مقایسه کارایی الگوی ARIMA و شبکه عصبی GMDH در پیشبینی تقاضای بلندمدت برق

با توجه به تحولات ساختاری اخیر در صنعت برق و روندصنعتی شدن کشور رشد جمعیت و اجرای برنامه های توسعه، و نیز نظر به اهمیتی که منابع انرژی پایان پذیر در جوامع بشری دارد، ضروری است که ابعاد عرضه وتقاضای این عنصرحیاتی، بهتر شناخته شود. علاوه بر این با توجه به زمانبر بودن احداث نیروگاه های لازم جهت تولید برق، ضرورت پیشبینی بلند مدت تقاضای برقآشکارتر می شود که این امر امکان برنامهریزی و تصمیمگیری صحیح در رابطه با این انرژی را فراهم میکند. مقاله حاضر به دنبال بررسی کارایی دو الگوی خودرگرسیو میانگین متحرک انباشتهARIMA و شبکه عصبی دسته بندی گروهی دادههای عددیGMDHدر شبیه سازی و پیشبینی تقاضای بلندمدت برق ایران با استفاده از داده های سالانه مصرف برق درسال های 1346-1389 می باشد

کلیدواژه ها:

تقاضای برق ، پیش بینیARIMA شبکه عصبیGMDH