برآورد میزان بار گاز مصرفی شهر تهران با استفاده از فناوری شبکههای عصبی
نویسندگان
چکیده مقاله:
در این مقاله از شبکه عصبی مصنوعی به سبب قابلیت فوقالعاده آن در تقلید از نگاشت غیرخطی ورودی ها به خروجی ها برای پیش بینی کوتاه مدت میزان مصرف گاز طبیعی شهر تهران استفاده شده است. ابتدا با استفاده از دمای حداقل و حداکثر روزانه، دمای مؤثر روزانه تعریف شد و سپس بر اساس دیگر مشخصه های هواشناسی مؤثر بر مصرف نظیر ابرناکی، سرعت باد و بارندگی، تخمین مصرف گاز روزانه و ماهانه مبتنی بر شبکه عصبی مصنوعی با الگوریتم پسانتشار خطا در پرسپترون چند لایه انجام شده است. مقایسه نتایج حاصل از پیشبینی با مقادیر واقعی مصرف گاز حاکی از آن است که دقت مدل در خصوص مصرف روزانه و ماهانه گاز به ترتیب حدود 93 و 99% میباشد. بنابراین مدلهای طراحی شده، برای تخمین مصرف گاز شهر تهران بزرگ مناسب میباشد.
منابع مشابه
بررسی میزان بهرهمندی دانشجویان کارشناسی رشته ارتباطات اجتماعی شهر تهران از برنامه های شبکههای رادیویی ایران
هدف از انجام تحقیق حاضر شناخت میزان بهره مندی دانشجویان رشته ارتباطات اجتماعی شهر تهران از شبکه های رادیویی ایراناست. برای انجام این تحقیق در مراحل اولیه منابع موجود در رابطه با موضوع مطالعه و بررسی شده است، مهمترین نظریه هایی که دراین تحقیق آمده است نظریه های مخاطب شناسی است.چارچوب نظری تحقیق شامل نظریه استفاده و خشنودی و نظریه کارکرد رسانهمی شود. میزان بهره مندی از شبکه های رادیویی متغیر وابس...
متن کاملبرآورد رواناب حوضه بار اریه با استفاده از مدلهای WetSpa و شبکه عصبی مصنوعی
برآورد صحیح رواناب حوضه نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین زیادی از مدلهای یکپارچه، توزیعی و همچنین از روشهای هوشمند مصنوعی بهمنظور برآورد رواناب حوضه استفاده نمودند. در تحقیق حاضر برای برآورد آبدهی حوضه بار اریه با مساحتی معادل با 112 کیلومتر مربع و متوسط بارش سالانه 72/306 میلیمتر از دو مدل توزیعی WetSpa و مدل هوشمند شبکه عصبی مصنوعی ANN استفاده گردید. بهمنظور اجرای مدل ...
متن کاملبررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دستهبندیشده
بار رسوب جریان، شاخص مفیدی در پیشبینی فرسایش خاک در حوزههای آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب میتواند در مدیریت و اجرای پروژههای آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دستهبندی دادهها بهعنوان راهکاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانههای خلیفهترخان و چهلگزی در حوضۀ قشلاق...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 42 شماره 8
صفحات -
تاریخ انتشار 2009-02-19
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023