CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Measuring performance electric power generations using artificial neural networks and Fuzzy Clustering

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۷۱۵ | نظرات: ۰
سرفصل ارائه مقاله: مدیریت انرژِی
سال انتشار: ۱۳۸۵
نوع ارائه: شفاهی
کد COI مقاله: ICEMP01_010
زبان مقاله: انگلیسی
حجم فایل: ۲۲۰.۱ کلیوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Measuring performance electric power generations using artificial neural networks and Fuzzy Clustering

   M. A. Azadeh - Research Institute of Energy Management and Planning and Department of Industrial Engineering, Faculty of Engineering, University of Tehran Iran
   S. F. Ghaderi - Research Institute of Energy Management and Planning and Department of Industrial Engineering, Faculty of Engineering, University of Tehran Iran
   M. Anvari - Research Institute of Energy Management and Planning and Department of Industrial Engineering, Faculty of Engineering, University of Tehran Iran
M. Saberi - Department of Industrial Engineering, Faculty of Engineering, University of Bu Ali Sina, Hamedan, Iran and Research Institute of Energy Management and Planning

چکیده مقاله:

efficiency frontier analysis has been an important approach of evaluating firms’ performance in private and public sectors. There have been many efficiency frontier analysis methods reported in the literature. However, the assumptions made for each of these methods are restrictive. Each of these methodologies has its strength as well as major limitations. This study proposes two nonparametric efficiency frontier analysis method based on the adaptive neural network technique for measuring efficiency as a complementary tool for the common techniques of the
efficiency studies in the previous studies. The proposed computational methods are able to find a stochastic frontier based on a set of input–output observational data and do not require explicit assumptions about the function structure of the stochastic frontier. in first algorithm, for calculating the efficiency scores, a similar approach to econometric methods has been used and the effect of the scale of decision making
unit (DMU) on its efficiency is included and the unit used for the correction is selected by notice of its scale. But for increasing homogeneousness, second algorithm is proposed that use Fuzzy C-means method to cluster DMUs. An example using real data is presented for illustrative purposes. In the application to the power generation sector of Iran, we find that the neural network provide more robust results to rank decision making units than the conventional methods.

کلیدواژه‌ها:

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICEMP01-ICEMP01_010.html
کد COI مقاله: ICEMP01_010

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
M. A. Azadeh, ; S. F. Ghaderi; M. Anvari & M. Saberi, ۱۳۸۵, Measuring performance electric power generations using artificial neural networks and Fuzzy Clustering, اولین کنفرانس بین المللی مدیریت و برنامه ریزی انرژی, تهران, موسسه پژوهش در مدیریت و برنامه ریزی انرژی, دانشکده فنی دانشگاه تهران, https://www.civilica.com/Paper-ICEMP01-ICEMP01_010.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (M. A. Azadeh, ; S. F. Ghaderi; M. Anvari & M. Saberi, ۱۳۸۵)
برای بار دوم به بعد: (M. A. Azadeh; S. F. Ghaderi; M. Anvari & M. Saberi, ۱۳۸۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Toshiyuki Sueyoshi and Mika Goto, _ 'Slack-adj usted DEA for ...
  • Pun-Lee Lam and Alice Shiu, ?A data envelopment analysis of ...
  • Mika Goto and Miki Tsutsui, *Comparison of Productive and Cost ...
  • Wade D. Cook and Rodney H. Green, " Evaluating power ...
  • Williams O. Olatfubi, David E. Dismukes, ?A data envelopment analysis ...
  • Ali Emami Meibodi, *Efficiency considera tions in the electricity supply ...
  • Soo-Uk Park, Jean-Baptiste Lesourd, The efficiency of conventional fuel power ...
  • D. Hawdon, *'Improving the Performance of Electricity Industries in Developing ...
  • J. M. Yunos and D. Hawdon, ،.The Efficiency of the ...
  • T. J. Coelli, «Recent developments in frontier modeling and efficiency ...
  • Christopher R. Knittel, "Alternative Regulatory Methods and Firm Efficiency: Stochastic ...
  • neural networks, universal aproximators of functions and its derivates, are ...
  • Raul Sanhueza, Hugh Rudnick and Hector Lagunas, _ Efficiency for ...
  • M. G. Pollit, *Ownership and Performance in Electric Utilities, Oxford, ...
  • T. Jamasb and M. Pollitt, _ enchmarking and regulation of ...
  • Shouhong Wang, *Adaptive non-parametric efficiency frontier analysis: a ne ura ...
  • J. C. Dunn, "A Fuzzy Relative of the ISODAT A ...
  • J. C. Bezdek, "Pattern Recognition with Fuzzy Objective Function Algorithms, ...
  • Tariq Rashid, *Clustering'. ...
  • Francisco J. Delgado, *Measuring efficiency with neural networks. An application ...
  • TAV ANIR management organization, ،Electric Power Industry in Iran 1997-2004, ...
  • B. Golany, R. Yaakov, D. Rybak, *Measuring Efficiency of power ...
  • Evidence From The U.S. Electricity Industry, " The Review of ...
  • A. D. Athanassopou los and S. P. Curram, 00 A ...
  • A. Costa and R. N. Markellos, *Evaluating public transport efficiency ...
  • D. Santu n and o, A.Valin , "Artificial neural networks ...
  • A. R. Fleissig, T. Kastens, and D. Terrell, *Evaluating the ...
  • P. C. Pendharkar and J. A. Rodger, Technical e ffic ...
  • Daniel Santin, Francisco J. Delgado and Aurelia Valino, ،The measurement ...
  • D. Wu, Z. Yang and L. Liang, *Using DEA-neural network ...
  • Cheng, B. and Titterington, D. M. (1994) Neural networks: a ...
  • White, H. (1989) Some asymptotic results for learning in single ...
  • Schiffmann, W., Joost, M. and Werner, R. (1992) Optimization of ...
  • Geman, S., Bienenstock, E. and Doursat, R. (1992) Neural networks ...
  • R. Fare, S. Grosskopf and C. A. K. Lovell, The ...
  • Fiona Nielsen ai, ،، Neural Netwo rks-algorisms and application, Niles ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۶۴۰۷۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.