بررسي كارايي مدل هاي نروفازي، شبكه عصبي و رگرسيون چندمتغيره در پيش بيني مصرف انرژي كشور

Comparison of Neuro-Fuzzy, Artificial Neural Network and Multivariate Regression for Prediction energy consumption in the country

بررسي كارايي مدل هاي نروفازي، شبكه عصبي و رگرسيون چندمتغيره در پيشبيني مصرف انرژي كشور ? حميد بابايي ميبدي ، محمدحسين طحاري مهرجردي ?? و روحالله تقيزاده مهرجردي ??? 1390/12/ 1390 تاريخ پذيرش: 6 / 4/ تاريخ دريافت: 28 انرژي در كنار ساير عوامل توليد، عامل موثري در رشد و توسعه اقتصادي تلقي ميشود و در عملكرد بخشهاي مختلف اقتصادي نقش چشمگيري ايفا ميكند. ازاينرو، مسوولان كشور بايد تلاش كنند تا با پيشبيني دقيقتر مصرف انرژي و برنامهريزي صحيح در هدايت مصرف، پارامترهاي عرضه و تقاضاي انرژي را بهنحوي مطلوب كنترل كنند. هدف از اين مقاله، بررسي كارايي مدل هاي نروفازي، شبكه عصبي و رگرسيون چندمتغيره در پيشبيني مصرف انرژي كشور است. مطالعه موردي اين تحقيق مربوط به انرژي مصرفي در بخش حملونقل ايران است. ازاينرو، براي بررسي حاضر، از دادههاي سالانه مصرف انرژي بخش حمل ونقل كشور، بهعنوان متغير خروجي مدل هاي پيشبيني و از دادههاي سالانه جمعيت كل كشور، توليد ناخالص داخلي و تعداد خودرو بهعنوان متغيرهاي ورودي مدل هاي پي شبيني استفاده شد. در پايان، نتايج پيشبيني مد لهاي مختلف با استفاده از و مجذور ميانگين (ME) و ميانگين خطا (RSE) شاخصهاي خطاي استاندارد نسبي ارزيابي شدند. نتايج ارزيابي نشان داد كه مدل نروفازي (RMSE) مربعات خطا نسبت به ساير مدلها داراي بالاترين دقت در پيشبيني مصرف انرژي كشور ،(ANFIS) است. . G17, C67, C53, C45, C15, C14, Q47 :JEL طبقهبندي كليدواژهها: مصرف انرژي، رگرسيون چندمتغيره، شبكههاي عصبي مصنوعي، نروفازي. .Babaeimaybodihamid@yahoo.com : كارشناس ارشد مديريت صنعتي، دانشگاه يزد، پست الكترونيكي ? .Hooseintahari@yahoo.com : كارشناس ارشد مديريت صنعتي، جهاد دانشگاهي يزد، پست الكترونيكي ?? .Rh.taghizadeh@yahoo.com : دانشجوي دكتري دانشگاه تهران و عضو هيات علمي دانشگاه يزد، پست الكترونيكي

Comparison of Neuro-Fuzzy, Artificial Neural Network and Multivariate Regression for Prediction energy consumption in the country Hamid Babaei meybodi Mohamad Hosein Tahari Mehrjardi Rohollah Taghizadeh Mehrjardi Received: 19 Jul 2011 Accepted: 25 Feb 2012 Energy besides Other factors production is considered the main factor in the growth and economic development and in the performance of different sectors economic can play beneficial roles. 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 aim of this paper reviews Comparison of Neuro-Fuzzy, Artificial Neural Network and Multivariate Regression for Prediction energy consumption in the country. Case study is energy consumption in transportation sector of Iran. So for this review, were used the annual data energy consumption of transport as a variable output of forecast models and data from the entire countryʹs annual population, GDP and the number of vehicle as the input variables. The end results were assessed with of different models (RSE), (ME) and (RMSE). Models evaluation results showed that Neuro-Fuzzy (ANFIS), compared to other models with the highest accuracy is in predicting energy consumption. JEL classification: G17, C67, C53, C45, C15, C14, Q47. Keywords: energy consumption, Multivariate regression, artificial neural networks, Neuro-Fuzzy.