مطالعه تطبیقی روش های ARIMA و شبکه های عصبی مصنوعی در پیش بینی نیاز داخلی برق کشور

احمدی, علی محمد; ذوالفقاری, مهدی; غفار نژاد مهربانی, آیدین

فهرست نشریات

اخذ رتبه توسط نشریه پژوهش‌های رهبری آموزش از وزارت علوم، تحقیقات و فناوری

اخذ رتبه «الف» توسط نشریه پژوهشنامه معارف قرآنی از وزرات علوم، تحقیقات و فناوری

نشست مشورتی مسئولان مجلات علمی دانشگاه علامه‌طباطبائی

نتایج ارزیابی علمی نشریات دانشگاه علامه طباطبائی در سال ۱۴۰۱; 19عنوان موفق به دریافت رتبه الف شدند.

تعداد نشریات	60
تعداد شماره‌ها	2,022
تعداد مقالات	16,253
تعداد مشاهده مقاله	42,474,654
تعداد دریافت فایل اصل مقاله	24,312,283

	مطالعه تطبیقی روش های ARIMA و شبکه های عصبی مصنوعی در پیش بینی نیاز داخلی برق کشور
پژوهش‌های اقتصادی ایران
مقاله 5، دوره 13، شماره 41، بهمن 1388، صفحه 107-121 اصل مقاله (453.74 K)
نویسندگان
علی محمد احمدی¹؛ مهدی ذوالفقاری²؛ آیدین غفار نژاد مهربانی³
¹استادیار دانشگاه تربیت مدرس
²دانشجوی کارشناسی ارشد اقتصاد انرژی دانشگاه صنعت آب و برق
³دانشجوی کارشناسی ارشد مکانیک انرژی دانشگاه صنعت آب و برق
چکیده
آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق، برای اعمال سیاست گذاری های لازم، امری ضروری است. از این رو پیش بینی تقاضای آن برای بخش های مختلف اقتصادی حائز اهمیت است. امروزه از بین روش های پیش بینی، شبکه های عصبی مصنوعی، در زمینه تجزیه و تحلیل و مدل سازی روابط غیرخطی یکی از ابزار قدرتمند به حساب می آید که استفاده از آن در سال های اخیر در اقتصاد کلان گسترش یافته است. از این رو در این پژوهش کارایی مدل غیرخطی شبکه عصبی با مدل خطی فرایند ARIMA برای پیش بینی متوسط ماهانه نیاز داخلی برق کشور، برای یک دوره 3 ساله با استفاده از معیارهای MSE، RMSE، NMSE، MAE،MAPE و R2 مقایسه شده است. یافته ها نشان می دهد که شبکه عصبی مصنوعی دارای ضریب خطای کمتر و قدرت توضیح دهندگی بالایی نسبت به مدل AROMA، است.
کلیدواژه‌ها
شبکه های عصبی مصنوعی؛ ARIMA؛ پیش بینی؛ نیاز داخلی برق

آمار تعداد مشاهده مقاله: 1,053 تعداد دریافت فایل اصل مقاله: 579

سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب

پیوندهای مفید

اخبار و اعلانات

آمار

مطالعه تطبیقی روش های ARIMA و شبکه های عصبی مصنوعی در پیش بینی نیاز داخلی برق کشور