نیاز به پیش بینی و الگویابی مصرف گاز بخصوص در فصول سرد سال جهت مدیریت مصرف و سیاست گذاری و برنامه ریزی امری ضروری می باشد. در بخش مصارف مسکونی و تجاری که بخش عمده ای از مصرف گاز در کشور را به خود اختصاص میدهد، تاثیرات متغیر های هواشناسی بیشترین اثر را بر مصرف دارند. در این تحقیق چهار متغیر متوسط دمای روزانه، متوسط رطوبت نسبی روزانه ، ساعات آفتابی در روز و متوسط سرعت باد برای پیش بینی مصرف در بازه زمانی کوتاه مدت استفاده شده است. نتایج برای سه شهر ایلام، ایوان و مهران به شکل معادلات چند جمله ای درجه دوم و بر حسب متغیر های فوق بدست آمده است. نتایج نشان مید هد که سه مدل بدست آمده بر مبنای میانگین ریشه مربعات خطای نرمال شده به ترتیب دارای مقدار 21/0، 112/0 و 123/0 و همچنین ضریب تعیین به ترتیب 8356/0، 8706/0 و می باشند که مقدار مطلوبی می باشد.
Khanmohammadi S, Khanmohammadi S. Forecasting Natural Gas Demand Using Meteorological Data: Neural Network Method. IJE 2018; 20 (4) :27-47 URL: http://necjournals.ir/article-1-1334-fa.html
خانمحمدی شعیب، خانمحمدی صابر. پیش بینی تقاضای گاز طبیعی بر مبنای مدلسازی با استفاده از روش شبکه های عصبی در منطقه گرم و خشک بر مبنای داده های هواشناسی. نشریه انرژی ایران. 1396; 20 (4) :27-47