این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
انرژی ایران، جلد ۱۶، شماره ۳، صفحات ۰-۰
عنوان فارسی پیش‌بینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات
چکیده فارسی مقاله انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش‌بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می‌باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل‌های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته‌اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک‌ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، نیاز به داده‌های آموزشی فراوان و ضعف در یافتن نقطه بهینه سراسری نیز می-باشند، در این مطالعه با ادغام آنان به صورت یک الگوریتم ترکیبی این نقایص مرتفع شده است. پس از بکارگیری و مقایسه این تکنیک ترکیبی با سایر روش‌ها در پیش‌بینی تقاضای انرژی طی سال‌های 1346 تا 1390 ، نتایج مطالعه قدرت پیش‌بینی بالاتر تکنیک ترکیبی در کنار قدرت توضیح‌دهندگی متغیرهای توضیحی بکار رفته را تائید می‌کند.
کلیدواژه‌های فارسی مقاله الگوریتم انبوه‌ذرات، پیش‌بینی، تقاضای انرژی، شبکه عصبی
عنوان انگلیسی Energy Demand Prediction by Using Neural Network based on Patricle Swarm Optimization
چکیده انگلیسی مقاله Energy has essential role in the production process and social welfare and its demand prediction is esential for regulate the market and the supply. Due to volatilitys and non-linearity of energy demand and its variables, the non-linear models espicialy neural networks(NN) and paricle swarm optimization(PSO) have been more sucsees in this regard. As respects to their weaknesses such as imposing the specific form, necessity to the larg samples and failur to finding global optimum, in this study these shortcomings fixed by combining thes methods as hybrid algorithm. After applying and comparing this technique with common techniques on energy demand prediction between 1967 -2011, the results confirm higher predictive performance of hybrid technique and the explanatory power of the used variables.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسین سهرابی وفا | hossein sohrabi vafa


فاطمه نوری | fatemeh noori


مرتضی عبادی | morteza ebadi


نشانی اینترنتی http://www.necjournals.ir/browse.php?a_code=A-10-1-61&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مدل های برنامه ریزی انرژی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات