مقاله

پیش‎بینی تقاضای آب شهرتهران با استفاده از الگوهای ساختاری، سری‎های زمانی و شبکة عصبی نوع gmdh

چکیده

روش‎ها و الگوهای اقتصاد سنجی متفاوتی، از قبیل تجزیه و تحلیل رگرسیون و سری‎های زمانی به منظور پیش‎بینی تقاضای آب، به‎طور معمول توسط محققان مختلف مورد استفاده قرار گرفته‎اند. اما در سال‎های اخیر تکنیک جدید شبکه‎های عصبی به عنوان ابزاری مؤثر و کارا در پیش‎بینی متغیرهای اقتصادی مطرح شده است. در مقالة حاضر، از شبکة عصبی نوع gmdh مبتنی برالگوریتم ژنتیک، الگوهای ساختاری و هم‎چنین سری‎های زمانی، به منظور مقایسة روش‎های پیش‎بینی تقاضای سرانة آب در شهر تهران استفاده شده است. متغیرهای مورد نظر در الگوهای پیش بینی تقاضای آب عبارتند از مصرف سرانة آب، قیمت آب، متوسط درآمد خانوار و متوسط درجة حرارت سالانه در شهر تهران. نتایج به‎دست آمده حاکی از آن است که پیش -بینی تقاضای آب با استفاده از روش شبکه‎های عصبی نوع gmdh، نسبت به برآوردهای حاصل از الگوهای ساختاری و سری زمانی، از درجة کارایی بیش‎تری برخوردار است. بنابراین، استفاده از شبک? عصبی مصنوعی در پیش بینی متغیرهای اقتصادی، می‎تواند به عنوان ابزاری در کنار سایر روش‎های پیش بینی مورد استفادة تصمیم‎گیران و سیاست‎گذاران در بخش مدیریت آب قرار گیرد. طبقه بندی jel : c53 , c5

اسناد مشابه

  • پیش‌بینی تراز آب دریاچه ارومیه با استفاده از روش‌های سری زمانی، شبکه عصبی مصنوعی و شبکه عصبی- موجکی

    مقاله۲۰۱۶مهندسی آبیاری و آب ایرانمهدی کماسی، حامد نوذری، ندا قشلاقی

    دریاچه ارومیه دومین دریاچه شور جهان است و با توجه به معیارهای اجتماعی- اقتصادی و زیست محیطی نقش مهمی در منطقه شمالغرب ایران دارد که در سالهای اخیر با مشکلاتی مواجه شده است و به دلیل خشکسالی، استفاده بیش از حد آبهای سطحی و ساخت سدها تراز سطح آب آن کاهش یافته است. یکی از فاکتورهای

  • استفاده از مدل های سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی دبی ورودی به سد گرگان

    مقاله۲۰۱۹مجله محیط زیست و مهندسی آبابوالحسن فتح آبادی، میثم صمدی

    پیش­بینی مقادیر جریان ورودی به سیستم منابع آب به­منظور آگاهی از شرایط آینده و برنامه­ریزی برای تخصیص بهینه منابع آب به بخش­های مختلف از قبیل شرب، کشاورزی و صنعتی امری ضروری در مدیریت منابع آب می­باشد. هدف از پژوهش حاضر پیش­بینی مقادیر دبی ماهانه ورودی به سد گرگان برای آینده بود.

  • کاربرد مدل شبکه عصبی- موجک برای پیش بینی ویژگی های غیرایستا و غیرخطی سری زمانی تراز آب زیرزمینی

    مقاله۲۰۱۵پژوهش های حفاظت آب و خاکطاهر رجایی، هادی ابراهیمی

    سفره های آب زیرزمینی غالباً به عنوان سیستم هایی با ویژگی های غیرایستا و غیرخطی شناخته می شوند. مدل سازی این سیستم ها و پیش بینی حالت های آینده آن ها نیازمند تشخیص این ویژگی های بنیادی است. اخیراً، آنالیز موجک به دلیل توانایی آن در رمزگشایی ویژگی های اشاره شده، به طور گسترده ای در

  • پیش بینی تورم با استفاده از رهیافت سری های زمانی

    مقالهبررسی های آمار رسمی ایراناسعد اله رضایی، a. allahraee مرکز آمار ایران نادر حکیمی پور، n. hakimipour پژوهشکده ی آمار محمدصادق علیپور، m. alipour پژوهشکده ی آمار منصوره یزدان خواه

    امروزه، پیش­بینی متغیرهای کلان اقتصادی از جمله نرخ تورم، از اهمیت ویژه­ای برای سیاستگذاری و برنامه ریزی های اقتصادی برخوردار شده است. در این راستا در دهه های اخیر، مدل­های پیش­بینی گوناگونی برای نرخ تورم مطرح شده اند. در این مقاله، با استفاده از سری زمانی نرخ تورم اعلام شده از سو

  • روش پیش بینی بارندگی با استفاده از مدل سری های زمانی باکس - جنکینز (مطالعه موردی ایستگاه قائم شهر)

    مقاله۲۰۰۷اطلاعات جغرافیایی (سپهر)نبی اله رمضانی

    مدل های پیش بینی باکس- جنکینز یکی از معروف ترین مدل های سری های زمانی است که در پیش بینی پدیده های مختلف جغرافیایی اهمیت بسزایی دارد. در روششناسی باکس - جنکینز مدل های سری زمانی در واقع مدل های تلفیقی اتورگرسیو و میانگین متحرک می باشند که در آمار به مدل های ARIMA(1) معروف هستند.

  • پیش بینی سیلاب از طریق داده های سری زمانی دبی رودخانه سومبار با استفاده از مدل باکس _جنکینز

    مقالهزمین شناسی مهندسیمحمد نخعی، mohamad nakhaee tmuدانشگاه تربیت معلم

    امروزه یکی از مهمترین مسائل جهت مدیریت سیلاب، پیش بینی جریان رودخانه ها می باشد. جلوگیری از صدمات اقتصادی و جانی ناشی از سیلاب یکی از مهمترین دستاوردهای پیش بینی صحیح جریان می باشد. فاکتورها و عوامل مختلفی بر روی دبی رودخانه تاثیر گذار است که تحلیل این پدیده را مشکل می سازند. مدل