فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۲٬۱۸۱ تا ۲٬۲۰۰ مورد از کل ۳٬۱۱۲ مورد.
نتیجه معکوس
از بانک تا اوراق نفت
نقش قیمت در اثرگذاری غیرخطی عوامل مؤثر بر شدت انرژی در ایران(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
شدت انرژی از جمله شاخص های مهم و مورد توجه در اقتصاد انرژی است. در ایران با توجه به فراوانی منابع انرژی، متأسفانه از این منابع به درستی استفاده نشده و بنابراین شدت انرژی به نسبت دیگر کشورها بسیار بالاست. از این رو در این مقاله با استفاده از یک روش رگرسیون غیر خطی به بررسی عوامل مؤثر بر شدت انرژی در ایران طی دوره 1357-1392 پرداخته ایم. نتایج حاکی از وجود دو رژیم حدی برای اثرگذاری متغیرهای تحت بررسی با در نظر گرفتن قیمت نسبی انرژی به عنوان متغیر انتقال با حد آستانه ای 58/1 می باشد. نرخ شهرنشینی و سهم صنعت از تولیدناخالص داخلی باعث افزایش شدت انرژی در ایران شده اند و سطح تکنولوژی و قیمت نسبی انرژی دارای اثر منفی بوده اند. میزان اثرگذاری قیمت نسبی انرژی در رژیم قیمت بالا تشدید شده و میزان اثرگذاری سهم صنعت و سطح تکنولوژی در این رژیم تقلیل یافته است. این نتایج بیانگر نقش مهم رژیم قیمتی در مسئله شدت انرژی در ایران بوده و سیاستگزاران را به جلوگیری از کاهش قیمت نسبی انرژی درسالهای پس از اجرای طرح هدفمندی یارانه ها رهنمون می سازد.
در تنگنا
سرسام آور
تخمین تابش کلی خورشید در استان کرمانشاه با استفاده از شبکه های عصبی مصنوعی(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
هدف مطالعه حاضر توسعه یک مدل شبکه عصبی مصنوعی (ANN) بر اساس روش رگرسیون غیرخطی چندگانه (MNLR) برای تخمین میانگین ماهانه مجموع روزانه تابش کلی خورشید در هر محل از استان کرمانشاه است. برای این منظور، داده های هواشناسی 23 ایستگاه در استان کرمانشاه در طول سالهای 1392- 1387 جمع آوری شد که از این بین، داده های 17 ایستگاه برای آموزش و 6 ایستگاه برای تست شبکه استفاده شد. در مرحله اول، همه متغیرهای مستقل (عرض جغرافیایی، طول جغرافیایی، ارتفاع، ماه، حداقل درجه حرارت ماهانه در جو، حداکثر درجه حرارت در جو، متوسط درجه حرارت در جو، دمای خاک، رطوبت نسبی، سرعت باد، بارش، فشار اتمسفریک، فشار بخار، کدورت و مدت زمان تابش آفتاب) جمع آوری و به مدل رگرسیون وارد شدند. سپس، از روش گام به گام MNLR برای تعیین مناسب ترین متغیرهای ورودی استفاده شد. با استفاده از این متغیرهای ورودی، نتایج به دست آمده توسط مدل ANN با داده های واقعی مقایسه شد، و میانگین درصد خطا مطلق (MAPE) در حدود 98/3 درصد و ضریب همبستگی (R) در حدود 9961/0 برای مجموعه داده های تست به دست آمد که نشان دهنده معتبر بودن مدل است.