Daily Gas Demand Load Forecasting for Tehran, Based on Artificial Neural Network
محل انتشار: پنجمین کنگره بین المللی مهندسی شیمی
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,938
فایل این مقاله در 5 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:
ICHEC05_040
تاریخ نمایه سازی: 7 بهمن 1386
چکیده مقاله:
n this work, we forecast the gas demand load for Tehran city, based on the most important weather parameters, by using artificial neural network with multilayer back propagation, BP algorithm. At first, the effective daily temperature will be determined and then the data for last days for network training were used. The main advantage of this work is a good agreement of almost 93% with the real data. This network can further be developed to forecast gas load of other cities of Iran.
کلیدواژه ها:
نویسندگان
Ahmad Azari
Chemical Engineering Dept., Engineering School, University of Tehran, I. R, Iran
Mojtaba Shariaty Niasar
Chemical Engineering Dept., Engineering School, University of Tehran, I. R, Iran
Mahmoud Alborzi
Chemical Engineering Dept., Petroleum Industry University, I. R. Iran
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 :