پیش بینی تقاضای حامل های انرژی در ایران توسط شبکه های عصبی مصنوعی

پایان نامه
چکیده

در دنیای پیچیده ی امروز، اهمیت داشتن پیش بینی و دانش نسبی از حوادث آینده بر کسی پوشیده نیست. از این رو دانشمندان حوزه های مختلف می کوشند، هر یک در حوزه ی مربوط به خود از ابزار های در دسترس برای این منظور استفاده کنند. از سوی دیگر اهمیت پیش بینی تقاضا و مصرف انرژی نیز سال های اخیر مورد توجه دانشمندان، صنعتگران و حتی دولتمردان بوده است. بنابراین در این پژوهش کوشیده می شود نگرشی متفاوت به موضوع تقاضای انرژی و عوامل تأثیر گذار بر مصرف انرژی شود. روش پژوهش: این پژوهش از نظر هدف پژوهش کاربردی محسوب می شود؛ به لحاظ ماهیت و روش نیز، این پژوهش هم در دسته ی تحقیقات توصیفی تحلیلی قرار می گیرد و هم پژوهش همبستگی محسوب می شود. روش گرد آوری داده ها کتابخانه ای بوده است. در این پژوهش، ابتدا پژوهش گر به مطالعه ی ادبیات موضوع، پیش بینی، ابزار های پیش بینی، بحث انرژی و پیش‎بینی مصرف آن پرداخته است؛ پس از آن به شناسایی عوامل تأثیر گذار بر مصرف انرژی و جمع آوری داده ها و آمار و ارقام مربوط به آنها پرداخته شده است. در ادامه با مدل سازی مدل های مصرف برای هر یک از حامل های انرژی، هر یک از این مدل ها و عوامل به طور جداگانه مورد بررسی قرار گرفته اند. یافته های پژوهش: در این پژوهش تأثیر عوامل اجتماعی-اقتصادی مختلفی بر مصرف حامل های انرژی سنجیده شده اند که پیش از این به آنها پرداخته نشده است. برای این منظور مدل هایی برای پیش بینی تقاضای 4 حامل اصلی انرژی که عبارتند از بنزین، گازوییل، نفت سفید و نفت کوره طراحی می شود. به علاوه برای بنزین و گازوییل 2 مدل با تغییر در یکی از ورودی های مدل، طراحی شده است که با یکدیگر قیاس می شوند تا نتیجه ی بهتر حاصل شود. نوآوری های پژوهش: پژوهش حاضر، پژوهشی جامع در زمینه ی حامل های انرژی است که به بررسی و پیش بینی تقاضای 4 حامل انرژی اصلیِ فرآورده های نفتی به طور همزمان می پردازد، در حالی که در بیشتر پژوهش های انجام شده، به یک حامل انرژی به عنوان مثال گاز، یا برق پرداخته شده است. در این پژوهش توجه خاصی به عوامل اجتماعی اقتصادی تأثیرگذار بر مصرف، علاوه بر سایر عوامل مرسوم در پژوهش های پیشین مانند جمعیت شده است که در پژوهش های پیشین چندان به آنها پرداخته نشده است. به عنوان مثال در هیچ یک از پژوهش های انجام شده در داخل کشور به عامل قیمتِ حامل انرژی توجه نشده است. همچنین تکنیک و ابزار مورد استفاده در این پژوهش، یعنی شبکه ی عصبی مصنوعی، با توجه به ویژگی های خاص این مدل در مورد داده های تجربی و غیر خطی، یکی از روش های جدید و کارآمد در زمینه ی پیش بینی است. نتیجه گیری: این پژوهش با استفاده از شبکه های عصبی مصنوعی، به مدل سازی جهت پیش بینی تقاضای حامل های انرژی در ایران پرداخته است؛ نتایج حاصل نشان داده اند که عوامل اجتماعی-اقتصادی در نظر گرفته شده، بر مصرف انرژی تأثیر گذار بوده اند.

منابع مشابه

ترکیب شبکه های عصبی و الگوریتم های تکاملی در پیش بینی تقاضای انرژی

پیش­بینی روند تقاضای انرژی جهت اتخاذ سیاست­های مقتضی و مناسب اهمیت فراوانی دارد. به دلیل روند پرنوسان و غیر خطی تقاضای انرژی و متغیرهای موثر بر آن قابلیت روش­های هوشمند و غیر خطی به خصوص شبکه­های عصبی و الگوریتم­های تکاملی به منظور پیش­بینی تقاضای انرژی در مطالعات مختلف به اثبات رسیده است. با وجود نقاط قوت فراوان، این تکنیک­ها با مسائل مهمی همچون تحمیل فرم تبعی خاص- در الگوریتم­های تکاملی- یا ن...

متن کامل

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

متن کامل

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...

متن کامل

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

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

دانشگاه بین المللی امام خمینی (ره) - قزوین - دانشکده علوم اجتماعی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023