پیشبینی بار الکتریکی با بکارگیری مدلهای ترکیبی پرسپترونهای چندلایه و خودرگرسیون میانگین متحرک انباشته فصلی
Authors
Abstract:
امروزه صرفهجویی در زمان و اقتصاد یک کشور نیازمند برنامهریزی، تصمیمگیری و پیشبینیهای درست و منطقی در حوزههای مختلف میباشد. یکی از این حوزههای مطرح در هر کشور، پیشبینی بار الکتریکی میباشد. این کالا (الکتریسیته) با توجه به اینکه قابل ذخیرهسازی نمیباشد، پیشبینی آن با حساسیت بالاتری انجام میگیرد. همچنین علاوه بر غیرقابل ذخیرهبودن، در مصرف این کالا الگوهای مختلفی دیده میشود که مدلسازی آن را با روشهای کلاسیک دشوار میسازد. بنابراین نیاز به روشی است که بتواند الگوهای موجود در دادههای مرتبط با این بازار را مدلسازی نماید. در این مقاله از یک روش ترکیبی موازی که مدلهای کلاسیک خطی را با مدلهای هوش محاسباتی ترکیب میکند، استفاده گردیده است. ایده اصلی مدل پیشنهادی، استفاده همزمان از مدلهای مذکور در مدلسازی خطی و غیرخطیای که با الگوهای فصلی همراهند، میباشد. همچنین نتایج نشان میدهد که در این روش به دلیل استفاده از یک روش وزندهی مستقیم، هزینه محاسباتی مدلسازی آن بهصورت قابلتوجهی از سایر روشهای ترکیبی موازی پایینتر میباشد.
similar resources
بکارگیری مدل های ترکیبی میانگین متحرک خودرگرسیون انباشته فازی احتمالی به منظور پیش بینی نرخ ارز
full text
به کارگیری مدل میانگین متحرک خودرگرسیون انباشته فازی به منظور پیش بینی نرخ ارز
در دنیای امروز به کارگیری روشهای کمی پیش بینی در زمینه های مختلف مورد توجه گسترده قرار گرفته است. تغییرات سریع محیطهای ناشناخته در دنیای واقعی و به ویژه بازارهای مالی سبب ایجاد مشکلاتی برای پیش بینی کنندگان به منظور تأمین داده های مورد نیاز شده است. مدلهای میانگین متحرک خود رگرسیون انباشته (arima) دارای محدودیت تعداد داده های گذشته بوده و شبکه-های عصبی مصنوعی (anns) نیز به منظور حصول نتایج دقیق...
full textارائه یک رویکرد ترکیبی میانگین متحرک خودگردان فصلی و شبکه های نرو ـ فازی خطی محلی برای پیشبینی میزان بارندگی در شهر زابل
تغییرات بوم شناختی ناشی از تغییرات اقلیمی میتواند نقش بسزایی در شرایط جوامع بشری بخصوص شرایط سلامتی و وضعیت اقتصادی ایفا نماید. در برخی موارد، تغییرات ناگهانی و غیرمترقبه شرایط اقلیمی میتواند منجر به وقوع بحرانهای اجتماعی و اقتصادی گردد. بنابراین پیشبینی دقیق این تغییرات میتواند به مدیران جامعه در راستای مقابله با عوارض ناشی از این تغییرات کمک نماید. یکی از مهمترین پارامترها در این بین میز...
full textپیشبینی قیمت هفتگی نفت خام از طریق مدل ترکیبی ماشین بردار پشتیبان و خودرگرسیو میانگین متحرک انباشته
همواره پیشبینی روند قیمت و نوسانات یکی از چالشهای پیشروی معاملهگران در بازارهای بورس نفت بوده و پیشبینی قیمتها به عنوان یک امر ضروری وکاربردی مطرح میشود ولیکن باید پیشبینی را مورد توجه قرار داد که با دقت بیشتری صورت گیرد و نسبت به نتایج واقعی مشاهده شده خطای کمتری داشته باشد. به منظور پیشبینی قیمت هفتگی نفت خام برنت به عنوان یک نفت شاخص با توجه به دشوار بودن شناسایی دقیق الگوهای خطی و...
full textبـهبود عملکرد پیش بیـنی های مالـی با ترکیـب مدلهـای خـطی و غیـرخـطی خودرگرسیون میانگین متحرک انباشته و شبکه های عصبی مصنوعی
دقت پیش بینی از مهمترین عوامل مؤثر در انتخاب روش پیش بینی است. امروزه به رغم وجود روشهای متعدد پیش بینی، هنوز پیش بینی دقیق مالی کار چندان ساده ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روشهای متفاوت به منظور حصول نتایج دقیق تر می باشند. در حالت کلی انتخاب مؤثرترین روش به منظور پیش بینی، کار بسیار دشواری می باشد. بسیاری از محققان روشهای خطی و غیرخطی را به منظور حصول نتایج دقیق تر با یکدیگر ...
full textارائه یک رویکرد ترکیبی میانگین متحرک خودگردان فصلی و شبکه های نرو ـ فازی خطی محلی برای پیشبینی میزان بارندگی در شهر زابل
تغییرات بوم شناختی ناشی از تغییرات اقلیمی میتواند نقش بسزایی در شرایط جوامع بشری بخصوص شرایط سلامتی و وضعیت اقتصادی ایفا نماید. در برخی موارد، تغییرات ناگهانی و غیرمترقبه شرایط اقلیمی میتواند منجر به وقوع بحرانهای اجتماعی و اقتصادی گردد. بنابراین پیشبینی دقیق این تغییرات میتواند به مدیران جامعه در راستای مقابله با عوارض ناشی از این تغییرات کمک نماید. یکی از مهمترین پارامترها در این بین میز...
full textMy Resources
Journal title
volume 10 issue 40
pages 33- 42
publication date 2020-01-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023