عملکرد پمپهای صنعتی: رویکردی کاربردی در صنعت فولاد
- ارتقاء امنیت سایبری در زیرساختهای هوشمند: انرژی یک رویکرد تشخیص نفوذ نوین مبتنی بر یادگیری عمیق برای اینترنت اشیاء صنعتی
- لجستیک حاملهای انرژی در حمل و نقل ریلی
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.