استفاده از رهیافت شبکه عصبی در پیش بینی مصرف انرژی خط یک متروی تهران

امروزه انرژی و میزان مصرف آن، محور استراتژیک برنامه ریزی های سازمانی است. گسترش سیستم حمل ونقل درون شهری بدون در نظر گرفتن شرایط گوناگون اقتصادی، علمی، صنعتی، آب و هوایی و رشد روزافزون شهرنشینی امکان ناپذیر است. تحلیل روندهای پیشین اطلاعات مصرف انرژی جهت پیش بینی روندهای آینده با درنظرگرفتن نرخ توسعه خطوط مترو، راه حلی کلیدی در راستای برنامه ریزی ها و سیاست گذاری های کلان آینده محور خواهد بود. در این پژوهش برای پیش بینی مصرف انرژی خط یک متروی تهران از مدل شبکه عصبی GMDH استفاده شده است که از قابلیت شناسایی و غربال کردن متغیرهای ورودی کم اثر در دوره آموزش شبکه و حذف آن ها در دوره آزمون، برخوردار می باشد و همچنین برای درک میزان دقت پیش بینی با مدل ARIMA مورد مقایسه قرارگرفته است. در این پژوهش، دوازده متغیر اثرگذار بر میزان مصرف انرژی متروی تهران شناسایی شده و به عنوان متغیرهای ورودی مدل در نظر گرفته شده است. نتایج حاکی از آن است که مدل شبکه عصبی GMDH، به مراتب خطای کمتری را نسبت به مدل ARIMA دارد و از دقت پیش بینی بالاتری برخوردار است.