توسعۀ مدل محاسباتی ترکیبی بر پایۀ شبکۀ عصبی مصنوعی برای پیش‌بینی تقاضای جهانی گاز طبیعی

از آنجا که سیستم های انرژی رفتاری پیچیده از خود نشان می دهند همواره موردتوجه پژوهشگران بوده اند. از سوی دیگر سیاست گذاران حوزه انرژی به دنبال درک بهتر رفتار آتی متغیرهای وابسته به سیستم های انرژی جهت بیشینه ساختن سود و احتمال موفقیت راهبردهایشان هستند. در این مقاله، مسئلۀ تقاضای جهانی گاز طبیعی بررسی شد و مدلی ترکیبی بر پایۀ شبکۀ عصبی مصنوعی توسعه یافت. در مدل پیشنهادی، ابتدا ورودی های معمول پیش بینی تقاضای انرژی مطالعه قرار شدند. برای تضمین در نظر گرفتن تمام ورودی های محتمل، روش بیشینه مدنظر قرار گرفت و با توجه به امکان دسترسی به دادۀ خام، تعداد زیادی متغیر از جمله متغیرهای منتخب مطالعات پیشین به عنوان ورودی مدل در نظر گرفته شد. با استفاده از ابزارهای داده کاوی از 13 ورودی در دسترس، مجموعۀ 6 ورودی به عنوان نمایندۀ کل جمعیت شناسایی شده و مدل بر مبنای آن ها پیاده سازی شد. سپس الگوریتم پیش بینی ترکیبی هوشمندی طراحی شد، به نحوی که از الگوریتم ژنتیک برای بهینه سازی و آموزش شبکۀ عصبی مصنوعی استفاده گردید. مطالعۀ خروجی ها نشان داد در مقایسه با مدل های پایه و موجود در مطالعات پیشین و با در نظر گرفتن پنج آمارۀ خطای متفاوت، مدل پیشنهادی عملکرد بهتری نسبت به سایر مدل ها دارد.