رویکردی نوین در مدل سازی شبکه عصبی مصنوعی بر اساس منطق رگرسیون فازی و کاربرد آن در پیش بینی (مورد کاوی: پیش بینی قیمت گاز مایع ژاپن)

در این مقاله، یک رویکرد جدید مدل­سازی برای مدل های شبکه عصبی مصنوعی بر مبنای مفاهیم شبکه­های عصبی و رگرسیون فازی ارائه شده است. به این منظور، مدل شبکه عصبی مصنوعی در قالب یک مدل رگرسیون غیرخطی فازی فرموله شده است، به نحوی که این مدل، مزایای هر دو مدل رگرسیون فازی و شبکه عصبی مصنوعی را دارد. بنابراین، این مدل به دلیل انعطاف­پذیری بالا، قابلیت استفاده در شرایط نبود قطعیت، مبهم یا پیجیده را دارد. علاوه بر این، مطالعه موردی پیش بینی قیمت گاز مایع در بازار ژاپن (بزرگ ترین وارد کننده گاز طبیعی جهان) برای نشان دادن نحوه استفاده از این رویکرد ارائه شده است. نتایج به دست آمده نشان می­دهد که قدرت پیش بینی مدل ارائه شده قابل قبول است. علاوه بر این، در شرایط غیرقطعی و پیچیده می تواند بر خلاف مدل های شبکه عصبی، اطلاعات شفافی از روابط موجود بین متغیرهای ورودی و پاسخ مدل به تصیم­گیرنده ارائه دهد.