بخشی از مقاله
مقایسه روشهای شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیشبینی تولید انرژیهای نو
چکیده
ایران پتانسیل بالایی در منابع انرژیهای نو نظیر خورشیدی، بادی، زمینگرمایی و ... دارد. از این رو بدیهی است که بهکارگیری این منابع برای بهینه ساختن تابع مصرف کشور ضروری میباشد، اما متأسفانه به دلایل مختلفی بهکارگیری این منابع مورد غفلت واقعشدهاند. در این تحقیق با استفاده از روشهای شبکه عصبی مصنوعی و رگرسیون چندمتغیره تولید انرژیهای نو ایران پیشبینی گردیده است و بهترین مدل پیشبینی معرفی گردیده است. از دادههای سالیانه 1346 تا 1385 که 90 درصد دادهها را تشکیل میدهند به منظور طراحی مدلها، و از دادههای سالهای 1386 تا 1390 جهت ارزیابی آنها استفاده شده است. برای مقایسه این سه روش در پیشبینی، از معیارهای RMSE، MAE و MAPE استفاده شده است. نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی خطای کمتری در تمام معیارها دارد و مدل بهتری در پیشبینی از خود نشان میدهد.
واژههای کلیدی: انرژی، انرژیهای نو ، شبکه عصبی مصنوعی، رگرسیون چند متغیره ، پیشبینی
-1 مقدمه
انرژی نقشی اساسی در کاهش فقر، بهبود وضع رفاه اجتماعی و افزایش سطح استاندارد دارد. بنابراین انرژی نقشی کلیدی در ابعاد مختلف توسعهی پایدار دارد و به عنوان محرکی در جهت رشد جنبههای مختلف آن است. به منظور دستیابی به توسعهی پایدار، افزایش کارایی فرآیندهای استفاده از منابع انرژی پایدار نقشی اساسی ایفا میکنند .[1] از این جهت انرژیهای تجدیدپذیر به عنوان یکی از راهحلهای موثر و کارا در دست-یابی به توسعهی پایدار میباشند. انرژیهای تجدیدپذیر مشتق شده از منابعی هستند که توسط طبیعت جایگزین میشوند، مثل نیروی برق آبی، بادی، خورشیدی و زیست توده .[2] آمار و ارقام سرمایهگذاریهای انجام شده در تولید انرژیهای نو حکایت از رغبت فراوان کشورهای مختلف دنیا جهت تأمین انرژی مورد نیاز خود از طریق انرژیهای تجدیدپذیر دارد.
ایران دومین کشور بزرگ دنیا از نظر منابع گاز طبیعی، و دومین کشور بزرگ عضو اپک در زمینهی عرضه-ی نفت است .[3] ایران علاوه بر انرژی های فسیلی، به خاطر موقعیت جغرافیایی خود پتانسیل بسیار خوبی از جهت وجود انرژیهای تجدیدپذیر دارد که با حمایت دستگاههای مربوطه میتواند از آنها در جهت تولید برق و گرما استفاده کند. به گفته کارشناسان، اطلس خورشید ایران جزو یکی از بهترین اطلسهای جهان است . 60 درصد از مساحت ایران را سرزمینهای لمیزرع تشکیل میدهند که از تابش مناسبی از اشعه خورشید بهره می-برند، که اگر ایران تنها از یک درصد از این نواحی استفاده نماید، قادر به تأمین کل انرژی کشور خواهد بود .[4] ایران همچنین قابلیتهای فراوانی برای بهرهبرداری از انرژی باد دارد . کشورمان به علت کوهستانی بودن و داشتن سواحلی نظیر خلیج فارس، دارای استعداد خوبی برای بهرهبرداری از این نوع انرژی است. ایران همچنین توانایی و پتانسیل بالایی در انواع دیگر انرژیهای تجدیدپذیر دارد، در صورت استفاده از این نوع انرژیهای نو، بدون تردید استفاده از گاز و دیگر فرآوردههای نفتی در این مناطق کاهش مییابد.
با توجه به اهمیت پیشبینی میزان مصرف و تولید انرژی کشور، تحقیقات بسیاری در این حوزه صورت پذیرفته است که برای پیشبینی از روش شبکههای عصبی استفاده نمودهاند و آن را با روشهای دیگر مقایسه کرده اند. در جدول 1 به بعضی از این تحقیقات اشاره شده است.
در این تحقیق با استفاده از روشهای شبکه عصبی مصنوعی و رگرسیون چند متغیره سعی شده است که بهترین مدل جهت پیش بینی تولید انرژیهای تجدیدپذیر ایران طراحی گردد. از این جهت ساختار مقاله به این صورت است که ابتدا به مفاهیم مدلهای شبکه عصبی مصنوعی و رگرسیون چند متغیره پرداخته شده است. سپس ، در بخش طراحی مدل، هر یک از مدلهای پیشبینی تولید انرژی تجدیدپذیر معرفی شدهاند و در انتها نیز با استفاده از معیارهای خطا بهترین مدل انتخاب گردیده است.
-2 مفاهیم مدلهای پیشبینی
-1-2 شبکه عصبی مصنوعی
مدل شبکههای عصبی مصنوعی که برگرفته از ساختار شبکههای عصبی زیستی است، دارای چهار بخش مهم میباشد: ورودی، وزن، تابع فعالساز و خروجی. پردازش اطلاعات در تعداد زیادی از عناصر ساده به نام نرون انجام میگیرد. سیگنالها از طریق اتصالات مرتبط بین نرونها، که به هرکدام مقداری به عنوان وزن نسبت داده میشود، عبور میکنندضمناً. هر نرون یک تابع فعالسازی رامعمولاً( غیرخطی) به جمع سیگنالهای ورودی وزندار اعمال میکند تا سیگنال خروجی را تولید نماید. نرون، مجموع ورودیهای وزندار (مجموع حاصلضرب شدت سیگنال اتصالات در وزن آنها) را حساب میکند، سپس آن را از تابع آستانه عبور میدهد. تابع آستانه این مجموع را دریافت کرده و خروجی را که همان پاسخ مسئله است تولید میکند.
شبکه های عصبی در رشته ها و زمینههای مختلفی از جمله ریاضیات، مهندسی، داروسازی، اقتصاد و ...
کاربردهای فراوانی پیدا کرده است. از شبکههای عصبی در حل مسائل پیچیده که مدل سازی مشکل است میتوان استفاده نمود . از جمله کاربردهای شبکههای عصبی میتوان به موارد تقریب توابع، بهینهسازی، پیشبینی، دستهبندی و خوشهبندی اشاره نمود، در این تحقیق از شبکه عصبی به منظور پیشبینی استفاده گردیده است.
-2-2 رگرسیون چند متغیره
از رگرسیون به منظور برآورد رابطه ریاضی و تحلیل آن استفاده میشود، به طوری که بتوان به کمک آن کمیت، یک متغیر مجهول را با استفاده از متغیر یا متغیرهای معلوم، تعیین کرد. از رگرسیون در زمینههای بسیاری از جمله مهندسی، فیزیک، اقتصاد، مدیریت، علوم زیستی و علوم اجتماعی، برای برآورد و پیشبینی مورد استفاده قرار میگیرد. این تکنیک جهت پیشبینی متغیر پاسخ (وابسته) بر مبنای مقادیر معین متغیرهای پیشبینی کننده و همچنین فهم نحوه ارتباط یا تأثیرگذاری متغیرهای پیشبینی کننده بر متغیر پاسخ مورد استفاده قرار میگیرد.
در بسیاری از مسائل میتوان از رگرسیون دو متغیره استفاده نمود، اما در اکثر مواقع نیازمند فنهای پیچیدهتری هستیم. امروزه اکثر محققان علاقمند به استفاده از چندین متغیر میباشند، بنابراین وجود تکنیکهای چند متغیره آماری ضروری است. لذا استفاده از مدل چند متغیره رگرسیونی جایگاه فراوانی پیدا کرده است.
یک نمونه از مدل چند متغیره رگرسیونی در معادله (1) نشان داده شده است.
(1) که : A متغیر مستقل؛ …XRnR ،XR3R ،XR2R ،: XR1R متغیرهای وابسته و …CRnR ،CR3R ،CR2R ،: CR1R ضرایب
رگرسیون هستند.
