%41تخفیف

دانلود پروژه:پیش بینی تقاضا با استفاده از شبکه عصبی مصنوعی و تبدیل موجک مطالعه موردی مصرف سالانه برق ایران  

تعداد 75صفحه در فایل word

کارشناسی ارشد رشته مهندسی صنایع گرايش صنایع

 

پیش بینی تقاضا با استفاده از شبکه عصبی مصنوعی و تبدیل موجک

مطالعه موردی مصرف سالانه برق ایران

 

چکيده

پيش بيني سالانه مصرف برق يكي از اركان ضروري در مديريت توليد برق و احداث نيروگاه هاي جديد است. هدف اين تحقيق پيش بيني بلند مدت مصرف برق (سالانه) با كمك شبكه عصبي و تبديل موجك و مقایسه آن با برخی روش های متداول است. متغيرهاي اقتصادي بكار رفته عبارتند از: ميزان توليد ناخالص داخلي (GDP)، جمعيت، تعداد مشتركين برق و ميانگين قيمت برق. جهت مقايسه ميزان دقت پيش بيني، تعدادي از روش هاي متداول شامل اريما، رگرسيون و هموار سازي نمايي دوگانه نيز بكار گرفته شدند. معيار کارایی و دقت مدل ها ميانگين مطلق درصد خطا (MAPE)، جذر میانگین مربعات خطا (RMSE) و ضریب همبستگی (R) است. جهت پيش بيني دوره هاي آينده، مصرف برق كشور از سالهاي 88-1346 در نظر گرفته شد. نتايج حاكي از توانايي بالاتر شبكه عصبي   در مدل سازي روندهاي مصرف انرژي در مقايسه با روش هاي ديگر است به طوري كه مي تواند به عنوان يك ابزار مناسب براي پيش بيني دوره هاي آينده مصرف برق استفاده شود. بهترین نتایج پیش بینی بعد از شبکه عصبی بترتیب متعلق به رگرسیون چند گانه، اریما و رگرسیون تک متغیره با درآمد ناخالص داخلی است.

لغات کلیدی: پیش بینی بلند مدت، شبكه عصبي، تبدیل موجک، میانگین متحرک اتورگرسیو تلفیقی، هموار سازي نمايي، رگرسيون، مصرف سالانه برق

فهرست مطالب

عنوان

صفحه

فصل اول  : مقدمه.. 1

1-1 پیش بینی 2

1-2 ضرورت پیش بینی انرژی 2

1-3 ضرورت پیش بینی انرژی برق ایران 3

1-4 اهداف تحقیق حاضر 4

1-5 روش های مورد استفاده 4

1-6 خطوط کلی پایان نامه 4

1-7 خلاصه 5

فصل دوم  : مروري بر تحقيقات گذشته و ادبيات نظري.. 6

2-1 مقدمه 7

2-2 مروري بر تحقيقات گذشته 7

2-3 ادبيات نظري 9

2-3-1 انواع روش ها ي پيش بيني 9

2-3-1-1 کيفي 10

2-3-1-2 کمي 10

2-3-1-2-1 روش هاي مبتني بر سري هاي زماني 10

2-3-1-2-2 علّی 12

2-3-1-2-3 هوش محاسباتي 13

2-3-1-3 شبيه سازي 13

2-4 برخي مدل هاي بکار رفته براي پيش بيني تقاضاي انرژي توسط پژوهشگران 13

2-5 توضیح روش هاي مورد استفاده در این پژوهش 14

2-5-1 هموارسازي نمايي 14

2-5-2 مدل های اتو رگرسيو, ميانگين متحرک، آرما و اریما 17

2-5-2-1 مدل اتو رگرسيو مرتبه  p 17

2-5-2-2 مدل ميانگين متحرک مرتبه q 18

2-5-2-3 مدل ميانگين متحرک اتو رگرسيو (آرما) 18

2-5-2-4 مدل ميانگين متحرک اتو رگرسيو تلفیقی (اریما) 19

2-5-2-5 مراحل مدل بندي اريما به روش باکس-جنکينز 19

2-5-3 رگرسيون 21

2-5-3-1 رگرسيون خطي ساده 21

2-5-3-2 رگرسيون خطي چند گانه 22

2-5-4 شبکه عصبي مصنوعي 23

2-5-4-1 مقدمه 23

2-5-4-2 تاريخچه شبکه عصبي 25

2-5-4-3 کاربردهاي شبکه عصبي 26

2-5-4-4 مدل رياضياتي نرون ها 26

2-5-4-4-1 نرون تک ورودي 26

2-5-4-4-2 نرون چند ورودي 28

2-5-4-5 توابع انتقال 28

2-5-4-6 دسته بندي شبکه عصبي 30

2-5-4-7 شبکه هاي عصبي پيشخور 30

2-5-4-7-1 ساختار پرسپترون 30

2-5-4-7-2 پرسپترون چند لايه (MLP) 31

2-5-4-8 الگوريتم هاي يادگيري 32

2-5-4-9 دسته بندي الگوريتم هاي يادگيري 32

2-5-4-9-1 يادگيري تحت نظارت 32

2-5-4-9-2 يادگيري بدون نظارت 32

2-5-5 تبدیل موجک، 33

2-5-5-1 تاريخچه 33

2-5-5-2 روش تبديل موجک 34

2-5-5-4 تبديل موجک گسسته 34

2-5-5-5 موجک دابشیز 36

2-5-5-6 تجزيه موجک 37

2-5-5-7 بازسازي موجک 37

2-5-5-8 گسترش موجک 38

2-6 معيارهاي دقت و کارائی 38

2-7 خلاصه 39

فصل سوم: روش تحقیق و  نتایج.. 40

3-1 مقدمه 41

3-2 هموارسازی نمایی با تصحیح روند (دوگانه) 42

3-3 اریما 44

3-4 رگرسیون 46

3-4-1 فرمول نرمالیزاسیون 47

3-4-2 رگرسیون تک متغیره 48

3-4-3 رگرسیون  خطی چندگانه 52

3-5 شبکه عصبی 54

3-6 تبدیل موجک 57

3-7 خلاصه 61

فصل چهارم : نتیجه گیری   و پیشنهادات.. 62

4-1 نتیجه گیری 63

4-2 پیشنهادات برای تحقیقات آتی 68

پیوست الف: چهار متغیرهای مستقل و یک متغیر وابسته 69

پیوست ب : طریقه کار با نرم افزار12 SPSS Clementine 70

مراجع 71

فهرست جدول ها

جدول 1- 1: نرخ رشد جمعيت، مشترکين برق، قيمت برق، توليد ناخالص داخلي و مصرف برق 3

جدول 2- 1: الگوي سري زماني و روش هاي پيشنهادي 12

جدول 2- 2: رفتار توابع خودهمبستگي و خودهمبستگي جزئي تئوريک براي مدلهاي ايستا 20

جدول 3- 1: پیش بینی مصرف برق با کمک هموارسازی نمایی دوگانه برای سالهای 80-1346 42

جدول 3- 2: پیش بینی مصرف برق با کمک هموارسازی نمایی دوگانه برای سالهای  88-1381 43

جدول 3- 3 : پیش بینی مصرف برق با استفاده از مدل اریما از سال 80-1346 45

جدول 3- 4: پیش بینی مصرف برق با کمک مدل اریما از سال 88-1381 (داده های آموزش: 80-1346) 45

جدول 3- 5: مشخصه های آمار توصیفی مصرف برق سالهای 88-1346 47

جدول 3- 6: ضرایب همبستگی بین متغیرها 48

جدول 3- 7: معادله خط های تک متغیره 48

جدول 3- 8 : میزان پیش بینی مصرف برق با استفاده از هر معادله خط تک متغیره بطور جداگانه (80-1346) 49

جدول 3- 9: میزان پیش بینی مصرف برق با استفاده از هر معادله خط تک متغیره بطور جداگانه (88-1381) 49

جدول 3- 10: پیش بینی مصرف برق با کمک روش رگرسیون چندگانه برای سال های 80-1346 52

جدول 3- 11: پیش بینی مصرف برق با کمک روش رگرسیون چندگانه( 88-1381 ) 53

جدول 3- 12: نتایج 20 بار اجرای شبکه عصبی 55

جدول 3- 13: مشخصات شبکه عصبیMLP مورد استفاده 55

جدول 3- 14: پیش بینی مصرف برق با کمک شبکه عصبی  80-1346 56

جدول 3- 15:  پیش بینی مصرف برق با کمک شبکه عصبی از سال 88-1381 56

جدول 3- 16: ساختار پیش بینی با تبدیل موجک 58

جدول 3- 17: پیش بینی مصرف برق با کمک تبدیل موجک برای سالهای 80-1346 60

جدول 3- 18: پیش بینی مصرف برق با کمک تبدیل موجک برای سالهای 88-1381 60

جدول 4- 1: مقایسه عملکرد روشهای پیش بینی برای داده های تست (سال های 88-1381) 63

جدول 4- 2 : مقایسه خطای روش های مختلف برای داده های تست 65

فهرست شکل ها

شکل 2- 1: ساختار نرون بیولوژیکی 23

شکل 2- 2 : آموزش شبکه عصبی مصنوعی بر پایه مقایسه خروجی با هدف 24

شکل 2- 3: يك نرون مصنوعي يا يك مقدار ورودي و يك مقدار اريبي 27

شکل 2- 4: مدل نرون با بردار ورودي 28

شکل 2- 5: تابع انتقال آستانه سخت 29

شکل 2- 6: تابع انتقال خطي 29

شکل 2- 7: تابع انتقال لگ- سيگموئيد 29

شکل 2- 8 : ساختار شبکه پرسپترون تک لایه 31

شکل 2- 9: ساختار شبکه پرسپترون چند لایه (MLP ) 31

شکل 2- 10:     سمت راست : موجک      سمت چپ :  موجک … 36

شکل 2- 11 : تجزیه سه سطحی برای یک سیگنال (درخت تجزیه موجک) 37

شکل 3- 1: ميزان مصرف سالانه برق در ايران طي سال هاي 88-1346 41

شکل 3- 2: پیش بینی با روش هموار نمایی دوگانه 43

شکل 3- 3 : میزان باقیمانده تابع خودهمبستگی و خودهمبستگی جزئی 44

شکل 3- 4 : پیش بینی مصرف برق با کمک مدل اریما 46

شکل 3- 5: مصرف واقعی و پیش بینی شده با روش رگرسیون تک متغیره  (متغیر درآمد ناخالص داخلی) 50

شکل 3- 6: مصرف واقعی و پیش بینی شده با روش رگرسیون تک متغیره  (متغیر متوسط قیمت برق) 50

شکل 3- 7: مصرف واقعی و پیش بینی شده با روش رگرسیون تک متغیره  (متغیر تعداد مشرکین برق) 51

شکل 3- 8: مصرف واقعی و پیش بینی شده با روش رگرسیون تک متغیره  (متغیر جمعیت) 51

شکل 3- 9: پیش بینی با روش رگرسیون چند گانه 53

شکل 3- 10: پیش بینی مصرف برق با کمک شبکه عصبی 57

شکل 3- 11: تجزیه سیگنال مصرف برق به 5 سطح به همراه تقریب و جزئیات سیگنال 59

شکل 3- 12: گسترش ضرایب مصرف برق 59

شکل 3- 13: پیش بینی مصرف برق با کمک تبدیل موجک 61

شکل 4- 1: مقایسه پیش بینی روش های مختلف برای داده های تست (88-1381) 64

شکل 4- 2: مقایسه پیش بینی روش های مختلف برای داده های تست (88-1381) 64

شکل 4- 3: مقایسه معیار خطای RMSE برای روش های مختلف 65

شکل 4- 4: مقایسه معیار خطای MAPE برای روش های مختلف 66

شکل 4- 5: مقایسه معیار R برای روش های مختلف 67

فهرست علائم و اختصارات

علائم و اختصارات

توضیحات

ميانگين دوره t

ميانگين دوره t-1

a

خروجي نرون

ACF

تابع خودهمبستگي

ANNs

شبکه های عصبي مصنوعي

AR

اتورگرسيو

ARIMA

میانگین متحرک تلفیقی اتورگرسیو

ARMA

ميانگين متحرک اتو رگرسيو

b

ميزان اريبي

شيب خط

BP

الگوریتم یادگیری پس انتشار

محل تقاطع خط با محور y

چندجمله اي از مرتبه بي نهايت

تبديل موجک پيوسته تابع

Dt

تقاضاي دوره حاضر

DWT

تبدیل گسسته موجک

Ft

پيش بيني دوره حاضر

Ft+1

پيش بيني دوره آينده

ftr

تابع انتقال (محرک يا تبديل)

GRNN

شبکه هاي عصبي رگرسيون تعميم يافته

IDWT

تبدیل موجک گسسته معکوس

تعداد ورودي هاي فراهم شده براي شبکه

تعداد نرون هاي i امين لايه پنهان

تعداد نرون لايه خروجي

Learnrp

قاعده ياگيري پرسپترون

MA

ميانگين متحرک

MAPE

ميانگين مطللق درصد خطا

MLP

پرسپترون چند لايه

p

1)مرتبه اتو رگرسیو   2) ورودي نرون (شبکه عصبی)

بردار ورودي ها (شبکه عصبی)

PACF

تابع خودهمبستگي جزئي

PNN

شبکه هاي عصبي احتمالي

q

مرتبه میانگین متحرک

R

ضریب همبستگی

خطاي بازسازي

RBF

شبکه هاي شعاع بنياد تابعي

RMSE

جذر میانگین مربعات خطا

تخمين روند دوره t

تخمين روند دوره t-1

V

خروجي جمع كننده

W

وزن اختصاص داده شده به p

وزن هاي سيناپس

WT

تبدیل موجک

متغير مستقل

بردار قبل از نرمال سازی

کوچکترین عنصر بردار

بزرگترین عنصر بردار

متغير وابسته

مقدار مشاهده شده واقعي در دوره t

مقدار پيش بيني در دوره t

بردار بعد از نرمال سازی

ثابت هموارسازی

ضريب ثابت هموارسازي روند

خطاي مدل

چند جمله مرتبه p

چند جمله مرتبه q

موجک مادر

تبديل فوريه

يک خانواده از توابع موجک انتقال يافته و تغيير مقياس يافته

7 دیدگاه برای دانلود پروژه:پیش بینی تقاضا با استفاده از شبکه عصبی مصنوعی و تبدیل موجک مطالعه موردی مصرف سالانه برق ایران  

  1. Mitchell

    Wow, fantastic blog layout! How long have you been blogging for?
    you make blogging look easy. The overall look of your site is magnificent, let alone the
    content!

    Feel free to surf to my webpage: комбоусилитель для акустической гитары

  2. meldonium en vente libre en Espagner

    Sustain the good job and bringing in the crowd! ramicard bestellen in Amsterdam

  3. Peggy

    You’ve made some good points there. I checked on the web for additional information about the issue and found most people will go
    along with your views on this web site.

    Feel free to surf to my page – stus bokep

  4. Kelli

    These are in fact impressive ideas in concerning blogging.
    You have touched some fastidious points here. Any way
    keep up wrinting.

    my website :: Betflix

  5. Myles

    Hey there! I know this is kinda off topic but I’d figured I’d ask.
    Would you be interested in exchanging links or maybe guest
    authoring a blog article or vice-versa? My blog goes over a
    lot of the same topics as yours and I think we could
    greatly benefit from each other. If you might be
    interested feel free to shoot me an e-mail. I look forward to hearing from you!
    Superb blog by the way!

    Here is my site: celexa without the hassle of a doctor visit

  6. Gene

    Its such as you read my thoughts! You appear
    to know a lot about this, like you wrote the book in it or
    something. I feel that you simply can do with some % to drive the message home
    a little bit, but instead of that, that is magnificent blog.
    A great read. I will certainly be back.

    Here is my blog post … modafinil rezeptfrei kaufen Schweiz Erfahrungen

  7. Theron

    Its such as you read my mind! You appear to understand a lot approximately this, such as you
    wrote the book in it or something. I feel that you
    just can do with a few percent to force the message
    home a little bit, but other than that, that is wonderful blog.
    A great read. I’ll certainly be back.

    My blog :: Annetta

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo