[صفحه اصلی ]   [Archive] [ English ]  
:: درباره نشريه :: صفحه اصلي :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 23، شماره 2 - ( 6-1399 ) ::
جلد 23 شماره 2 صفحات 71-91 برگشت به فهرست نسخه ها
الگوی پیش بینی تقاضای بنزین در کلان شهر تهران: رویکرد شبکه عصبی مصنوعی
مریم فانی، نیما نوروزی
صنعتی امیرکبیر ، mfani@aut.ac.ir
چکیده:   (351 مشاهده)
در مقایسه با روش های معمول، شبکه عصبی مصنوعی (ANN) یکی از ابزار قابل اعتماد برای مدل سازی پدیده های پیچیده مانند تقاضا است. هدف از این مطالعه ارائه مدل تقاضای بنزین در بخش حمل و نقل شهری تهران از طریق شبکه عصبی پروپرترون چند لایه و استفاده از مدل ارائه شده در تحلیل حساسیت مدل به متغیرهای ورودی و پیش بینی تقاضای بنزین است. هفت شاخص اجتماعی و اقتصادی در ماه های 2010 تا 2018 به صورت ماهیانه در نظر گرفته می شود: قیمت سوخت، جمعیت، درآمد خانوار متوسط، ضریب جینی، نسبت خودرو نسبت به خودروهای ترکیبی / بنزین، شاخص قیمت کالاها و خدمات و طول عمر وسایل نقلیه. میانگین خطای٪ 8/8 و٪ 4،6 برای داده های آموزشی و آزمون به دست آمد. نتایج تجزیه و تحلیل حساسیت نشان داد که نسبت خودروهای هیبریدی/ بنزینی (۲.۵۸-)، جمعیت تهران (۱.۵۹۶) و میانگین عمر وسایل نقلیه (0.698) تاثیر بیشتری بر تقاضای بنزین در بخش حمل و نقل دارند. مصرف سوخت توسط سه سناریوی متفاوت متوسط، بدبین و خوش بینانه تا سال 2022 پیش بینی شده است. نتایج پیش بینی شده نشان می دهد که در صورت ادامه روند فعلی متغیرهای توصیفی مدل، تقاضای بنزین در بخش حمل و نقل تهران تا سال 2022 افزایش خواهد یافت .
واژه‌های کلیدی: مدل سازی تقاضای سوخت، رویکرد ANN، تحلیل حساسیت، پیش بینی تقاضا
متن کامل [PDF 886 kb]   (73 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: آينده پژوهي در صنعت انرژي
دریافت: 1398/3/17 | پذیرش: 1398/5/25 | انتشار: 1399/6/30
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Fani M, Norouzi N. Using Social and Economic Indicators for Modeling, Sensitivity Analysis and Forecasting the Gasoline Demand in the Transportation Sector: An ANN Approach in case study for Tehran metropolis. IJE. 2020; 23 (2) :71-91
URL: http://necjournals.ir/article-1-1454-fa.html

فانی مریم، نوروزی نیما. الگوی پیش بینی تقاضای بنزین در کلان شهر تهران: رویکرد شبکه عصبی مصنوعی. نشریه انرژی ایران. 1399; 23 (2) :71-91

URL: http://necjournals.ir/article-1-1454-fa.html



دوره 23، شماره 2 - ( 6-1399 ) برگشت به فهرست نسخه ها
نشریه انرژی ایران Iranian Journal of Energy
Persian site map - English site map - Created in 0.04 seconds with 29 queries by YEKTAWEB 4274