مدلسازی و پیشبینی تقاضای برق با استفاده از روشهای ARIMA و GMDH-NN

امروزه توجه سیاستمداران و اقتصاددانان به نقش تولیدات بخش کشاورزی در حرکت کشورهای به سوی رشد و توسعه اقتصادی افزایش یافته است. ایران به عنوان کشوری که دارای مزیتهای نسبی فراوانی در بخش کشاورزی است میتواند از این مهم برای رسیدن به اهداف اقتصادی خود بهره گیرد. برق یکی از انواع حاملهای انرژی است که به عنوان نهاده تولیدی در بخش کشاورزی مورد استفاده قرار میگیرد. بنابراین مدلسازی و پیشبینی مصرف برق در بخش کشاورزی اهمیت فراوانی دارد. در این مطالعه تقاضای برق در بخش کشاورزی ایران با استفاده از فرآیند خود رگرسیون میانگین متحرک انباشته (ARIMA) و شبکه عصبی GMDH مدلسازی شده و همچنین کارایی آنها مورد ارزیابی قرار گرفته است. بدین منظور از داده های مصرف برق در بخش کشاورزی در سالهای 1387-1350 برای یادگیری شبکه عصبی و از داده های سالهای 1391-1388 به منظور آزمون مدل استفاده شده است. نتایج مطالعه نشان میدهد شبکه عصبی GMDH با در نظر گرفتن روند غیرخطی سری زمانی مصرف سالانه برق در بخش کشاورزی کارایی به مراتب بالاتری در مقایسه با ARIMA دارد. بنابراین میتوان از این روش به منظور پیشبینی مصرف آتی برق در بخش کشاورزی با اطمینان بیشتری بهره برد.

Keywords:

پیشبینی , تقاضای برق , بخش کشاورزی , GMDH-NN , ARIMA