پایان نامه پیش بینی تقاضا برای فرآورده های سوختی نفتی بر مبنای روش های فرا ابتکاری علف های هرز

 متن کامل پایان نامه مقطع کارشناسی ارشد رشته مدیریت 

دانشگاه علم و هنر 

وابسته به جهاد دانشگاهی

پایان نامه کارشناسی ارشد دانشکده علوم انسانی

گروه مدیریت صنعتی گرایش تولید و عملیات

عنوان:

پیش بینی تقاضا برای فرآورده های سوختی نفتی بر مبنای روش های فرا ابتکاری علف های هرز، توده ذرّات و شبکه های عصبی مصنوعی

استاد مشاور:

دکتر علیرضا ناصرصدرآبادی

آبان 1393

برای رعایت حریم خصوصی نام نگارنده و استاد راهنما در سایت درج نمی شود

(در فایل دانلودی نام نویسنده و استاد راهنما موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده:

فرآورده های سوختی نفتی در کنار سایر عوامل تولید ، یک عامل مؤثر در رشد و توسعۀ اقتصادی تلقی می شود و در عملکرد بخش های مختلف اقتصادی نقش مهمی را ایفا می کند. از این رو مسئولان باید تلاش کنند تا با پیش بینی دقیق تر فرآورده های نفتی و برنامه ریزی صحیح در هدایت مصرف ، پارامتر های عرضه و تقاضای انرژی را به نحو مطلوب کنترل کنند. در این پایان نامه مصرف چهار فرآوردۀ سوختی نفتی عمده در ایران مورد بررسی و پیش بینی قرارگرفته است.

در این مطالعه مصرف فرآورده های سوختی نفتی در ایران با بهره گرفتن از سه تکنیک قدرتمند الگوریتم توده ذرّات ، علف های هرز و شبکه های عصبی مصنوعی پیش بینی شده است. برای این بررسی ، از داده های سالانۀ مربوط به مصرف این چهار فرآورده در بازۀ زمانی (1391-1306) استفاده شده است. نتایج ارزیابی نشان داد که الگوریتم علف های هرز با توجه به معیار MAPE دارای دقت بیشتری است اما با توجه به معیار MSE با توجه به مصرف صعودی بنزین و نفت گاز روش شبکه های هوش مصنوعی دارای دقت بالاتری است و در فرآورده هایی همچون نفت سفید تکنیک توده ذرّات خطای کمتری دارد و در نهایت تکنیک علف های هرز در پیش بینی مصرف نفت کوره بر مبنای معیار MSE دارای دقت بیشتری است.

کلمات کلیدی: تقاضا – فرآورده های سوختی – الگوریتم علف های هرز – بهینه سازی توده ذرّات – شبکه های هوش مصنوعی

فهرست مطالب

عنوان

  1. فصل اول: کلیّات تحقیق… 1

1.1. مقدمه. 2

1.2. بیان مسأله. 5

1.3. اهمیت پژوهش….. 6

1.4. اهداف تحقیق… 6

1.5. سؤالات پژوهشی… 6

1.6. روش تحقیق… 7

1.7. قلمرو تحقیق… 7

1.7.1. قلمرو موضوعی… 7

1.7.2. قلمرو زمانی… 7

1.7.1. قلمرو مکانی… 7

1.8. شرح واژه و اصطلاحات به کار رفته در پژوهش (مفاهیم عملیاتی): 7

  1. فصل دوم: مبانی نظری تحقیق… 10

2.1. مقدمه. 11

2.2. پیش بینی تقاضای فرآورده های سوختی نفتی… 11

2.2.1. پیش بینی تقاضا 11

2.2.2. اهمیت پیش بینی تقاضا 12

2.2.3. سیستم پیش بینی تقاضا 12

2.2.3.1. خروجی های سیستم پیش بینی… 13

2.2.3.2. ورودی های سیستم پیش بینی… 14

2.2.3.3. محدودیت های سیستم پیش بینی… 14

4.3.2.2. تصمیمات سیستم پیش بینی… 15

2.2.3.5. معیار عملکرد سیستم پیش بینی… 15

2.2.3.6. روشهای پیش بینی تقاضا 16

2.2.4. اندازه گیری و کنترل خطای پیش بینی… 19

2.3. فرآورده های سوختی نفتی… 21

2.4. اهمیت تکنیک های مورد استفاده. 22

2.5. سابقۀ تحقیق (مروری بر مطالعات پیشین) 22

2.5.1. مروری بر مطالعات انجام گرفتۀ داخلی… 22

2.5.2. مروری بر مطالعات انجام گرفتۀ خارجی… 28

2.6. جمع بندی مرور ادبیّات… 32

  1. فصل سوم: روش تحقیق… 33

3.1. مقدمه. 34

3.2. روش تحقیق… 34

3.3. تکنیک های مورد استفاده در تحقیق… 34

3.3.1. الگوریتم بهینه سازی علف های هرز(IWO). 34

3.3.1.1. مقدمه. 34

3.3.1.2. اکولوژی تولید مثل علف های هرز. 35

3.3.1.3. شبیه سازی رفتار علف های هرز. 35

3.3.1.4. جزئیات گام های الگوریتم بهینه سازی علف های هرز. 36

3.3.1.5. بررسی مشکلات الگوریتم بهینه سازی علف های هرز IWO…. 39

3.3.1.6. نوآوری در الگوریتم بهینه سازی علف های هرز. 39

3.3.1.7. اجزاء و پارامترهای الگوریتم بهینه سازی علف های هرز. 39

3.3.1.8. نحوۀ محاسبه دانه های تولیدی و به روزرسانی انحراف معیار. 41

3.3.2. الگوریتم بهینه سازی توده ذرّات (PSO). 42

3.3.2.1. مقدمه. 42

3.3.2.2. تاریخچۀ بهینه سازی توده ذرّات… 43

3.3.2.3. هوش ازدحامی… 44

3.3.2.4. کاربردهای الگوریتم بهینه سازی توده ذرّات… 45

3.3.2.5. مراحل اجرای الگوریتم بهینه سازی توده ذرّات… 45

3.3.2.6. توپولوژی یا ساختار شبکۀ اجتماعی… 46

3.3.2.7. بررسی مشکلات الگوریتم بهینه سازی توده ذرّات… 47

3.3.2.8. معادلات توصیف کنندۀ رفتار ذرّات… 48

3.3.2.9. پارامترهای الگوریتم بهینه سازی توده ذرّات… 48

3.3.2.10. مراحل الگوریتم ازدحام ذرات… 50

3.3.3. شبکه های هوش مصنوعی (ANN). 50

3.3.3.1. مقدمه. 50

3.3.3.2. شبکه عصبی مصنوعی… 51

3.3.3.3. شبکۀ MLP.. 52

3.3.3.4. مدل تک ورودی در شبکه های عصبی… 52

3.3.3.5. مدل چند ورودی شبکه عصبی… 53

3.3.4. کاربرد شبکه های عصبی مصنوعی… 54

3.4. مدل اتورگرسیو مرتبۀ P یا AR(P). 55

3.5. روش گردآوری اطلاعات… 55

3.6. تعریف بهینه سازی… 55

3.6.1. انواع روش های بهینه سازی… 56

3.6.1.1. کلاسیک ها 56

3.6.1.2. روش های ابتکاری… 56

  1. فصل چهارم تجزیه و تحلیل داده ها 57

4.1. مقدمه. 58

4.2. جمع آوری داده ها 58

4.3. خطاهای پیش بینی… 61

4.4. پیشبینی با بهره گرفتن از الگوریتم فراابتکاری علفهای هرز. 62

4.4.1. تنظیم پارامترها 62

4.4.2. برآورد وزنهای AR با بهره گرفتن از الگوریتم IWO…. 64

4.4.3. مقادیر پیشبینی با بهره گرفتن از الگوریتم IWO…. 66

4.5. پیش بینی با بهره گرفتن از الگوریتم فراابتکاری ازدحام ذرّات… 69

4.5.1. مقادیر ویژۀ ضرایب الگوریتم PSO…. 69

4.5.2. تنظیم پارامتر ها 71

4.5.3. مقادیر پیش بینی با بهره گرفتن از الگوریتم PSO…. 72

4.6. پیش بینی با بهره گرفتن از شبکه های هوش مصنوعی… 76

4.6.1. پیش بینی تقاضا برای بنزین موتور با بهره گرفتن از شبکه های هوش مصنوعی: 76

4.6.1.1. تعداد دوره های ورودی برای پیش بینی بنزین موتور: 76

4.6.1.2. ساختار شبکه های عصبی برای بنزین موتور: 77

4.6.2. پیش بینی تقاضا برای نفت کوره با بهره گرفتن از شبکه های هوش مصنوعی: 79

4.6.2.1. تعداد دوره های ورودی برای پیش بینی نفت کوره: 79

4.6.2.2. ساختار شبکه های عصبی برای نفت کوره: 79

4.6.3. پیش بینی تقاضا برای نفت سفید با بهره گرفتن از شبکه های هوش مصنوعی: 81

4.6.3.1. تعداد دوره های ورودی برای پیش بینی نفت سفید: 81

4.6.3.2. ساختار شبکه های عصبی برای نفت سفید: 82

4.6.4. پیش بینی تقاضا برای نفت گاز با بهره گرفتن از شبکه های هوش مصنوعی: 84

4.6.4.1. تعداد دوره های ورودی برای پیش بینی نفت گاز: 84

4.6.4.2. ساختار شبکه های عصبی برای نفت گاز: 85

  1. فصل پنجم بحث و نتیجه گیری.. 88

5.1. مقدمه. 89

5.2. ارزیابی مدل ها پیش بینی… 89

5.3. بررسی سوالات پژوهشی… 91

5.4. بحث و نتیجه گیری… 91

5.5. پیشنهادات کاربردی… 92

5.6. پیشنهادات برای تحقیقات آتی… 92

1.1. مقدمه

طی دهه های اخیر از انرژی به عنوان یکی از عوامل مهم تولید یاد شده است، به طوری که در کنار سایر عوامل تولید، نقش تعیین کننده ای در حیات اقتصادی کشورها داشته و با توسعه و پیشرفت اقتصادی، اهمیت آن به طور فزاینده ای افزایش یافته است  وابستگی روزافزون زندگی بشر به انرژی موجب شده است تا این بخش به طور بالقوه و بالفعل در کارکرد بخشهای مختلف  اقتصادی کشورها نیز نقش چشم گیری ایفا کند. “بهبودی و همکاران، 1388”

رشد و توسعه اقتصادی، از اهداف اصلی سیاست گذاران اقتصادی محسوب می شود. پژوهشهای متعدد پژوهشگران در سطح جهان نشان داده است که سرعت روند رشد و توسعه اقتصادی در کشورهای جهان تا حدود زیادی به سطح مصرف کارآی انرژی بستگی دارد. “مزرعتی، 1378”

 بهبود سطح زندگی مردم و مکانیزه شدن تولید به منظور ارتقاء سطح بهره وری کار، افزایش سریع مصرف انرژی را موجب می شود، البته افزایش سریع مصرف انرژی در مراحل اولیۀ رشد اقتصادی اتفاق می افتد. در مراحل بعدی رشد، با پدیدار شدن اثرات سوء زیست محیطی و نیز ارتقای آگاهی ها و حساسیت های عمومی، مباحث رشد پایدار و مسایل زیست محیطی اهمیت بیشتری پیدا کرده و روند افزایش مصرف انرژی به دلیل استفاده بهینۀ آن کاهش می یابد. “بهبودی و همکاران ، 1388”

علی رغم روند رو به رشد و توسعۀ استفاده از انرژی های نو مانند انرژی هسته ای در سطح جهان، هنوز عمده ترین بخش ازتقاضای انرژی سوخت فسیلی تأمین می شود که از جمله مهم ترین آن نفت خام است. پیش بینی تقاضا انواع مختلف حامل های انرژی از مباحثی است که به ویژه بعد از جنگ جهانی دوم مورد توجه محافل علمی و اقتصادی جهان واقع گردیده است. از اوایل دهۀ 1970 وقتی انرژی توجه سیاستمدران را در نتیجه ی اولین بحران نفتی به خود جلب کرد، تحقیق وبررسی روی تقاضای آن به منظور غلبه بر فهم محدود از ماهیت تقاضای انرژی، به شدت گسترش یافت ” پیندینگ[1] ، 1979″. امروزه نفت به عنوان یک کالای اقتصادی سیاسی نقش مهمی در تحولات جهان ایفا می کند و تا زمانی که منبع انرژی دیگری یافت نشود، هم چنان اثرات دامنه داری بر اقتصاد جهان خواهد داشت و تقریباً تمام مصنوعات بشر در مراحلی از تولید تا توزیع ازمصارف انرژی گرفته تا حمل و نقل، به آن وابسته اند. به گفته دانیل یرگین[2] ، “هنگامی که به قرن بیست و یکم نگاه می کنیم، یک بشکه نفت، به اندازه پیشرفت در علوم کامپیوتری مایۀ تسلط و برتری است و نفت مانند گذشته هم چنان مولّد ثروت های عظیم برای افراد، شرکت ها و تمامی یک کشور است”. از همین رو سیاستگذاری نفتی کشورهای نفت خیز به واقع بخش عمدهای از سیاست گذاری این کشورها را تشکیل می دهد و در این کشورها هرگونه برنامه ریزی مستقیم یا غیرمستقیم متأثر ازسیاست های نفتی است. “اسلامی نژاد،1386”

در دهه هاى اخیر، از انرژى به عنوان یکى از عوامل مهم تولید یاد شده است، به طورى که درکنار سایر عوامل تولید، نقش تعیین کننده اى درحیات اقتصادى کشورها داشته و با توسعه و پیشرفت اقتصادى، اهمیت آن به طور فزاینده اى افزایش یافته است. وابستگى روزافزون زندگى بشر به انرژى موجب شده است تا این بخش به طور بالقوه و بالفعل، درکارکرد بخش هاى مختلف اقتصادى کشورها نیز نقش چشمگیرى ایفا کند ” بهبودى و همکاران، 1388 “.

تأمین امنیّت عرضۀ انرژی در دنیا ، ازمسائل راهبردى پیش روى همۀ دولت ها است. امروزه درایران ، تلاش ها در بخش مدیریت سمت عرضۀ انرژی متمرکز است و کمتر به مدیریت سمت تقاضای انرژی توجه مى شود، درحالی که مدیریت تقاضای انرژی و تلاش براى استفادۀ بهینه از انرژی در همۀ کشورهای پیشرفته دنیا، از مهم ترین عوامل پیشرفت صنعتی پایدار بوده است ” مبینى دهکردى وهمکاران، 1388″.

ایران از منابع غنی و گسترده انرژی، مخازن بزرگ نفتی و گازطبیعی، معادن عظیم زیرزمینی و پتانسیل بالقوه انرژی برخوردار است، پیش بینى مصرف انرژی مى تواند در تبیین سیاست هاى بخش انرژی، کمک مؤثرى کند. همچنین از آنجایى که مدتی است موضوع محدود کردن مصرف انرژی به ویژه فرآورده هاى نفتی مانند بنزین، در رأس سیاست هاى اقتصادی دولت قرار گرفته است و مشکلات ناشی از افت فشار گازطبیعی، مانند قطع گاز در استان هاى مختلف یا کاهش تولید برق در کارخانجاتی که سوخت اصلی آنها، گاز طبیعی است، گاهى در کشور ایجاد می شود و کمبود منابع انرژی دیگر نیز گاهى برای بخش هاى مختلف اقتصاد، مشکل ساز مى شود، پیش بینى و الگوسازى مصرف انرژی، می تواند رهنمود مناسبی برای سیاستگذاران بخش انرژی و اقتصاد کشور باشد ” آماده وهمکاران ، 1388 “

از طرفی تأثیر نفت و حامل های انرژی به ویژه بنزین ، گازوئیل و … در اقتصاد کشور برکسی پوشیده نیست، بنابراین تحقق توسعه پایدار ، در گرو آن است که تولید و بهره برداری از انرژی همراه با سایر نهادها نظیر تکنولوژی، منابع انسانی ، مواد اولیه ، منابع مالی و… بطور هماهنگ و هم ساز برنامه ریزی شود. مصرف فراورده هایی همچون نفت سفید[3]  ، نفت کوره[4] ، بنزین موتور[5] و نفت گاز[6] با در نظر گرفتن اهمیّت آن در بخش های مختلف ، نقش اساسی در رشد و توسعۀ اقتصادی کشورها ایفا می کند . بررسی مصرف آتی تقاضای فرآورده های نفتی در جهت شناخت دقیق و صحیح از ساختار رفتاری مصرف ، به منظور برنامه ریزی دقیق در راستای تحقق اهداف مورد نظر، امری ضروری است. آگاهی از میزان تقاضای نفت سفید ، نفت کوره و  بنزین موتور و نفت گاز به منظور اتخاذ تصمیمات صحیح برای برنامه ریزی و سیاست گذاری های مناسب از اهمیّت ویژه ای برخوردار است این مقوله در بخش های مختلف (حمل و نقل ، صادرات و….) سهم قابل توجه ای از مصرف این سه نوع محصول را دارد که از اهمیّت به سزایی برخوردار است . از طرفی در تجزیه و تحلیل تقاضای حامل های انرژی مدل های مختلفی مورد استفاده قرار می گیرد ، که برخی فقط برای جهت مطالعه حامل های انرژی طراحی شده و برخی ارتباط آنها را با یکدیگر بررسی می کند.

روش هاى آمارى و اقتصاد سنجى، درمورد پیش بینى سرى هاى زمانى عملکرد خوبى داشته است، اما محدودیت هایى نیزدارد، ازجمله اینکه ممکن است در این گونه روش ها، فرم تبعى متغیّرهاى مستقل و وابسته در صورت عدم شناخت کافى به درستى تصریح نشود. علاوه براین، داده هاى پرت ممکن است به تخمین اُریب پارامترهاى الگو بیانجامد. درضمن، بیشتر الگوهاى سرى زمانى، خطّى است و بنابراین در تشریح رفتارهاى غیرخطّى ناتواناست ” ابریشمى و همکاران، 1389 “. درپژوهش هاى اخیر، از الگوهاى هوش مصنوعى به طور متداول به عنوان ابزار تقریبى غیرخطّى استفاده شده است، به طورى که مى توان با بهره گرفتن از آن بر مشکلات فوق چیره شد.”جوادپور وکناپ، 2003 “.

هدف پژوهش حاضر، کاربرد الگوهاى هوش مصنوعى، یعنى الگوهاى شبکه هوش مصنوعی، الگوریتم توده ذرّات و الگوریتم علف های هرز، در پیش بینى مصرف انرژى بخش حمل ونقل کشور است تا در پایان بتوان میزان کارایى این روش ها را در پیش بینى مصرف انرژى مقایسه کرد.

1.2. بیان مسأله

شاید اغراق نباشد اگر گفته شود که در تمام  دوره های زندگی بشر، نفت ماده شناخته شده ای بوده است. اما در طول چندین دهۀ گذشته ، حیاتی بودن آن برای تداوم زندگی اقتصادی تردید ناپذیر شده است. حدود 75 درصد از کل منابع نفت موجود جهان در خاورمیانه قرار دارد و  ایران یکی از 5 کشور بزرگ مالک ذخایر نفتی در جهان است. نفت از مهم ترین منابع کشور محسوب می شود و مسأله پیش بینی فرآورده های سوختی نفتی در تعیین سیاست بهره برداری از منابع نفتی از اهمیّت ویژه ای برخوردار است. از طرف دیگر  پیش بینی و الگو های آن  یکی از مباحث مهم و حیاتی مدیریت درزمینه برنامه ریزی و تصمیم گیری است که امروزه علاقه فراوانی در استفاده از سیستم های هوشمند به منظور بهبود کیفیّت تصمیم های مدیریتی و کاهش خطاهای پیش بینی به دلیل قابلیت بالای این سیستم ها بوجود آورده است. ایران از جمله کشورهایی است که اساس اقتصاد آن بر درآمد صادرات فراورده های سوختی نفتی بنا شده است. ارتباط حجم و ارزش صادرات نفت و گاز و رشد اقتصادی به منزلۀ افزایش ظرفیّت های اقتصادی یکی از  موضوعات مهم و قابل توجّه برای مراکز تحقیقاتی و برنامه ریزی است. همچنین در دنیای پیچیدۀ امروز پیش بینی و مدیریت تقاضا نقش مهمی در برنامه ریزی حوزۀ انرژی کشورهای نفت خیز دارد ، این بدان دلیل است که نفت یکی از پارامتر و عوامل بسیار مهم در امنیت اقتصادی این کشورها محسوب می شود. براین اساس تخمین تقاضای نفت و فرآورده های سوختی نفتی و تحلیل آن در طول زمان می تواند نقش قابل توجّهی در نیل به اهداف ایفا کند. از طرفی تخمین و پیش بینی میزان تقاضای فرآورده های سوختی نفتی از مدل و تکنیک های مختلفی می تواند صورت بگیرد. اما با توجه به تکنیک های زیادی که ارائه شده است آیا می توان تکنیکی را برتر ، در دقّت برآوردها شناسایی کرد؟

در سال های اخیر شاهد حضور موفق روش های فرا ابتکاری الگوریتم بهینه سازی ازدحام ذرّات[7] و شبکه های عصبی مصنوعی[8] بوده ایم. در این تحقیق سعی شده است تا با بهره گرفتن از روش های جدید و نیرومند به پیش بینی فرآورده های نفتی بپردازیم وکیفیّت این روش ها را با یکدیگر مقایسه نمائیم. همچنین با پیشرفت و توسعۀ روش های غیر خطّی همچون شبکه های عصبی ، شبکه های عصبی فازی[9]، الگوریتم ژنتیک[10]، الگوریتم کولونی مورچگان[11]، الگوریتم بهینه سازی ازدحام ذرّات ، الگوریتم بهینه سازی علف های هرز[12] و … می توان از این روش ها برای پیش بینی تقاضا استفاده نمود.

1.3. اهمیت پژوهش

طبق تعریف، پیش بینی یک برآورد (یا تعدادی برآورد) کمی درباره  احتمال وقایع آینده است که براساس اطلاعات حال و گذشته انجام می شود “چتفیلد ، 1372”. از طرفی پیش بینی مناسب برای محصولاتی مهم از قبیل بنزین ،گازوئیل و… می تواند در توسعه و برنامه ریزی اقتصادی یک کشور اهمیّت بسزایی داشته باشد. به عبارتی داشتن پیش بینی مناسب از آینده، کارایی برنامه ریزی را به شدّت تحت تأثیر قرار می دهد.

همانطور که اشاره شد برای تخمین تابع تقاضای نفت و فرآورده های سوختی نفتی می توان از تکنیک و مدل های مختلفی کمک گرفت، اما در این تحقیق برای پیش بینی تقاضا برای فرآورده های سوختی نفتی از سه روش توانمندی عینی شبکه های هوش مصنوعی، الگوریتم توده ذرات و علف های هرز استفاده شده است که در نهایت می توان یکی از بهترین روشهای پیش بینی تقاضا را تعیین کرد که نسبت به سایر روش های ارائه شده ازدقت بالاتری برخوردار می باشد.

1.4. اهداف تحقیق

همانطور که اشاره شد تخمین تابع تقاضا با تکنیک های مناسب و دقیق تر می تواند ما را به پیش بینی دقیق تری از فرآورده های سوختی نفتی برساند که در نهایت می توان با برآورد کردن تابع تقاضا و اطلاع از حدود تقاضا با تکنیک های مطرح شده سیاست های مناسب و برنامه ریزی دقیق تری را در پیش گرفت. به طور کلّی هدف از این پژوهش  ارائه تکنیک های مختلف است که می توان در تخمین تابع تقاضا از آنها کمک گرفت و در نهایت خروجی هر یک از تکنیک های مورد نظر را با یکدیگر مقایسه کرد و یک تکنیک برتر و کارآمد را معرفی کرد.

1.5. سؤالات پژوهشی

برخی از سؤالاتی که در این باره می تواند مورد توجه قرار بگیرد به شرح زیر است:

1- آیا با سه روش بهینه سازی توده ذرّات ،شبکه های هوش مصنوعی و الگوریتم علف های هرز می توان به پیش بینی تابع تقاضا پرداخت؟

2- از بین سه روش فوق کدامیک از اهمیت و دقت بالاتری برخوردار است؟

1.6. روش تحقیق

نوع تحقیق بر اساس هدف کاربردی می باشد و براساس چگونگی بدست آوردن داده های مورد نیاز، تحقیق حاضر یک بخش کتابخانه ای می باشد، به این ترتیب که ابتدا برای شناسایی عوامل مؤثر بر تابع تقاضا با بررسی کتابخانه ای  پیشینۀ تحقیق ، مجموعه ای از شاخص ها شناسایی می شود و بعد از آن داده ها بر اساس پایگاه داده شرکت نفت استخراج می شود و در نهایت از طریق نرم افزار MATLAB اجرا می شود.

1.7. قلمرو تحقیق

قلمرو تحقیق شامل سه مورد قلمرو موضوعی، قلمرو زمانی و قلمرو مکانی است که در ادامه به تشریح هر یک پرداخته می شود.

1.7.1. قلمرو موضوعی

قلمرو موضوعی این پایان نامه پیش بینی تقاضا برای فرآورده های سوختی نفتی می باشد.

1.7.2. قلمرو زمانی

قلمرو زمانی تحقیق، با بهره گرفتن از میزان مصرف چهار فرآوردۀ مهم سوختی نفتی در بازۀ زمانی سال 1306 تا 1391 می باشد.

1.7.1. قلمرو مکانی

قلمرو مکانی این تحقیق، شرکت ملّی پالایش و پخش فرآورده های سوختی نفتی کشور می باشد.

1.8. شرح واژه و اصطلاحات به کار رفته در پژوهش (مفاهیم عملیاتی):

تقاضا[13] :

از تقاضا تعاریف زیادی ارائه شده است.اما یک تعریف کلّی که می توان از تقاضا ارائه داد به این ترتیب است که تقاضا عبارت است از مقدار کالا یا خدمتی که با توجه قیمت و سایر عوامل در یک دوره خریداری می کنیم ” نظری، 1392″.

فراورده های سوختی نفتی[14]:

به مجموعه ای از محصولات منتج از نفت گفته می شود که شامل بنزین ، نفت گاز و … می باشد.

الگوریتم بهینه سازی علف های هرز:

در طول چهار دهۀ گذشته، تعداد زیادی الگوریتم به منظور حل مسائل متنوّع بهینه سازی مهندسی توسعه یافته اند. اکثر این الگوریتم ها بر پایه روش های برنامه ریزی خطّی و غیر خطّی عددی بوده است. الگوریتم بهینه سازی علف های هرز (IWO) یک الگوریتم بهینه سازی احتمالی عددی الهام گرفته شده از رشد علف های هرز می باشد، که در سال 2006 توسط محرابیان و لوکاس در قالب مقاله ایی ارائه شد.

علف های هرز گیاهانی هستند که رشد هجوم آورنده و شدید آنها تهدید مهمی برای گیاهان زراعی محسوب می شود. علف های هرز بسیار پایدار و تطابق پذیر در مقابل تغییرات محیط می باشند. بنابراین با گرفتن خصوصیات آنها می توان به یک الگوریتم بهینه سازی قوی رسید. این الگوریتم تلاش می کند که از قدرت تطابق پذیری و تصادفی بودن  جمعیّت علف های هرز به طور ساده تقلید کند. معمولاً برای شبیه سازی رفتار علف های هرز تعدادی مسائل پایه ای نیاز است:

1-مقدار دهی اولیه یک جمعیت

2-تولید مثل

3-پراکندگی محیطی

4-حذف رقابتی

الگوریتم بهینه سازی توده ذرّات:

الگوریتم بهینه سازی توده ذرّات یکی از مهم ترین الگوریتم هایی است که در حوزۀ هوش جمعی[15] جای می گیرد. این الگوریتم توسط کندی و ابراهارت[16] در سال 1995 معرفی و با الهام گرفتن از رفتار اجتماعی موجوداتی چون ماهی و پرندگان که در گروه های کوچک و بزرگ کنار هم زندگی می کنند طراحی شده است. نام های دیگر این الگوریتم عبارتند از: الگوریتم بهینه سازی ازدحام ذرّات و الگوریتم پرندگان است که شباهت زیادی به الگوریتم ژنتیک دارد. در این روش هر پاسخ را می توان به صورت پرنده ای در دسته ای از پرندگان تصور نمود. در ابتدا یک دسته از اجزاء که هرکدام  iتحت عنوان جزء یک پاسخ برای مسئله می باشند به صورت تصادفی تولید می شوند و در ادامه با حرکت دسته ای از اجزاء در جهت یافتن بهترین پاسخ فضای امکان پذیر جستجو می شود. تغییر موقعیت اجزاء برای رسیدن به موقعیت بهتر، باتوجه به دو عامل صورت می گیرد. این عوامل عبارتند از بهترین موقعیت هر جزء که قبلاً با آن روبرو شده است و موقعیت بهترین جزء جمعیت در طول فرآیند جستجو. سرانجام همۀ اجزاء پس از جستجوی کامل در نقطۀ بهینه همگرا می شوند.

شبکه های هوش مصنوعی:

شبکه های عصبی مصنوعی یا به زبان ساده تر شبکه های عصبی سیستم ها، روش های محاسباتی نوینی هستند که برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش بدست آمده در جهت پیش بینی پاسخ های خروجی از سامانه های پیچیده مورد استفاده قرار می گیرد. به طور کلی این تکنیک یکی از روش های جدید در رشتۀ اقتصاد در ایران به تازگی مورد توجه قرار گرفته است و ابزارهای خطّی و غیر خطّی را برای پیش بینی در اختیار قرار می دهد، به عبارت دیگر هوش مصنوعی به عنوان یکی از سه تکنیک ذکر شده می تواند روابط خطّی و غیر خطّی بین ورودی ها و خروجی ها را براساس داده های آموزش تشخیص داده و روابط بنیادی بین آنها را شناسایی کند و سپس روابط کشف شده را بر سایر داده ها تعمیم دهد که در نهایت می تواند به ساختاری دست یابد که توانایی پیش بینی تقاضا را داشته باشد. توافق دقیقی بر تعریف شبکه عصبی درمیان محقّقان وجود ندارد ؛ اما اغلب آنها موافقند که شبکۀ عصبی شامل شبکه ‎ای از عناصر پردازش ساده (نرون[17] ها) است، که می تواند رفتار پیچیدۀ کلّی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورون ها (آکسون[18]‎ ها، شاخه های متعدد سلولهای عصبی ومحلهای تماس دو عصب) نشأت گرفته است، که یکی از قابل توجه‎ ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده برای تشکیل شبکه ‎ای از گره‎ها، به هم متصل شده اند، به همین دلیل به آن، اصطلاح شبکه‎های عصبی اطلاق می‎شود. درحالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطۀ الگوریتم هایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه طراحی شده باشد.

تعداد صفحه :116

قیمت :37500 تومان

بلافاصله پس از پرداخت ، لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت  merisa.jami@gmail.com

این نوشته در رشته مدیریت ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.