میرفخرالدینی, سیدحیدر, بابایی میبدی, حمید, مروتی شریف آبادی, علی (2021). پیش بینی مصرف انرژی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی و مقایسه آن با الگوهای سنتی. , 17(2), 196-222.
سیدحیدر میرفخرالدینی; حمید بابایی میبدی; علی مروتی شریف آبادی. "پیش بینی مصرف انرژی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی و مقایسه آن با الگوهای سنتی". , 17, 2, 2021, 196-222.
میرفخرالدینی, سیدحیدر, بابایی میبدی, حمید, مروتی شریف آبادی, علی (2021). 'پیش بینی مصرف انرژی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی و مقایسه آن با الگوهای سنتی', , 17(2), pp. 196-222.
میرفخرالدینی, سیدحیدر, بابایی میبدی, حمید, مروتی شریف آبادی, علی پیش بینی مصرف انرژی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی و مقایسه آن با الگوهای سنتی. , 2021; 17(2): 196-222.

پیش بینی مصرف انرژی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی و مقایسه آن با الگوهای سنتی

پژوهش های مدیریت در ایران
Article 9, Volume 17, Issue 2, 1392, Pages 196-222    PDF (874.65 K)
Authors
سیدحیدر میرفخرالدینی* 1; حمید بابایی میبدی2; علی مروتی شریف آبادی3
1دانشیار گروه مدیریت، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد
2کارشناس ارشدگروه مدیریت، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد
3استادیار گروه مدیریت، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد
Abstract
طی دهه های اخیر، انرژی در کنار سایر عوامل تولید نقش تعیین کننده ای در رشد اقتصادی کشورها داشته و اهمیت آن همچنان رو به افزایش است. وابستگی روزافزون به انرژی موجب تعامل این بخش با سایر بخشهای اقتصادی شده و سرعت در روند رشد و توسعه ی اقتصادی را وابسته به سطح مصرف انرژی کرده است، به طوری که طی دهه های اخیر، رشد اقتصادی جهان و روند صنعتی شدن، موجب افزایش تقاضا و مصرف انرژی شده است. در این صورت به منظورکنترل پارامترهای عرضه و تقاضای انرژی و برنامه ریزی صحیح در هدایت مصرف آن بایستی مصرف انرژی را به صورت دقیق پیش بینی نمود. هدف از این مقاله کاربست مدل ترکیبی شبکه های عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی مصرف انرژی ایران می باشد. لذا در این بررسی، از داده های سالانه مصرف انرژی کشور به عنوان متغیر خروجی مدل پیش بینی و از داده های سالانه جمعیت کل کشور، تولید ناخالص داخلی، واردات و صادرات به عنوان متغیرهای ورودی مدل های پیش بینی استفاده شده است. در پایان به منظور مقایسه نتایج پیش بینی مدل ترکیبی مذکور با مدل های شبکه ی عصبی و رگرسیون چند متغیره، از شاخص های ارزیابی خطای استاندارد نسبی (RSE)، میانگین خطا (ME) و مجذور میانگین مربعات خطا (RMSE) استفاده شد. نتایج ارزیابی نشان داد که الگوی ترکیبی شبکه های عصبی و الگوریتم ژنتیک (ANN-GA)، نسبت به سایر مدل ها دارای بالاترین دقت در پیش بینی مصرف انرژی کشور می باشد.
Keywords
مصرف انرژی; شبکه‌های عصبی مصنوعی; الگوریتم ژنتیک
Statistics
Article View: 339
PDF Download: 300
Statistics
Number of Journals45
Number of Issues2,171
Number of Articles24,674
Article View24,465,871
PDF Download17,561,674