Razvoj optimalnog modela umjetnih neuronskih mreža za predviđanje emisija stakleničkih plinova prema projekcijama sektorske potrošnje energije (CROSBI ID 623544)
Prilog sa skupa u zborniku | sažetak izlaganja sa skupa | domaća recenzija
Podaci o odgovornosti
Strahovnik, Tomislav ; Novak, Mirjana ; Ukić, Šime ; Rogošić, Marko ; Bolanča, Tomislav
hrvatski
Razvoj optimalnog modela umjetnih neuronskih mreža za predviđanje emisija stakleničkih plinova prema projekcijama sektorske potrošnje energije
Energija je jedna od osnovnih komponenti u procesu gospodarskog razvoja neke države jer omogućava gospodarski razvoj kroz pružanje najosnovnijih usluga koje održavaju gospodarske aktivnosti kao i poboljšanje kvalitete života ljudi. Poznata je činjenica kako postoji međuovisnost energije, gospodarstva i okoliša, odnosno između potrošnje energije, cijene energije i emisija stakleničkih plinova. U današnje vrijeme zbog negativnih utjecaja na okoliš i povezanosti s energetskim i gospodarskim razvojem, predviđanje emisija stakleničkih plinova dobiva sve veću pozornost pri planiranju i izradi nacionalnih gospodarskih razvojnih strategija. Predmet ovog rada je pronalaženje i razvoj optimalnog modela predviđanja emisija stakleničkih plinova s obzirom na realne projekcije sektorske potrošnje energije u Republici Hrvatskoj do 2020., odnosno do 2030. U r adu ć e s e u o bzir u zeti s amo p otrošnja energije u energetskom sektoru, koji se sastoji od podsektora: industrija, promet, kućanstva, usluge, poljoprivreda i graditeljstvo, a predstavlja emisije stakleničkih pliinova koje nastaju isključivo izgaranjem fosilnih goriva. Za razvoj optimalnog modela predviđanja testirat će se dvije najčešće korištene arhitekture umjetnih neuronskih mreža, višeslojne perceptronske mreže (MLP) i mreže s radijalnim baznim funkcijama (RBF). Projekcije sektorske potrošnje energije za ciljanu godinu odredit će se ekstrapolacijom procijenjenih realnih godišnjih stopa rasta iz temeljne projekcije preuzetih iz Strategije energetskog razvitka Republike Hrvatske [1], te bi se predložio novi Optimistični scenarij prema kojem bi u 2020. neposredna potrošnja energije iznosila 302, 82 PJ, a u 2030. 410, 54 PJ. Na osnovi procijenjenih realnih godišnjih stopa rasta potrošnje energije koje su za 20% umanjene u odnosu na stope iz temeljnog scenarija iz Strategije u razdoblju do 2020., a u razdoblju od 2021. do 2030. za 30% umanjene u odnosu na stope iz temeljnog scenarija, te je predložen novi Razvojni scenarij prema kojem bi u 2020. neposredna potrošnja energije iznosila 292, 67 PJ, a u 2030. 376, 43 PJ. Kao ulazni podaci u modele umjetnih neuronskih mreža koristile bi se projekcije sektorske potrošnje energije, a izlazne vrijednosti bile bi emisije stakleničkih plinova. Provedenim istraživanjem, a na osnovu dobivenih rezultata može se zaključiti kako je model umjetnih neuronskih mreža temeljen na radijalnim baznim funkcijama (RBF) pouzdaniji od modela s višeslojnim perceptronom (MLP). Predviđene emisije stakleničkih plinova primjenom modela umjetnih neuronskih mreža s radijalnim baznim funkcijama (RBF) pokazuju manje pogreške te da je navedeni model pouzdan. Rezultati dobiveni modelom umjetnih neuronskih mreža s radijalnim baznim funkcijama (RBF) ukazuju na ovisnost o sektorskoj potrošnji energije te da se može primjeniti za određivanje budućih razina emisija stakleničkih plinova.
razvoj modela ; umjetne neuronske mreže ; emisije stakleničkih plinova
nije evidentirano
engleski
Development of optimal artificial neural network model for greenhouse gas emissions prediction according to sectoral energy consumption projections
nije evidentirano
model development ; artificial neural networks ; greenhouse gas emissions
nije evidentirano
Podaci o prilogu
266-266.
2015.
objavljeno
Podaci o matičnoj publikaciji
Knjiga sažetaka XXIV. hrvatski skup kemičara i kemijskih inženjera
Ukić, Šime ; Bolanča, Tomislav
Zagreb: Hrvatsko društvo kemijskih inženjera i tehnologa (HDKI) ; Hrvatsko kemijsko drustvo
978-953-6894-54-3
Podaci o skupu
XXIV. hrvatski skup kemičara i kemijskih inženjera
poster
21.04.2015-24.04.2015
Zagreb, Hrvatska