برآورد میزان بار گاز مصرفی شهر تهران با استفاده از فناوری شبکه‏های عصبی

نویسندگان

احمد آذری

مجتبی شریعتی نیاسر

محمود البرزی

افشین بختیاری

چکیده

در این مقاله از شبکه عصبی مصنوعی به سبب قابلیت فوق‏العاده آن در تقلید از نگاشت غیرخطی ورودی ها به خروجی ها برای پیش بینی کوتاه مدت میزان مصرف گاز طبیعی شهر تهران استفاده شده است. ابتدا با استفاده از دمای حداقل و حداکثر روزانه، دمای مؤثر روزانه تعریف شد و سپس بر اساس دیگر مشخصه های هواشناسی مؤثر بر مصرف نظیر ابرناکی، سرعت باد و بارندگی، تخمین مصرف گاز روزانه و ماهانه مبتنی بر شبکه عصبی مصنوعی با الگوریتم پس‏انتشار خطا در پرسپترون چند لایه انجام شده است. مقایسه نتایج حاصل از پیش‏بینی با مقادیر واقعی مصرف گاز حاکی از آن است که دقت مدل در خصوص مصرف روزانه و ماهانه گاز به ترتیب حدود 93 و 99% می‏باشد. بنابراین مدل‏های طراحی شده، برای تخمین مصرف گاز شهر تهران بزرگ مناسب می‏باشد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بررسی میزان بهرهمندی دانشجویان کارشناسی رشته ارتباطات اجتماعی شهر تهران از برنامه های شبکههای رادیویی ایران

هدف از انجام تحقیق حاضر شناخت میزان بهره مندی دانشجویان رشته ارتباطات اجتماعی شهر تهران از شبکه های رادیویی ایراناست. برای انجام این تحقیق در مراحل اولیه منابع موجود در رابطه با موضوع مطالعه و بررسی شده است، مهمترین نظریه هایی که دراین تحقیق آمده است نظریه های مخاطب شناسی است.چارچوب نظری تحقیق شامل نظریه استفاده و خشنودی و نظریه کارکرد رسانهمی شود. میزان بهره مندی از شبکه های رادیویی متغیر وابس...

متن کامل

برآورد رواناب حوضه بار اریه با استفاده از مدل‌های WetSpa و شبکه عصبی مصنوعی

برآورد صحیح رواناب حوضه نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین زیادی از مدل‌های یکپارچه، توزیعی و هم‌چنین از روش‌های هوشمند مصنوعی به‌منظور برآورد رواناب حوضه استفاده نمودند. در تحقیق حاضر برای برآورد آبدهی حوضه بار اریه با مساحتی معادل با 112 کیلومتر مربع و متوسط بارش سالانه 72/306 میلی‌متر از دو مدل توزیعی WetSpa و مدل هوشمند شبکه عصبی مصنوعی ANN استفاده گردید. به‌منظور اجرای مدل ...

متن کامل

بررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دسته‌بندی‌شده

بار رسوب جریان، شاخص مفیدی در پیش‌بینی فرسایش خاک در حوزه‌های آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب می‌تواند در مدیریت و اجرای پروژه‌های آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دسته‌بندی داده‌ها به‌عنوان راه‌کاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانه‌های خلیفه‌ترخان و چهل‌گزی در حوضۀ قشلاق...

متن کامل

منابع من

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


عنوان ژورنال:
نشریه دانشکده فنی

ناشر: دانشکده فنی

ISSN 0803-1026

دوره 42

شماره 8 2009

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023