شناسایی مهم ترین عوامل موثر بر تقاضای انرژی در ایران با استفاده از شبکه عصبی gmdh

پایان نامه
چکیده

امروزه نقش انرژی در حرکت کشورها به سمت رشد و توسعه اقتصادی پر رنگ تر از گذشته شده است. همچنین از یک طرف با کاهش منابع انرژی در جهان و از طرف دیگر با افزایش مصرف انرژی، اهمیت شناسایی عوامل موثر بر تقاضای انرژی نیز افزایش یافته است. در این مطالعه تقاضای انرژی در بخش های حمل و نقل زمینی، صنعت و کشاورزی با استفاده از شبکه عصبی gmdh به عنوان ابزاری قدرتمند در حذف متغیرهای زاید و همچنین مدل سازی با داده های محدود و نوسان زیاد، در طی یک فرآیند قیاسی الگوسازی می شود. بدین منظور از دو دسته متغیرهای درون سیستمی و برون سیستمی موثر بر تقاضای گازوئیل و برق در طی سال های 1389-1355 استفاده شده است. نتایج نشان داد که در بخش حمل و نقل زمینی، متغیرهای درون سیستمی تولید ناخالص داخلی سرانه، تعداد وسایل نقلیه گازوئیل سوز و متغیرهای برون سیستمی یارانه اختصاص شده به گازوئیل و نرخ ارز بازار غیررسمی اثر مضاعف بر مصرف گازوئیل و در بخش صنعت، متغیرهای برون سیستمی قیمت گاز طبیعی، یارانه اختصاصی به برق و متغیرهای برون سیستمی ارزش افزوده بخش صنعت، تعداد مشترکین برق صنعتی، تشکیل سرمایه ثابت ناخالص در ماشین آلات و لوازم کسب و کار از محل تولیدات داخلی و واردات اثر مضاعف بر تقاضای برق داشته اند. همچنین متغیرهای درون سیستمی ارزش افزوده کشاورزی و سطح زیرکشت محصولات و متغیرهای برون سیستمی قیمت گازوئیل، قیمت برق و یارانه اختصاص داده شده به گازوئیل اثر مضاعف بر تقاضای گازوئیل در بخش کشاورزی و متغیر برون سیستمی یارانه اختصاصی به برق و متغیرهای درون سیستمی تعداد مشترکین برق کشاورزی و سطح زیرکشت محصولات تاثیر مضاعف بر تقاضای برق در بخش کشاورزی داشته اند.علاوه بر این نتایج نشان داد که ورود متغیرهای جدید دقت و کارایی را در مدل سازی تقاضای انرژی افزایش داده است.

منابع مشابه

پیش‌بینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات

انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش‌بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می‌باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل‌های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته‌اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک‌ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، ...

متن کامل

عملکرد شبکه عصبی GMDH در پیش بینی عوامل موثر بر جذب سرمایه گذاری مستقیم خارجی کشور ایران

سرمایه گذاری مستقیم خارجی (FDI) یکی از عوامل مهم رشد و توسعۀ اقتصادی کشورهای میزبان به شمار می رود و طی دهه های اخیر روند فزاینده ای نیز داشته است. شناخت عوامل مؤثر در جذب FDI در سیاستگذاری کشورهایی که نتوانسته اند از این عامل به خوبی استفاده کنند مفید است. تحلیل بیان شده در چارچوب الگوی «شبکۀ عصبی چند جمله ای» ارائه شده است تا پیش بینی مدل با حداقل خطا نمایش داده شود. همچنین در مدل برآوردشده، ...

متن کامل

شناسایی و تحلیل عامل‌های مهم در برونداد علمی دانشگاه‌ها با استفاده از شبکه عصبی

For achieving to ideal research system is necessary to have policy and plan. The main aims of this research are knowledge extracted from the existing data gathered by the country research system. This Knowledge is prerequisite for science and technology policy. Population of the present descriptive research includes Universities of the Ministry of Science, Research & Technology. Data is extract...

متن کامل

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

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 من...

متن کامل

شناسایی عوامل موثر بر تقاضای گردشگری خارجی

صنعت گردشگری یکی از پربازده‌ترین صنایع در کشورهای مختلف بوده و نقش بسیار مهمی در رشد و توسعه اقتصادی و ایجاد اشتغال ایفا می‌کند. بنابراین، شناسایی ویژگی‌های موثر مقاصد گردشگری در جذب گردشگر اهمیت فراوانی در رشد و توسعه این صنعت در کشورها ایفا می‌کند. در این تحقیق با استفاده از اطلاعات مربوط به 147 کشور جهان طی سال‌های  2007- 2015 و با استفاده از روش داده‌های تابلویی ویژگی‌های موثر مقاصد گردشگری...

متن کامل

پیش بینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات

انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعت آب و برق (شهید عباسپور) - دانشکده اقتصاد

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023