@ARTICLE{Ghasemi, author = {Ghasemi, Ahmadreza and Taghinezhad, Yaser and }, title = {Prediction of Energy Consumption in the First Line of Tehran Metro: GMDH Neural Network Approach}, volume = {21}, number = {3}, abstract ={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. }, URL = {http://necjournals.ir/article-1-1322-fa.html}, eprint = {http://necjournals.ir/article-1-1322-fa.pdf}, journal = {Iranian Journal of Energy}, doi = {}, year = {2018} }