این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
The Journal of Humanities، جلد ۱۹، شماره ۱، صفحات ۱-۱۳
عنوان فارسی یک مدل شبکه عصبی مصنوعی سلسله مراتبی برای پیش بینی تقاضای بنزین در ایران
چکیده فارسی مقاله این مقاله با استفاده از شبکه­های عصبی و با در نظر­گرفتن شاخص­های اقتصادی و اجتماعی، تقاضای بنزین در ایران را پیش­بینی کرده است. برای بررسی تأثیر شاخص­های اقتصادی و اجتماعی بر تقاضای بنزین، تولید ناخالص ملی، جمعیت و تعداد خودرو مورد توجه قرار گرفته­اند. با استفاده از شبکه­های عصبی سلسله­مراتبی پرسپترون چندلایه که با الگوریتم پس­انتشار­خطا آموزش داده شده­اند، پیش­بینی انجام شده است. متغیرهای ورودی، تولید ناخالص ملی، جمعیت، تعداد خودرو و تقاضای بنزین در سال قبل و متغیر خروجی تقاضای بنزین می­باشد. این مقاله یک شبکه سلسله مراتبی را پیشنهاد داده است که ورودی­های لایه آخر، خروجی­های لایه­های اولیه هستند. داده­های سال­های 1967 تا 2008 برای آموزش شبکه عصبی سلسله مراتبی استفاده شده. مقایسه مقادیر پیش­بینی مدل با داده­های اعتبار، اعتبار مدل را نشان می­دهد. علاوه بر این تقاضای بنزین طی سال­های 2011 تا 2030 نیز پیش­بینی شده است. قابل ذکر است در صورت عدم اتخاذ سیاست قیمتی مناسب و بهبود بخش حمل و نقل، مصرف بنزین به سطح بحرانی 54 میلیارد لیتر در سال 2030 خواهد رسید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Hierarchical Artificial Neural Network for Gasoline Demand Forecast of Iran
چکیده انگلیسی مقاله Abstract This paper presents a neuro-based approach for annual gasoline demand forecast in Iran by taking into account several socio-economic indicators. To analyze the influence of economic and social indicators on the gasoline demand, gross domestic product (GDP), population and the total number of vehicles are selected. This approach is structured as a hierarchical artificial neural network (ANN) based on supervised multi-layer perceptron (MLP), trained with back-propagation (BP) algorithm. This hierarchical ANN is designed properly. The input variables are GDP, population, total number of vehicles and the gasoline demand in the last one year. The output variable is the gasoline demand. The paper proposes a hierarchical network by which the inputs to the ending level are obtained as outputs of the starting levels. Actual Iranian data between 1967 and 2008 were used to test the hierarchical ANN hence; it illustrated the capability of the approach. Comparison of the model predictions with validation data shows validity of the model. Furthermore, the demand for the period between 2011 and 2030 is estimated. It is noticeable that if there will not be any price shock or efficiency improvement in the transportation sector, the gasoline consumption may achieve a threatening level of about 54 billion liters by 2030 in Iran.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله a کاظمی |
دانشجوی دکتری

نشانی اینترنتی http://eijh.modares.ac.ir/article_5561_69a0ca333cbd73475642bac1c14e0188.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات