fa توسعه مدل رگرسیون زنجیره مارکوف خاکستری و پیش‌بینی مصرف سالیانه گاز کشور اقتصاد سنجي-پنل ديتا Panel Data رساله(پايان نامه)كارشناسي ارشد Thesis(M.A.) <span style="font-family:b nazanin;"><span style="font-size:12.0pt;">پیش‌بینی دقیق مصرف سالیانه گاز کل کشور نقش تعیین‌کننده‌ای در تدوین راهبردهای تأمین انرژی و سیاست&rlm;گذاری این حوزه دارد. مدل رگرسیون زنجیره مارکف خاکستری روشی مبتنی بر داده‌های سری‌های زمانی است که عملکرد مناسبی جهت تحلیل و پیش‌بینی داده‌های مصرف سالیانه گاز دارد. رگرسیون زنجیره مارکوف خاکستری، ترکیبی از مدل زنجیره‌ مارکوف و مدل رگرسیون خاکستری و ابزار مناسبی برای پیش‌بینی داده‌های تعداد کم با نوسانات تصادفی است. در این مدل، خطاهای پیش‌بینی حاصل از مدل رگرسیون خاکستری به تعدادی بازه با فواصل یکسان تقسیم و از میانگین بازه خطاها و ماتریس احتمال انتقال وضعیت زنجیره مارکوف مربوط به وضعیت خطاها، مقدار اصلاح‌شده خطا محاسبه و به مقدار پیش‌بینی مدل رگرسیون خاکستری اضافه می‌شود. در این تحقیق پیشنهاد می&rlm;شود که به‌جای استفاده از میانگین فواصل، خطای </span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">هر بازه به&rlm;صورت عدد خاکستری </span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">بین حدود هر بازه به نحوی انتخاب شود که معیار دقت پیش‌بینی کمینه شود. به‌منظور تعیین نقطه بهینه فواصل خطا، از رویکرد طراحی آزمایش‌ها و طرح باکس-بنکن استفاده شده است. مطالعه کاربردی پیش‌بینی مصرف سالیانه گاز نشان می‌دهد که مدل رگرسیون زنجیره مارکوف خاکستری بهبودیافته، دقت بیشتری نسبت به مدل‌های خاکستری، رگرسیون خاکستری و رگرسیون زنجیره مارکوف خاکستری دارد. </span></span><br> &nbsp; Accurate forecasting of annual gas consumption of the country plays an important role in energy supply strategies and policy making in this area. &nbsp;Markov chain grey regression model is considered to be a superior model for analyzing and forecasting annual gas consumption. &nbsp;This model Markov is a combination of the Markov chain and grey regression models. According to this model, the residual errors generated from the grey regression model are divided into a number of equal portions. We will add the calculated error terms to the values obtained through the grey regression in order to increase its accuracy.&nbsp; We use the box-bench design to calculate the optimal value of the error term which produces the most accurate forecasts when using the Markov chain grey regression model. The experimental study of the forecasting of natural gas consumption indicates that the proposed Markov chain grey regression model is more accurate than they grey or conventional Markov chain regression models.<br> &nbsp; مدل خاکستری, رگرسیون خاکستری, زنجیره مارکوف, طراحی آزمایش‌ها,C15,C53,C90,L95 Grey Model, Regression Technique, Markov Chain, Design of Experiments,C15, C53, C90, L95 243 267 http://iiesj.ir/browse.php?a_code=A-10-1405-1&slc_lang=fa&sid=1 Vahid Baradaran وحید برادران v_baradaran@iau-tnb.ac.ir 10031947532846005056 10031947532846005056 Yes Islamic Azad University, Tehran North Branch دانشگاه آزاد اسلامی واحد تهران شمال Shahran Shafiei شهران شفیعی Shahran.shafiei@gmail.com 10031947532846005057 10031947532846005057 No Islamic Azad University, Tehran North Branch دانشگاه آزاد اسلامی واحد تهران شمال