پديد آورنده :
محمدزاده، احمد
عنوان :
بررسي ساختار و پيش بيني مصرف ساليانه انرژي در ايران با درنظر گرفتن عوامل اقتصادي، اجتماعي و محيطي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
سيستم هاي اقتصادي اجتماعي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
چهارده،119ص،مصور، جدول،نمودار
استاد راهنما :
مهدي ايرانپور
استاد مشاور :
علي همداني، مهدي خاشعي
توصيفگر ها :
پيش بيني , مصرف انرژي , رگرسيون گام به گام , رگرسيون ستيغي , شبكه عصبي مصنوعي
استاد داور :
مهدي بيجاري، محسن شهرياري
تاريخ ورود اطلاعات :
1399/03/06
رشته تحصيلي :
مهندسي صنايع
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1399/03/06
چكيده فارسي :
چكيده تأمين امنيت انرژي در جهان از مسائل استراتژيك پيش روي تمامي كشورها ميباشد سياستگذاري و برنامهريزي در حوزه انرژي نيازمند شناخت جامع و همهجانبه ساختار مصرف و بررسي متغيرهاي اثرگذار بر آن و پيشبيني مصرف انرژي ميباشد براي اين منظور در اين پژوهش سعي بر شناخت ساختار رفتار مصرف انرژي در ايران و سپس ارائه مدلي كاربردي و دقيق به منظور پيش بيني مصرف اترژي در ايران ميباشد در بخش اول اين پژوهش موثرترين متغيرهاي توصيفي براي مصرف انرژي از طريق طرح پرسشنامه به دست ميآيد بر اساس نظر خبرگان بخش انرژي 63 متغير تاثيرگذار بر مصرف انرژي در 3 حوزه اقتصادي اجتماعي و محيطي در بازه زماني سالهاي 6431 تا 5931 انتخاب شد سپس به منظور كاهش ابعاد مدل و شناسايي موثرترين متغيرها از رگرسيون گامبهگام استفاده ميگردد در ادامه كنترل همخطي و بررسي ساختار مصرف انرژي با روش رگرسيون ستيغي انجام ميگيرد بر اساس نتايج اين مدل با ضريبتعيين تعديل شده در حدود 69 درصد نشان داد كه مدل مناسبي براي تحليل رفتار مصرف انرژي ميباشد سپس با توجه به نتايج اين مدل چگونگي ارتباط و اثرگذاري متغيرهاي توصيفي مدل با مصرف انرژي مورد تحليل قرار ميگيرد در بخش دوم اين تحقيق سعي در ارائه مدلي مناسب جهت پيشبيني مصرف انرژي در ايران است براي اين منظور مدلهاي شبكه عصبي مصنوعي با تاخير زماني تلفيق شبكه عصبي مصنوعي تاخيري با الگوريتم ژنتيك و الگوريتم رقابت استعماري را براي متغير توصيفي به دست آمده از بخش قبل با استفاده از داده هاي يك و دو سال قبل متغيرهاي توصيفي و متغير مصرف انرژي ساخته ميشود و بين آنها را مقايسه انجام ميشود در نهايت بر اساس نتايج پژوهش مدل شبكه عصبي تاخيري با الگوريتم آموزشي لونبرگماركوارت بهترين نتيجه را با خطاي ميانگين مربعات برابر با 6000 0 و ضريبتعيين برابر با 9959 0 به دست آورد و اين مدل به عنوان مدل نهايي پيشبيني مصرف انرژي در ايران معرفي ميشود كلمات كليدي پيشبيني مصرف انرژي رگرسيون گامبهگام رگرسيون ستيغي شبكه عصبي مصنوعي
چكيده انگليسي :
Structure Analysis and Forecasting of Iran s Annual Energy Consumption Considering Economic Social and Environmental Factors Ahmad Mohammadzadeh Department of Industrial Engineering Isfahan University of Technology Isfahan 84156 83111 IranDegree M Sc Language PersianSupervisor Dr Mahdi IranpoorAbstractEnsuring energy supply in the world is one of the strategic issues facing all countries Energypolicy making and planning requires a comprehensive cognition of consumption and thevariables affecting it and energy consumption forecasting For this purpose In this study try toidentify the structure of energy consumption behavior in Iran and then provide a practical andaccurate model to predict energy consumption in Iran in the first part of the study the mosteffective descriptive variables for energy consumption were obtained through a questionnaire According to experts in the energy field 36 variables affecting energy consumption wereselected in 3 areas economic social and environmental for years 1346 to 1395 Then stepwiseregression was used to reduce the model size and identify the most effective variables Thenused ridge regression for collinearity control and structure analysis of energy consumption Thismodel with adjusted coefficient of determination of about 96 showed to be a good model foranalyzing energy consumption behavior Then according to the ridge model results therelationship and the effect of the descriptive variables on energy consumption were analyzed In the second part of this study sought to find an acceptable model to forecast energyconsumption in Iran For this purpose created and compared models of time delay artificialneural network combining of time delay artificial neural network and genetic algorithm andcombining of time delay artificial neural network and colonial competition algorithm by usingdata from one and two years ago for descriptive variables and energy consumption variable Finally the time delay neural network model with the levenberg marquardt training algorithmachieved the best result with mean square error about 0 0006 and determination of coefficientabout 0 9599 and this model was chosen as the final model of energy consumption forecastingin Iran Keywords forecast energy consumption stepwise regression ridge regression artificialneural network
استاد راهنما :
مهدي ايرانپور
استاد مشاور :
علي همداني، مهدي خاشعي
استاد داور :
مهدي بيجاري، محسن شهرياري
