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

پیش بینی تقاضای ماهیانه برق با استفاده از مدل های شبکه عصبی مصنوعی و آریما در ایران

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۲۷۴۷ | نظرات: ۰
سرفصل ارائه مقاله: مطالعات سیستم
سال انتشار: ۱۳۸۴
کد COI مقاله: PSC20_190
زبان مقاله: فارسی
حجم فایل: ۲۲۲.۸۳ 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 پیش بینی تقاضای ماهیانه برق با استفاده از مدل های شبکه عصبی مصنوعی و آریما در ایران

رضا رمضانی - کارشناس ارشد اقتصاد سازمان توسعه برق ایران
  مریم رمضانی - مهندس برق، دانشجوی کارشناسی ارشد IT دانشگاه تربیت مدرس ایران

چکیده مقاله:

پیش بینی تقاضای برق در مقاطع بلند مـدت بـرای توسـعه نیروگاههای کشور و در میان مدت و ماهیانه بـرای اسـتراتژی های شرکتهای وابسته و تولید کننـده قطعـات جـانبی صـنعت برق ضرورتی غیر قابل اجتناب می باشد . همچنین پیش بینـی های کوتاه مدت تقاضای برق جهت تنظیم برق مصـرفی بـین بخشهای مختلف ضروری است . هدف از این مقاله پیش بینی هرچه دقیق تر تقاضای برق مـی باشـد و بـرای ایـن منظـور تقاضای ماهیانـه بـرق از سـال 1370 تـا سـال 1381 در نظـر گرفته شده و داده های سالهای 80 و 81 بعنوان معیار ارزیـابی انتخاب گردیده است . در این مقاله از دو روش آریما و مـدل شبکه های عصبی مصنوعی جهت پـیش بینـی اسـتفاده شـده است . نتایج نشان می دهد که شـبکه هـای عصـبی مصـنوعی عملکردی بهتر از مدلهای آریما در خصوص پیش بینی مقادیر سری های زمانی دارند

کلیدواژه‌ها:

پیش بینی، مصرف برق، شبکه عصبی، آریما

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-PSC20-PSC20_190.html
کد COI مقاله: PSC20_190

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:
رمضانی, رضا و مریم رمضانی، ۱۳۸۴، پیش بینی تقاضای ماهیانه برق با استفاده از مدل های شبکه عصبی مصنوعی و آریما در ایران، بیستمین کنفرانس بین المللی برق، تهران، شرکت توانیر، پژوهشگاه نیرو، https://www.civilica.com/Paper-PSC20-PSC20_190.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: (رمضانی, رضا و مریم رمضانی، ۱۳۸۴)
برای بار دوم به بعد: (رمضانی و رمضانی، ۱۳۸۴)
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 :

  • Pino Raul, Fuente David Dela, Priore Paolo, Parreno Jose. "Short ...
  • Hippert Henrique Steinherz, Pedreira Carlos Eduardo, Souzs Reinaldo Castro. "Neural ...
  • Saab Samer, Badr Elie, Nasr George. "Univariate modeling and forecasting ...
  • Darbellay Georges A, Marek Slama. "Forecasting the short term demand ...
  • Zhang G Peter."Time series forecasting and neural network آریما using ...
  • Moshiri Saeed, Cameron Norman and Scuse David.(1999). "Static, Dynamic and ...
  • مشیری سعید. "پیش بینی تورم ایران با استفاده از مدلهای ... (مقاله ژورنالی)
  • خالوزاده حمید. "مدلسازی غیرخطی و پیش‌بینی رفتار قیمت سهام در ...
  • شریف‌النبی مصطفی. "کاربرد شبکه‌های عصبی در پیش‌بینی (مورد مطالعه: پیش‌بینی ...
  • اصغری اسکویی محمدرضا. "کاربرد شبکه های عصبی در پیش بینی ... (مقاله ژورنالی)
  • منهاج محمدباقر. "مبانی شبکه های عصبی هوش مصنوعی". مرکز نشر ...
  • ابریشمی حمید. "اقتصاد سنجی کاربردی رویکردهای نوین". موسسه انتشارات و ...
  • Demuth Howard & Beale Mark.(1998). "Neural Network Toolbax For Use ...
  • کدام مقالات به این منبع استناد نموده اند

    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.