این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
نظریه های کاربردی اقتصاد، جلد ۱، شماره ۲، صفحات ۲۹-۵۲
عنوان فارسی کاربرد شبکه عصبی مبتنی بر الگوریتم ژنتیک در پیش بینی تقاضای بلندمدت انرژی
چکیده فارسی مقاله پیش­بینی تقاضای انرژی جهت عرضه به موقع، تنظیم بازار، هدفگذاری میزان صادرات و ایجاد امنیت انرژی اهمیت ویژه­ای دارد. روش­های مختلفی برای پیش­بینی تقاضای انرژی معرفی شده است که در این بین با توجه به روند غیرخطی و پرنوسان تقاضای انرژی، تکنیک­های غیرخطی نتایج مطلوب­تری داشته است. شبکه­های عصبی و الگوریتم ژنتیک از مهمترین و پرکاربردترین تکنیک­های غیرخطی در این زمینه می­باشند که هر یک نقاط ضعف و قوت خاصی دارند. در این مطالعه با ترکیب شبکه عصبی و الگوریتم ژنتیک، نقایص مذکور مرتفع شده و با الگوریتم ترکیبی معرفی شده به پیش­بینی تقاضای انرژی در ایران پرداخته شده است. نتایج مطالعه در پیش­بینی تقاضای انرژی طی سال­های 1346 تا 1390 نشان دهنده قدرت پیش­بینی بالاتر تکنیک ترکیبی در کنار قدرت توضیح­دهندگی متغیرهای توضیحی بکار رفته است.
کلیدواژه‌های فارسی مقاله شبکه عصبی، الگوریتم ژنتیک، پیش‌بینی، تقاضا، انرژی،
عنوان انگلیسی Applications of Neural Network Based on Genetic Algorithm for Long Term Energy Demand Forecasting
چکیده انگلیسی مقاله Energy demand prediction is very important to timely supply, market regulation, exports targeting and energy security. Different methods introduced to energy demand prediction, due to volatilities and non-linearity on energy demand, non-linear techniques have good results among them. Neural networks and genetic algorithm are well-known and most widely used techniques in this field that both of them have own strength and weaknesses. Imposing the specific form, necessity to the large samples and weakness on global optimum finding are important weaknesses on each method which these shortcomings can be fixed by combining them. In this study real coded genetic algorithm is used for neural network training as a hybrid algorithm (RGA- NN). 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 صادقی |
دانشیار اقتصاد دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

حسین سهرابی وفا | sohrabi vafa


فاطمه نوری |


نشانی اینترنتی http://ecoj.tabrizu.ac.ir/article_472_119.html
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1290/article-1290-231826.pdf
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