پیش بینی تقاضای انرژی بخش حمل و نقل با استفاده از شبکه های عصبی
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 1,457
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دانلود نمایند.
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICIORS01_307
Index date: 4 April 2012
پیش بینی تقاضای انرژی بخش حمل و نقل با استفاده از شبکه های عصبی abstract
امروزه استفاده از تکنولوژی های هوشمند برای حل مسائل عملی پیچیده در بخشهای مختلف صنعتی مورد توجه بسیار قرار گرفته اند. بزرگترین مزیت شبکه های عصبی, توانایی آنها در مدل کردن روابط غیرخطی پیچیده, بدون درنظر گرفتن فرضیات قبلی است. این سیستم ها، با انجام محاسبات بر داده های تجربی، قوانین کلی را فرا می گیرند. از اینرو به آنها سیستم های هوشمند می گویند. شبکه های عصبی مصنوعی جزء دسته ای از سیستم های هوشمند هستند که دانش نهفته در ورای داده ها را با پردازش داده های تجربی به ساختار شبکه منتقل می کنند. در این مقاله پس از مروری بر مقالاتی که با استفاده از شبکه های عصبی به پیش بینی مصرف انرژی در بخش های مختلف پرداخته اند, با استفاده از شبکه های عصبی مصنوعی و با در نظر گرفتن شاخص های اقتصادی و اجتماعی به پیش بینی تقاضای انرژی بخش حمل و نقل کشور طی سال های 1386 تا 1400 پرداخته ایم. از یک شبکه عصبی رو به جلو با ناظر برای پیش بینی استفاده نموده و آن را با الگوریتم پس انتشار آموزش دادیم. برای بررسی تاثیر شاخص های اقتصادی و اجتماعی بر تقاضای انرژی بخش حمل و نقل کشور, از داده های مربوط به تولید ناخالص داخلی , جمعیت و تعداد خودرو طی سال های 1347 تا 1385 استفاده نموده ایم. مدل مذکور را با استفاده از نرم افزار مطلب کدنویسی نمودیم. میزان تولید ناخالص ملی, جمعیت و تعداد خودرو را نیز با استفاده از طراحی سه شبکه عصبی دیگر تخمین زدیم ,
پیش بینی تقاضای انرژی بخش حمل و نقل با استفاده از شبکه های عصبی authors
عالیه کاظمی
دانشجوی دکترای مدیریت تحقیق در عملیات دانشگاه تهران
محمدباقر منهاج
استاد دانشکده برق دانشگاه امیرکبیر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :