مدلسازی و پیش بینی میزان انرژی مصرفی در صنایع غذایی و فرآوری کشور به روش شبکه های عصبی مصنوعی

نویسندگان

بهرام حسین زاده سامانی

حامد حوری جعفری

چکیده

در تمامی جوامع و کشورها به منظور برنامه ریزی برای تأمین انرژی بخش های مختلف نیاز به پیش بینی صحیح برای تعیین میزان تقاضا، نوع حامل های انرژی و چگونگی تأمین آن وجود دارد. با توجه به اهمیت صنایع غذایی در هر کشور، در این پژوهش مدلسازی میزان انرژی مصرفی این بخش از صنعت مورد مطالعه قرار گرفت. در این مقاله مدلسازی انرژی توسط روش شبکه های عصبی مصنوعی انجام پذیرفت. در اولین گام با توجه به آمارنامه ها، ترازنامه ها و روش پیشنهادی در این مقاله داده های ورودی مدل محاسبه گشت. دو روش شبکه عصبی چندگانه و شبکه عصبی تکی مورد بررسی قرار گرفت و نتایج نشان داد شبکه عصبی چندگانه دقت بالاتری دارد. برای هرکدام از حامل-های انرژی (گازوئیل، نفت سفید، نفت کوره، گاز طبیعی، برق، بنزین و گاز مایع) با میانگین گیری از 20 بار اجرای برنامه برای هر مشخصه شبکه، بهترین شبکه عصبی انتخاب شد. در انتها با محیط سیمولینک متلب هفت شبکه اجرا شده در قالب مدل نهایی تهیه شد. تحلیل داده ها نشان می دهد روز به روز در این صنعت مصرف گاز طبیعی روبه افزایش است ولی میزان مصرف نفت کوره و گاز مایع رو به کاهش است.

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

مدلسازی و پیش بینی صادرات آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه های عصبی مصنوعی

هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیار...

متن کامل

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

  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...

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

مقایسه قدرت پیش بینی روش شبکه عصبی مصنوعی با سایر روش های پیش‏بینی: مورد قیمت چغندرقند

این مطالعه با هدف پیش­بینی قیمت اسمی و واقعی چغندرقند و مقایسه روش شبکه عصبی مصنوعی با سایر روش­ها صورت گرفت. پس از بررسی ایستایی سری­ها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون بررسی شد. براساس نتایج این آزمون­ها سری قیمت اسمی چغندرقند به‏عنوان سری غیرتصادفی و قابل پیش­بینی و سری قیمت واقعی به‏عنوان سری تصادفی ارزیابی شد. دوره مطالعه نیز ...

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:
مهندسی مکانیک مدرس

ناشر: دانشگاه تربیت مدرس

ISSN 1027-5940

دوره 15

شماره 6 2015

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023