چکیده مقاله
در این تحقیق مسئله پیش بینی کل مصرف گاز طبیعی بخش خانگی در استان مازندران در یک سال آینده با استافده از شبکه عصبی عمیق درنظر گرفته شده است کارایی شبکه عصبی MLP در مقالات گذشته اثبات شده است اما از آنجائیکه سیگنال مصرف گاز یک سری زمانی پیوسته می باشد، علاوه بر آن استفاده از 3 شبکه عصبی بازگشتی شامل LSTM, RNN و GRU در پیش بینی آزمایش شده است پیش بینی ها بر مبنای 4 ویژگی ورودی شامل سیگنال گذشته مصرف گاز، سیگنال های دما و رطوبت در استان مازندران و قیتمت گاز انجام شده است که با دقت زمانی 11 روزه طی سال های 1333 تا 1331 درنظر گرفته شده است نتایج بدست آمده نشان می دهد که نتایج بدست آمده از مدل های پیش بین پیشنهادی به عوامل مختلفی مانند تعداد لایه های پنهان، تعداد نورون ها در لایه های پنهان، پارامتر Dropout لایه های بازگشتی و روش آموزش وابسته می باشد تابع تلفات استفاده شده شاخص MAE می باشد و همچنین، از روش RMS Prop برای آموزش شبکه های عمیق استفاده شده است جهت شبیه سازی ها از دو نرم افزار پایتون و متلب استفاده شده است همچنین، جهت هم مقیاس شدن 4 ویژگی ورودی و بهبود عملکرد شبکه های عصبی پیشنهادی، داده های ورودی استاندارد شده اند، بطوریکه توزیع احتمال آنها بصورت یک تابع نرمال استاندارد با میانگین صفر تبدیل شده است و پس از پیش بینی به مقیاس اصلی بازگردانده می شوند نتایج بدست آمده طی آزمایشات متعدد نشان می دهد که شبکه های MLP در بهترین جواب بر روی اطلاعات آزمایشی، دارای دقت 0/31 می باشد که با پیاده سازی شبکه های عمق و بازگشتی به 0/33 رسیده است از آنجائیکه تعداد داده های آموزشی اندک 100 داده آموزشی می باشد، بنابراین شبکه GRU که حالت تعمیم یافته ای از روش LSTM می باشد، بعنوان بهترین مدل پیش بین می باشد
کلیدواژهها
نویسندگان
شیوه ارجاع
�بدی مرزونی، محمدرضا و ساداتی رستمی، سیدجلال،1399،ارائه مدل پیشبین مصرف گاز مشترکین خانگی درشرکت گاز استان مازندران براساس شبکه یادگیری عمیق،هشتمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات نهمین کنفرانس ملی مهندسی برق ، کامپیوتر و مکانیک3 دی 1399 · شیروان