%0 Journal Article %A Ghasemi, Ahmadreza %A Taghinezhad, Yaser %T Prediction of Energy Consumption in the First Line of Tehran Metro: GMDH Neural Network Approach %J Iranian Journal of Energy %V 21 %N 3 %U http://necjournals.ir/article-1-1322-fa.html %R %D 2018 %K Forecast, Energy, GMDH Neural Network, Tehran Metro, %X 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. %> http://necjournals.ir/article-1-1322-fa.pdf %P 101-123 %& 101 %! %9 Research %L A-10-1745-1 %+ University of Tehran, Tehran %G eng %@ 1028-3706 %[ 2018