این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
انرژی ایران، جلد ۲۱، شماره ۳، صفحات ۱۰۱-۱۲۳
عنوان فارسی استفاده از رهیافت شبکه عصبی در پیش‌بینی مصرف انرژی خط یک متروی تهران
چکیده فارسی مقاله امروزه انرژی و میزان مصرف آن، محور استراتژیک برنامه‌ریزی‌های سازمانی است. گسترش سیستم حمل‌ونقل درون‌شهری بدون در نظر گرفتن شرایط گوناگون اقتصادی، علمی، صنعتی، آب و هوایی و رشد روزافزون شهرنشینی امکان­ناپذیر است. تحلیل روندهای پیشین اطلاعات مصرف انرژی جهت پیش­بینی روندهای آینده با درنظرگرفتن نرخ توسعه خطوط مترو، راه­حلی کلیدی در راستای برنامه‌ریزی‌ها و سیاست­گذاری­های کلان آینده محور خواهد بود. در این پژوهش برای پیش­بینی مصرف انرژی خط یک متروی تهران از مدل شبکه عصبی GMDH استفاده‌شده است که از قابلیت شناسایی و غربال کردن متغیرهای ورودی کم اثر در دورۀ آموزش شبکه و حذف آن­ها در دورۀ آزمون، برخوردار می­باشد و همچنین برای درک میزان دقت پیش­بینی با مدل ARIMA مورد مقایسه قرارگرفته است. در این پژوهش، دوازده متغیر اثرگذار بر میزان مصرف انرژی متروی تهران شناسایی‌شده و به‌عنوان متغیرهای ورودی مدل در نظر گرفته‌شده است. نتایج حاکی از آن است که مدل شبکه عصبی GMDH، به‌مراتب خطای کمتری را نسبت به مدل ARIMA دارد و از دقت پیش­بینی بالاتری برخوردار است.  
کلیدواژه‌های فارسی مقاله پیش‌بینی، انرژی، متروی تهران، شبکه عصبی GMDH
عنوان انگلیسی Prediction of Energy Consumption in the First Line of Tehran Metro: GMDH Neural Network Approach
چکیده انگلیسی مقاله Today, energy and its consumption are the main strategic plan of organizations and also the development of urban transport systems by considering a variety of economic, scientific, industrial, climate and growing urbanization is essential. Analysis of past trends in energy is the key to predict future trends, with regard to the rate of development of metro, for planning and future-oriented macro economic policies.  in this research has been used to predict the energy consumption of Tehran Metro Line 1 from the GMDH Neural Network Model Which is capable of detecting and screening low-input input variables In the course of training the network and removing them during the exam period. and also Was compared To understand the accuracy of the prediction with the ARIMA model. in this research, was detected twelve variables affecting Tehran's metro energy consumptionand is considered as input variables of the model. The results indicate that The GMDH neural network model has a much lower error rate than the ARIMA model and has a higher predictive accuracy.
کلیدواژه‌های انگلیسی مقاله Forecast, Energy, GMDH Neural Network, Tehran Metro
نویسندگان مقاله احمدرضا قاسمی | Ahmadreza Ghasemi
University of Tehran, Tehran
دانشگاه تهران

یاسر تقی نژاد | Yaser Taghinezhad
University of Tehran
دانشگاه تهران

نشانی اینترنتی http://necjournals.ir/browse.php?a_code=A-10-1745-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/626/article-626-2134888.pdf
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