پیش بینی تقاضای مصرف نفت سفید با استفاده از روش فرا ابتکاری ازدحام ذرات و شبکه های عصبی مصنوعی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 453

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICMEH01_475

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

فرآورده های سوختی نفتی در کنار سایر عوامل تولید ، یک عامل موثر در رشد و توسعه اقتصادی تلقی می شود و در عملکرد بخش های مختلف اقتصادی نقش مهمی را ایفا می کند.در دهه هاى اخیر، از انرژى به عنوان یکى از عوامل مهم تولید یاد شده است، به طورى که در کنار سایر عوامل تولید، نقش تعیین کننده اى درحیات اقتصادى کشورها داشته و با توسعه و پیشرفت اقتصادى، اهمیت آن به طور فزاینده اى افزایش یافته است. از این رو مسیولان باید تلاش کنند تا با پیش بینی دقیق تر فرآورده های نفتی و برنامه ریزی صحیح در هدایت مصرف ، پارامتر های عرضه و تقاضای انرژی را به نحو مطلوب کنترل کنند. در این تحقیق نفت سفید در ایران مورد بررسی و پیش بینی قرار گرفته است. در این مطالعه مقدار نفت سفید با استفاده از دو تکنیک فراابتکاری الگوریتم توده ذرات و شبکه های عصبی مصنوعی پیش بینی شده است . برای این بررسی ، از داده های سالانه مربوط به مصرف این فرآورده ها در بازه زمانی (1391-1306) استفاده شده است،که از پایگاه داده های شرکت پخش فراورده های سوختی نفتی استخراج شده است. نتایج ارزیابی نشان داد که الگوریتم شبکه های عصبی مصنوعی با توجه به معیار MAPE ، MSE و MAD دارای دقت بیشتری است.

Keywords:

الگوریتم علف های هرز , نفت سفید , بهینه سازی توده ذرات , تقاضا , فراورده های سوختی

Authors

علی غلامی

دانشگاه آزاد اسلامی واحد آبادان

الناز پیمان

دانشگاه علم و هنر یزد

آرش عبدالعلی پور

دانشگاه صنعتی امیر کبیر تهران

خلیل جنامی

پژوهشگاه شاخص پژوه

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 :
  • Ebrahimi, M. & Alemorad, M., (2011). Forcast demand of energy ...
  • Emami, Khezri, Azami, (2009). Simulation of energy demand function of ...
  • Mehrabian, A.R., Lucas, C., (2006). A Novel numerical optimization algorithm ...
  • R. Poli, J. Kennedy, T. Blackwell. (2007). Particle sWarm optimization. ...
  • Zhao, H., Yu, J. L., Tahmasebi, A., Wang, P. H., ...
  • Zhi, Y., Chunming, Y., Mi, W., (20 12)Improved invasive weed ...
  • Unler, A., (2008), Improvement of energy demand forecasts using swarm ...
  • Eco _ ics and H _ ia ities 17 Nay, ...
  • نمایش کامل مراجع