پیش بینی مصارف خانگی گاز طبیعی در شهرکرد با استفادهاز تلفیق مدل شبکه عصبی و سری زمانی
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 803
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NIESC01_086
Index date: 5 September 2013
پیش بینی مصارف خانگی گاز طبیعی در شهرکرد با استفادهاز تلفیق مدل شبکه عصبی و سری زمانی abstract
پیش بینی تقاضا ازجمله مواردی است که اجرای موفق آن می تواند باعث افزایش کارایی سازمان و صرفه جویی درمنابع شود این امر درسیستم های توزیع گاز که ازقابلیت ذخیره سازی کمتری برخوردارند اهمیت بیشتری دارد دراین تحقیق یک مدل تلفیقی ازشبکه عصبی و سری های زمانی انالیز روند و aRIMA به منظور پیش بینی مصارف گاز خانگی شهرکرد برای 5سال اتی ارایه شدها ست روند انجام کار بدین صورت بوده که بمنظو رتعیین اهمیت عوامل موثربرمصارف گاز خانگی شهرکرد ازمدل شبکه عصبی استفاده شده و مدلی با بیشترین قابلیت اطمینان طراحی گردید این مدل شبکه عصبی دینامیک نام دارد و با اطمینان 95/8 درصد قادر به پیش بینی تقاضا می باشد سپس عوامل با اهمیت به روش سری زمانی برای دوره های اتی پیش بینی شده و درنهایت درمدل شبکه عصبی منتخب قرارگرفته و پیش بینی مصارف برای سالهای 1391تا95 حاصل گردد نتایج نشان میدهد که میزان تقاضای گاز طبیعی درشهرکرد تا سال 1395 به میزان 17درصد نسبت به سال 1390 افزایش خواهد داشت و پیک مصرف ماهانه نیز 8درصد افزایش می یابد.
پیش بینی مصارف خانگی گاز طبیعی در شهرکرد با استفادهاز تلفیق مدل شبکه عصبی و سری زمانی Keywords:
پیش بینی مصارف خانگی گاز طبیعی در شهرکرد با استفادهاز تلفیق مدل شبکه عصبی و سری زمانی authors
آذر طاهری قهفرخی
دانشجووی کارشناسی ارشد مهندسی صنایع
عباس قلی پور
دانشجوی کارشناسی ارشد مهندسی صنایع
مجید نیلی احمد آبادی
عضو هیات علمی گروه مدیریت دانشگاه آزاد اسلامی واحد نجف آباد
احمدرضا شکرچی زاده اصفهانی
عضو هیات علمی گروه مدیریت دانشگاه آزاد اسلامی واحد نجف آباد
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 :