ARIMA

باتوجه به افزایش روزافزون مصرف گاز طبیعی، برنامه ریزی در بخش گاز طبیعی و بررسی و پیش بینی تقاضای گاز طبیعی جهت دستیابی به امنیت عرضه انرژی گاز طبیعی و به دنبال آن توسعه پایداراهمیت فراوانی دارد. از این رو در این تحقیق تقاضای گاز طبیعی در بخش های خانگی-تجاری، صنعت و نیروگاه که جزء مصرف کنندگان عمده گاز طبیعی هستند مورد بررسی قرار گرفته و از دو روش ARIMA (Autoregressive Integrated Moving Average) و شبکه عصبی GMDH (Group Method of Data Handling) برای پیش بینی تقاضای گاز طبیعی و از معیارهای MSE (Mean Squared Error)، RMSE (Root Mean Squared Error)، درصد خطای پیش بینی و دقت پیش بینی جهت مقایسه دو روش استفاده شده است. با توجه به نتایج، دقت پیش بینی به ترتیب در سه بخش خانگی - تجاری ، صنعتی و نیروگاه در روش ARIMA 8/93، 3/98 و 87 درصد و در روش شبکه عصبی GMDH 4/96، 99 و 2/98 درصد بدست آمده است و معیارهای RMSE و MSE در هر سه بخش برای روش شبکه عصبی GMDH کوچکتر از روش ARIMA بوده است. از این رو می توان نتیجه گرفت که با توجه به مدلسازی صورت گرفته، روش شبکه عصبی GMDH عملکرد و دقت بالاتری نسبت به روش ARIMA در پیش بینی تقاضای گاز طبیعی دارد.

هدف مطالعه حاضر پیشنهاد کاربرد یک مدل ترکیبی خاص برای تخمین تابع تقاضای سرانه برق کل و همچنین پیش بینی مقدار تقاضای آن برای 15 سال آینده در ایران است. در این تحقیق ابتدا با استفاده از مدل تعدیل جزئی پویا، تقاضای سرانه برق کشور برای دوره سالانه 1393-1360 برآورد شده است و سپس با جایگذاری مقادیر آتی متغیرها که از مدل میانگین متحرک خودهمبسته یکپارچه  (ARIMA)به دست آمده در مدل ترکیبی تعدیل جزئی پویا (DPAM)، تقاضای برق تا سال 1408پیش بینی گردیده است. یافته های تحقیق بیانگر بی کشش بودن تقاضای برق نسبت به تغیرات قیمت می باشد به طوری که کشش های قیمتی کوتاه مدت و بلندمدت به ترتیب برابر 014/0- و 026/0- درصد است. نتایج پیش بینی نشان می دهد مقدار تقاضای سرانه برق تا سال 1408 نسبت به سال 1393 حدود 45 درصد رشد خواهد داشت که برای پاسخگویی به این تقاضا باید سیاست هایی در جهت افزایش تولید و محدودیت تقاضا طراحی و اجرا گردد.

در این پژوهش به منظور آشکارسازی تغییرات احتمالی اقلیم، سری زمانی دمای میانگین سالانه ایستگاه سینوپتیک ارومیه طی دوره آماری 2017-1951 مورد مطالعه قرار گرفت. برای یافتن مدل تغییرات و پیش بینی رفتار سری زمانی از مدل پیش بینی باکس- جنکینز (مدل تلفیقی اتو رگرسیو و میانگین متحرک) استفاده شد. بعد از برازش مدل های مختلف، برای انتخاب مدل بهینه به سنجش میزان R2، معیار اطلاع آکاییک (AIC)، خطای استاندارد رگرسیون (SEE) و معیار شوارتز- بیزین (BIC) پرداخته شد. نتایج نشان داد که مدل سری زمانی (1,0) ARIMA(2,2) دارای نتایج بهتری در مقایسه با دیگر مدل ها بوده و روند تغییرات سری زمانی این مدل خطای کمتری دارد. پس از انتخاب بهترین مدل، با استفاده از آن مقادیر دمای میانگین سالانه برای 13 سال آینده پیش بینی گردید. پیش بینی دما با استفاده از این مدل با برازش خوبی انجام پذیرفت و همبستگی مقادیر واقعی و برازش داده شده در حدود 82 درصد بود. پس از اطمینان از صحت پیش بینی به تخمین سری زمانی تا سال 2030 پرداخته شد. پیش بینی مدل حاکی از آهنگ ملایم افزایش دما در سال های آینده با یک روند خطی رو به بالا است. مطالعه گردش عمومی جو منطقه نیز با استفاده از ترسیم و تحلیل نقشه های تفاضل برای پارامترهای ارتفاع ژئوپتانسیل تراز 500 هکتوپاسکال، چرخندگی نسبی تراز 500 هکتوپاسکال، سرعت قائم جو (امگا) و دمای هوای سطح زمین حاکی از تقویت پایداری جو و همچنین افزایش دمای هوای شهر ارومیه به میزان 4/0 درجه سلسیوس نسبت به گذشته است که نتایج حاصل از مدل باکس- جنکینز را تایید می کند.