| بررسی مدلهای سری‌های زمانی و شبکه‌های عصبی در پیشبینی مصرف گاز، مطالعه موردی: شهر ارومیه |
| کد مقاله : 1005-FEMATH6 |
| نویسندگان |
|
هانه نیلی1، پریسا نباتی *2 1گروه ریاضی دانشکده علوم پایه دانشگاه صنعتی ارومیه 2گروه ریاضی، دانشگاه صنعتی ارومیه، ارومیه |
| چکیده مقاله |
| از مهم‌ترین اهداف هر کشور به خصوص کشورهای توسعه یافته مدیریت منابع انرژی است. نیاز به مدیریت صحیح و همچنین پیشبینی مقادیر مصرف و تولید انرژی از فعالیت‌های اصلی مدیریت انرژی است گاز از مهم‌ترین این انرژیهای مورد استفاده است. هدف مطالعه حاضر، افزایش قدرت پیشبینی مصرف و تقاضای گاز به دنبال افزایش قدرت مدیریت ریسک و افزایش دقت در پیشبینی مقدار مصرف گاز در این شهر میباشد. بدین منظور، از داده‌های آماری ماهانه طی سال‌های1392-1396، و از مدلهای اقتصاد سنجی و هوش مصنوعی همچون شبکه‌های عصبی مصرف گاز در شهر ارومیه، استفاده شده است. نتایج این پژوهش نشان می‌دهد که معیار‌های خطای شبکه‌های عصبی پژوهش به عنوان بهترین مدلهای پیش-بینی‌کننده مصرف گاز در شهر ارومیه می‌باشند. انتخاب مدل برتر پیشبینی مقدار مصرف گاز از مدل شبکه عصبیGMDH توسط متخصصان حرفه ای حوزه سوخت، به منظور کاهش ریسک و مدیریت مصرف در فصل‌های مهم سال شهر ارومیه و دیگر شهرها از پیشنهادهای اساسی این مقاله میباشد. |
| کلیدواژه ها |
| ارومیه، شبکه عصبی، مصرف گاز، مدلهای ARIMA و GMDH |
| وضعیت: پذیرفته شده |