CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

The Evaluation of Renewable Energy Power by using Hybrid Model of Neural Network and Data Envelopment Analysis (Neuro-DEA)

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۲۶ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: JR_MRIE-1-3_003
زبان مقاله: انگلیسی
حجم فایل: ۱.۰۵ مگابات (فایل این مقاله در ۱۲ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله The Evaluation of Renewable Energy Power by using Hybrid Model of Neural Network and Data Envelopment Analysis (Neuro-DEA)

Fereshteh Poorahangaryan - Department of Electrical Engineering, Faculty of Engineering, Ayandegan Institute of Higher Education, Tonekabon, Iran
Ali Shahabi - Department of Industrial Engineering, Faculty of Engineering, Ayandegan Institute of Higher Education, Tonekabon, Iran
Esmaeel Nabiee - M.A of Educational Management, Tonekabon Education Department, Tonekabon, Iran

چکیده مقاله:

Energy is an essential parameter for economic–social development and quality of life. Sustainable energy is requisite for any economic growth. Nowadays, new options for producing energy and using technologies in its production are reproducible. So, the choice of technology is very important. In this article, 6 different renewable powers have evaluated using a hybrid model of the Artificial - Neural Network (ANN) and data envelopment analysis base on economic-technical indicators. Because, the low number of inputs and outputs of decision making units, (DMUs), leading to a reduction separable power of DMUs at traditional DEA, so then EURO-DEA was used. The simulation results show that offshore wind energy has higher efficiency rather than other studied energy.

کلیدواژه‌ها:

DEA, Artificial Neural Network, Neuro-DEA, Renewable Energy Power

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-JR_MRIE-JR_MRIE-1-3_003.html
کد COI مقاله: JR_MRIE-1-3_003

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:
Poorahangaryan, Fereshteh; Ali Shahabi & Esmaeel Nabiee, ۱۳۹۳, The Evaluation of Renewable Energy Power by using Hybrid Model of Neural Network and Data Envelopment Analysis (Neuro-DEA), Mathematical Research On Industrial Engineering 1 (3), https://www.civilica.com/Paper-JR_MRIE-JR_MRIE-1-3_003.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: (Poorahangaryan, Fereshteh; Ali Shahabi & Esmaeel Nabiee, ۱۳۹۳)
برای بار دوم به بعد: (Poorahangaryan; Shahabi & Nabiee, ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه 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.

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.