عنوان نشریه: مطالعات اقتصادي كاربردي : زمستان 1393 , دوره 3 , شماره 12 ; از صفحه 33 تا صفحه 57 .
نویسندگان: حميد ابريشمي, فرخنده جبل عاملي, معصومه ابوالحسني , افشين جوان
چکیده:
با توجه به افزايش روزافزون مصرف گاز طبيعي، برنامه ريزي در بخش گاز طبيعي و بررسي و پيش بيني تقاضاي گاز طبيعي جهت دستيابي به امنيت عرضه انرژي گاز طبيعي و به دنبال آن توسعه پايداراهميت فراواني دارد. از اين رو در اين تحقيق تقاضاي گاز طبيعي در بخش هاي خانگي-تجاري، صنعت و نيروگاه که جزء مصرف کنندگان عمده گاز طبيعي هستند مورد بررسي قرار گرفته و از دو روش ARIMA (Autoregressive Integrated Moving Average) و شبکه عصبي GMDH (Group Method of Data Handling) براي پيش بيني تقاضاي گاز طبيعي و از معيارهاي MSE (Mean Squared Error)، RMSE (Root Mean Squared Error)، درصد خطاي پيش بيني و دقت پيش بيني جهت مقايسه دو روش استفاده شده است. با توجه به نتايج، دقت پيش بيني به ترتيب در سه بخش خانگي - تجاري، صنعتي و نيروگاه در روش ARIMA، 93.8، 98.3 و 87 درصد و در روش شبکه عصبي GMDH، 96.4، 99 و 98.2 درصد به دست آمده است و معيارهاي RMSE و MSE در هر سه بخش براي روش شبکه عصبي GMDH کوچکتر از روش ARIMA بوده است. از اين رو مي توان نتيجه گرفت که با توجه به مدلسازي صورت گرفته، روش شبکه عصبي GMDH عملکرد و دقت بالاتري نسبت به روش ARIMA در پيش بيني تقاضاي گاز طبيعي دارد.