حسین صادقی - عضو هیئت علمی اقتصاد دانشگاه تربیت مدرس
مهدی ذوالفقاری - دانشجوی دکتری گروه اقتصاد دانشگاه تربیت مدرس

آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق و اعمال سیاستگذاری های لازم، امری ضروری است.  از این رو، پیش بینی تقاضای آن، برای بخش های مختلف اقتصادی حائزاهمیت است.  در این مقاله به مطالعه­ ی تطبیقی روش های غیرخطی شبکه های عصبی مصنوعی و تبدیل موجک- شبکه ­ی عصبی و فرایند خطی  ARMAدر پیش بینی تقاضای روزانه برق در بازه­ ی زمانی یک تا ده گام به جلو پرداخته شده است.  نتایج حاصل از به کارگیری معیارهای سنجش RMSE و MAPE نشان داد که مدل های غیرخطی تبدیل موجک و شبکه ی عصبی پیشخور، نسبت به مدل ARMA،در پیش بینی روزانه تقاضای برق کشور از دقت بالایی برخوردار است.

پیش بینی, تقاضای برق, تبدیل موجک, شبکه عصبی مصنوعی, ARCH