پیش بینی میزان مصرف گاز طبیعی در استان کهگیلویه و بویراحمد با استفاده از شبکه های عصبی و الگوریتم ژنتیک

پایان نامه
چکیده

یک مدل شبکه عصبی مصنوعی و الگوریتم ژنتیک جهت پیش بینی روزانه و ماهیانه مصرف گاز طبیعی در استان کهگیلویه و بویر احمد استفاده شد. اطلاعات هواشناسی و مصرف گاز شهر یاسوج در مدت چهار سال(از سال 1385 تا سال 1388) جمع آوری و برای مدلسازی استفاده گردید. در مدل روزانه، متغیرهای درجه روز، رطوبت نسبی، میزان بارندگی، سرعت باد و مصرف گاز پنج روز قبل از روز پیش بینی، به عنوان ورودی های شبکه و متغیر میزان مصرف گاز طبیعی به عنوان خروجی شبکه در نظر گرفته شد. در مدل ماهیانه، متغیرهای درجه روز، میزان رطوبت نسبی، میزان بارندگی، سرعت باد و میزان مصرف گاز دو ماه قبل از ماه پیش بینی، به عنوان متغیرهای ورودی و مصرف گاز به عنوان خروجی مدل در نظر گرفته شد. این داده ها به دو دسته آموزش و تست تقسیم شدند و ساختارهای مختلف شبکه عصبی از لحاظ تعداد لایه ها و نرونهای لایه مخفی مورد بررسی قرار گرفت و بر اساس معیار میانگین مجذور خطا با هم مقایسه شدند. ساختاری با دو لایه پنهان، تعداد شش نرون در لایه پنهان اول و سه نرون در لایه پنهان دوم به عنوان ساختار بهینه برای مدل روزانه و ساختاری با دو لایه مخفی، تعداد هشت نرون در لایه مخفی اول و چهار نرون در لایه مخفی دوم به عنوان ساختار بهینه برای مدل ماهیانه انتخاب شد. با استفاده از الگوریتم ژنتیک، مقادیر وزن ها و بایاس های ساختار شبکه عصبی بهینه گردید. مدل روزانه می تواند مصرف گاز را با میانگین مجذور خطا و ضریب همبستگی به ترتیب 0.0037و0.986 پیش بینی کند. همچنین میانگین مجذور خطا و ضریب همبستگی مدل ماهیانه به ترتیب 0.0082و 0.970 می باشد. توافق خوب نتایج مدل شبکه عصبی با داده های واقعی مصرف گاز نشان می دهد که پیش بینی مصرف گاز طبیعی با استفاده از شبکه عصبی مصنوعی به خوبی انجام می گیرد.

منابع مشابه

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...

متن کامل

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...

متن کامل

کاربردی از ترکیب الگوریتم ژنتیک و شبکه های عصبی مصنوعی برای بر آورد مصرف گاز طبیعی در ایران

هدف اصلی این تحقیق، بررسی تقاضای گاز طبیعی در ایران با استفاده از ساختار صنعت و شرایط اقتصادید ایران می باشد.. مدل ها به دو شکل (نمایی و خطی) ارائه شده اند و برای برآورد تقاضای گاز طبیعی در ایران مورد استفاده قرار می گیرند. این مدل ها برای برآورد میزان تقاضای گاز طبیعی در آینده براساس شاخص های جمعیت، تولید ناخالص داخلی و ارقام وارداتی و صادراتی گسترش یافته اند. مصرف گاز طبیعی در ایران از سال 19...

متن کامل

مدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک

دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...

متن کامل

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...

متن کامل

پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...

متن کامل

منابع 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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه یاسوج - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023