سامانه مدیریت همایش های علمی


یازدهمین کنفرانس بین‌المللی مهندسی صنایع


عنوان فارسی	مدل خودرگرسیون میانگین متحرک انباشته فازی با استفاده از رویکرد برنامه ریزی خطیبرای پیش بینی مصرف برق

چکیده فارسی مقاله	این مقاله قصد دارد با ترکیب فرآیند خودرگرسیون میانگین متحرک انباشته ( ARIMA) و مدل رگرسیون قازی به ارائه مدل خودرگرسیون میانگین متحرک انباشته فازی (FARIMA) و بهره گیری از آن در پیش بینی مصرف برق سالانه ایران بپردازد. این مدل شامل پارامترهای بازه ای است که به تصمیم گیرندگان حوزه مربوط در پیش بینی بهترین و بدترین موقعیت ممکن در آینده کمک می کند. مدل های اسری زمانی قطعی نظیر: ARIMA و شبکه های عصبی مصنوعی برای حصول نتایح دقیق، نیازمند داده های زیادی می باشند. از آنجا که مدل های پیش بینی قازی برای پیش بینی با داده های اند که مناسب هستند، لذا این پژوهش به ارائه یک مدل ترکیبی از ARIMA و رگرسیون قازی برای برطرف نمودن محدودیت احتیاج به داده های تاریخی زیاد بمنظور پیش بینی آینده می پردازد. برای حل مدل FARIMA از رویکرد بهینه سازی خطی استفاده می شود. داده های مورد استفاده در این مقاله عبارتند از: مقدار مصرف برق در ایران از سال 1346 تا 1391. نتایج حاصله بیانگر قابلیت و توانایی اجرایی روش پیشنهادی در پیش بینی بازه ای می باشد.

کلیدواژه‌های فارسی مقاله	مدل خودرگرسیون میانگین متحرک انباشته فازی، رگرسیون قازی، فرایند خودرگرسیون میانگین متحرک انباشته، پیش بینی، مصرف برق

عنوان انگلیسی	Fuzzy Auto-Regressive Integrated Moving Average by using linear programming approach for Iran electricity consumption forecast

چکیده انگلیسی مقاله	This paper intends to develop a Fuzzy Auto-Regressive Integrated Moving Average (FARIMA) model with combination of Auto-Regressive Integrated Moving Average (ARIMA) model and fuzzy regression method as well as forecasting electricity consumption of Iran with FARIMA. This model includes interval parameters that makes it possible for decision makers to forecast the best- and worst-possible situations. Time series models such as ARIMA and Artificial Neural Networks need a large amount of data to achieve accurate results. As fussy forecasting models are suitable models in less-data situations, this article presents a combined model of ARIMA and fuzzy regression in order to remove the constraint of needing a large amount of data for forecasting. We use a linear programming approach to solve FARIMA. The used data in this work is the electricity consumption of 1346 to 1391 in Iran. Results show that the proposed model is applicable for interval forecasting.

کلیدواژه‌های انگلیسی مقاله	Fuzzy Auto-Regressive Integrated Moving Average, Fuzzy Regression, Auto-Regressive Integrated Moving Average, Forecast, Electricity Consumption

نویسندگان مقاله	سید حسین موسوی \| Seyed Hosein Mousavi دانشگاه علوم اقتصادی علی ناظمی \| Ali Nazemi دانشگاه علوم اقتصادی

نشانی اینترنتی	iiec2015.org
فایل مقاله	دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده	fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده

برگشت به: صفحه اول پایگاه \| دوره مرتبط \| کنفرانس مرتبط \| فهرست کنفرانس ها