عنوان پایان‌نامه
طراحی مدل نوین برای پیش بینی تابع تقاضای برق و گاز طبیعی در ایران بوسیله روش لژاندر
- رشته تحصیلی
- اقتصاد انرژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73759;کتابخانه دانشکده اقتصاد شماره ثبت: 1726;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73759;کتابخانه دانشکده اقتصاد شماره ثبت: 1726
- تاریخ دفاع
- ۰۷ دی ۱۳۹۳
- دانشجو
- طاهره فهیمی
- استاد راهنما
- مجید احمدیان
- چکیده
- تقاضای انرژی یکی از مباحث عمده در اقتصاد محسوب می‌شود. امروزه مدیریت تقاضا از جمله تقاضای انرژی نقش مهمی در برنامه‌ریزی کشورها دارد و از سوی دیگر انرژی در تأمین امنیت اقتصادی نقش اساسی دارد و به عنوان یکی از عوامل تولیدی در کلیه بخش‌های اقتصاد به صورت مستقیم یا غیر مستقیم در فرایند تولید نقش دارد. در این مطالعه با استفاده از روش‌های محاسباتی مناسب و قدرتمند و ارائه مدلی نوین در زمینه پیش‌بینی برای اولین بار در ایران به مطالعه تطبیقی مدل‌های پیش‌بینی ARIMA، شبکه مصنوعی و مدل پیشنهادی در پیش‌بینی (لژاندر) تقاضای روزانه برق و گاز طبیعی برآورد گردید. نتایج حاکی از آن است که در تکنیک ARIMA مطابق روش باکس جنکینز الگوی ARIMA(1,1,1) برای تقاضای سالانه برق و گاز مناسب تشخیص داده شد و الگوی ARIMA(3,1,3) نیز به عنوان یک تکنیک خطی مناسب جهت تخمین و پیش‌بینی تقاضای روزانه برق معرفی شد. به‌منظور پیش‌بینی تقاضای این حامل‌های انرژی با استفاده از شبکه عصبی لژاندر و بررسی شبکه‌های عصبی مختلفی با تابع فعال‌سازی لژاندر از درجات مختلف طراحی شده است.نتایج این مطالعه نشان داد که چند جمله لژاندر از درجه سوم برای الگوی مصرف سالانه برق و گاز مناسب است و درجه پنجم آن نیز برای الگوی روزانه مناسب است. در نهایت به منظور مقایسه عملکرد شبکه عصبی پیشنهادی با تکنیک‌های رایج به کمک معیار ضریب تعیین به عنوان شاخص نیکویی برازش قدرت پیش‌بینی شبکه عصبی لژاندر در مقابل ARIMA مقایسه شد که نتایج نشان داد؛ شبکه عصبی لژآندر با ضریب تعیین بالای 90% در مقایسه با روش ARIMA با ضریب تعیین بسیار کم‌تر از آن، دارای قدرت پیش‌بینی بسیار بالاتری چه در سری‌های زمانی سالانه و چه در سری زمانی روزانه می‌باشد.
- Abstract
- One of the main issues is the energy demand in the economy. The demand management of energy demand is an important role in planning On the other hand economic and energy security plays a key role as a factor of production in all sectors of the economy are directly or indirectly involved in the production process. In this study, using appropriate computational methods and powerful new model in anticipation for the first time to study adaptive predictive models ARIMA, Artificial network prediction model (Legendre) was estimated daily demand of electricity and natural gas. The results show that the technique according to the method ARIMA Box Jenkins model ARIMA (1,1,1) for the annual demand of electricity and gas was appropriate and model ARIMA (3,1,3) as well as a linear technique for estimate and predict the daily demand for electricity was introduced. Using neural network to predict energy demand and check Legendre activation function of various neural networks with varying degrees of design. The results showed that the Legendre polynomial of the third degree for the annual consumption of electricity and gas is appropriate and fifth grade it is also suitable for daily pattern. Finally, in order to compare the performance of neural network techniques have been proposed to help set the benchmark index as an indicator of goodness of fit the neural network predictive power Legendre ARIMA were compared against the results showed that the neural network is determined by a factor more than 90%, compared with Legendre ARIMA with a very low coefficient of it, has a much higher predictive power in the time series is an annual or daily time series. Keywords: energy demand, the demand for electricity and natural gas, using ARIMA, Legendre method.
