این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
شنبه 20 تیر 1405
پژوهش های اقتصادی ایران
، جلد ۱۳، شماره ۴۱، صفحات ۱۰۷-۱۲۱
عنوان فارسی
مطالعه تطبیقی روش های ARIMA و شبکه های عصبی مصنوعی در پیش بینی نیاز داخلی برق کشور
چکیده فارسی مقاله
آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق، برای اعمال سیاست گذاری های لازم، امری ضروری است. از این رو پیش بینی تقاضای آن برای بخش های مختلف اقتصادی حائز اهمیت است. امروزه از بین روش های پیش بینی، شبکه های عصبی مصنوعی، در زمینه تجزیه و تحلیل و مدل سازی روابط غیرخطی یکی از ابزار قدرتمند به حساب می آید که استفاده از آن در سال های اخیر در اقتصاد کلان گسترش یافته است. از این رو در این پژوهش کارایی مدل غیرخطی شبکه عصبی با مدل خطی فرایند ARIMA برای پیش بینی متوسط ماهانه نیاز داخلی برق کشور، برای یک دوره 3 ساله با استفاده از معیارهای MSE، RMSE، NMSE، MAE،MAPE و R2 مقایسه شده است. یافته ها نشان می دهد که شبکه عصبی مصنوعی دارای ضریب خطای کمتر و قدرت توضیح دهندگی بالایی نسبت به مدل AROMA، است.
کلیدواژههای فارسی مقاله
شبکه های عصبی مصنوعی، ARIMA، پیش بینی، نیاز داخلی برق،
عنوان انگلیسی
COMPARATIVE STUDY OF ARIMA AND ARTIFICIAL NEURAL NETWORK METHODS FOR IRAN ELECTRICITY FORECASTING
چکیده انگلیسی مقاله
Electricity demand is growing very fast in Iran and it is important to forecast its future demand and its monthly variation accurately. Artificial Neural Network (ANN) is a powerful tool for nonlinear models for forecasting and it was used to estimate monthly electricity demand in this study. In this paper, we compared the Non-linear ANN model with ARIMA linear model to estimate monthly electricity demand for a priod of 3 years. Using MSE, RMSE, NMSE, MHE, MAPE and R2 indicatorss, our results show that ANN forecasting model is superior to ARIMA in terms of less error coefficient and high explanatory ability.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
نشانی اینترنتی
http://ijer.atu.ac.ir/article_3478_700df5ce0f9ccef7a40e0b1f2f83ad6e.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1356/article-1356-281770.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات