چکیده:
روشها و الگوهای اقتصاد سنجی متفاوتی، از قبیل تجزیه و تحلیل رگرسیون و سریهای زمانی به منظور پیشبینی تقاضای آب، بهطور معمول توسط محققان مختلف مورد استفاده قرار گرفتهاند. اما در سالهای اخیر تکنیک جدید شبکههای عصبی به عنوان ابزاری مؤثر و کارا در پیشبینی متغیرهای اقتصادی مطرح شده است. در مقاله حاضر، از شبکه عصبی نوع GMDH مبتنی برالگوریتم ژنتیک، الگوهای ساختاری و همچنین سریهای زمانی، به منظور مقایسه روشهای پیشبینی تقاضای سرانه آب در شهر تهران استفاده شده است. متغیرهای مورد نظر در الگوهای پیش بینی تقاضای آب عبارتند از مصرف سرانه آب، قیمت آب، متوسط درآمد خانوار و متوسط درجه حرارت سالانه در شهر تهران. نتایج بهدست آمده حاکی از آن است که پیش -بینی تقاضای آب با استفاده از روش شبکههای عصبی نوع GMDH، نسبت به برآوردهای حاصل از الگوهای ساختاری و سری زمانی، از درجه کارایی بیشتری برخوردار است. بنابراین، استفاده از شبک? عصبی مصنوعی در پیش بینی متغیرهای اقتصادی، میتواند به عنوان ابزاری در کنار سایر روشهای پیش بینی مورد استفاده تصمیمگیران و سیاستگذاران در بخش مدیریت آب قرار گیرد.
Conventionally، regression and time series analyses have been employed in modeling water demand forecasts. In recent years، the relatively new technique of neural networks (NNS) has been proposed as an efficient tool for modeling and forecasting. The objective of this study is to investigate the relatively new technique of GMDH – Type neural networks for the use of forecasting long – term urban water demand in Tehran city. The data employed in this study includes water consumption (per capita)، water price، average household income and the annual average air temperature for the city of Tehran، Iran. The neural networks model، regression model، and time series model have been estimated and compared. The comparison reveals that the neural networks model consistently outperformed the regression and time series models developed in this study.
خلاصه ماشینی:
در مقالة حاضر، از شبكة عصبي نوع GMDH مبتني برالگوريتم ژنتيك، الگوهاي ساختاري و همچنین سريهاي زماني، به منظور مقایسة روشهای پيشبيني تقاضاي سرانة آب در شهر تهران استفاده شده است.
كليد واژه: شبكة عصبي GMDH، تقاضاي آب شهر تهران، پيشبيني، الگوهاي ساختاري و سري زماني 1- مقدمه امروزه نقش آب از يك مادۀ حياتي فراتر رفته و به عنوان كالايي اقتصادي مورد توجه قرار گرفته است، بهگونهاي كه اهميت وكاربرد آن در فعاليتهاي مختلف اقتصادي، سبب شده كه از آن بهعنوان كليد توسعۀ پايدار نام برده شود.
علائم اختصاري استفاده شده در جدول بالا مخفف عبارات و اصطلاحات زير است: قیمت نهایی: (MP)Marginal Price، قیمت متوسط :(AP)Average Price ، مقطع عرضی:(CS)Cross Section، سری زمانی: (TS)Time Series، حداقل مربعات معمولی: (OLS) Ordinary Least Squares قیمت شاین: Shine Price،حداقل مربعات تعميم يافته: (GLS) Generalized Least Squares 2-1- نتایج برآورد الگوی ساختاری دادههایی که در این مطالعه به منظور تدوين الگو و پیش بینی تقاضای بلندمدت آب مورد استفاده قرار گرفتهاند، مشتمل بر متوسط درآمد خانوار، متوسط بعد خانوار، متوسط قیمت آب و متوسط دمای سالیانة شهر تهران هستند.
به تصویر صفحه مراجعه شود نمودار1- مقايسة مقادير واقعي و پيش بینی شده تقاضای سرانة آب در شهر تهران همچنين در جدول (5)، ميزان خطاي پيشبينيهاي انجام گرفته با استفاده از شبكة عصبي بر حسب معيارهاي مختلف، بهمنظور مقايسه با الگوهاي ساختاري و سريهاي زماني ارائه شده است.
لذا در اين مطالعه، از شبكة عصبي GMDH، الگوهاي ساختاري و سريهاي زماني به منظور پيشبيني تقاضاي بلندمدت آب شرب شهر تهران استفاده شده است.