رویکردی نوین در مدل‌سازی شبکه عصبی مصنوعی بر اساس منطق رگرسیون فازی و کاربرد آن در پیش‌بینی (مورد کاوی: پیش‌بینی قیمت گاز مایع ژاپن)

Authors

  • سیدعلی ترابی دانشیار دانشکده مهندسی صنایع - پردیس دانشکده‌های فنی- دانشگاه تهران
  • شیما پاشاپورنظری فارغ التحصیل کارشناسی ارشد مهندسی صنایع - پردیس دانشکده‌های فنی- دانشگاه تهران
  • نجمه نشاط دانشجوی دکترای مهندسی صنایع- دانشگاه تریبت مدرس
Abstract:

در این مقاله، یک رویکرد جدید مدل­سازی برای مدل‌های 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 پیش‌بینی قیمت گاز مایع در بازار ژاپن (بزرگ‌ترین وارد‌کننده گاز طبیعی جهان) برای نشان دادن نحوه استفاده از این رویکرد ارائه شده است. نتایج به دست آمده نشان می­دهد که قدرت پیش‌بینی مدل ارائه شده قابل قبول است. علاوه بر این، در شرایط غیرقطعی و پیچیده می‌تواند بر خلاف مدل‌های شبکه عصبی، اطلاعات شفافی از روابط موجود بین متغیرهای ورودی و پاسخ مدل به تصیم­گیرنده ارائه دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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. ...

full text

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

full text

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

full text

بررسی تجربی و مدلسازی شبکه عصبی برای پیشبینی ضریب شکست الکلهای خالص و مخلوط دوتایی

در این پژوهش ضریب شکست نمونه های خالص الکلهای نوع اول و مخلوط‌های دوتایی آنها به دو روش تجربی و مدلسازی مورد بررسی قرار گرفت. در روش تجربی از دستگاه رفرکتومتر برای اندازه گیری ضریب شکست استفاده شد و در روش مدلسازی، با به کارگیری شبکه عصبی مصنوعی پرسپترون چندلایه مدلسازی شد. به همین منظور ورودی های شبکه مربوط به مواد خالص، دما، جرم مولکولی و گروه های عاملی CH3، CH2 و OH و برای مخلوط ها کسر مولی،...

full text

کاربرد شبکه عصبی مصنوعی و رگرسیون حداقل مربعات معمولی در مدلسازی تغییرات کاربری سرزمین

با توجه به اهمیت بالای اثر تغییرات کاربری سرزمین در آینده، لازم است الگوی رشد و تغییر کاربری‌ها قبل از اتخاذ هر گونه تصمیمی به مسئولان و تصمیم‌گیرندگان امور مربوط ارائه شود. هدف این پژوهش مدل‌سازی تغییرات کاربری سرزمین در منطقة کوهمره سرخی استان فارس با استفاده از روش رگرسیون حداقل مربعات معمولی برای پیش‌پردازش متغیرها و مدل‌سازی با استفاده از شبکة عصبی است. بدین منظور نقشه‌های کاربری سرزمین با...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 47  issue 1

pages  15- 24

publication date 2013-03-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023