چکیده به منظور گازرسانی به موقع و کافی به مشترکین و مصرف کنندگان، پیش بینی میزان مصرف گاز طبیعی امری ضروری برای توزیع کنندگان گاز می باشد. پیش بینی میزان مصرف گاز یک پیش نیاز مهم برای سیستم گاز رسانی کارآمد و پایه ای اساسی برای تصمیم گیری های مهم می باشد. در این تحقیق از شبکه های عصبی نوعann، gmdh و ساختار عصبی-فازی anfis برای پیش بینی میزان مصرف گاز طبیعی استفاده شده است. به منظور مدلسازی، د...

یک مدل شبکه عصبی مصنوعی و الگوریتم ژنتیک جهت پیش بینی روزانه و ماهیانه مصرف گاز طبیعی در استان کهگیلویه و بویر احمد استفاده شد. اطلاعات هواشناسی و مصرف گاز شهر یاسوج در مدت چهار سال(از سال 1385 تا سال 1388) جمع آوری و برای مدلسازی استفاده گردید. در مدل روزانه، متغیرهای درجه روز، رطوبت نسبی، میزان بارندگی، سرعت باد و مصرف گاز پنج روز قبل از روز پیش بینی، به عنوان ورودی های شبکه و متغیر میزان مصر...

باتوجه به افزایش روزافزون مصرف گاز طبیعی، برنامه ریزی در بخش گاز طبیعی و بررسی و پیش بینی تقاضای گاز طبیعی جهت دستیابی به امنیت عرضه انرژی گاز طبیعی و به دنبال آن توسعه پایداراهمیت فراوانی دارد. از این رو در این تحقیق تقاضای گاز طبیعی در بخش های خانگی-تجاری، صنعت و نیروگاه که جزء مصرف کنندگان عمده گاز طبیعی هستند مورد بررسی قرار گرفته و از دو روش arima (autoregressive integrated moving average)...

از آنجا که آگاهی از میزان تقاضای انرژی برق و گازطبیعی در هر دوره ای، به منظور برنامه ریزی دقیق، جهت اعمال سیاستگذاری های لازم، امری ضروری می باشد. از این رو پیش بینی تقاضا، برای بخش های مختلف اقتصادی حائز اهمیت می باشد. در این مطالعه مدلی نوین جهت پیش بینی تقاضای کوتاه مدت برق و گاز طبیعی طراحی شده است که با شرایط و ساختار اقلیمی کشور منطبق بوده و متغیرهای موثر در کشور در آن لحاظ شده اند. در اد...

بخش های خانگی و تجاری بیشترین سهم مصارف گاز طبیعی در کشور را به خود اختصاص داده است. بنابراین، پیش بینی میزان مصارف این دو بخش برای شرکت ملی گاز ایران بسیار حائز اهمیت است. در این مقاله، برای مصارف خانگی و تجاری گاز طبیعی شهر اصفهان ساختار مناسبی از مدل شبکه عصبی انتخاب و طراحی شده است. برای یافتن یک ساختار مناسب شبکه عصبی، سه ساختار متفاوت با نام های دینامیک، هرس کامل و شبکه شعاع براساس تابع ب...

یکی از گامهای مهم در توسعه شبکه های عصبی مصنوعی طراحی معماری شبکه است که تأثیر زیادی بر عملکرد شبکه دارد. در طراحی معماری شبکه های عصبی مصنوعی، عواملی از قبیل تعداد لایه های پنهان، تعداد نرون ها در هر لایه، توابع تبدیل و الگوریتم آموزش باید تعیین شوند. محققان در طراحی معماری شبکه به طور عمده از طریق سعی و خطا عمل می کنند و یا اینکه اثر متقابل بین عوامل مختلف در طراحی معماری شبکه را در نظر نمی گ...