M. Khashei
Department of Industrial and Systems Engineering, Isfahan University of Technology (IUT), Isfahan, Iran
[ 1 ] - Steel Consumption Forecasting Using Nonlinear Pattern Recognition Model Based on Self-Organizing Maps
Steel consumption is a critical factor affecting pricing decisions and a key element to achieve sustainable industrial development. Forecasting future trends of steel consumption based on analysis of nonlinear patterns using artificial intelligence (AI) techniques is the main purpose of this paper. Because there are several features affecting target variable which make the analysis of relations...
[ 2 ] - ارائه یک مدل طبقه‌بندی ترکیبی هوشمند مبتنی بر شبکه‌های عصبی پرسپترون چندلایه و رگرسیون فازی به‌منظور تجزیه و تحلیل مسائل امتیازدهی اعتباری
Financial crises in banking systems are due to inability to manage credit risks. Credit scoring is one of the risk management techniques that analyze the borrower's risk. In this paper, using the advantages of computational intelligence as well as soft computing methods, a new hybrid approach is proposed in order to improve credit risk management. In the proposed method, for modeling in uncerta...
[ 3 ] - Electricity Load Forecasting by Combining Adaptive Neuro-fuzzy Inference System and Seasonal Auto-Regressive Integrated Moving Average
Nowadays, electricity load forecasting, as one of the most important areas, plays a crucial role in the economic process. What separates electricity from other commodities is the impossibility of storing it on a large scale and cost-effective construction of new power generation and distribution plants. Also, the existence of seasonality, nonlinear complexity, and ambiguity pattern in electrici...
[ 4 ] - به کارگیری ابزارهای هوش محاسباتی به‌منظور پیش‌بینی مصرف فولاد خام کشور
تصمیم‌گیری یکی از ارکان اساسی مدیریت و عامل مهمی در شکوفایی سازمان‌هاست. این اهمیت تا جایی است که مدیران به دنبال به کارگیری ابزارهای کارآمد به‌منظور بهبود کیفیت تصمیمات خود هستند. صنعت فولاد نیز، یکی از صنایع زیربنایی کشور، از این قاعده مستثنی نیست و شایسته‌ی توجهی عمیق است. در این مقاله سعی شده است تا با به کارگیری روش‌های علمی، مدلی به منظور مدیریت مصرف فولاد خام کشور ارائه شود. پیشینه‌ی موض...
[ 5 ] - پیش‌بینی کوتاه‌مدت تقاضای فصلی الکتریسیته با استفاده از مدل‌های ترکیبی هوشمند نرم
روش‌های پیش‌بینی از کارآمدترین ابزارهای موجود به‌منظور اتخاذ تصمیمات مدیریتی در حوزه‌های مختلف علوم هستند. دقت پیش‌بینی‌ها یکی از مهم‌ترین عامل‌های مؤثر بر کیفیت تصمیمات اتخاذی است که رابطه‌ی مستقیمی با کیفیت این تصمیمات دارند. پیش‌بینی تقاضای الکتریسته یکی از چالش‌برانگیزترین حوزه‌های پیش‌بینی است. مشخصه‌ی منحصربه فرد الکتریسته، که پیش‌بینی را در مقایسه با سایر کالاهای تولیدی دشوارتر می‌سازد،...
[ 6 ] - ارائه ابزار محاسباتی نرم مبتنی بر مدل‌های ترکیبی به‌منظور بهبود پیش‌بینی کیفیت منسوجات تولیدی در صنعت پوشاک
ب شبکه‌های عصبی مصنوعی ابزارهای پیش‌بینی دقیقی برای دامنه وسیعی از مسائل هستند که نیاز به داده‌های زیاد برای حصول نتایج دقیق، کاربرد آن‌ها را با محدودیت مواجه کرده است. این درحالی است که فراهم آوردن داده‌های مورد نیاز به منظور ارائه پیش‌بینی‌های دقیق با شبکه عصبی مصنوعی در صنعت نساجی، اصولاً بسیار هزینه‌بر و زمان‌بر است. از این رو، استفاده از روش‌هایی که قادر به ارائه پیش‌بینی با تعداد داده‌های ...
[ 7 ] - پیش‌بینی بار الکتریکی با بکارگیری مدل‌های ترکیبی پرسپترون‌های چندلایه و خودرگرسیون میانگین متحرک انباشته فصلی
امروزه صرفه‌جویی در زمان و اقتصاد یک کشور نیازمند برنامه‌ریزی، تصمیم‌گیری و پیش‌بینی‌های درست و منطقی در حوزه‌های مختلف می‌باشد. یکی از این حوزه‌های مطرح در هر کشور، پیش‌بینی بار الکتریکی می‌باشد. این کالا (الکتریسیته) با توجه به اینکه قابل ذخیره‌سازی نمی‌باشد، پیش‌بینی آن با حساسیت بالاتری انجام می‌گیرد. همچنین علاوه بر غیرقابل ذخیره‌بودن، در مصرف این کالا الگوهای مختلفی دیده می‌شود که مدل‌ساز...
Co-Authors