عنوان پایان‌نامه

پیش بینی تابع تقاضای گاز در بخش خانگی با استفاده از الگوریتم ژنتیک



    دانشجو در تاریخ ۰۱ بهمن ۱۳۹۲ ، به راهنمایی ، پایان نامه با عنوان "پیش بینی تابع تقاضای گاز در بخش خانگی با استفاده از الگوریتم ژنتیک" را دفاع نموده است.


    رشته تحصیلی
    علوم اقتصادی
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه دانشکده اقتصاد شماره ثبت: 1554
    تاریخ دفاع
    ۰۱ بهمن ۱۳۹۲
    استاد راهنما
    فرخنده جبل عاملی

    انرژی گاز در اقتصاد کشور اهمیت فراوانی دارد.با توجه به پایین بودن قیمت گاز طبیعی،شرایط خاص کشور در منطقهبویژه منابع فراوان گازی،برنامه ریزی در بخش گاز طبیعی جهت دستیابی به امنیت عرضه انرژی گاز طبیعی و بدنبال آن توسعه پایدار اهمیت و ضرورت فراوانی دارد و شناخت تقاضای گاز طبیعی و تخمین آن برای برنامه ریزی و سیاست گذاری ها امری ضروری می باشد. لذا ارائه مدلی کارا جهت تخمینتابع تقاضای این انرژی با توجه به شرایط خاص کشور حائز اهمیت است.در این تحقیق الگوی ساختاری تابع تقاضای گاز طبیعی در بخش خانگی بررسی شده و از دو روش تکنیک الگوریتم ژنتیک و شبکه عصبیبرای تخمین تابع تقاضای گاز طبیعی استفاده شده است. با توجه به نتایج بدست آمده روش شبکه عصبی عملکرد و دقت بالاتری در تخمین تابع تقاضای گاز طبیعی دارد.در این تحقیق تقاضای گاز طبیعی تابعی از تولید ناخالص داخلی،قیمت گاز، جمعیت، میانگین دمای هوا،تورم،راندمان مصرف می باشد.در این پایان نامه نتایج با استفاده از نرم افزار مطلب بدست آمده است.
    Abstract
    Given the country special conditions in this area, much gas source, especially lowest price natural gas, planning in thegas sector by taking in to account estimate. Itis important that to show effective model for estimate gas energy demand in country. In this study we develop a model for estimateing natural gas demand in home sector usingtecnec genetic Algoritm and neural network approaches. The results indicate better performance and accuracy for genetic Algoritm approache in estimateing natural gas demand. In this study gas demand estimated with gas price, population, inflation, consumption, wether temperature avrage, GDP. The results indicate with softwore matlab. Key word: Estimate, demand function, genetic Algoritm, energy, model