| dc.contributor.author | صادقی, حسین | fa_IR |
| dc.contributor.author | سهرابی وفا, حسین | fa_IR |
| dc.contributor.author | نوری, فاطمه | fa_IR |
| dc.date.accessioned | 1399-07-09T10:26:07Z | fa_IR |
| dc.date.accessioned | 2020-09-30T10:26:07Z | |
| dc.date.available | 1399-07-09T10:26:07Z | fa_IR |
| dc.date.available | 2020-09-30T10:26:07Z | |
| dc.date.issued | 2014-04-21 | en_US |
| dc.date.issued | 1393-02-01 | fa_IR |
| dc.date.submitted | 2014-12-12 | en_US |
| dc.date.submitted | 1393-09-21 | fa_IR |
| dc.identifier.citation | صادقی, حسین, سهرابی وفا, حسین, نوری, فاطمه. (1393). ترکیب شبکه های عصبی و الگوریتم های تکاملی در پیش بینی تقاضای انرژی. سیاست گذاری اقتصادی, 6(11), 55-89. | fa_IR |
| dc.identifier.issn | 2645-3967 | |
| dc.identifier.issn | 2645-3975 | |
| dc.identifier.uri | http://ep.yazd.ac.ir/article_416.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/381570 | |
| dc.description.abstract | پیشبینی روند تقاضای انرژی جهت اتخاذ سیاستهای مقتضی و مناسب اهمیت فراوانی دارد. به دلیل روند پرنوسان و غیر خطی تقاضای انرژی و متغیرهای موثر بر آن قابلیت روشهای هوشمند و غیر خطی به خصوص شبکههای عصبی و الگوریتمهای تکاملی به منظور پیشبینی تقاضای انرژی در مطالعات مختلف به اثبات رسیده است. با وجود نقاط قوت فراوان، این تکنیکها با مسائل مهمی همچون تحمیل فرم تبعی خاص- در الگوریتمهای تکاملی- یا نیاز به نمونههای آموزشی فراوان- در شبکههای عصبی- مواجه هستند. هدف این مطالعه ارائه یک الگوریتم ترکیبی جهت پیشبینی هرچه دقیقتر تقاضای انرژی میباشد تا ضمن رفع معایب تکنیکهای فردی از مزایای آنان بهصورت همزمان استفاده شود. بدین منظور کارایی تکنیکهای مختلف در پیشبینی تقاضای انرژی طی دوره 1346 تا 1390 مورد بررسی قرار گرفته است. یافتههای پژوهش نشان میدهد استفاده از الگوریتمهای تکاملی در آموزش شبکههای عصبی در شرایط محدودیت دادهها، نتایج مطلوبی داشته و در این بین شبکه عصبی پیشنهادی مبتنی بر ترکیب الگوریتم ژنتیک و انبوه ذرات نتایج بسیار مناسبی ارائه میکند. بهگونهای که مقایسه نتایج با سایر مطالعات در این حوزه علاوه بر تأیید قدرت توضیح دهندگی متغیرهای بکار رفته، توانایی بالاتر الگوریتم پیشنهادی را نشان میدهد. همچنین نتایج پیشبینی روند آتی تقاضای انرژی نشان میدهد که میزان مصرف انرژی در سال 1404 بر اساس سه سناریو مختلف معادل 1817، 1643 و 1457 میلیون بشکه نفت خام خواهد بود. | fa_IR |
| dc.format.extent | 863 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | دانشگاه یزد | fa_IR |
| dc.publisher | Yazd University | en_US |
| dc.relation.ispartof | سیاست گذاری اقتصادی | fa_IR |
| dc.relation.ispartof | The Journal of Economic Policy | en_US |
| dc.subject | شبکه های عصبی | fa_IR |
| dc.subject | الگوریتم ژنتیک | fa_IR |
| dc.subject | الگوریتم انبوه ذرات | fa_IR |
| dc.subject | پیش بینی | fa_IR |
| dc.subject | تقاضای انرژی | fa_IR |
| dc.title | ترکیب شبکه های عصبی و الگوریتم های تکاملی در پیش بینی تقاضای انرژی | fa_IR |
| dc.type | Text | en_US |
| dc.type | مقاله علمی | fa_IR |
| dc.contributor.department | عضو هیأت علمی دانشکده مدیریت و اقتصاد دانشگاه تربیت مدرس | fa_IR |
| dc.contributor.department | کارشناس ارشد اقتصاد انرژی پردیس فنی مهندسی شهیدعباسپور | fa_IR |
| dc.contributor.department | کارشناس ارشد اقتصاد نظری دانشگاه مفید | fa_IR |
| dc.citation.volume | 6 | |
| dc.citation.issue | 11 | |
| dc.citation.spage | 55 | |
| dc.citation.epage | 89 | |
