طراحی بهینه ای چندهدفی شبکه های عصبی نوع دسته بندی گروهی داده ها (gmdh) و سیستم استنتاجی عصبی-فازی تطبیقی (anfis) به منظور مدل سازی و پیش بینی میزان مصرف گاز طبیعی شهر رشت
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه گیلان - دانشکده فنی
- نویسنده نسا ستایش صومعه سرایی
- استاد راهنما الهیار داغبندان سید جواد صابری فر
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
چکیده به منظور گازرسانی به موقع و کافی به مشترکین و مصرف کنندگان، پیش بینی میزان مصرف گاز طبیعی امری ضروری برای توزیع کنندگان گاز می باشد. پیش بینی میزان مصرف گاز یک پیش نیاز مهم برای سیستم گاز رسانی کارآمد و پایه ای اساسی برای تصمیم گیری های مهم می باشد. در این تحقیق از شبکه های عصبی نوعann، gmdh و ساختار عصبی-فازی anfis برای پیش بینی میزان مصرف گاز طبیعی استفاده شده است. به منظور مدلسازی، داده های تجربی به دو دسته (70% برای آموزش و 30% برای آزمایش) تقسیم شده اند تا عملکرد سیستم مورد ارزیابی قرار گیرد. مشخصه های هواشناسی استفاده شده به عنوان ورودی، دمای موثر روزانه، میزان بارندگی و رطوبت هوا می باشد و تعداد واحدهای مصرف کننده گاز ورودی دیگر می باشد. مقادیر به دست آمده توسط مدل ها مطابقت بسیار خوبی با داده های تجربی داشته است. همچنین ساختار عصبی-فازی anfis نتایج بهتر و سریع تری را ارائه داده است. کلمات کلیدی: گاز طبیعی، پیش بینی میزان مصرف، شبکه های عصبی نوع gmdh، ساختار عصبی-فازی anfis .
منابع مشابه
شناسایی ترک با تحلیل فرکانسهای طبیعی سازه با استفاده از شبکه های عصبی نوع gmdh و سیستم عصبی- فازی anfis
وجود ترک در سازه، موجب نرمی محلی و تغییر در خواص سختی و رفتار دینامیکی سازه می شود. رفتار دینامیکی سازه دارای ترک، به عمق و مکان ترک بستگی دارد؛ از این رو می توان برای شناسایی عمق و مکان ترک از تغییرات رفتار دینامیکی سازه ناشی از ترک، استفاده نمود. در این مقاله ابتدا سه فرکانس طبیعی اول یک تیر یکسردرگیر که یک ترک سطحی باز برای ده عمق ترک مختلف و برای سی مکان مختلف در آن ایجاد شده است، با استفاد...
متن کاملمدلسازی و پیش‌بینی میزان مصرف گاز طبیعی به کمک شبکه های عصبی نوع GMDH چندهدفی. مطالعه موردی: شرکت گاز شهر رشت
چکیده: مصرف گاز به عنوان منبع انرژی پاک، برای مصارف صنعتی و گرمایشی و حملونقل، بهطور گستردهای پذیرفته شده است و از میان سوختهای فسیلی، مصرف گاز برای داشتن محیط زیستی پاکتر مورد توجه بسیار قرار گرفته است. بدلیل اهمیت تأثیر مشخصه‌های هواشناسی در مصرف گاز شهرها و نیز امکان کاهش ناگهانی دما و در نتیجه افزایش میزان مصرف گاز شهرها، ضرورت اطلاع و پیش‌بینی مصرف گاز امری اجتنابناپذیر است که درا...
متن کاملطراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)
تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله با آن باشند. یکی از این راه کارها پیش بینی حجم ترافیک روزانه است. پیش بینی ترافیک به کنترل کننده ها کمک می کند ت...
متن کاملمقایسه توانایی پیش بینی مدل های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج عصبی- فازی انطباقی(ANFIS) و تبدیل موجک-عصبی: قیمت سبد نفت خام اوپک
پیش بینی قیمت نفت خام از مهم ترین موضوعات فرا روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل درگیر بودن تعدادی از کشورهای در حال توسعه این سازمان با قیمت نفت، می تواند در برنامه ریزی های سازمان و کشورهای عضو آن، اهمیت ویژه ای داشته باشد. برآورد و پیش بینی روند قیمت نفت، به خاطر نبود داده های تاریخی مهم و محدودیت اطلاعات مرتبط با شاخص های موثر بر روند قیمت نفت، ...
متن کاملطراحی مدل پیش بینی ورشکستگی شرکت ها به وسیله شبکه های عصبی فازی (مطالعه موردی:شرکت های بورس اوراق بهادار تهران)
در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسی...
متن کاملپیش بینی شاخص کل بورس اوراق بهادار تهران با سیستم استنتاجی عصبی فازی تطبیقی(anfis)
هدف اصلی این تحقیق طراحی مدلی برای پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از سیستم استنتاجی عصبی- فازی انطباقی و مقایسه آن با روش شبکه عصبی و مدل خطی آریما می باشد. در این تحقیق از روش کشف معرفت جهت بررسی موضوع و پیش بینی شاخص بورس اوراق بهادار تهران استفاده شده است. در این تحقیق سه روش برای پیش بینی مطرح می شود:1- پیش بینی شاخص کل قیمت سهام با روش سیستم عصبی فازی.2- پیش بینی شاخص کل ...
15 صفحه اولمنابع 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 گیلان - دانشکده فنی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023