Strategic studies in the oil and energy industry

fa طراحی مدلی فرا ابتکاری برای پیش‌بینی مصرف گاز طبیعی در صنایع ایران Designing an innovative model for predicting natural gas consumption in Iranian industries مديريت Management پژوهشي Research به&rlm;منظور کنترل عرضه و تقاضای انرژی و برنامه‌ریزی صحیح در هدایت مصرف، میزان مصرف گاز ماهانه صنایع کشور با شبکه عصبی مصنوعی و الگوریتم ژنتیک در این پژوهش برای سال 1402 موردبررسی قرار گرفت. اطلاعات جمعیت کشور، شاخص بهای تولیدکننده صنعت، تولید ناخالص داخلی به قیمت ثابت 90 و مصرف گاز صنایع کشور به&rlm;عنوان 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. In order to control the supply and demand of energy and the correct planning in directing the consumption, the monthly gas consumption of the country's industries was investigated with artificial neural network and genetic algorithm in this research for 1402. The country's population information, industrial producer price index, gross domestic product at a fixed price of 90 and gas consumption of the country's industries were investigated as influential variables. The results showed that the best artificial neural network combined with the genetic algorithm is a network with a mutation rate of 0.5, an intersection rate of 0.5, the number of repetitions of 150, and the initial population size of 150. The combination of artificial neural network and genetic algorithm showed that in the spring season there was a total of 2957.7 million barrels of crude oil equivalent, in the summer this figure increased to 3502.6, in the autumn to 4329.9 and in the winter with a growth of 8.15 percent. It will reach 4683 million barrels of crude oil equivalent پیش‌بینی, مصرف گاز, شبکه عصبی مصنوعی, الگوریتم ژنتیک Prediction, Gas consumption, Artificial neural network, Genetic algorithm 253 270 http://iieshrm.ir/browse.php?a_code=A-10-1018-168&slc_lang=fa&sid=1 Bakhtiar Razani بختیار رازانی br_razani@yahoo.com 100319475328460013282 100319475328460013282 Yes PhD student in Oil and Gas Economics, Islamic Azad University, Central Tehran Branch, Tehran, Iran دانشجوی دکترا اقتصاد نفت و گاز، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران. Roya Seifipour رویا سیفی‌ پور roy.seyfipour@iauctb.ac.ir 100319475328460013283 100319475328460013283 No Assistant Professor, Department of Economics, Islamic Azad University, Central Tehran Branch, Tehran, Iran استادیار دانشکده اقتصاد و حسابداری دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران Ebrahim Abbasi ابراهیم عباسی 100319475328460013284 100319475328460013284 No Assistant Professor, Department of Economics, Islamic Azad University, Central Tehran Branch, Tehran, Iran استادیار اقتصاد، دانشکده اقتصاد و حسابداری دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران Bijan Baseri بیژن باصری B.baseri@iauctb.ac.ir 100319475328460013285 100319475328460013285 No Assistant Professor, Department of Economics, Islamic Azad University, Central Tehran Branch, Tehran, Iran. استادیار اقتصاد، دانشکده اقتصاد و حسابداری دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران