علی محمد کیمیاگری - دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، دانشکده مهندسی صنایع و سیستم های مدیریت
حسین همیشه بهار - دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، دانشکده مهندسی صنایع و سیستم های مدیریت
شهاب راستا - دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، دانشکده مهندسی صنایع و سیستم های مدیریت

پیش بینی مصرف گاز طبیعی، برای سیاست گزاران و برنامه ریزان اهمیت به سزایی دارد. پیش بینی کمتر از واقعیت باعث رو به روشدن با قطعی گاز و پیش بینی بیشتر از حد باعث داشتن مازاد عرضه و افزایش هزینه های ذخیره سازی می گردد. در این تحقیقبرای مدلسازی تقاضای گاز از مدل حداقل مربعات معمولی استفاده شده است و نتایج با شبکه عصبی مصنوعی چند لایه پرسپترونبا الگوریتم feed forward ، مقایسه شده است. اثر متغیرهای قیمت گاز، قیمت گازوئیل به عنوان کالا جانشین، درآمد خانوار وجمعیت روی میزان مصرف گاز طبیعی در بخش خانگی ارزیابی شد. مشاهده شد که اثر قیمت کالا و قیمت کالا جانشین ناچیز وقابل چشم پوشی است و تغییرات درآمد سالانه خانوار و جمعیت تغییرات ، مصرف گاز را کاملا توجیه می کنند. همچنین مشخصشد که مدل شبکه عصبی مصنوعی عملکرد بهتری نسبت به مدل حداقل مربعات معمولی دارد. نهایتا میزان مصرف گاز تا سال6931 با هر دو مدل پیش بینی و مقایسه می شود.

مدلسازی تقاضا ، گاز طبیعی ، شبکه عصبی مصنوعی ، مدل حداقل مربعات معمولی