{"title":"使用智能复合模型，电力的短期应用是软的","authors":"فاطمه چاهکوتاهی, مهدی خاشعی","doi":"10.24200/J65.2019.7089.1699","DOIUrl":null,"url":null,"abstract":"روش‌های پیش‌بینی از کارآمدترین ابزارهای موجود به‌منظور اتخاذ تصمیمات مدیریتی در حوزه‌های مختلف علوم هستند. دقت پیش‌بینی‌ها یکی از مهم‌ترین عامل‌های مؤثر بر کیفیت تصمیمات اتخاذی است که رابطه‌ی مستقیمی با کیفیت این تصمیمات دارند. پیش‌بینی تقاضای الکتریسته یکی از چالش‌برانگیزترین حوزه‌های پیش‌بینی است. مشخصه‌ی منحصربه فرد الکتریسته، که پیش‌بینی \nرا در مقایسه با سایر کالاهای تولیدی دشوارتر می‌سازد، عدم امکان ذخیره‌سازی آن به‌منظور مصرف در آینده است. این موضوع سبب ایجاد سطح بالایی از ابهام در داده‌های مرتبط با این‌گونه از بازارها می‌شود. ابزارهای هوش محاسباتی و محاسبات نرم از جمله دقیق‌ترین روش‌های حال حاضر به‌منظور مدل‌سازی عدم قطعیت موجود در داده‌ها هستند. در این مقاله، با ترکیب روش‌های مذکور، یک روش هوشمند نرم به‌منظور پیش‌بینی الکتریسیته ارائه شده است. ایده‌ی اصلی مدل استفاده‌ی هم‌زمان از مزایای ابزارهای هوش محاسباتی و محاسبات نرم در مدل‌سازی سیستم‌های پیچیده است. نتایج \nنشان‌دهنده‌ی دقت بالاتر روش پیشنهادی نسبت به سایر مدل‌هاست.","PeriodicalId":33625,"journal":{"name":"mhndsy Sny` w mdyryt shryf","volume":"1 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2019-08-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"پیش‌بینی کوتاه‌مدت تقاضای فصلی الکتریسیته با استفاده از مدل‌های ترکیبی هوشمند نرم\",\"authors\":\"فاطمه چاهکوتاهی, مهدی خاشعی\",\"doi\":\"10.24200/J65.2019.7089.1699\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"روش‌های پیش‌بینی از کارآمدترین ابزارهای موجود به‌منظور اتخاذ تصمیمات مدیریتی در حوزه‌های مختلف علوم هستند. دقت پیش‌بینی‌ها یکی از مهم‌ترین عامل‌های مؤثر بر کیفیت تصمیمات اتخاذی است که رابطه‌ی مستقیمی با کیفیت این تصمیمات دارند. پیش‌بینی تقاضای الکتریسته یکی از چالش‌برانگیزترین حوزه‌های پیش‌بینی است. مشخصه‌ی منحصربه فرد الکتریسته، که پیش‌بینی \\nرا در مقایسه با سایر کالاهای تولیدی دشوارتر می‌سازد، عدم امکان ذخیره‌سازی آن به‌منظور مصرف در آینده است. این موضوع سبب ایجاد سطح بالایی از ابهام در داده‌های مرتبط با این‌گونه از بازارها می‌شود. ابزارهای هوش محاسباتی و محاسبات نرم از جمله دقیق‌ترین روش‌های حال حاضر به‌منظور مدل‌سازی عدم قطعیت موجود در داده‌ها هستند. در این مقاله، با ترکیب روش‌های مذکور، یک روش هوشمند نرم به‌منظور پیش‌بینی الکتریسیته ارائه شده است. ایده‌ی اصلی مدل استفاده‌ی هم‌زمان از مزایای ابزارهای هوش محاسباتی و محاسبات نرم در مدل‌سازی سیستم‌های پیچیده است. نتایج \\nنشان‌دهنده‌ی دقت بالاتر روش پیشنهادی نسبت به سایر مدل‌هاست.\",\"PeriodicalId\":33625,\"journal\":{\"name\":\"mhndsy Sny` w mdyryt shryf\",\"volume\":\"1 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2019-08-23\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"mhndsy Sny` w mdyryt shryf\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.24200/J65.2019.7089.1699\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"mhndsy Sny` w mdyryt shryf","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24200/J65.2019.7089.1699","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
پیش‌بینی کوتاه‌مدت تقاضای فصلی الکتریسیته با استفاده از مدل‌های ترکیبی هوشمند نرم
روش‌های پیش‌بینی از کارآمدترین ابزارهای موجود به‌منظور اتخاذ تصمیمات مدیریتی در حوزه‌های مختلف علوم هستند. دقت پیش‌بینی‌ها یکی از مهم‌ترین عامل‌های مؤثر بر کیفیت تصمیمات اتخاذی است که رابطه‌ی مستقیمی با کیفیت این تصمیمات دارند. پیش‌بینی تقاضای الکتریسته یکی از چالش‌برانگیزترین حوزه‌های پیش‌بینی است. مشخصه‌ی منحصربه فرد الکتریسته، که پیش‌بینی
را در مقایسه با سایر کالاهای تولیدی دشوارتر می‌سازد، عدم امکان ذخیره‌سازی آن به‌منظور مصرف در آینده است. این موضوع سبب ایجاد سطح بالایی از ابهام در داده‌های مرتبط با این‌گونه از بازارها می‌شود. ابزارهای هوش محاسباتی و محاسبات نرم از جمله دقیق‌ترین روش‌های حال حاضر به‌منظور مدل‌سازی عدم قطعیت موجود در داده‌ها هستند. در این مقاله، با ترکیب روش‌های مذکور، یک روش هوشمند نرم به‌منظور پیش‌بینی الکتریسیته ارائه شده است. ایده‌ی اصلی مدل استفاده‌ی هم‌زمان از مزایای ابزارهای هوش محاسباتی و محاسبات نرم در مدل‌سازی سیستم‌های پیچیده است. نتایج
نشان‌دهنده‌ی دقت بالاتر روش پیشنهادی نسبت به سایر مدل‌هاست.
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
