پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,100,754 |
| تعداد دریافت فایل اصل مقاله | 97,207,661 |
پیشبینی تقاضای آب شهرتهران با استفاده از الگوهای ساختاری، سریهای زمانی و شبکة عصبی نوع GMDH | ||
| فصلنامه تحقیقات اقتصادی | ||
| مقاله 8، دوره 43، شماره 3، اسفند 1387 اصل مقاله (468.58 K) | ||
| نویسندگان | ||
| غلامعلی شرزه ای1؛ مهدی احراری2؛ حسن فخرایی* 3 | ||
| 1دانشیار دانشکدة اقتصاد دانشگاه تهران | ||
| 2پژوهشگر اقتصادی دانشکدة اقتصاد دانشگاه تهران | ||
| 3کارشناس ارشد اقتصاد محیط زیست دانشکدة اقتصاد دانشگاه تهران | ||
| چکیده | ||
| روشها و الگوهای اقتصاد سنجی متفاوتی، از قبیل تجزیه و تحلیل رگرسیون و سریهای زمانی به منظور پیشبینی تقاضای آب، بهطور معمول توسط محققان مختلف مورد استفاده قرار گرفتهاند. اما در سالهای اخیر تکنیک جدید شبکههای عصبی به عنوان ابزاری مؤثر و کارا در پیشبینی متغیرهای اقتصادی مطرح شده است. در مقالة حاضر، از شبکة عصبی نوع GMDH مبتنی برالگوریتم ژنتیک، الگوهای ساختاری و همچنین سریهای زمانی، به منظور مقایسة روشهای پیشبینی تقاضای سرانة آب در شهر تهران استفاده شده است. متغیرهای مورد نظر در الگوهای پیش بینی تقاضای آب عبارتند از مصرف سرانة آب، قیمت آب، متوسط درآمد خانوار و متوسط درجة حرارت سالانه در شهر تهران. نتایج بهدست آمده حاکی از آن است که پیش -بینی تقاضای آب با استفاده از روش شبکههای عصبی نوع GMDH، نسبت به برآوردهای حاصل از الگوهای ساختاری و سری زمانی، از درجة کارایی بیشتری برخوردار است. بنابراین، استفاده از شبک? عصبی مصنوعی در پیش بینی متغیرهای اقتصادی، میتواند به عنوان ابزاری در کنار سایر روشهای پیش بینی مورد استفادة تصمیمگیران و سیاستگذاران در بخش مدیریت آب قرار گیرد. طبقه‌بندی JEL : C53 , C5 | ||
| کلیدواژه‌ها | ||
| پیشبینی الگوهای ساختاری و سری زمانی؛ تقاضای آب شهر تهران؛ شبکة عصبی GMDH | ||
| عنوان مقاله [English] | ||
| Forecasting of Urban Demand for Water in Tehran Using Structural, Time Series and GMDH Neural Networks Models: A Comparative Study | ||
| چکیده [English] | ||
| Conventionally, regression and time series analyses have been employed in modeling water demand forecasts. In recent years, the relatively new technique of neural networks (NNS) has been proposed as an efficient tool for modeling and forecasting. The objective of this study is to investigate the relatively new technique of GMDH – Type neural networks for the use of forecasting long – term urban water demand in Tehran city. The data employed in this study includes water consumption (per capita), water price, average household income and the annual average air temperature for the city of Tehran, Iran. The neural networks model, regression model, and time series model have been estimated and compared. The comparison reveals that the neural networks model consistently outperformed the regression and time series models developed in this study. JEL classification: C53, C5 | ||
| کلیدواژه‌ها [English] | ||
| GMDH Neural networks, Long, regression analysis, Time Series Analysis, Urban water demand, term water demand forecasting | ||
|
آمار تعداد مشاهده مقاله: 2,634 تعداد دریافت فایل اصل مقاله: 6,734 |
||