پیش بینی قیمت برق با استفاده از روش شبکه موجک خطی
Abstract
No abstract recorded for this item.
No abstract recorded for this item.
صنعت برق همچون قلب تپنده ی صنایع از اثر گذارترین شاخص ها بر وضعیت اقتصادی، اجتماعی ،سیاسی، فرهنگی و رفاهی جامعه به شمار می رود. این صنعت که سال ها به عنوان یک خدمت عمومی تلقی می شد و انحصاری و غیر رقابتی بود امروزه به سمت ساختاری رقابتی و تغییر مقررات گام نهاده است. صنایع برق جها
یکی از مسائل مهم در مواجهه با انواع معاملات در بازارهای برق پیش بینی دقیق قیمت آینده است. آنچه که انجام یک پیش بینی دقیق را دچار مشکل می کند خواص ویژه و غیر خطی سیگنال قیمت از جمله فرکانس بالا، عدم ثبات، آن است. لزوم استفاده از داده های تاریخی قیمت جهت پیش بینی، نیاز به روشی برای
در فضای رقابتی صنعت برق و با شکل گیری بازارهای مختلف انرژی، یکی از مسائل با اهمیت که نقش کلیدی را در برنامه ریزی شرکت های تولیدی، خریداران و بهره بردار سیستم ایفا می کند، مسأله پیش بینی قیمت برق می باشد. استراتژی پیشنهاد قیمت فروشندگان، برنامه مدیریت مصرف خریداران و برآورد بودجه
در محیط تجدید ساختار یکی از مسایل مهم در برنامه ریزی شرکت های تولیدی، خریداران و بهره بردار سیستم، مسأله پیش بینی قیمت برق می باشد. در این فضا، دلیل عدم قطعیت هایی که در فرآیند قیمت برق وجود دارد. نوسانات زیادی در فرآیند قیمت برق ایجاد شده است که پیش بینی این کمیت مهم را به نسبت
دربازارهایبرققیمتانرژیالکتریکیدرطولروزمتغیر می-باشد.اینموضوعبرنامهریزیومدیریت مصرفمشتریان راتحت-الشعاعقراردادهاست.مصرفکنندگانانرژی الکتریکیجهتمدیریتمصرفبهینهنیازمندبهدانستن قیمتانرژیالکتریکیدرساعاتآیندهمی باشند . اینامر پیشبینیقیمتبرقرابرایمصرفکنندگانضرورینموده است. پیشبینیقیمتان
در این تحقیق کارایی دو روش پیش بینی قیمت رگرسیون هدانیک و شبکه عصبی رگرسیونی تعمیم یافته، در برآورد قیمت مسکن در شهر تهران مورد ارزیابی قرار گرفته است. روش رگرسیون هدانیک یکی از روش های مرسوم در این زمینه می باشد. با این وجود با توجه به ادبیات موجود و سایر تحقیقات صورت گرفته، شوا
7 تلقی عمومی در مورد صنعت برق و تعرفههای آن مبتنی بر نظام تعرفه گذاری با نرخهای ثابت و پله ای میباشد. این دیدگاه به دلیل عدم آگاهی نسبت به وجود بازار رقابتی در صنعت برق است . در واقع قیمتهای برق ساختار با نرخ تعرفه گذاری ثابت ندارند. یعنی حداقل چنین نرخ گذاری برای فعاالن این ح
در این پژوهش برای تعیین روش پیش بینی قیمت سهام، یک شبکه عصبی LM-BP بر اساس سری های زمانی با توجه به قیمت باز، بالاترین قیمت، پایین ترین قیمت، قیمت بسته و حجم معاملات ارائه شد. در پژوهش حاضر، 315 روز قیمت سهام را برای ایجاد 10 نمونه انتخاب و مجموعه آزمون شامل قیمت سهام از روز 316
با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه شان و پیامدها و هزینه هایی که وقوع ورشکستگی برای شرکت ها و اقتصاد کشور و سایر افراد و نهادها می تواند ایجاد نماید. در صورتی که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت ها را پیش بینی نمود و پس از آن با علت ی
پیش بینی سود هر سهم و تغییرات آن به عنوان یک رویداد اقتصادی از دیرباز موردعلاقه سرمایه گذاران، مدیران، تحلیل گران مالی و اعتباردهندگان بوده است. این توجه ناشی از استفاده سود در مدل های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت و ارزیابی عملکرد واحد اقتصا
پیش بینی تداوم فعالیت عملیاتی واحدهای اقتصادی در دوره های آتی، یکی از عناصر مهم در تصمیم گیری برای سرمایه گذاران بوده و در این میان انتخاب متغیرهای پیش بینی کننده همواره به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی ورشکستگی مطرح بوده است که در راس آن ها همواره سود حسابدا
تبخیر از پدیده های مهم چرخه آبشناختی است و تخمین و پیش بینی آن در مدیریت و برنامه ریزی اصولی آب ضروری می باشد، به همین خاطر به پیش بینی این پدیده در حوضه دز که بخش مهمی از آب مصرفی کشور را تأ مین می کند پرداخته شده است. در شبیه سازی تبخیر و بررسی امکان پیش بینی آن ازمدل شبکه عصبی