این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
برنامه ریزی و بودجه، جلد ۱۷، شماره ۱، صفحات ۲۹-۴۷
عنوان فارسی الگوسازی و پیش‌بینی مصرف انرژی بخش حمل و نقل ایران: کاربردی از الگوهای هوش مصنوعی
چکیده فارسی مقاله وابستگی روزافزون زندگی بشر به انرژی موجب شده است تا این عامل به طور بالقوه‌ و بالفعل در کارکرد بخش‌های مختلف اقتصادی کشورها نیز نقش بسیار مهمی ایفا کند. از این رو، مسئولان هر کشور باید تلاش کنند تا با پیش‌بینی هر چه دقیق‌تر مصرف انرژی و برنامه‌ریزی صحیح در هدایت مصرف، پارامترهای عرضه و تقاضای انرژی را به نحو مطلوب کنترل کنند. هدف پژوهش حاضر، الگو‌سازی و پیش‌بینی مصرف انرژی بخش حمل و نقل ایران با استفاده از الگوهای شبکه‌ عصبی فازی، شبکه عصبی ژنتیک و شبکه عصبی است. از این رو، از داده‌های سالانه مصرف انرژی بخش حمل و نقل کشور به عنوان متغیر خروجی الگو‌های پیش‌بینی و از داده‌های سالانه جمعیت کل کشور، تولید ناخالص داخلی و تعداد خودرو، به عنوان متغیرهای ورودی الگو‌های پیش‌بینی استفاده شد. در پایان دقت نتایج پیش‌بینی الگو‌های مختلف، با استفاده از شاخص‌های ارزیابی مقایسه گردید. نتایج ارزیابی نشان داد که الگوی شبکه عصبی فازی، نسبت به سایر الگو‌ها از بیشترین دقت در پیش-بینی مصرف انرژی در بخش حمل و نقل کشور برخوردار است. همچنین بر اساس نتایج تحلیل حساسیت ورودی‌ها به وسیله شبکه عصبی، ورودی جمعیت کشور به عنوان ورودی شناخته شد که بیشترین تأثیر را در مصرف انرژی دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Energy Consumption Modeling and Forecasting in Iran’s Transportation Sector: Application of Artificial Intelligence Models
چکیده انگلیسی مقاله Ever-increasing dependence of human life on energy has made this factor play a critically crucial role either potentially or actively in the functions of various economic sectors of countries. Therefore, the people in charge of any country should try to make exact forecasting of energy consumption and make correct planning about its consumption in a way to optimally control supply-demand parameters. This study tries to make models and forecasts about energy consumption in Iran’s transportation sector through ‘Fuzzy Neural Network’, ‘Genetic Neural Network’ and ‘Neural Network’ models. Hence, annual data of Iran’s transportation sector energy consumption was taken as output variable of forecasting models while the annual data of population of the whole country, gross domestic product and the number of automobiles were used as the input variables of the forecasting model. Finally, the accuracy of models was assessed by using evaluation indicators. The assessment results indicated that ‘Fuzzy Neural Network’ model was more accurate than other ones considering energy forecasts in the country’s transportation sector. Meanwhile, according to the results of the inputs sensitivity analysis by neural network, Iran’s population input was identified as the input with most influence in energy consumption.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدحسین طحاری مهرجردی | mohammad hossein tahari mehrjerdi
دانشگاه یزد
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

حمید بابایی میبدی | hamid babaei maybodi
دانشگاه یزد
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

روح الله تقی زاده مهرجردی | rouhollah taghizadeh mehrjerdi
آموزش عالی اردکان

نشانی اینترنتی http://www.jpbud.ir/browse.php?a_code=A-10-4-234&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات