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.
مقایسه عملکرد مدلهای آماری و شبکههای عصبی مصنوعی در برازش و پیشبینی دادههای بهرهوری انرژی
دانلود فایل :
- مقایسه عملکرد مدلهای آماری و شبکههای عصبی مصنوعی در برازش و پیشبینی دادههای بهرهوری انرژی (249 دانلود)
چکیده
اطلاعات تکميلي
- حوزه کاربرد: مقایسه عملکرد مدلهای آماری و شبکههای عصبی مصنوعی
- سازمانهاي وابسته: دانشگاه آزاد خمینی شهر
- منبع: همایش ملی انرژی، آذر 94
جمعه, 25 دی 1394 ساعت 20:58