پیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

• روح اله تقی زاده مهرجردی
• احمد فتاحی اردکانی
• محمدحسین طهاری
• حمید بابایی

چکیده

هدف از این مقاله ارزیابی الگوی ترکیبی شبکه­های عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران می­باشد. برای این منظور، از داده­های سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدل­های پیش­بینی و از داده­های سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدل­های پیش­بینی استفاده شد. در پایان به منظور مقایسه نتایج پیش­بینی مدل ترکیبی مذکور با مدل­های شبکه­ی عصبی مصنوعی و برنامه­ریزی ژنتیک، از شاخص­های ارزیابی خطای استاندارد نسبی، میانگین خطا، میانگین قدر مطلق درصد خطا و مجذور میانگین مربعات خطا استفاده شد. نتایج ارزیابی نشان داد که الگوی ترکیبی شبکه­های عصبی و الگوریتم ژنتیک، نسبت به مدل­ شبکه عصبی مصنوعی و برنامه­ریزی ژنتیک دارای بالاترین دقت در پیش­بینی تقاضای انرژی بخش کشاورزی کشور می­باشد. پیشنهاد می­شود در تحقیقات آتی با استفاده از مدل ترکیبی مذکور به پیش­بینی مصرف انرژی در سایر بخش­های اقتصادی پرداخته شود و کارایی آن سنجیده شود.

کلیدواژه‌ها

• مصرف انرژی
• بخش کشاورزی ایران
• برنامه ریزی ژنتیک
• شبکه های عصبی مصنوعی
• الگوریتم ژنتیک

20.1001.1.20086407.1394.7.27.9.8

---

عنوان مقاله [English]

Evaluating hybrid model of artificial neural networks and genetic algorithms for forecasting consumption of energy in Iran agricultural sector

نویسندگان [English]

• R. Taghizadeh
• A. Fattahi
• M. H. Tahari
• H. = Babaei

چکیده [English]

Evaluating hybrid model of artificial neural networks and genetic algorithms for forecasting consumption of energy in Iran agricultural sector

کلیدواژه‌ها [English]

• energy consumption
• Agricultural Sector
• genetic programming
• Artificial Neural Networks
• Genetic Algorithm