تأمین امنیّت عرضۀ انرژی در دنیا ، ازمسائل راهبردى پیش روى همۀ دولت ها است. امروزه درایران ، تلاش ها در بخش مدیریت سمت عرضۀ انرژی متمرکز است و کمتر به مدیریت سمت تقاضای انرژی توجه مى شود، درحالی که مدیریت تقاضای انرژی و تلاش براى استفادۀ بهینه از انرژی در همۀ کشورهای پیشرفته دنیا، از مهم ترین عوامل پیشرفت صنعتی پایدار بوده است ” مبینى دهکردى وهمکاران، 1388″.

ایران از منابع غنی و گسترده انرژی، مخازن بزرگ نفتی و گازطبیعی، معادن عظیم زیرزمینی و پتانسیل بالقوه انرژی برخوردار است، پیش بینى مصرف انرژی مى تواند در تبیین سیاست هاى بخش انرژی، کمک مؤثرى کند. همچنین از آنجایى که مدتی است موضوع محدود کردن مصرف انرژی به ویژه فرآورده هاى نفتی مانند بنزین، در رأس سیاست هاى اقتصادی دولت قرار گرفته است و مشکلات ناشی از افت فشار گازطبیعی، مانند قطع گاز در استان هاى مختلف یا کاهش تولید برق در کارخانجاتی که سوخت اصلی آنها، گاز طبیعی است، گاهى در کشور ایجاد می شود و کمبود منابع انرژی دیگر نیز گاهى برای بخش هاى مختلف اقتصاد، مشکل ساز مى شود، پیش بینى و الگوسازى مصرف انرژی، می تواند رهنمود مناسبی برای سیاستگذاران بخش انرژی و اقتصاد کشور باشد ” آماده وهمکاران ، 1388 ”

از طرفی تأثیر نفت و حامل های انرژی به ویژه بنزین ، گازوئیل و . در اقتصاد کشور برکسی پوشیده نیست، بنابراین تحقق توسعه پایدار ، در گرو آن است که تولید و بهره برداری از انرژی همراه با سایر نهادها نظیر تکنولوژی، منابع انسانی ، مواد اولیه ، منابع مالی و. بطور هماهنگ و هم ساز برنامه ریزی شود. مصرف فراورده هایی همچون نفت سفید[3]  ، نفت کوره[4] ، بنزین موتور[5] و نفت گاز[6] با در نظر گرفتن اهمیّت آن در بخش های مختلف ، نقش اساسی در رشد و توسعۀ اقتصادی کشورها ایفا می کند . بررسی مصرف آتی تقاضای فرآورده های نفتی در جهت شناخت دقیق و صحیح از ساختار رفتاری مصرف ، به منظور برنامه ریزی دقیق در راستای تحقق اهداف مورد نظر، امری ضروری است. آگاهی از میزان تقاضای نفت سفید ، نفت کوره و  بنزین موتور و نفت گاز به منظور اتخاذ تصمیمات صحیح برای برنامه ریزی و سیاست گذاری های مناسب از اهمیّت ویژه ای برخوردار است این مقوله در بخش های مختلف (حمل و نقل ، صادرات و) سهم قابل توجه ای از مصرف این سه نوع محصول را دارد که از اهمیّت به سزایی برخوردار است . از طرفی در تجزیه و تحلیل تقاضای حامل های انرژی مدل های مختلفی مورد استفاده قرار می گیرد ، که برخی فقط برای جهت مطالعه حامل های انرژی طراحی شده و برخی ارتباط آنها را با یکدیگر بررسی می کند.

روش هاى آمارى و اقتصاد سنجى، درمورد پیش بینى سرى هاى زمانى عملکرد خوبى داشته است، اما محدودیت هایى نیزدارد، ازجمله اینکه ممکن است در این گونه روش ها، فرم تبعى متغیّرهاى مستقل و وابسته در صورت عدم شناخت کافى به درستى تصریح نشود. علاوه براین، داده هاى پرت ممکن است به تخمین اُریب پارامترهاى الگو بیانجامد. درضمن، بیشتر الگوهاى سرى زمانى، خطّى است و بنابراین در تشریح رفتارهاى غیرخطّى ناتواناست ” ابریشمى و همکاران، 1389 “. درپژوهش هاى اخیر، از الگوهاى هوش مصنوعى به طور متداول به عنوان ابزار تقریبى غیرخطّى استفاده شده است، به طورى که مى توان با بهره گرفتن از آن بر مشکلات فوق چیره شد.”جوادپور وکناپ، 2003 “.

هدف پژوهش حاضر، کاربرد الگوهاى هوش مصنوعى، یعنى الگوهاى شبکه هوش مصنوعی، الگوریتم توده ذرّات و الگوریتم علف های هرز، در پیش بینى مصرف انرژى بخش حمل ونقل کشور است تا در پایان بتوان میزان کارایى این روش ها را در پیش بینى مصرف انرژى مقایسه کرد.

1.2. بیان مسأله
شاید اغراق نباشد اگر گفته شود که در تمام  دوره های زندگی بشر، نفت ماده شناخته شده ای بوده است. اما در طول چندین دهۀ گذشته ، حیاتی بودن آن برای تداوم زندگی اقتصادی تردید ناپذیر شده است. حدود 75 درصد از کل منابع نفت موجود جهان در خاورمیانه قرار دارد و  ایران یکی از 5 کشور بزرگ مالک ذخایر نفتی در جهان است. نفت از مهم ترین منابع کشور محسوب می شود و مسأله پیش بینی فرآورده های سوختی نفتی در تعیین سیاست بهره برداری از منابع نفتی از اهمیّت ویژه ای برخوردار است. از طرف دیگر  پیش بینی و الگو های آن  یکی از مباحث مهم و حیاتی مدیریت درزمینه برنامه ریزی و تصمیم گیری است که امروزه علاقه فراوانی در استفاده از سیستم های هوشمند به منظور بهبود کیفیّت تصمیم های مدیریتی و کاهش خطاهای پیش بینی به دلیل قابلیت بالای این سیستم ها بوجود آورده است. ایران از جمله کشورهایی است که اساس اقتصاد آن بر درآمد صادرات فراورده های سوختی نفتی بنا شده است. ارتباط حجم و ارزش صادرات نفت و گاز و رشد اقتصادی به منزلۀ افزایش ظرفیّت های اقتصادی یکی از  موضوعات مهم و قابل توجّه برای مراکز تحقیقاتی و برنامه ریزی است. همچنین در دنیای پیچیدۀ امروز پیش بینی و مدیریت تقاضا نقش مهمی در برنامه ریزی حوزۀ انرژی کشورهای نفت خیز دارد ، این بدان دلیل است که نفت یکی از پارامتر و عوامل بسیار مهم در امنیت اقتصادی این کشورها محسوب می شود. براین اساس تخمین تقاضای نفت و فرآورده های سوختی نفتی و تحلیل آن در طول زمان می تواند نقش قابل توجّهی در نیل به اهداف ایفا کند. از طرفی تخمین و پیش بینی میزان تقاضای فرآورده های سوختی نفتی از مدل و تکنیک های مختلفی می تواند صورت بگیرد. اما با توجه به تکنیک های زیادی که ارائه شده است آیا می توان تکنیکی را برتر ، در دقّت برآوردها شناسایی کرد؟

در سال های اخیر شاهد حضور موفق روش های فرا ابتکاری الگوریتم بهینه سازی ازدحام ذرّات[7] و شبکه های عصبی مصنوعی[8] بوده ایم. در این تحقیق سعی شده است تا با بهره گرفتن از روش های جدید و نیرومند به پیش بینی فرآورده های نفتی بپردازیم وکیفیّت این روش ها را با یکدیگر مقایسه نمائیم. همچنین با پیشرفت و توسعۀ روش های غیر خطّی همچون شبکه های عصبی ، شبکه های عصبی فازی[9]، الگوریتم ژنتیک[10]، الگوریتم کولونی مورچگان[11]، الگوریتم بهینه سازی ازدحام ذرّات ، الگوریتم بهینه سازی علف های هرز[12] و . می توان از این روش ها برای پیش بینی تقاضا استفاده نمود.

1.3. اهمیت پژوهش
طبق تعریف، پیش بینی یک برآورد (یا تعدادی برآورد) کمی درباره  احتمال وقایع آینده است که براساس اطلاعات حال و گذشته انجام می شود “چتفیلد ، 1372”. از طرفی پیش بینی مناسب برای محصولاتی مهم از قبیل بنزین ،گازوئیل و. می تواند در توسعه و برنامه ریزی اقتصادی یک کشور اهمیّت بسزایی داشته باشد. به عبارتی داشتن پیش بینی مناسب از آینده، کارایی برنامه ریزی را به شدّت تحت تأثیر قرار می دهد.

همانطور که اشاره شد برای تخمین تابع تقاضای نفت و فرآورده های سوختی نفتی می توان از تکنیک و مدل های مختلفی کمک گرفت، اما در این تحقیق برای پیش بینی تقاضا برای فرآورده های سوختی نفتی از سه روش توانمندی عینی شبکه های هوش مصنوعی، الگوریتم توده ذرات و علف های هرز استفاده شده است که در نهایت می توان یکی از بهترین روش های پیش بینی تقاضا را تعیین کرد که نسبت به سایر روش های ارائه شده ازدقت بالاتری برخوردار می باشد.

1.4. اهداف تحقیق
همانطور که اشاره شد تخمین تابع تقاضا با تکنیک های مناسب و دقیق تر می تواند ما را به پیش بینی دقیق تری از فرآورده های سوختی نفتی برساند که در نهایت می توان با برآورد کردن تابع تقاضا و اطلاع از حدود تقاضا با تکنیک های مطرح شده سیاست های مناسب و برنامه ریزی دقیق تری را در پیش گرفت. به طور کلّی هدف از این پژوهش  ارائه تکنیک های مختلف است که می توان در تخمین تابع تقاضا از آنها کمک گرفت و در نهایت خروجی هر یک از تکنیک های مورد نظر را با یکدیگر مقایسه کرد و یک تکنیک برتر و کارآمد را معرفی کرد.

1.5. سؤالات پژوهشی
برخی از سؤالاتی که در این باره می تواند مورد توجه قرار بگیرد به شرح زیر است:

1- آیا با سه روش بهینه سازی توده ذرّات ،شبکه های هوش مصنوعی و الگوریتم علف های هرز می توان به پیش بینی تابع تقاضا پرداخت؟

2- از بین سه روش فوق کدامیک از اهمیت و دقت بالاتری برخوردار است؟

1.6. روش تحقیق
نوع تحقیق بر اساس هدف کاربردی می باشد و براساس چگونگی بدست آوردن داده های مورد نیاز، تحقیق حاضر یک بخش کتابخانه ای می باشد، به این ترتیب که ابتدا برای شناسایی عوامل مؤثر بر تابع تقاضا با بررسی کتابخانه ای  پیشینۀ تحقیق ، مجموعه ای از شاخص ها شناسایی می شود و بعد از آن داده ها بر اساس پایگاه داده شرکت نفت استخراج می شود و در نهایت از طریق نرم افزار MATLAB اجرا می شود.

1.7. قلمرو تحقیق
قلمرو تحقیق شامل سه مورد قلمرو موضوعی، قلمرو زمانی و قلمرو مکانی است که در ادامه به تشریح هر یک پرداخته می شود.

1.7.1. قلمرو موضوعی
قلمرو موضوعی این پایان نامه پیش بینی تقاضا برای فرآورده های سوختی نفتی می باشد.

1.7.2. قلمرو زمانی
قلمرو زمانی تحقیق، با بهره گرفتن از میزان مصرف چهار فرآوردۀ مهم سوختی نفتی در بازۀ زمانی سال 1306 تا 1391 می باشد.

1.7.1. قلمرو مکانی
قلمرو مکانی این تحقیق، شرکت ملّی پالایش و پخش فرآورده های سوختی نفتی کشور می باشد.

1.8. شرح واژه و اصطلاحات به کار رفته در پژوهش (مفاهیم عملیاتی):
تقاضا[13] :

از تقاضا تعاریف زیادی ارائه شده است.اما یک تعریف کلّی که می توان از تقاضا ارائه داد به این ترتیب است که تقاضا عبارت است از مقدار کالا یا خدمتی که با توجه قیمت و سایر عوامل در یک دوره خریداری می کنیم ” نظری، 1392″.

فراورده های سوختی نفتی[14]:

به مجموعه ای از محصولات منتج از نفت گفته می شود که شامل بنزین ، نفت گاز و . می باشد.

الگوریتم بهینه سازی علف های هرز:

در طول چهار دهۀ گذشته، تعداد زیادی الگوریتم به منظور حل مسائل متنوّع بهینه سازی مهندسی توسعه یافته اند. اکثر این الگوریتم ها بر پایه روش های برنامه ریزی خطّی و غیر خطّی عددی بوده است. الگوریتم بهینه سازی علف های هرز (IWO) یک الگوریتم بهینه سازی احتمالی عددی الهام گرفته شده از رشد علف های هرز می باشد، که در سال 2006 توسط محرابیان و لوکاس در قالب مقاله ایی ارائه شد.

علف های هرز گیاهانی هستند که رشد هجوم آورنده و شدید آنها تهدید مهمی برای گیاهان زراعی محسوب می شود. علف های هرز بسیار پایدار و تطابق پذیر در مقابل تغییرات محیط می باشند. بنابراین با گرفتن خصوصیات آنها می توان به یک الگوریتم بهینه سازی قوی رسید. این الگوریتم تلاش می کند که از قدرت تطابق پذیری و تصادفی بودن  جمعیّت علف های هرز به طور ساده تقلید کند. معمولاً برای شبیه سازی رفتار علف های هرز تعدادی مسائل پایه ای نیاز است:

1-مقدار دهی اولیه یک جمعیت

2-تولید مثل

3-پراکندگی محیطی

4-حذف رقابتی