طراحی مدل نوین برای پیش بینی تابع تقاضای برق و گاز طبیعی در ایران بوسیله روش لژاندر

تقاضای انرژی یکی از مباحث عمده در اقتصاد محسوب می‌شود. امروزه مدیریت تقاضا از جمله تقاضای انرژی نقش مهمی در برنامه‌ریزی کشورها دارد و از سوی دیگر انرژی در تأمین امنیت اقتصادی نقش اساسی دارد و به عنوان یکی از عوامل تولیدی در کلیه بخش‌های اقتصاد به صورت مستقیم یا غیر مستقیم در فرایند تولید نقش دارد. در این مطالعه با استفاده از روش‌های محاسباتی مناسب و قدرتمند و ارائه مدلی نوین در زمینه پیش‌بینی برای اولین بار در ایران به مطالعه تطبیقی مدل‌های پیش‌بینی ARIMA، شبکه مصنوعی و مدل پیشنهادی در پیش‌بینی (لژاندر) تقاضای روزانه برق و گاز طبیعی برآورد گردید.

نتایج حاکی از آن است که در تکنیک ARIMA مطابق روش باکس جنکینز الگوی ARIMA(1.1.1) برای تقاضای سالانه برق و گاز مناسب تشخیص داده شد و الگوی ARIMA(3.1.3) نیز به عنوان یک تکنیک خطی مناسب جهت تخمین و پیش‌بینی تقاضای روزانه برق معرفی شد. به‌منظور پیش‌بینی تقاضای این حامل‌های انرژی با استفاده از شبکه عصبی لژاندر و بررسی شبکه‌های عصبی مختلفی با تابع فعال‌سازی لژاندر از درجات مختلف طراحی شده است.نتایج این مطالعه نشان داد که چند جمله لژاندر از درجه سوم برای الگوی مصرف سالانه برق و گاز مناسب است و درجه پنجم آن نیز برای الگوی روزانه مناسب است.

در نهایت به منظور مقایسه عملکرد شبکه عصبی پیشنهادی با تکنیک‌های رایج به کمک معیار ضریب تعیین به عنوان شاخص نیکویی برازش قدرت پیش‌بینی شبکه عصبی لژاندر در مقابل ARIMA مقایسه شد که نتایج نشان داد؛ شبکه عصبی لژآندر با ضریب تعیین بالای 90% در مقایسه با روش ARIMA با ضریب تعیین بسیار کم‌تر از آن، دارای قدرت پیش‌بینی بسیار بالاتری چه در سری‌های زمانی سالانه و چه در سری زمانی روزانه می‌باشد.

استاد راهنما: مجید احمدیان