مدلسازی مدیریت و خط مشی بازار با استفاده از هوش مصنوعی

عنوان فارسی مقاله:مدلسازی مدیریت و خط مشی بازار با استفاده از هوش مصنوعی

چکیده

این مقاله به بررسی مدیریت بازار و مدل‌سازی مبتنی بر هوش مصنوعی پیشرفته می‌پردازد. مدل پیشنهادی ترکیبی از ماشین بردار پشتیبان و تئوری مجموعه فازی را برای ارائه یک مدل پیش‌بینی عملی و قدرتمند برای قیمت بازار در روز بعد به کار می‌گیرد. سپس یک مدل واقعی و مؤثر برای مدل‌سازی بازیگران بازار، مانند منابع انرژی تجدیدپذیر توربین‌های خورشیدی و بادی، و همچنین منابع میکروتوربین‌ها و پیل‌های سوختی با سوخت فسیلی معرفی می‌شود. به منظور ارائه یک برنامه مدیریت بهینه، یک چارچوب تصادفی مبتنی بر روش تخمین نقطه‌ای و الگوریتم بهینه‌سازی گرگ خاکستری تطبیقی (GWO) معرفی می‌کند. روش‌های بهینه‌سازی پیشنهادی از یک استراتژی تطبیقی برای انتخاب مناسب‌ترین اصلاح برای افزایش عملکرد GWO استفاده می‌کنند. یک سناریوی واقع بینانه برای نشان دادن اثربخشی و تأثیر مدل بر مدیریت واقعی بازار شبیه سازی شده است. نتایج به وضوح اثربخشی مدل پیش بینی و مدیریت را نشان می‌دهد. نتایج پیش‌بینی برتری مدل پیشنهادی توسط RMSE 2.9643 را در مقایسه با ۳٫۲۱۷ برای SVR، ۳٫۲۳۴۶ برای ANN و ۳٫۰۶۲۱ برای مدل خاکستری نشان می‌دهد. علاوه بر این، MAPE بهینه با روش پیشنهادی ۲٫۷۴۵۳ است که بسیار بهتر از ۳٫۰۵۲ توسط SVR، ۳٫۱۵۵۳ توسط ANN و ۲٫۹۲۸۵ توسط مدل خاکستری است. از نقطه نظر بهینه سازی، مناسب‌ترین توزیع توان با هزینه کل ۳۰۰٫۸۶۳۲ در مدت ۲۴ ساعت به دست آمده است.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Management and Policy Modeling of the Market Using Artificial Intelligence

Abstract

This paper investigates the market management and modeling based on advanced artificial intelligence. The proposed model deploys the combination of the support vector machine and fuzzy set theory to provide a practical and powerful prediction model for the market price over the next day. A realistic and effective model is then introduced to model the market players, such as the renewable energy sources of solar and wind turbines, as well as the fossil-fueled sources of micro turbines and fuel cells. In order to provide an optimal management program, it introduces a stochastic framework based on the point estimate method and adaptive grey wolf optimization algorithm (GWO). The proposed optimization methods use an adaptive strategy to choose the most fitting modification for enhancing the GWO performance. A realistic scenario is simulated to demonstrate the model’s effectiveness and impression on the real market management. The results clearly show the effectiveness of the prediction and management model. The prediction results show the superiority of the proposed model by RMSE of 2.9643 compared to the 3.217 for SVR, 3.2364 for ANN and 3.0621 for the grey model. Moreover, the optimal MAPE is 2.7453 by the proposed method, which is much better than the 3.052 by SVR, 3.1552 by ANN and 2.9285 by the grey model. From point of view of optimization, the most fitting power dispatch has been attained with the total cost of 300.8632 over 24 h.