ارایه مدلهایی جهت پیشبینی قیمت گاز طبیعی با رویکرد شبکههای عصبی مصنوعی MLP و RBF

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 497

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MWECONF01_083

تاریخ نمایه سازی: 13 شهریور 1396

چکیده مقاله:

پیشبینی قیمت گاز طبیعی به سبب تقاضای فزاینده جهانی برای آن از اهمیت زیادی برخوردار است.تحق یق حاضر بر آن است تا با استفاده از رویکرد شبکههای عصبی مصنوعی مدلهایی را برای پیشبینی قیمت گاز آمریکا ارایه کرده و آنها را با هم مقایسه کند. برای این منظور از 7 متغیر تاثیرگذار در قیمت گاز بازار آمریکا استفاده شده است. شبکه عصب ی پرسپترون چندلایه (MLP (را با یک و سپس دولایه پنهان به صورتی که دارای کمترین مقدار خطا باشد را بهمنظور پیشبینی قیمت گاز مدلسازی کردیم و پس از آن مدلسازی را با شبکه عصبی شعاعی پایه ( RBF (انجام دادیم . در مقایسه ب ین این شبکه ها مشاهده شد که شبکه عصبی RBF دارای خطای کمتری نسبت به شبکه عصبی MLP است و همچنین رگرس یون قو یتری برای پیشبینی است که نشان دهنده برتری شبکه عصبی RBF نسبت به شبکه عصبی MLP به منظور پیشبینی قیمت گاز آمریکا در این تحقیق است.

نویسندگان

سعید عباسی

کارشناسی ارشد اقتصاد انرژی ، دانشگاه علوم و فنون دریایی خرمشهر

جعفر قاسمی ورنامخواستی

استادیار گروه اقتصاد و بیمه دریا، دانشگاه علوم و فنون دریایی خرمشهر

وحید زارعی

مربی گروه الکترونیک و مخابرات دریا، دانشگاه علوم و فنون دریایی خرمشهر

محمدامین کوهبر

استادیار گروه اقتصاد و بیمه دریا، دانشگاه علوم و فنون دریایی خرمشهر