چکیده: مصرف گاز به عنوان منبع انرژی پاک، برای مصارف صنعتی و گرمایشی و حملونقل، بهطور گستردهای پذیرفته شده است و از میان سوختهای فسیلی، مصرف گاز برای داشتن محیط زیستی پاکتر مورد توجه بسیار قرار گرفته است. بدلیل اهمیت تأثیر مشخصههای هواشناسی در مصرف گاز شهرها و نیز امکان کاهش ناگهانی دما و در نتیجه افزایش میزان مصرف گاز شهرها، ضرورت اطلاع و پیشبینی مصرف گاز امری اجتنابناپذیر است که دراین تحقیق به آن پرداخته شده است. در ابتدا برخی از متغیرهای تاثیرگذار بر مصرف گاز با استفاده از روششناسی سطح پاسخ شناسایی گردیده است. در ادامه شبکهعصبی نوع GMDH برای مدلسازی و پیشبینی میزان گاز طبیعی مصرفی در بخش خانگی، با استفاده از مجموعه دادههای ورودی-خروجی مورد مطالعه قرار گرفته است. برای ارزیابی مدل پیشنهادی، 84 داده مربوط به 7 سال متوالی از شرکت گاز شهر رشت به صورت موردی بدست آمده است. به منظور مدلسازی، دادهها به دو دسته (70% برای آموزش و 30% برای آزمایش) تقسیم شدهاند. نتایج حاصل از مدلسازی با دادههای تجربی مقایسه گردید که ضریب تعیین 0.8943 بوده و تطابق بسیار خوبی با نتایج تجربی نشان داده است.
Daghbandan A, Setayesh N. Modeling and prediction of natural gas consumption with help of multi objective GMDH-Type Neural Network. Case study: regional gas distribution company of Rasht city.. IJE 2017; 19 (4) URL: http://necjournals.ir/article-1-831-fa.html
داغبندان الهیار، ستایش نسا. مدلسازی و پیشبینی میزان مصرف گاز طبیعی به کمک شبکه های عصبی نوع GMDH چندهدفی. مطالعه موردی: شرکت گاز شهر رشت. نشریه انرژی ایران. 1395; 19 (4)