مقایسه کارایی الگوی ARIMA و شبکه عصبی GMDH در پیشبینی تقاضای بلندمدت برق
محل انتشار: بیست و هفتمین کنفرانس بین المللی برق
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 920
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC27_302
تاریخ نمایه سازی: 19 دی 1391
چکیده مقاله:
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
نویسندگان
حسین سهرابی
دانشگاه تربیت مدرس
حسین صادقی
دانشگاه صنعت آب و برق
علی اکبر افضلیان
دانشگاه تربیت مدرس
محمود حقانی
دانشگاه تربیت مدرس