ارائه مدل پيش‌بيني مصرف ساليانه برق در ايران با استفاده از شبكه‌عصبي ناركس و بررسي تاثير هدفمندسازي يارانه‌ها بر آن

Presenting the Prediction Model of Iran’s Electricity Annual Consumption by means of Narx Neural Network and Studying Effect of Targeted Subsidies on it

در اين پژوهش، مدلي براي پيش­ بيني مصرف برق ساليانۀ ايران بر اساس معيارهاي اقتصادي و با استفاده از شبكه‌هاي عصبي مصنوعي ارائه و همچنين تاثير اجراي طرح هدفمندسازي يارانه‌ها در اولين سال اجراي اين طرح بر مصرف برق ساليانه ايران بررسي شده است. بدين صورت كه شبكۀ عصبي ناركس متغيرهاي جمعيت و توليد ناخالص داخلي را به عنوان ورودي دريافت كرده و خروجي آن مصرف برق ساليانه در ايران است. براي آزمودن و آموزش شبكۀ طراحي شده، داده‌هاي سال‌هاي 1362 تا 1389 جمع آوري شده است كه داده‌هاي چهار سال آخر براي آزمودن عملكرد شبكه مورد استفاده قرار گرفته است. براي بررسي ميزان دقت پيش بيني شبكۀ طراحي شده، دو مدل شبكۀ عصبي پرسپترون و مدل سري زماني آريما نيز طراحي گرديده است كه مقايسۀ نتايج نشان مي‌دهد كه شبكۀ عصبي ناركس توانايي بالاتري در پيش بيني مصرف برق ايران دارد. در اين مدل با لحاظ شدن عوامل كليدي تاثير گذار بر مصرف برق، مصرف برق ساليانه ايران در سال‌هاي قبل از اجراي هدفمندي يارانه‌ها با دقت بالايي پيش­بيني مي‌شود و بر اين اساس ميزان مصرف برق ايران در سال 1390 و بررسي اين روند در سال‌هاي 1391 و 1392 بيانگر تاثير اجراي طرح هدفمندي يارانه‌ها در اولين سال پس از اجراي آن بر مصرف برق ساليانه كشور است. كاهش نسبتا محسوس مصرف برق در اين سال نسبت به پيش­بيني مدل ارائه شده مويد اين تاثير است. نتايج پژوهش حاكي از آن است كه با توجه به ساختار شبكه عصبي ناركس و تاثير تدريجي عامل زمان بر آن از اين مدل مي‌توان براي پيش ­بيني مصرف برق ساليانه كشور استفاده نمود.

In this research a model has been designed for predicting Iran’s electricity annual consumption based on economic criteria and by means of artificial neural networks. Moreover, the effect of implementing targeted subsidies plan on annual electricity consumption of Iran has been studied. In such a way that Narx neural network takes Iran population and GDP variables as input and generates Iran annual electricity consumption as output. For testing and teaching the designed network, data related to the years 1362 to 1389 were collected and the last 4 years data has been collected for testing the network performance. For studying the accuracy degree of designed network, Perceptron neural network model and Arima time series model also were designed .And comparison of results shows that Narx neural network is more powerful in predicting Iran electricity consumption. Considering the key factors affecting electricity consumption in this model, Iran electricity consumption in the years before implementing the targeted subsidies could be predicted with a high accuracy and therefore the amount of electricity consumption in Iran during the year 1390, 91 and 92 shows the effect of subsidies targeting plan on Iran electricity consumption in first year of implementing it. The tangible decrease in electricity consumption in that year in comparison to designed model is a bare witness for this effect. Findings of research shows that according to Narx neural network and the graduate effect of time on it ,this model could be used for predicting the annual consumption of electricity inside the country.