پرتال جامع اطلاعات انرژی - مقایسه عملکرد مدل‌های آماری و شبکه‌های عصبی مصنوعی در برازش و پیش‌بینی داده‌های بهره‌وری انرژی

مقایسه عملکرد مدل‌های آماری و شبکه‌های عصبی مصنوعی در برازش و پیش‌بینی داده‌های بهره‌وری انرژی

ملیحه سپهر آسا - مریم شریف دوست

سایر موارد

300 مشاهده

دانلود فایل :

مقایسه عملکرد مدل‌های آماری و شبکه‌های عصبی مصنوعی در برازش و پیش‌بینی داده‌های بهره‌وری انرژی (241 دانلود)

چکیده

یکی از مسایل مهم در پیش‌بینی داده‌های سری زمانی، برازش مدلی با عملکرد بهینه می‌باشد. مطالعه‌ نحوه عملکرد شبکه‌های عصبی مصنوعی (ANN) ، مقایسه‌ی روش‌های شبکه‌های عصبی مصنوعی و روش خود رگرسیونی میانگین متحرک انباشته (ARIMA) در برازش و پیش‌بینی داده‌های سری زمانی بهره‌وری انرژی در این مقاله ارائه می شود. در این مطالعه از داده‌های 16 ساله‌ی بهره‌وری انرژی استفاده شد که به دلیل کم بودن حجم نمونه، داده‌های سالانه به فصلی تبدیل یافته و سپس مورد بررسی قرار گرفت. یافته‌ها نشان می‌دهند که برازش مدل ARIMA به داده‌های بهره‌وری انرژی نسبت به مدل شبکه‌های عصبی مصنوعی با توجه به معیارهای MASE و MAPE کارایی بهتری دارد؛ اگر چه با توجه به معیارهای RMSE ، MSE شبکه‌های عصبی مصنوعی دقت بیشتری را نشان می‌دهد. حال آن‌که در پیش‌بینی داده‌ها می‌توان گفت بر اساس معیارهای مورد بررسی، شبکه‌های عصبی مصنوعی نسبت به روش ARIMA کاراتر می‌باشد.