fa مدل‌سازی و پیش‌بینی میزان مصرف گاز طبیعی به کمک شبکه‌ های عصبی نوع GMDH چند‌هدفی. مطالعه موردی: شرکت گاز شهر رشت مدل هاي برنامه ريزي انرژی Energy Planning Models پژوهشي Research <p>چکیده: مصرف گاز به عنوان منبع انرژی پاک، برای مصارف صنعتی و گرمایشی و حمل&rlm;و&rlm;نقل، به&rlm;طور گسترده&rlm;ای پذیرفته شده&rlm; است و از میان سوخت&rlm;های فسیلی، مصرف گاز برای داشتن محیط&rlm; زیستی پاک&rlm;تر 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 اجتناب&rlm;ناپذیر است که دراین تحقیق به آن پرداخته شده است. در ابتدا برخی از متغیرهای تاثیرگذار بر مصرف گاز با استفاده از روش&rlm;شناسی سطح&rlm; پاسخ شناسایی گردیده است. در ادامه شبکه&rlm;عصبی نوع GMDH برای مدل&rlm;سازی و پیش&rlm;بینی میزان گاز طبیعی مصرفی در بخش خانگی، با استفاده از مجموعه داده&rlm;های 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 مدل&rlm;سازی، داده&rlm;ها به دو دسته (70% برای آموزش و 30% برای آزمایش) تقسیم شده&rlm;اند. نتایج حاصل از مدل&rlm;سازی با داده&rlm;های تجربی مقایسه گردید که ضریب تعیین 0.8943 بوده و تطابق بسیار خوبی با نتایج تجربی نشان داده است.</p> <p 6pt="" class="MsoNormal" embed="" ltr=""><b>ABSTRACT<!--stripped--><!--stripped--></b></p> <p class="MsoNormal" embed="" ltr="">It is widely accepted that natural gas is a clean energy source that can be used to meet energy demand for heating and industrial purposes among the fossil fuels and its usage remarkably increases in order to maintain a clean environment in many countries in the world. In this paper, factors affecting gas consumption were firstly identified and then GMDH-Type Neural Networks has been used for modeling and prediction of gas consumption using input-output data set. To validate the proposed model, a case study was carried out based on the data consisted of 84 sets for 7 years obtained from regional gas distribution company of Rasht city. For modeling, the experimental data were divided into train and test sections (70% for training and 30% for testing). The predicted values were compared with those of experimental values . The GMDH-Type Neural Network model values showed a very good regression with the experimental results and the Coefficient of determination was obtained 0.8943.<!--stripped--><!--stripped--></p> پیش‌بینی, شبکه عصبی نوع GMDH, مدل‌سازی, مصرف گاز. Gas consumption, GMDH-NN, Modeling, Prediction. 0 0 http://necjournals.ir/browse.php?a_code=A-10-1082-1&slc_lang=fa&sid=1 Allahyar Daghbandan الهیار داغبندان daghbandan@guilan.ac.ir 10031947532846003799 10031947532846003799 Yes Guilan university دانشگاه گیلان Nesa Setayesh نسا ستایش sahar.setayesh22@gmail.com 10031947532846003800 10031947532846003800 No Guilan university دانشگاه گیلان