دانلود مقاله ISI انگلیسی شماره 52093
ترجمه فارسی عنوان مقاله

برآورد تقاضای انرژی یک سال گذشته متغیرهای کلان اقتصادی با استفاده از الگوریتم هوش محاسباتی

عنوان انگلیسی
One-year-ahead energy demand estimation from macroeconomic variables using computational intelligence algorithms
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
52093 2015 10 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6290 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 10 روز بعد از پرداخت 75,480 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 150,960 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Energy Conversion and Management, Volume 99, 15 July 2015, Pages 62–71

ترجمه کلمات کلیدی
برآورد تقاضای انرژی؛ هوش محاسباتی؛ ماشین آلات آموزش افراطی؛ جستجوی هارمونی
کلمات کلیدی انگلیسی
Energy demand estimation; Computational intelligence; Extreme Learning Machines; Harmony Search
پیش نمایش مقاله
پیش نمایش مقاله برآورد تقاضای انرژی یک سال گذشته متغیرهای کلان اقتصادی با استفاده از الگوریتم هوش محاسباتی

چکیده انگلیسی

This paper elaborates on a problem of one-year ahead estimation of energy demand based on macroeconomic variables. To this end, two different Computational Intelligence approaches are herein evaluated: (1) a modified Harmony Search (HS) optimization algorithm with an exponential prediction model and (2) an Extreme Learning Machine (ELM). In the case of the HS, a feature selection of the best set of features for the prediction is carried out jointly with the optimization of the model’s parameters. On the other hand, the ELM will be tested with and without the feature selection carried out by the HS approach. We describe several modifications on the proposed HS, which include a hybrid encoding with a binary part for the feature selection, and a real part to tune the parameters of the prediction model. Other adaptations focused on the HS operators are also introduced. The performance of both approaches has been assessed in a real application scenario, corresponding to the total energy demand estimation in Spain, in which we have 14 macroeconomic variables with history values for the last 30 years, including the recent crisis period starting in 2008. The performance of the proposed HS and ELM models incorporating feature selection is shown to provide an accurate one-year-ahead forecast at a higher prediction’s accuracy when compared to previous proposals in the literature. Specifically, the HS and ELM approaches are able to improve the results of a previous approach (based on a genetic algorithm), obtaining an improvement over 15% in this problem of energy demand estimation. As a final experimental evaluation of the proposed algorithm, a similar problem of one-year ahead CO2CO2 emissions estimation from macro-economic variables is also tackled, and also in this case the HS and ELM are able to obtain significant improvements over a previous approach based on evolutionary computation, over 10% of improvement in this problem.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6290 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 10 روز بعد از پرداخت 75,480 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 150,960 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.