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.
Ghasemi A, Taghinezhad Y. Prediction of Energy Consumption in the First Line of Tehran Metro: GMDH Neural Network Approach. IJE 2018; 21 (3) :101-123 URL: http://necjournals.ir/article-1-1322-fa.html
قاسمی احمدرضا، تقی نژاد یاسر. استفاده از رهیافت شبکه عصبی در پیشبینی مصرف انرژی خط یک متروی تهران. نشریه انرژی ایران. 1397; 21 (3) :101-123