15179

مروري بر مطالعات اخير در زمينه كاربرد هوش مصنوعي در پيش بيني مصرف گاز طبيعي

1404-1405

سلمان موحدي‌راد

احمد مرتضايي

در اين پژوهش، در ابتدا به مرور كليات و اهميت انجام اين تحقيق و توضيح بخش‌بندي‌ها و سرفصل‌ها، پرداخته شد. اين پژوهش مروري سيستماتيك به تحليل و طبقه‌ بندي پژوهش‌هاي اخير در زمينه كاربرد روش‌هاي هوش مصنوعي براي پيش‌بيني مصرف گاز طبيعي مي‌پردازد و با گردآوري شواهد تجربي هدفي دوگانه دنبال مي‌كند. ترسيم نقشه روش‌شناختي موجود و شناسايي خلأهاي پژوهشي كه راهنماي مطالعات آتي است. در اين پژوهش پيش‌بيني دقيق تقاضاي گاز را از منظر تضمين توازن عرضه و تقاضا، كاهش هزينه‌هاي عملياتي و پشتيباني از تصميم‌ گيري راهبردي بررسي مي‌شود. از اين رو گفتني است مصرف گاز طبيعي بعنوان يكي ارزان‌ترين و كم كربن‌ترين منابع فسيلي بوده و به‌عنوان مثال در ايران بيش‌از 70 درصد از صورت نهايي انرژي را دارد فلذا در اوج مصرف اين درصد افزايش يافته و به دليل ثابت بودن عرضه منجر به ناترازي مي‌شود علاوه‌ بر اين بررسي ها نشان مي‌دهد كه طيف گسترده‌اي از متدها شامل شبكه‌هاي عصبي (پرسپترون چندلايه، LSTM، GRU، CNN و معماري‌هاي تركيبي)، مدل‌هاي درختي و تجميعي ، رگرسيون‌هاي پيشرفته، و چارچوب‌هاي هيبريدي در مطالعات مختلف آزمون شده‌اند و هر رويكرد مزايا و محدوديت‌هاي ويژه‌اي از نظر دقت، تبيين‌ پذيري و هزينه محاسباتي دارد. شواهد تجربي منتخب نشان مي‌دهد كه مدل‌هاي هيبريدي و چارچوب‌هايي كه استخراج ويژگي متقاطع (مانند رمزگذاري ماتريسي و ماژول‌هاي توجه) را با LSTM يا اجزاي كانولوشني تركيب مي‌كنند، به‌طور مداوم پايداري و خطاهاي كمتر در پيش‌بيني‌هاي روزانه ارائه مي‌دهند (براي مثال مقادير MAPE منطقه‌اي تا حدود 5٫43٪ گزارش شده است). همچنين مطالعات موردي ساعتي با پرسپترون‌هاي چندلايه نشان داده‌اند كه معماري‌هاي بهينه‌ شده مي‌توانند در ارزيابي خارج از نمونه به MAPE ميانگين در حدود 8% دست يابند و اينگونه اهميت انتخاب توپولوژي و پراكندگي داده‌هاي آموزش را برجسته مي‌سازند. از سوي ديگر، پژوهش‌هايي كه تركيب BP-GRU با الگوريتم‌هاي اصلاح دمايي را به‌كار گرفته‌اند گزارش‌هايي از كاهش چشمگير MAPE تا تقريباً 1٫94٪ ارائه داده‌اند، كه نشان‌دهنده پتانسيل اصلاح باقيمانده‌ها و جبران خطاي ورودي‌هاي هواشناسي است. تحليل انتقادي متون حاكي از آن است كه كيفيت داده‌ها، خطاهاي پيش‌بيني دما و محدوديت‌هاي سنسورها نقش تعيين‌ كننده‌اي در عملكرد سامانه‌ها دارند و نياز به بهبود پيش‌پردازش و آزمون‌هاي استحكام مدل وجود دارد.

10/11/2025 12:00:00 AM

87882

1404/08/03

A review of recent studies in the field of using artificial inteliagence to predict natural gas consumption

Machine learning, Forecasting, Artificial Neural Network, Gas Consumption