PDA

توجه ! این یک نسخه آرشیو شده میباشد و در این حالت شما عکسی را مشاهده نمیکنید برای مشاهده کامل متن و عکسها بر روی لینک مقابل کلیک کنید : مقاله پيش بيني مصرف گاز در مناطق مسكوني



faridbensaeed
18th May 2009, 06:10 PM
پيش بيني مصرف گاز در مناطق مسكوني با استفاده از روش سري هاي زماني ماهانه و سه ماهه
نويسندگان: لون مو ليو (دانشكده انفورماتيك، دانشگاه ايلينويز، شيكاگو)، مو ون لين (واحد برنامه ريزي تلفيقي، شركت نفت چين)
منبع: نشريه International Journal of Forecasting, شماره 7 (1991)
چكيده: http://research.nigc.ir/files/newsletter86/r49img/r49p4.jpgاين مقاله به بررسي ميزان مصرف گاز در يكي از مناطق مسكوني كشور تايوان مي پردازد. در مطالعه حاضر، ارتباط بين چند متغير مربوط به سري هاي زماني كه بالقوه با يكديگر مرتبط هستند شناسايي و مدل هاي مناسبي نيز براي پيش بيني ميزان مصرف گاز طراحي شده است. بديهي است كه درجه حرارت مناطق دريافت كننده گاز و بهاي گاز مصرفي عوامل مهم و مؤثر در پيش بيني ميزان مصرف گاز در مناطق مسكوني به شمار مي روند. اما به علت نظارت دولت بر قيمت گاز، مي بايست در به كارگيري متغير قيمت مورد استفاده در مدل سازي و طراحي سيستم پيش بيني ميزان مصرف گاز نهايت دقت را مبذول داشت. در غير اين صورت، ممكن است صحت مدل ارائه شده و دقت موارد پيش بيني شده مورد ترديد قرار گيرد. علاوه برآن، مدل مداخله اي و همچنين سيستم شناسايي و تعديل داده هاي خارج از محدوده (outlier detection) نيز با لحاظ كردن متغير قيمت بررسي شد. نتايج حاصل از اين بررسي ها حاكي از آن است كه استفاده از هر دو رويكرد، دقت در پيش بيني هاي انجام شده را افزايش خواهد داد و اطلاعات مفيدي نيز در خصوص گوناگوني متغيرهاي كنترل شده به دست مي دهد. داده هاي جمع آوري شده در سري هاي زماني ماهانه و سه ماهه مورد مطالعه قرار گرفت. به نظر مي رسد امكان دستيابي به يك مدل مناسب با استفاده از داده هاي مربوط به سري هاي زماني سه ماهه آسانتر فراهم گردد، اما احتمال مي رود عمكرد مدل هاي سه ماهه نسبت به مدل هاي ماهانه از بهره وري كمتري برخوردار باشد.
با اين وجود، براساس يافته هاي موجود، در ميزان بهره وري مدل هايي كه با داده هاي سري هاي زماني سه ماهه تغذيه مي شدند، افت چنداني مشاهده نگرديد. به نظر مي رسد اين امر از اين واقعيت ناشي مي شود كه ميزان مصرف گاز طبيعي در تعطيلات، دستخوش تغيير مي شود و استفاده از داده هاي مربوط به سري هاي زماني سه ماهه مي تواند اين مشكل را برطرف سازد. هردو روش متعارف تابع همبستگي متقابل (CCF) و تابع انتقال خطي(LTF) براي تعيين مدل تابع انتقال مورد استفاده قرار گرفت؛ به نظر مي رسد روش LTF در مقايسه با روش CCF از كارآيي بيشتري برخوردار بوده و استفاده از آن آسانتر باشد.

استفاده از تمامی مطالب سایت تنها با ذکر منبع آن به نام سایت علمی نخبگان جوان و ذکر آدرس سایت مجاز است

استفاده از نام و برند نخبگان جوان به هر نحو توسط سایر سایت ها ممنوع بوده و پیگرد قانونی دارد