این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Chemistry and Chemical Engineering، جلد ۳۱، شماره ۴، صفحات ۷۷-۸۴
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Short-term and Medium-term Gas Demand Load Forecasting by Neural Networks
چکیده انگلیسی مقاله The ability of Artificial Neural Network (ANN) for estimating the natural gas demand load for the next day and month of the populated cities has shown to be a real concern. As the most applicable network, the ANN with multi-layer back propagation perceptrons is used to approximate functions. Throughout the current work, the daily effective temperature is determined, and then the weather data with the gas consumption data of the last days are used for network training. It is shown that nearly 93% and 98.9% of the result is in a good agreement with the real data for the daily gas load forecasting and those of the monthly respectively. These results clearly show the capability of the presented networks. The method, however, can further be developed for prediction of other required information in various industries.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله احمد آذری |
school of chemical engineering, college of engineering, university of tehran, tehran, i.r. iran
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مجتبی شریعتی نیاسر | shariaty niassar
school of chemical engineering, college of engineering, university of tehran, tehran, i.r. iran
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

محمود البرزی |
petroleum university of technology, ahwaz,, i.r. iran

نشانی اینترنتی http://www.ijcce.ac.ir/article_5923_be4f970b62868e6408a3ef7861ef0e0a.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات