شبیه سازی منحنی زیست محیطی کوزنتس در ایران با استفاده از الگوریتم ژنتیک و الگوریتم بهینه سازی انبوه ذرات
Authors
abstract
بر اساس فرضیه زیست محیطی کوزنتس رابطه بین درآمد سرانه و سرانه انتشار آلایندهها به شکل u وارونه است. اکثر مطالعات در این مورد بر اساس برآورد مدلهای رگرسیون کاملا پارامتریک درجه دوم و درجه سوم به بررسی این فرضیه پرداختهاند. هدف این مقاله شبیه سازی رابطه بین انتشار سرانه دی اکسید کربن (co2) و درآمد سرانه در ایران با استفاده از الگوریتم ژنتیک (ga) و الگوریتم بهینه سازی انبوه ذرات (pso) است. سه فرم تبعی (خطی، درجه دوم و نمایی) در نظر گرفته شده است. با بررسی معیارهای دقت پیش بینی دقیق ترین مدل برای پیش ینی میزان سرانه انتشار co2 تا سال 2025 انتخاب و پنج سناریو مورد نظر قرار گرفته است. عملکرد بهتر الگوریتم ژنتیک و انتخاب فرم نمایی بعنوان دقیقترین فرم تبعی و رابطه مستقیم مصرف انرژی فسیلی و انتشار co2 و رابطه غیرمستقیم درآمد سرانه و انتشار co2 نتایج اولیه این پژوهش هستند.
similar resources
شبیهسازی منحنی زیست محیطی کوزنتس در ایران با استفاده از الگوریتم ژنتیک و الگوریتم بهینهسازی انبوه ذرات
بر اساس فرضیه زیست محیطی کوزنتس رابطه بین درآمد سرانه و سرانه انتشار آلایندهها به شکل U وارونه است. اکثر مطالعات در این مورد بر اساس برآورد مدلهای رگرسیون کاملا پارامتریک درجه دوم و درجه سوم به بررسی این فرضیه پرداختهاند. هدف این مقاله شبیهسازی رابطه بین انتشار سرانه دی اکسید کربن (CO2) و درآمد سرانه در ایران با استفاده از الگوریتم ژنتیک (GA) و الگوریتم بهینهسازی انبوه ذرات (PSO) است. س...
full textبرآورد ظرفیت بالفعل مالیاتی ایران با استفاده از الگوریتم بهینه سازی انبوه ذرات (PSO) و الگوریتم ژنتیک (GA)
با توجه به اهمیت فراوان درآمدهای مالیاتی در تأمین منابع مالی مورد نیاز دولتها، بررسی ظرفیت بالفعل مالیاتی همواره مورد توجه دولتمردان و سیاستگذاران بوده است. در این مقاله، تابع ظرفیت مالیاتی با دو الگوریتم ژنتیک و بهینه سازی انبوه ذرات طی دوره 1389-1361 برآورد شده است. براساس معیارهای ارزیابی عملکرد که شامل میانگین انحراف معیار، جذر میانگین انحراف معیار، میانگین درصد خطای مطلق و میانگین خطا...
full textشبیه سازی تابع مصرف و پیش بینی میزان مصرف ایران تا افق 1404 با استفاده از الگوریتم ژنتیک و الگوریتم بهینه سازی انبوه ذرات (pso)
مصرف یا مخارج مصرفی، یکی از عناصر کلیدی تحلیلهای کلان اقتصادی است که بخش مهمی از تقاضای کل در اقتصاد ایران را به خود اختصاص میدهد. لذا تلاش در جهت پیشبینی روند آتی این متغیر از اهمیت ویژهای برای سیاستگذاران برخوردار است. در این مقاله با تکیه بر مبانی نظری مربوط به تابع مصرف، به تصریح مدل مصرف مناسب برای اقتصاد ایران با هدف دستیابی به پیشبینی مطلوب پرداخته میشود. لذا با هدف پیش بینی ر...
full textبرآورد ظرفیت بالفعل مالیاتی ایران با استفاده از الگوریتم بهینه سازی انبوه ذرات (pso) و الگوریتم ژنتیک (ga)
با توجه به اهمیت فراوان درآمدهای مالیاتی در تأمین منابع مالی مورد نیاز دولتها، بررسی ظرفیت بالفعل مالیاتی همواره مورد توجه دولتمردان و سیاستگذاران بوده است. در این مقاله، تابع ظرفیت مالیاتی با دو الگوریتم ژنتیک و بهینه سازی انبوه ذرات طی دوره 1389-1361 برآورد شده است. براساس معیارهای ارزیابی عملکرد که شامل میانگین انحراف معیار، جذر میانگین انحراف معیار، میانگین درصد خطای مطلق و میانگین خطای ...
full textبهینه سازی بازدهی اکسرژی و تولید آنتروپی توربین بادی با استفاده از الگوریتم انبوه ذرات
هدف این تحقیق افزایش اکسرژی و کاهش تولید آنتروپی برای توربین بادی نوع Excel-S Bergey با بهینهسازی سرعتهای شروع چرخش، نامی و خاتمهی چرخش در الگوریتم انبوه ذرات است. بدینمنظور ابتدا تابع هدف با مدلسازی ریاضی اکسرژی توربین بادی به دست میآید. سپس با گردآوری دادههای آماری توربین مذکور، توسط کد رایانهیی شبکهی عصبی، توربین بادی در نرمافزار متلب مدلسازی شده و نتایج آن بهصورت جداول...
full textشبیه سازی تابع مصرف و پیش بینی میزان مصرف ایران تا افق ۱۴۰۴ با استفاده از الگوریتم ژنتیک و الگوریتم بهینه سازی انبوه ذرات (pso)
مصرف یا مخارج مصرفی، یکی از عناصر کلیدی تحلیلهای کلان اقتصادی است که بخش مهمی از تقاضای کل در اقتصاد ایران را به خود اختصاص میدهد. لذا تلاش در جهت پیشبینی روند آتی این متغیر از اهمیت ویژهای برای سیاستگذاران برخوردار است. در این مقاله با تکیه بر مبانی نظری مربوط به تابع مصرف، به تصریح مدل مصرف مناسب برای اقتصاد ایران با هدف دستیابی به پیشبینی مطلوب پرداخته میشود. لذا با هدف پیش بینی ر...
full textMy Resources
Save resource for easier access later
Journal title:
مدل سازی اقتصاد سنجیجلد ۲، شماره ۲، صفحات ۵۳-۸۰
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023