|
استفاده از رهیافت شبکه عصبی در پیشبینی مصرف انرژی خط یک متروی تهران
|
احمدرضا قاسمی*   ، یاسر تقی نژاد |
| دانشگاه تهران ، ghasemiahmad@ut.ac.ir |
|
|
چکیده: (1962 مشاهده) |
امروزه انرژی و میزان مصرف آن، محور استراتژیک برنامه‌ریزی‌های سازمانی است. گسترش سیستم حمل‌ونقل درون‌شهری بدون در نظر گرفتن شرایط گوناگون اقتصادی، علمی، صنعتی، آب و هوایی و رشد روزافزون شهرنشینی امکانناپذیر است. تحلیل روندهای پیشین اطلاعات مصرف انرژی جهت پیشبینی روندهای آینده با درنظرگرفتن نرخ توسعه خطوط مترو، راهحلی کلیدی در راستای برنامه‌ریزی‌ها و سیاستگذاریهای کلان آینده محور خواهد بود. در این پژوهش برای پیشبینی مصرف انرژی خط یک متروی تهران از مدل شبکه عصبی GMDH استفاده‌شده است که از قابلیت شناسایی و غربال کردن متغیرهای ورودی کم اثر در دورۀ آموزش شبکه و حذف آنها در دورۀ آزمون، برخوردار میباشد و همچنین برای درک میزان دقت پیشبینی با مدل ARIMA مورد مقایسه قرارگرفته است. در این پژوهش، دوازده متغیر اثرگذار بر میزان مصرف انرژی متروی تهران شناسایی‌شده و به‌عنوان متغیرهای ورودی مدل در نظر گرفته‌شده است. نتایج حاکی از آن است که مدل شبکه عصبی GMDH، به‌مراتب خطای کمتری را نسبت به مدل ARIMA دارد و از دقت پیشبینی بالاتری برخوردار است.
|
|
| واژه‌های کلیدی: پیشبینی، انرژی، متروی تهران، شبکه عصبی GMDH |
|
|
متن کامل [PDF 1101 kb]
(490 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
مدل هاي برنامه ريزي انرژی
دریافت: 1396/6/4 | پذیرش: 1398/4/30 | انتشار: 1397/9/10
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
