عملکرد دو روش ARIMA و شبکه عصبی GMDH در پیش بینی تقاضای گاز طبیعی در بخش‌های مختلف (ایران-1380-1389) | ||
| فصلنامه مطالعات اقتصادی کاربردی ایران | ||
| مقاله 3، دوره 3، شماره 12، اسفند 1393، صفحه 33-58 اصل مقاله (881.44 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| حمید ابریشمی1؛ فرخنده جبل عاملی2؛ معصومه ابوالحسنی* 3؛ افشین جوان4 | ||
| 1استاد دانشکده اقتصاد دانشگاه تهران | ||
| 2استادیار دانشکده اقتصاد دانشگاه تهران | ||
| 3کارشناس ارشد اقتصاد انرژی دانشگاه تهران | ||
| 4عضو هیئت علمی- موسسه مطالعات بین المللی انرژی | ||
| چکیده | ||
| باتوجه به افزایش روزافزون مصرف گاز طبیعی، برنامه ریزی در بخش گاز طبیعی و بررسی و پیش‌بینی تقاضای گاز طبیعی جهت دستیابی به امنیت عرضه انرژی گاز طبیعی و به دنبال آن توسعه پایداراهمیت فراوانی دارد. از این رو در این تحقیق تقاضای گاز طبیعی در بخش‌های خانگی-تجاری، صنعت و نیروگاه که جزء مصرف کنندگان عمده گاز طبیعی هستند مورد بررسی قرار گرفته و از دو روش ARIMA (Autoregressive Integrated Moving Average) و شبکه عصبی GMDH (Group Method of Data Handling) برای پیش‌بینی تقاضای گاز طبیعی و از معیارهای MSE (Mean Squared Error)، RMSE (Root Mean Squared Error)، درصد خطای پیش‌بینی و دقت پیش بینی جهت مقایسه دو روش استفاده شده‌است. با توجه به نتایج، دقت پیش‌بینی به ترتیب در سه بخش خانگی-تجاری، صنعتی و نیروگاه در روش ARIMA 8/93، 3/98 و 87 درصد و در روش شبکه عصبی GMDH 4/96، 99 و 2/98 درصد بدست آمده است و معیارهای RMSE و MSE در هر سه بخش برای روش شبکه عصبی GMDH کوچکتر از روش ARIMA بوده است. از این رو می‌توان نتیجه گرفت که با توجه به مدلسازی صورت گرفته، روش شبکه عصبی GMDH عملکرد و دقت بالاتری نسبت به روش ARIMA در پیش‌بینی تقاضای گاز طبیعی دارد. | ||
| کلیدواژه‌ها | ||
| پیش بینی تقاضای گاز طبیعی؛ شبکه عصبی GMDH؛ ARIMA | ||
|
آمار تعداد مشاهده مقاله: 3,998 تعداد دریافت فایل اصل مقاله: 2,387 |
||