پیش بینی بلند مدت بار شبکه سراسری ایران با استفاده از شبکه عصبی با ورودیهای فازی ناشی از عدم قطعیت وقوع داده ها

سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,158

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE12_073

تاریخ نمایه سازی: 13 مهر 1387

چکیده مقاله:

در این مقاله مطالعات پیش بینی بار بلند مدت شبکه سراسری ایران با در نظر گرفتن عدم قطعیت پارامترهای ورودی شبکه عصبی نظیر برنامه های مدیریت مصرف در شبکه که گاها بعلت نامشخص بودن شرایط ، رفتاری فازی میابند انجام پذیرفته است . همچنین توانایی شبکه عصبی به عنوان یک برونیاب موثر در مساله پیش بینی بار بلند مدت بررسی شده است . شکل و پارامترهای ورودی شبکه عصبی با بررسی ترکیبهای مختلف شبکه و با توجه به آمار موجود بانک مرکزی و شرکت توانیر در یک دوره سی ساله انتخاب گردیده است . نتایج پیش بینی با شبکه عصبی با داده قطعی برای گذشته در حدود 1،08 درصد با میزان نتایج واقعی تفاوت نشان میدهند .

کلیدواژه ها:

پیش بینی مدت بار - شبکه عصبی - سیستم استنتاج فازی

نویسندگان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • استراتژی مدیریت مصرف طی برنامه سوم و چهارم توسعه، معاونت ...
  • شکل یک :تولید ناخالص داخلی واقعی و پیش بینی شده ...
  • شکل دو :تعداد مشترکان وزارت نیرو واقعی و پیش بینی ...
  • جدول سه: نتایج پیش‌بینی بار ایران از سال 1376 تا ...
  • شکل پنج :پیش بینی بار شبکه سراسری ایران تا سال ...
  • Dash, P.K.; Liew, A.C.; Rahman, S. _ Fuzzy neural network ...
  • Feng Gao; Xiaohong Guan; Xi-Ren Cao; P apalexopoulos, A., Forecasting ...
  • Tomonobu Senjyu, Hitoshi Takara, Katsumi Uezato, and Toshihisa Funabashi, O ...
  • M. S. Kandil, S. M. El-Debeiky and N. E. Has ...
  • نمایش کامل مراجع