این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
انرژی ایران، جلد ۱۹، شماره ۴، صفحات ۰-۰
عنوان فارسی مدل‌سازی و پیش‌بینی میزان مصرف گاز طبیعی به کمک شبکه‌ های عصبی نوع GMDH چند‌هدفی. مطالعه موردی: شرکت گاز شهر رشت
چکیده فارسی مقاله چکیده: مصرف گاز به عنوان منبع انرژی پاک، برای مصارف صنعتی و گرمایشی و حمل‏و‏نقل، به‏طور گسترده‏ای پذیرفته شده‏ است و از میان سوخت‏های فسیلی، مصرف گاز برای داشتن محیط‏ زیستی پاک‏تر مورد توجه بسیار قرار گرفته است. بدلیل اهمیت تأثیر مشخصه‌های هواشناسی در مصرف گاز شهرها و نیز امکان کاهش ناگهانی دما و در نتیجه افزایش میزان مصرف گاز شهرها، ضرورت اطلاع و پیش‌بینی مصرف گاز امری اجتناب‏ناپذیر است که دراین تحقیق به آن پرداخته شده است. در ابتدا برخی از متغیرهای تاثیرگذار بر مصرف گاز با استفاده از روش‏شناسی سطح‏ پاسخ شناسایی گردیده است. در ادامه شبکه‏عصبی نوع GMDH برای مدل‏سازی و پیش‏بینی میزان گاز طبیعی مصرفی در بخش خانگی، با استفاده از مجموعه داده‏های ورودی-خروجی مورد مطالعه قرار گرفته است. برای ارزیابی مدل پیشنهادی، 84 داده مربوط به 7 سال متوالی از شرکت گاز شهر رشت به صورت موردی بدست آمده است. به منظور مدل‏سازی، داده‏ها به دو دسته (70% برای آموزش و 30% برای آزمایش) تقسیم شده‏اند. نتایج حاصل از مدل‏سازی با داده‏های تجربی مقایسه گردید که ضریب تعیین 0.8943 بوده و تطابق بسیار خوبی با نتایج تجربی نشان داده است.
کلیدواژه‌های فارسی مقاله پیش‌بینی، شبکه عصبی نوع GMDH، مدل‌سازی، مصرف گاز.
عنوان انگلیسی Modeling and prediction of natural gas consumption with help of multi objective GMDH-Type Neural Network. Case study: regional gas distribution company of Rasht city.
چکیده انگلیسی مقاله ABSTRACT It is widely accepted that natural gas is a clean energy source that can be used to meet energy demand for heating and industrial purposes among the fossil fuels and its usage remarkably increases in order to maintain a clean environment in many countries in the world. In this paper, factors affecting gas consumption were firstly identified and then GMDH-Type Neural Networks has been used for modeling and prediction of gas consumption using input-output data set. To validate the proposed model, a case study was carried out based on the data consisted of 84 sets for 7 years obtained from regional gas distribution company of Rasht city. For modeling, the experimental data were divided into train and test sections (70% for training and 30% for testing). The predicted values were compared with those of experimental values . The GMDH-Type Neural Network model values showed a very good regression with the experimental results and the Coefficient of determination was obtained 0.8943.
کلیدواژه‌های انگلیسی مقاله Gas consumption, GMDH-NN, Modeling, Prediction.
نویسندگان مقاله الهیار داغبندان | allahyar daghbandan
guilan-rasht-guilan universiti-dept. of eng. -
5 کیلومتری جاده تهرا رشت.دانشگاه گیلان-دانشکده فنی و مهندسی-گروه مهندسی شیمی
سازمان اصلی تایید شده: دانشگاه گیلان (Guilan university)

نسا ستایش | nesa setayesh
guilan-rasht-guilan universiti-dept. of eng.
5 کیلومتری جاده تهرا رشت.دانشگاه گیلان-دانشکده فنی و مهندسی-گروه مهندسی شیمی
سازمان اصلی تایید شده: دانشگاه گیلان (Guilan university)

نشانی اینترنتی http://necjournals.ir/browse.php?a_code=A-10-1082-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/626/article-626-416884.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