مقایسه کارایی الگوی ARIMA و شبکه عصبی GMDH در پیشبینی تقاضای بلندمدت برق
Publish place: 27th International Power System Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 921
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC27_302
تاریخ نمایه سازی: 19 دی 1391
Abstract:
با توجه به تحولات ساختاری اخیر در صنعت برق و روندصنعتی شدن کشور رشد جمعیت و اجرای برنامه های توسعه، و نیز نظر به اهمیتی که منابع انرژی پایان پذیر در جوامع بشری دارد، ضروری است که ابعاد عرضه وتقاضای این عنصرحیاتی، بهتر شناخته شود. علاوه بر این با توجه به زمانبر بودن احداث نیروگاه های لازم جهت تولید برق، ضرورت پیشبینی بلند مدت تقاضای برقآشکارتر می شود که این امر امکان برنامهریزی و تصمیمگیری صحیح در رابطه با این انرژی را فراهم میکند. مقاله حاضر به دنبال بررسی کارایی دو الگوی خودرگرسیو میانگین متحرک انباشتهARIMA و شبکه عصبی دسته بندی گروهی دادههای عددیGMDHدر شبیه سازی و پیشبینی تقاضای بلندمدت برق ایران با استفاده از داده های سالانه مصرف برق درسال های 1346-1389 می باشد
Keywords:
تقاضای برق , پیش بینیARIMA شبکه عصبیGMDH
Authors
حسین سهرابی
دانشگاه تربیت مدرس
حسین صادقی
دانشگاه صنعت آب و برق
علی اکبر افضلیان
دانشگاه تربیت مدرس
محمود حقانی
دانشگاه تربیت مدرس