پیش بینی تقاضای حامل های انرژی در بخش های مختلف مصرف ایران با استفاده از رگرسیون خطی فازی
Authors
abstract
چکیده در این تحقیق، تقاضای فرآوردههای نفتی، گاز و برق در بخشهای مختلف مصرف شامل خانگی-تجاری، حمل و نقل، صنعت، کشاورزی و نیروگاهها، با در نظر گرفتن شاخصهای اقتصادی و اجتماعی و با استفاده از مدلهای رگرسیون و رگرسیون خطی فازی پیشبینی شده است. از دادههای مربوط به سالهای 1372 تا 1389 برای انتخاب مدل مناسب و بررسی اعتبار آن استفاده شده است و تقاضای حاملهای مختلف انرژی برای هر کدام از بخشهای مختلف، طی سالهای 1391 تا 1400 تخمین زده شده است
similar resources
برآورد تابع تقاضای حامل های انرژی در بخش کشاورزی ایران
امروزه نهادة انرژی در کنار نهادة نیروی کار و سرمایه نقش مهمی در تولید کشاورزی ایفا میکند. انرژی نهادهای مورد نیاز برای فعالیت ماشینآلات و ادوات کشاورزی است. بحث حائز اهمیت در این زمینه مربوط به میزان واکنش تقاضای انرژی به تغییرات قیمت حاملهای انرژی و سایر نهادههای تولیدی است. از اینرو، مطالعة حاضر به تخمین توابع تقاضای نهادههای انرژی در بخش کشاورزی شامل برق و نفت گاز و برآورد کششهای قی...
full textپیش بینی و تحلیل سیاستی از تقاضای حامل های انرژی در ایران (مدل های VAR، BVAR و پیشنهاد مدل SBVAR)
full text
پیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی
هدف از این مقاله ارزیابی الگوی ترکیبی شبکههای عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران میباشد. برای این منظور، از دادههای سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدلهای پیشبینی و از دادههای سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدلهای پیشبینی استفاده شد. در پایان به منظور مقایسه نتایج پیشبینی مدل ترکیبی...
full textمطالعه تطبیقی روش های خطی ARIMA و غیر خطی شبکه های عصبی فازی در پیش بینی تقاضای اشتراک گاز شهری
اطلاع از میزان تقاضای موجود در هر دوره یکی از مباحثی است که شرکت ملی گاز در راه پاسخگویی به مراجعان به آن نیاز دارد.عدم اطلاع از میزان تقاضای اشتراک سبب ایجاد مشکلاتی مانند عدم آگاهی از تعداد پیمانکاران مورد نیاز و همچنین فقدان برنامه کنترل موجودی مناسب برای انواع کنتورهای موردنیاز و دیگر عوامل مرتبط می شود. در چند دهه گذشته،اقتصاددانان و علمای مدیریت برای براورد تقاضا غالباً از روش های اقتصادس...
full textپیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبیِ عصبی- فازی و انبوه ذرات
Storing the electrical energy in large scale is impossible. So, it is necessary to identify the factors affecting the electricity demand. Researchers have used different methods to forecast the future demand of electricity, among them intelligent methods and fuzzy based methods are more popular. Since ANFIS structure is based on researcher’s experience about phenomenon, the created structure ...
full textپیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبیِ عصبی- فازی و انبوه ذرات
با توجه به عدم امکان ذخیره انرژیالکتریکی ، شناسایی عواملموثر بر تقاضای این حامل انرژی و پیشبینی دقیق روند آتی آن، ضرورت دارد . تاکنون روشهای مختلفی در این زمینه مورد استفاده قرار گرفته است که در میان آنها روشهای هوشمند و بهویژه روشهای فازی، دارای قابلیتهای بیشتری هستند. در مطالعه حاضر از سیستم استنتاج عصبی- فازی ترکیب شده با الگوریتم انبوهذرات ( PSO -ANFIS ) استفاده شده و پس ازشب...
full textMy Resources
Save resource for easier access later
Journal title:
چشم انداز مدیریت صنعتیجلد ۲، شماره ۸، صفحات ۰-۰
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023