پیش بینی مصرف بنزین

آمارهای کشور، حاکی از رشد مصرف بنزین در بخش حمل و نقل کشور بوده و در سال های اخیر بنزین مصرفی بطور قابل ملاحظه ای بیش از ظرفیت پالایش داخلی شده است و لذا هزینه واردات بنزین سهم نسبتاً مهمی از بودجه دولت را به خود اختصاص می دهد. افزایش جمعیت شهری، اقبال عمومی استفاده از خودروهای شخصی و عرضه بنزین به قیمت یارانه ای از عوامل تعیین کننده این پدیده هستند. علاوه بر تحمیل هزینه های فزاینده به اقتصاد کشور، با ایجاد آلودگی بیش از حد هوا در مناطق شهری لطمات جبران ناپذیری نیز بر سلامت شهروندان وارد می کنند. در این پژوهش سعی بر آن است که با استفاده از روشهای پیشرفته اقتصادسنجی، مصرف بلندمدت بنزین در بخش حمل و نقل برآورد گردیده و آنگاه با توجه به اهمیت موضوع، امکان استفاده از تکنولوژیهای پیشرفته تر در حمل و نقل شهری مورد توجه قرار گیرد. در این زمینه به طور خاص کاربرد خودروهای دوسوخته برقی- بنزینی که در کشورهای پیشرفته صنعتی مورد توجه بوده مورد بررسی قرار می گیرد. نتایج بدست آمده از پژوهش حاکی از آن است که استفاده از این نوع خودروها در حمل و نقل شهری از نظر اقتصادی توجیه پذیر بوده و می تواند دارای منافع قابل ملاحظه ای به صورت محدود شدن مصرف بنزین و کاهش آلودگی هوا باشد.

کمبود انرژی امروزه به عنوان مانعی جدی در دستیابی به توسعه اقتصادی مطرح است، به همین دلیل مدیریت تقاضای آن مورد توجه کشورها است. در ایران بخش حمل و نقل سهم عمده ای از مصرف انرژی دارد که 7/99 درصد از آن متعلق به بنزین است. با توجه به روند افزایشی مصرف بنزین در ایران، کافی نبودن تولید داخل کشور، رشد قابل توجه واردات بنزین در سال های اخیر اهمیت مدیریت مصرف بنزین افزایش یافته است که پیش بینی هر چه دقیق تر روند مصرف آن می تواند در تحقق این امر بسیار مفید باشد. این مطالعه به پیش بینی مصرف بنزین با استفاده از داده های ماهانه با مقایسه عملکرد سه روش شبکه های با حافظه طولانی کوتاه مدت، نقشه های خودسازمانده بازگشتی و روش سنتی میانگین متحرک جمع بسته خود رگرسیون فصلی پرداخته است. نتایج حاکی از این است که روش یادگیری عمیق شبکه های با حافظه طولانی کوتاه مدت و تواتر12 ماهه برای آموزش داده ها کاراتر از دو روش دیگر است.