حمید بابایی میبدی - کارشناس ارشد مدیریت صنعتی، دانشگاه یزد، پست الکترونیکی
محمدحسین طحاری مهرجردی - کارشناس ارشد مدیریت صنعتی، جهاد دانشگاهی یزد
روح الله تقی زاده مهرجردی - دانشجوی دکتری دانشگاه تهران و عضو هیات علمی دانشگاه یزد

انرژی در کنار سایر عوامل تولید، عامل موثری در رشد و توسعه اقتصادی تلقی می­شود و در عملکرد بخش­های مختلف اقتصادی نقش چشمگیری ایفا می­کند. ازاین­رو، مسوولان کشور باید تلاش کنند تا با پیش­بینی دقیق­تر مصرف انرژی و برنامه­ریزی صحیح در هدایت مصرف، پارامترهای عرضه و تقاضای انرژی را به­نحوی مطلوب کنترل کنند. هدف از این مقاله، بررسی کارایی مدل های نروفازی، شبکه عصبی و رگرسیون چندمتغیره در پیش­بینی مصرف انرژی کشور است. مطالعه موردی این تحقیق مربوط به انرژی مصرفی در بخش حمل­ونقل ایران است. ازاین­رو، برای بررسی حاضر، از داده­های سالانه مصرف انرژی بخش حمل ونقل کشور، به­عنوان متغیر خروجی مدل های پیش­بینی و از داده­های سالانه جمعیت کل کشور، تولید ناخالص داخلی و تعداد خودرو به­عنوان متغیرهای ورودی مدل های پیش بینی استفاده شد. در پایان، نتایج پیش­بینی مدل های مختلف با استفاده از شاخص­های خطای استاندارد نسبی (RSE) و میانگین خطا (ME) و مجذور میانگین مربعات خطا (RMSE) ارزیابی شدند. نتایج ارزیابی نشان داد که مدل نروفازی (ANFIS)، نسبت به سایر مدل­ها دارای بالاترین دقت در پیش­بینی مصرف انرژی کشور است.

مصرف انرژی, رگرسیون چندمتغیره, شبکه های عصبی مصنوعی, نروفازی