این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی و مدیریت انرژی، جلد ۸، شماره ۴، صفحات ۳۸-۴۹
عنوان فارسی توسعۀ مدل محاسباتی ترکیبی بر پایۀ شبکۀ عصبی مصنوعی برای پیش‌بینی تقاضای جهانی گاز طبیعی
چکیده فارسی مقاله از آنجا که سیستم‌های انرژی رفتاری پیچیده از خود نشان می‌دهند همواره موردتوجه پژوهشگران بوده‌اند. از سوی دیگر سیاست‌گذاران حوزه انرژی به دنبال درک بهتر رفتار آتی متغیرهای وابسته به سیستم‌های انرژی جهت بیشینه ساختن سود و احتمال موفقیت راهبردهایشان هستند. در این مقاله، مسئلۀ تقاضای جهانی گاز طبیعی بررسی شد و مدلی ترکیبی بر پایۀ شبکۀ عصبی مصنوعی توسعه یافت. در مدل پیشنهادی، ابتدا ورودی‌های معمول پیش‌بینی تقاضای انرژی مطالعه قرار شدند. برای تضمین در نظر گرفتن تمام ورودی‌های محتمل، روش بیشینه مدنظر قرار گرفت و با توجه به امکان دسترسی به دادۀ خام، تعداد زیادی متغیر از جمله متغیرهای منتخب مطالعات پیشین به‌عنوان ورودی مدل در نظر گرفته شد. با استفاده از ابزارهای داده‌کاوی از 13 ورودی در دسترس، مجموعۀ 6 ورودی به‌عنوان نمایندۀ کل جمعیت شناسایی‌شده و مدل بر مبنای آن‌ها پیاده‌سازی شد. سپس الگوریتم پیش‌بینی ترکیبی هوشمندی طراحی شد، به‌نحوی‌که از الگوریتم ژنتیک برای بهینه‌سازی و آموزش شبکۀ عصبی مصنوعی استفاده‌ گردید. مطالعۀ خروجی‌ها نشان داد در مقایسه با مدل‌های پایه و موجود در مطالعات پیشین و با در نظر گرفتن پنج آمارۀ خطای متفاوت، مدل پیشنهادی عملکرد بهتری نسبت به سایر مدل‌ها دارد.
کلیدواژه‌های فارسی مقاله تقاضای گاز طبیعی، پیش‌بینی هوشمند، داده‌کاوی، شبکۀ عصبی مصنوعی، الگوریتم ژنتیک،
عنوان انگلیسی Development a Hybrid Computational Model Based on Artificial Neural Network to Predict Natural Gas Global Demand
چکیده انگلیسی مقاله Recently natural gas global market has attracted much attention since natural gas is much cleaner than oil and is also cheaper than renewable energy sources. However, price fluctuations, environmental concerns, technological developments, unconventional resources, energy security challenges, and shipment are some of the factors which have made energy market more dynamic and complex in the last decade. Studying the demand side behavior of natural gas market has been targeted by this research to focus on the plausible trends of global natural gas demands. This paper proposes a hybrid time series model which starts with data mining oriented techniques to detect input features and pre-processing data; then a neural network based prediction model is used to uncover global natural gas trends. Thirteen different features were studied, Yet six features were finally selected as the most relevant features: Alternative and Nuclear Energy, CO2 Emissions, GDP per Capita, Urban Population, Natural Gas Production, Oil Consumption. In the end, the proposed prediction model overcame other competitive models in regard to five different error-based evaluation statistics.
کلیدواژه‌های انگلیسی مقاله تقاضای گاز طبیعی, پیش‌بینی هوشمند, داده‌کاوی, شبکۀ عصبی مصنوعی, الگوریتم ژنتیک
نویسندگان مقاله رضا حافظی |
دانشگاه صنعتی امیرکبیر

امیرناصر اخوان |


سعید پاک‌سرشت |
شرکت ملی گاز ایران

نشانی اینترنتی https://energy.kashanu.ac.ir/article_113451_295c6e9f2813d38f92bdf0cf7ef6e802.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