استفاده از رهیافت شبکه عصبی در پیش بینی مصرف انرژی خط یک متروی تهران

امروزه انرژی و میزان مصرف آن، محور استراتژیک برنامه ریزی های سازمانی است. گسترش سیستم حمل ونقل درون شهری بدون در نظر گرفتن شرایط گوناگون اقتصادی، علمی، صنعتی، آب و هوایی و رشد روزافزون شهرنشینی امکان­ناپذیر است. تحلیل روندهای پیشین اطلاعات مصرف انرژی جهت پیش­بینی روندهای آینده با درنظرگرفتن نرخ توسعه خطوط مترو، راه­حلی کلیدی در راستای برنامه ریزی ها و سیاست­گذاری­های کلان آینده محور خواهد بود. در این پژوهش برای پیش­بینی مصرف انرژی خط یک متروی تهران از مدل شبکه عصبی GMDH استفاده شده است که از قابلیت شناسایی و غربال کردن متغیرهای ورودی کم اثر در دوره آموزش شبکه و حذف آن­ها در دوره آزمون، برخوردار می­باشد و همچنین برای درک میزان دقت پیش­بینی با مدل ARIMA مورد مقایسه قرارگرفته است. در این پژوهش، دوازده متغیر اثرگذار بر میزان مصرف انرژی متروی تهران شناسایی شده و به عنوان متغیرهای ورودی مدل در نظر گرفته شده است. نتایج حاکی از آن است که مدل شبکه عصبی GMDH، به مراتب خطای کمتری را نسبت به مدل ARIMA دارد و از دقت پیش­بینی بالاتری برخوردار است.  

Keywords:

Forecast , Energy , GMDH Neural Network , Tehran Metro , پیش بینی , انرژی , متروی تهران , شبکه عصبی GMDH