ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Electricity Consumption Prediction Using Artificial Neural Networks and Evolutionary Algorithms: A Case Study Tulkarm City

المؤلف الرئيسي: Hussein, Ali Mohammad Ali (Author)
مؤلفين آخرين: Awad, Mohammed (Advisor)
التاريخ الميلادي: 2021
موقع: جنين
الصفحات: 1 - 105
رقم MD: 1196394
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: الجامعة العربية الأمريكية - جنين
الكلية: كلية الدراسات العليا
الدولة: فلسطين
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

16

حفظ في:
LEADER 03451nam a2200313 4500
001 1537472
041 |a eng 
100 |9 640278  |a Hussein, Ali Mohammad Ali  |e Author 
245 |a Electricity Consumption Prediction Using Artificial Neural Networks and Evolutionary Algorithms:  |b A Case Study Tulkarm City  
260 |a جنين  |c 2021 
300 |a 1 - 105 
336 |a رسائل جامعية 
502 |b رسالة ماجستير  |c الجامعة العربية الأمريكية - جنين  |f كلية الدراسات العليا  |g فلسطين  |o 0356 
520 |a تعد الطاقة الكهربائية عامل حيويا في تنمية وتطور الدول، حيث للطاقة الكهربائية أهمية كبيرة في حياتنا لما لها من مساهمة في المجال التكنولوجي والتعليمي والصناعي والطبي وكافة المجالات ولذلك أصبح الطلب على الطاقة الكهربائية في ازدياد مستمر. في هذه الأطروحة، طبقنا عدة نماذج هجينة محسنة (RNN-OA, NARX-OA, NARX-OA-Kmean cluster) التي تدمج بين أنواع مختلفة من الشبكات العصبية NNs (وهي الشبكات العصبية المتكررة(LSTM) (RNNs) والشبكات العصبية الخارجية غير الخطية التلقائية (NARX)، مع خوارزمية تحسين، تسمى استراتيجية التطور (ES). هذه النماذج تم تطبيقها للتنبؤ بعبء استهلاك الطاقة الكهربائية، والمشار إليه بـــ ١ line، و2line، وشدة التيار الكهربائي لمدينة طولكرم في فلسطين (AAUP). أظهرت النتائج التجريبية أن أداء النموذج الهجين (NARX-OA-Kmean cluster) كان أفضل من (RNN-OA) و(NARX-OA) في التنبؤ بعبء استهلاك الطاقة الكهربائية بمشكل قصير المدى (يومي، شهري) وطويل المدى (فصلي وسنوي)، بينما نموذج NARX-OA كان أفضل من -OA و-RNNs في التنبؤ بعبء استهلاك الطاقة الكهربائية، ونموذج RNNs كان أفضل من النماذج الأخرى في التنبؤ بعبء استهلاك الطاقة الكهربائية قصير المدى. هذه النتائج تم التعبير عنها بواسطة factor RMSE، وذلك بعد ما تم تطبيق النماذج المقترحة على مجموعات البيانات المستخدمة (line 1&2 current intensity). 
653 |a الطاقة الكهربائية  |a التيارات الكهربائية  |a الشبكات العصبية  |a الشبكات الاصطناعية 
700 |a Awad, Mohammed  |e Advisor  |9 551750 
856 |u 9808-002-001-0356-T.pdf  |y صفحة العنوان 
856 |u 9808-002-001-0356-A.pdf  |y المستخلص 
856 |u 9808-002-001-0356-C.pdf  |y قائمة المحتويات 
856 |u 9808-002-001-0356-F.pdf  |y 24 صفحة الأولى 
856 |u 9808-002-001-0356-1.pdf  |y 1 الفصل 
856 |u 9808-002-001-0356-2.pdf  |y 2 الفصل 
856 |u 9808-002-001-0356-3.pdf  |y 3 الفصل 
856 |u 9808-002-001-0356-4.pdf  |y 4 الفصل 
856 |u 9808-002-001-0356-5.pdf  |y 5 الفصل 
856 |u 9808-002-001-0356-R.pdf  |y المصادر والمراجع 
930 |d y 
995 |a Dissertations 
999 |c 1196394  |d 1196394