توسعه مدل رگرسیون زنجیره مارکوف خاکستری و پیش‌بینی مصرف سالیانه گاز کشور

پیش‌بینی دقیق مصرف سالیانه گاز کل کشور نقش تعیین‌کننده‌ای در تدوین راهبردهای تامین انرژی و سیاست گذاری این حوزه دارد. مدل رگرسیون زنجیره مارکف خاکستری روشی مبتنی بر داده‌های سری‌های زمانی است که عملکرد مناسبی جهت تحلیل و پیش‌بینی داده‌های مصرف سالیانه گاز دارد. رگرسیون زنجیره مارکوف خاکستری، ترکیبی از مدل زنجیره‌ مارکوف و مدل رگرسیون خاکستری و ابزار مناسبی برای پیش‌بینی داده‌های تعداد کم با نوسانات تصادفی است. در این مدل، خطاهای پیش‌بینی حاصل از مدل رگرسیون خاکستری به تعدادی بازه با فواصل یکسان تقسیم و از میانگین بازه خطاها و ماتریس احتمال انتقال وضعیت زنجیره مارکوف مربوط به وضعیت خطاها، مقدار اصلاح‌شده خطا محاسبه و به مقدار پیش‌بینی مدل رگرسیون خاکستری اضافه می‌شود. در این تحقیق پیشنهاد می شود که به‌جای استفاده از میانگین فواصل، خطای هر بازه به صورت عدد خاکستری بین حدود هر بازه به نحوی انتخاب شود که معیار دقت پیش‌بینی کمینه شود. به‌منظور تعیین نقطه بهینه فواصل خطا، از رویکرد طراحی آزمایش‌ها و طرح باکسبنکن استفاده شده است. مطالعه کاربردی پیش‌بینی مصرف سالیانه گاز نشان می‌دهد که مدل رگرسیون زنجیره مارکوف خاکستری بهبودیافته، دقت بیشتری نسبت به مدل‌های خاکستری، رگرسیون خاکستری و رگرسیون زنجیره مارکوف خاکستری دارد.

Development of Markov Chain Grey Regression Model to Forecast the Annual Natural Gas Consumption

Accurate forecasting of annual gas consumption of the country plays an important role in energy supply strategies and policy making in this area. Markov chain grey regression model is considered to be a superior model for analyzing and forecasting annual gas consumption. This model Markov is a combination of the Markov chain and grey regression models. According to this model, the residual errors generated from the grey regression model are divided into a number of equal portions. We will add the calculated error terms to the values obtained through the grey regression in order to increase its accuracy. We use the boxbench design to calculate the optimal value of the error term which produces the most accurate forecasts when using the Markov chain grey regression model. The experimental study of the forecasting of natural gas consumption indicates that the proposed Markov chain grey regression model is more accurate than they grey or conventional Markov chain regression models.