پیش بینی تقاضای حامل های انرژی در بخش های مختلف مصرف ایران با استفاده از رگرسیون خطی فازی

Authors

عالیه کاظمی

دانشگاه تهران مهناز حسین زاده

دانشگاه تهران

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

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

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 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 text

مطالعه 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 text

پیش 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 text

پیش 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 text

My Resources

Save resource for easier access later


Journal title:
چشم انداز مدیریت صنعتی

جلد ۲، شماره ۸، صفحات ۰-۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023