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 شبکه‌های عصبی مصنوعی

استاد مشاور:

دکتر علیرضا ناصرصدرآبادی

آبان 1393

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

(در فایل دانلودی نام نویسنده و استاد راهنما موجود می باشد)

تکه هایی از متن پایان نامه به عنوان نمونه :

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

چکیده:

فرآورده های سوختی نفتی در کنار سایر عوامل تولید ، یک عامل مؤثر در رشد و توسعۀ اقتصادی تلقی می گردد و در عملکرد بخش های مختلف اقتصادی تأثیر مهمی را اعمال می کند. از این رو مسئولان بایستی کوشش 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 مطالعه و پیش بینی قرارگرفته می باشد.

در این مطالعه مصرف فرآورده های سوختی نفتی در ایران با بهره گیری از سه تکنیک قدرتمند الگوریتم توده ذرّات ، علف های هرز و شبکه های عصبی مصنوعی پیش بینی شده می باشد. برای این مطالعه ، از داده های سالانۀ مربوط به مصرف این چهار فرآورده در بازۀ زمانی (1391-1306) بهره گیری شده می باشد. نتایج ارزیابی نشان داد که الگوریتم علف های هرز با در نظر داشتن معیار MAPE دارای دقت بیشتری می باشد اما با در نظر داشتن معیار MSE با در نظر داشتن مصرف صعودی بنزین و نفت گاز روش شبکه های هوش مصنوعی دارای دقت بالاتری می باشد 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 می باشد.

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 پژوهش… 1

1.1. مقدمه. 2

1.2. اظهار مسأله. 5

1.3. اهمیت پژوهش….. 6

1.4. اهداف پژوهش… 6

1.5. سؤالات پژوهشی… 6

1.6. روش پژوهش… 7

1.7. قلمرو پژوهش… 7

1.7.1. قلمرو موضوعی… 7

1.7.2. قلمرو زمانی… 7

1.7.1. قلمرو مکانی… 7

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

  1. فصل دوم: مبانینظری پژوهش… 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 بهره گیری. 22

2.5. سابقۀ پژوهش (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 پژوهش… 33

3.1. مقدمه. 34

3.2. روش پژوهش… 34

3.3. تکنیک های مورد بهره گیری در پژوهش… 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. مطالعه معضلات 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. مطالعه معضلات 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 داده‌ها 57

4.1. مقدمه. 58

4.2. جمع آوری داده ها 58

4.3. خطاهای پیش‌بینی… 61

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

4.4.1. تنظیم پارامترها 62

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

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

4.5. پیش بینی با بهره گیری 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 گیری از الگوریتم PSO…. 72

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

4.6.1. پیش بینی تقاضا برای بنزین موتور با بهره گیری 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 گیری 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 گیری 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 گیری 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. مطالعه 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 می باشد، به طوری که در کنار سایر عوامل تولید، تأثیر تعیین کننده ای در حیات اقتصادی کشورها داشته و با توسعه و پیشرفت اقتصادی، اهمیت آن به گونه فزاینده‌ای افزایش یافته می باشد  وابستگی روزافزون زندگی بشر به انرژی موجب شده می باشد تا این بخش به گونه بالقوه و بالفعل در کارکرد بخشهای مختلف  اقتصادی کشورها نیز تأثیر چشم گیری اعمال کند. “بهبودی و همکاران، 1388”

رشد و توسعه اقتصادی، از اهداف اصلی سیاست گذاران اقتصادی به شمار می رود. پژوهشهای متعدد پژوهشگران در سطح جهان نشان داده می باشد که سرعت طریقه 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 مقصود ارتقاء سطح بهره وری کار، افزایش سریع مصرف انرژی را موجب می گردد، 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، موضوعات رشد پایدار و مسایل زیست محیطی اهمیت بیشتری پیدا کرده و طریقه افزایش مصرف انرژی به دلیل بهره گیری بهینۀ آن کاهش می یابد. “بهبودی و همکاران ، 1388”

علی رغم طریقه رو به رشد و توسعۀ بهره گیری از انرژی های نو مانند انرژی هسته ای در سطح جهان، هنوز عمده ترین بخش ازتقاضای انرژی سوخت فسیلی تأمین می گردد که مانند مهم ترین آن نفت خام می باشد. پیش بینی تقاضا انواع مختلف حامل های انرژی از مباحثی می باشد که به ویژه بعد از جنگ جهانی دوم مورد توجه محافل علمی و اقتصادی جهان واقع گردیده می باشد. از اوایل دهۀ 1970 وقتی انرژی توجه سیاستمدران را در نتیجه ی اولین بحران نفتی به خود جلب نمود، پژوهش وبررسی روی تقاضای آن به مقصود غلبه بر فهم محدود از ماهیت تقاضای انرژی، به شدت گسترش پیدا نمود ” پیندینگ[1] ، 1979″. امروزه نفت به عنوان یک کالای اقتصادی سیاسی تأثیر مهمی در تحولات جهان اعمال می کند و تا زمانی که منبع انرژی دیگری پیدا نمود 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 می باشد و نفت مانند گذشته هم چنان مولّد ثروت های عظیم برای افراد، شرکت ها و تمامی یک کشور می باشد”. 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 می باشد. “اسلامی نژاد،1386”

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

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

ایران از منابع غنی و گسترده انرژی، مخازن بزرگ نفتی و گازطبیعی، معادن عظیم زیرزمینی و پتانسیل بالقوه انرژی برخوردار می باشد، پیش بینى مصرف انرژی مى تواند در تبیین سیاست هاى بخش انرژی، کمک مؤثرى کند. همچنین از آنجایى که مدتی می باشد موضوع محدود کردن مصرف انرژی به ویژه فرآورده هاى نفتی مانند بنزین، در رأس سیاست هاى اقتصادی دولت قرار گرفته می باشد و معضلات ناشی از افت فشار گازطبیعی، مانند قطع گاز در استان هاى مختلف یا کاهش تولید برق در کارخانجاتی که سوخت اصلی آنها، گاز طبیعی می باشد، گاهى در کشور ایجاد می گردد و کمبود منابع انرژی دیگر نیز گاهى برای بخش هاى مختلف اقتصاد، مشکل ساز مى گردد، پیش بینى و الگوسازى مصرف انرژی، می‌تواند 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، پس شکل گیری توسعه پایدار ، در گرو آن می باشد که تولید و بهره برداری از انرژی همراه با سایر نهادها نظیر تکنولوژی، منابع انسانی ، مواد اولیه ، منابع مالی و… بطور متناسب و هم ساز برنامه ریزی گردد. 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 ، تأثیر اساسی در رشد و توسعۀ اقتصادی کشورها اعمال می کند . مطالعه مصرف آتی تقاضای فرآورده های نفتی در جهت شناخت دقیق و صحیح از ساختار رفتاری مصرف ، به مقصود برنامه ریزی دقیق در راستای شکل گیری اهداف مورد نظر، امری ضروری می باشد. آگاهی از اندازه تقاضای نفت سفید ، نفت کوره و  بنزین موتور و نفت گاز به مقصود اتخاذ تصمیمات صحیح برای برنامه ریزی و سیاست گذاری های مناسب از اهمیّت ویژه ای برخوردار می باشد 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 می باشد . از طرفی در تجزیه و تحلیل تقاضای حامل‌های انرژی مدل های مختلفی مورد بهره گیری قرار می گیرد ، که بعضی فقط برای جهت مطالعه حامل های انرژی طراحی شده و بعضی ارتباط آنها را با یکدیگر مطالعه می کند.

این مطلب رو هم توصیه می کنم بخونین:   دانلود پایان نامه ارشد :ارزیابی ارتباط میان ابعاد رهبری معنوی و رضایت شغلی کارکنان شعب بانک پارسیان در استان تهران93

روش هاى آمارى و اقتصاد سنجى، در ارتباط با پیش بینى سرى هاى زمانى عملکرد خوبى داشته می باشد، اما محدودیت هایى نیزدارد، ازجمله اینکه ممکن می باشد 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 می باشد به تخمین اُریب پارامترهاى الگو بیانجامد. درضمن، بیشتر الگوهاى سرى زمانى، خطّى می باشد و پس در تشریح رفتارهاى غیرخطّى ناتواناست ” ابریشمى و همکاران، 1389 “. درپژوهش هاى اخیر، از الگوهاى هوش مصنوعى به گونه متداول به عنوان ابزار تقریبى غیرخطّى بهره گیری شده می باشد، به طورى که مى توان با بهره گیری از آن بر معضلات فوق چیره گردید.”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 می باشد تا در پایان بتوان اندازه کارایى این روش ها را در پیش بینى مصرف انرژى مقایسه نمود.

1.2. اظهار مسأله

شاید اغراق نباشد اگر گفته گردد که در تمام  دوره های زندگی بشر، نفت ماده شناخته شده ای بوده می باشد. اما در طول چندین دهۀ گذشته ، حیاتی بودن آن برای تداوم زندگی اقتصادی تردید ناپذیر شده می باشد. 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 می باشد. نفت از مهم ترین منابع کشور به شمار می رود و مسأله پیش بینی فرآورده های سوختی نفتی در تعیین سیاست بهره برداری از منابع نفتی از اهمیّت ویژه ای برخوردار می باشد. از طرف دیگر  پیش بینی و الگو های آن  یکی از موضوعات مهم و حیاتی مدیریت درزمینه برنامه ریزی و تصمیم گیری می باشد که امروزه علاقه فراوانی در بهره گیری از سیستم های هوشمند به مقصود بهبود کیفیّت تصمیم های مدیریتی و کاهش خطاهای پیش بینی به دلیل قابلیت بالای این سیستم ها به وجودآورده می باشد. ایران مانند کشورهایی می باشد که اساس اقتصاد آن بر درآمد صادرات فراورده های سوختی نفتی بنا شده می باشد. 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 می باشد. همچنین در دنیای پیچیدۀ امروز پیش بینی و مدیریت تقاضا تأثیر مهمی در برنامه ریزی حوزۀ انرژی کشورهای نفت خیز دارد ، این به آن دلیل می باشد که نفت یکی از پارامتر و عوامل بسیار مهم در امنیت اقتصادی این کشورها به شمار می رود. براین اساس تخمین تقاضای نفت و فرآورده های سوختی نفتی و تحلیل آن در طول زمان می تواند تأثیر قابل توجّهی در نیل به اهداف اعمال کند. از طرفی تخمین و پیش بینی اندازه تقاضای فرآورده های سوختی نفتی از مدل و تکنیک های مختلفی می تواند صورت بگیرد. اما با در نظر داشتن تکنیک های زیادی که ارائه شده می باشد آیا می توان تکنیکی را برتر ، در دقّت برآوردها شناسایی نمود؟

در سال های اخیر شاهد حضور موفق روش های فرا ابتکاری الگوریتم بهینه سازی ازدحام ذرّات[7] و شبکه های عصبی مصنوعی[8] بوده‌ایم. در این پژوهش کوشش شده می باشد تا با بهره گیری 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 بهره گیری نمود.

1.3. اهمیت پژوهش

طبق تعریف، پیش بینی یک برآورد (یا تعدادی برآورد) کمی درمورد  احتمال وقایع آینده می باشد که براساس اطلاعات حال و گذشته انجام می گردد “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 تعبیری داشتن پیش بینی مناسب از آینده، کارایی برنامه ریزی را به گردیدّت تحت تأثیر قرار می دهد.

همانطور که تصریح گردید برای تخمین تابع تقاضای نفت و فرآورده های سوختی نفتی می توان از تکنیک و مدل های مختلفی کمک گرفت، اما در این پژوهش 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 بهره گیری شده می باشد که در نهایت می توان یکی از بهترین روشهای پیش بینی تقاضا را تعیین نمود که نسبت به سایر روش های ارائه شده ازدقت بالاتری برخوردار می باشد.

1.4. اهداف پژوهش

همانطور که تصریح گردید 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 گونه کلّی هدف از این پژوهش  ارائه تکنیک های مختلف می باشد 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 نمود و یک تکنیک برتر و کارآمد را معرفی نمود.

1.5. سؤالات پژوهشی

بعضی از سؤالاتی که در این باره می تواند مورد توجه قرار بگیرد به تبیین زیر می باشد:

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 می باشد؟

1.6. روش پژوهش

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

1.7. قلمرو پژوهش

قلمرو پژوهش شامل سه مورد قلمرو موضوعی، قلمرو زمانی و قلمرو مکانی می باشد که در ادامه به تشریح هر یک پرداخته می گردد.

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 پژوهش، با بهره گیری از اندازه مصرف چهار فرآوردۀ مهم سوختی نفتی در بازۀ زمانی سال 1306 تا 1391 می باشد.

1.7.1. قلمرو مکانی

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

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

تقاضا[13] :

از تقاضا تعاریف زیادی ارائه شده می باشد.اما یک تعریف کلّی که می توان از تقاضا ارائه داد به این ترتیب می باشد که تقاضا عبارت می باشد 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 گردد که شامل بنزین ، نفت گاز و … می باشد.

الگوریتم بهینه سازی علف های هرز:

در طول چهار دهۀ گذشته، تعداد زیادی الگوریتم به مقصود 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 می باشد. 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 گردید.

علف های هرز گیاهانی هستند که رشد هجوم آورنده و شدید آنها تهدید مهمی برای گیاهان زراعی به شمار می رود. علف های هرز بسیار پایدار و تطابق پذیر پیش روی تغییرات محیط می باشند. پس با گرفتن خصوصیات آنها می‌توان به یک الگوریتم بهینه سازی قوی رسید. این الگوریتم کوشش می کند که از قدرت تطابق پذیری و تصادفی بودن  جمعیّت علف های هرز به گونه ساده تقلید کند. معمولاً برای شبیه سازی رفتار علف های هرز تعدادی مسائل پایه ای نیاز می باشد:

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 می باشد 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 زیرا ماهی و پرندگان که در گروه های کوچک و بزرگ کنار هم زندگی می کنند طراحی شده می باشد. نام های دیگر این الگوریتم عبارتند از: الگوریتم بهینه سازی ازدحام ذرّات و الگوریتم پرندگان می باشد 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 آغاز 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 گردد. تغییر موقعیت اجزاء برای رسیدن به موقعیت بهتر، باتوجه به دو عامل انجام می شود. این عوامل عبارتند از بهترین موقعیت هر جزء که قبلاً با آن روبرو شده می باشد 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 بهره گیری قرار می گیرد. به گونه کلی این تکنیک یکی از روش های جدید در رشتۀ اقتصاد در ایران به تازگی مورد توجه قرار گرفته می باشد و ابزارهای خطّی و غیر خطّی را برای پیش بینی در اختیار قرار می دهد، به بیانی دیگر هوش مصنوعی به عنوان یکی از سه تکنیک ذکر گردیده 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) می باشد، که می‌تواند 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، شاخه‌های متعدد سلولهای عصبی ومحلهای تماس دو عصب) نشأت گرفته‌ می باشد، 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 می‎گردد. درحالی که یک شبکه عصبی نباید خود به خود سازگارپذیر باشد، بهره گیری عملی از آن بواسطۀ الگوریتم‌هایی امکان پذیر می باشد، 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 گردد.

پشتیبانی سایت  serderehi@gmail.com

دسته‌ها: رشته مدیریت