1- دانشجوی دکترا اقتصاد نفت و گاز، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران. ، br_razani@yahoo.com 2- استادیار دانشکده اقتصاد و حسابداری دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران 3- استادیار اقتصاد، دانشکده اقتصاد و حسابداری دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران
چکیده: (1965 مشاهده)
بهمنظور کنترل عرضه و تقاضای انرژی و برنامهریزی صحیح در هدایت مصرف، میزان مصرف گاز ماهانه صنایع کشور با شبکه عصبی مصنوعی و الگوریتم ژنتیکدر این پژوهشبرای سال 1402 موردبررسی قرار گرفت. اطلاعات جمعیت کشور، شاخص بهای تولیدکننده صنعت، تولید ناخالص داخلی به قیمت ثابت 90 و مصرف گاز صنایع کشور بهعنوان متغیرهای تأثیرگذار بررسی شدند. نتایج نشان داد بهترین شبکه عصبی مصنوعی ترکیب شده با الگوریتم ژنتیک، شبکهای با نرخ جهش 5/0، نرخ تقاطع 5/0، تعداد تکرار 150 و اندازه جمعیت اولیه 150 است. ترکیب شبکه عصبی مصنوعی و الگوریتم ژنتیک نشان داد که در فصل بهار درمجموع 7/2957 میلیون بشکه معادل نفت خام، در تابستان این رقم به 6/3502، در پاییز 9/4329 و در زمستان با رشد 15/8 درصدی به 4683 میلیون بشکه معادل نفت خام خواهد رسید.
Razani B, Seifipour R, Abbasi E, Baseri B. Designing an innovative model for predicting natural gas consumption in Iranian industries. , Strategic studies in the oil and energy industry. 2024; 16 (63) :253-270 URL: http://iieshrm.ir/article-1-1730-fa.html
رازانی بختیار، سیفی پور رویا، عباسی ابراهیم، باصری بیژن. طراحی مدلی فرا ابتکاری برای پیشبینی مصرف گاز طبیعی در صنایع ایران. , مطالعات راهبردي در صنعت نفت و انرژي. 1403; 16 (63) :253-270