نویسندگان

• سیدحیدر میرفخرالدینی ¹
• حمید بابایی میبدی ²
• علی مروتی شریف آبادی ³

¹ دانشیار گروه مدیریت، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد

² کارشناس ارشدگروه مدیریت، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد

³ استادیار گروه مدیریت، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد

چکیده

طی دهه های اخیر، انرژی در کنار سایر عوامل تولید نقش تعیین کننده ای در رشد اقتصادی کشورها داشته و اهمیت آن همچنان رو به افزایش است. وابستگی روزافزون به انرژی موجب تعامل این بخش با سایر بخشهای اقتصادی شده و سرعت در روند رشد و توسعه ی اقتصادی را وابسته به سطح مصرف انرژی کرده است، به طوری که طی دهه های اخیر، رشد اقتصادی جهان و روند صنعتی شدن، موجب افزایش تقاضا و مصرف انرژی شده است. در این صورت به منظورکنترل پارامترهای عرضه و تقاضای انرژی و برنامه ریزی صحیح در هدایت مصرف آن بایستی مصرف انرژی را به صورت دقیق پیش بینی نمود. هدف از این مقاله کاربست مدل ترکیبی شبکه های عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی مصرف انرژی ایران می باشد. لذا در این بررسی، از داده های سالانه مصرف انرژی کشور به عنوان متغیر خروجی مدل پیش بینی و از داده های سالانه جمعیت کل کشور، تولید ناخالص داخلی، واردات و صادرات به عنوان متغیرهای ورودی مدل های پیش بینی استفاده شده است. در پایان به منظور مقایسه نتایج پیش بینی مدل ترکیبی مذکور با مدل های شبکه ی عصبی و رگرسیون چند متغیره، از شاخص های ارزیابی خطای استاندارد نسبی (RSE)، میانگین خطا (ME) و مجذور میانگین مربعات خطا (RMSE) استفاده شد. نتایج ارزیابی نشان داد که الگوی ترکیبی شبکه های عصبی و الگوریتم ژنتیک (ANN-GA)، نسبت به سایر مدل ها دارای بالاترین دقت در پیش بینی مصرف انرژی کشور می باشد.

کلیدواژه‌ها

• مصرف انرژی
• شبکه‌های عصبی مصنوعی
• الگوریتم ژنتیک

عنوان مقاله [English]

Forecast consumption energy of Iran using Hybrid model of artificial neural networks and genetic algorithms and Compared with traditional methodes

نویسندگان [English]

• Seyed Heydar Mirfakhraddiny ¹
• Hamid BabaeiMeybodi ²
• Ali Morovati sharifabadi ³

چکیده [English]

During recent decades, Energy as one of the most important factors of production and also as one of the most important end products, a special place in the country's economic development and growth development. Hence, the country authorities should try to predict anything more precise energy consumption in the proper planning and guidance consumption, to control the way they desired energy demand and supply parameters. The purpose of this paper is Evaluation Hybrid model of artificial neural networks and genetic algorithms in the forecast consumption energy of Iran. Therefore in this study, data from the annual energy consumption as the output forecasting model range and was used as input variables, data of the annual total population, GDP, imports and exports.The end results were assessed with of different models (RSE), (ME) and (RMSE). Evaluation results showed that the hybrid model of neural networks and genetic algorithm (ANN-GA), compared to other models with the highest accuracy in predicting consumption energy of Iran.

کلیدواژه‌ها [English]

• consumption energy
• artificial neural networks
• genetic algorithms