پیش بینی مصارف گاز خانگی و تجاری برای یک دوره پنج ساله شهر اصفهان با استفاده از شبکه های عصبی

Authors

الهام هنری

گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران مسعود یقینی

گروه مهندسی صنایع، دانشکده مهندسی راه آهن، دانشگاه علم و صنعت تهران، تهران، ایران؛ محمد حسین ندیمی

گروه کامپیوتر، دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران؛

abstract

بخش های خانگی و تجاری بیشترین سهم مصارف گاز طبیعی در کشور را به خود اختصاص داده است. بنابراین، پیش بینی میزان مصارف این دو بخش برای شرکت ملی گاز ایران بسیار حائز اهمیت است. در این مقاله، برای مصارف خانگی و تجاری گاز طبیعی شهر اصفهان ساختار مناسبی از مدل شبکه عصبی انتخاب و طراحی شده است. برای یافتن یک ساختار مناسب شبکه عصبی، سه ساختار متفاوت با نام های دینامیک، هرس کامل و شبکه شعاع براساس تابع بررسی شده است. داده های واقعی مصارف گاز 10 سال (1381 تا 1390) برای پیش بینی مصارف (1391 تا 1395) استفاده شده است. به منظور پیش بینی مصارف خانگی و تجاری گاز طبیعی، متغیرهای مستقل جمعیت، دما، تعداد مشترکین و قیمت گاز انتخاب شده اند. ساختارهای شبکه عصبی با یکدیگر و با سایر روش های سنتی پیش بینی از جمله رگرسیون و سری های زمانی مقایسه گردید. نتایج حاکی از آن است که ساختار منتخب هرس کامل مدل شبکه عصبی برای این داده ها از سایر ساختارها و مدل های پیش بینی سنتی کارآمدتر و دقیق تر است و این مدل تا سال 1395 برای بخش خانگی افزایش مصرف و برای بخش تجاری کاهش در مصرف گاز طبیعی شهر اصفهان را پیش بینی کرده است. براساس بررسی های انجام شده، تاکنون پژوهشی برای پیش بینی مصارف گاز طبیعی خانگی و تجاری شهر اصفهان با مقایسه بین ساختار های مختلف طراحی مدل شبکه عصبی و انتخاب بهترین ساختار، صورت نگرفته است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی مصارف گاز خانگی و تجاری برای یک دوره پنج ساله شهر اصفهان با استفاده از شبکه‌های عصبی

بخش‌های‌ خانگی و تجاری بیشترین سهم مصارف گاز طبیعی در کشور را به خود اختصاص داده‌است. بنابراین، پیش‌بینی میزان مصارف این دو بخش برای شرکت ملی گاز ایران بسیار حائز اهمیت است. در این مقاله، برای مصارف خانگی و تجاری گاز طبیعی شهر اصفهان ساختار مناسبی از مدل شبکه عصبی انتخاب و طراحی شده است. برای یافتن یک ساختار مناسب شبکه عصبی، سه ساختار متفاوت با نام‌های دینامیک، هرس کامل و شبکه شعاع براساس تابع ...

full text

استفاده از ترکیب الگوریتم ژنتیک و شبکه های عصبی مصنوعی برای پیش بینی نیروی گاز گرفتن از روی سیگنال الکترومایوگرام

Human mastication is a common rhythmic behavior and a complex biomechanical process which is hard to reproduce. Today, investigating the relation between electrical activity of muscles and force signals is of high importance in many applications including gait analysis, orthopedics, rehabilitation, ergonomic design, haptic technology, tele-presence surgery and human-machine interaction. Surface...

full text

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...

full text

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...

full text

پیش بینی درصد متان موجود در گاز مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی

Backgrounds and Objectives:A number of different technologies have recently been studied todetermine the best use of biogas, however, to choose optimize technologies of using biogas for energy recovery it is necessary to monitor and predict the methane percentage of biogas. In this study, a method is proposed for predicting the methane fraction in landfill gas originating from Labscalelandfill ...

full text

My Resources

Save resource for easier access later


Journal title:
مدیریت تولید و عملیات

جلد ۷، شماره ۱، صفحات ۲۴۷-۲۶۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023