اهمیت شبکه های عصبی فازی در پیش بینی دقیق تر سطوح مورد انتظار فعالیت و روند های عمده مالی و عملیاتی(نمونه مورد مطالعه:شرکت پالایش گازسرخون وقشم)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان - دانشکده مدیریت و حسابداری
- نویسنده فریبا بردبار
- استاد راهنما محمد علی مرادی وحیده کیخا
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
شناسایی سطوح سر به سری تولیدات و فعالیتها و متعاقب آن تعیین سطوح مورد انتظار فعالیت امکان موثری را جهت پیش بینی فروش و برنامه ریزی سود بدست می دهد.تعیین نقطه بهینه تولید محصولات در بهبود وضعیت شرکت و برنامه ریزی های آتی مدیران جهت بیشینه سازی اهداف سازمان اهمیت بسیار زیادی خواهد داشت.با پیشرفت روز افزون علم، استفاده از روش های جدید و بکارگیری تکنولوژی های هوشمند در امر پیش بینی رونق بسیاری پیدا کرده است.در میان روش های پیش بینی، شبکه های عصبی مصنوعی و منطق فازی در بسیاری از زمینه های کاربردی،استفاده شده اند و هر کدام دارای محاسن و معایبی هستند. در این پژوهش کاربرد علم پیش بینی در تعیین سطوح مورد انتظار فعالیت و روند های عمده مالی و عملیاتی شرکت پالایش گاز سرخون و قشم مورد پژوهش قرار گرفته است و همچنین روش ها و الگوریتم های جدیدمانند شبکه های عصبی و منطق فازی تشریح شده و کاربرد ترکیب دو روش در پیش بینی نقطه بهینه تولید محصولات به عنوان یکی از ابزا رهای مهم مدیران در برنامه ریزی و تصمیم گیری های آتی،بررسی گردیده است.از همین رو نخست با استفاده از روش های آماری پیش بینی مورد نظر انجام شد،سپس نتایج این روش ها با نتایج حاصل از روش شبکه عصبی فازی در پیش بینی سطوح مورد انتظار فعالیت با استفاده از معیار های اندازه گیری خطای پیش بینی،مقایسه گردید و همچنین جهت نشان دادن برتری و دقت شبکه های عصبی فازی نتایج حاصل از این مدل با مدل شبکه های عصبی صرف نیز مقایسه گردیده است و این نتیجه بدست آمد که در همه معیار ها روش شبکه عصبی فازی نسبت به سایر روش ها برتری دارد.
منابع مشابه
ترکیب روش شبکه های عصبی مصنوعی و مدل هیدرودینامیکی برای پیش بینی دقیق تر جریان رودخانه
در این تحقیق کاربرد روش سیستم عصبی مصنوعی در کاهش خطای مدل هیدرودینامیکی برای پیش بینی جریان رودخانه مورد بررسی قرارگرفته است. منطقه مورد مطالعه حوزه رینولدز کریک در جنوب غربی ایالت آیداهو در ایالات متحده آمریکا می باشد که دارای وسعتی معادل 239 کیلومتر مربع و اقلیم نیمه خشک است و به علت تغییرات بیش از حد بارندگی در نقاط مختلف این حوزه جریان رودخانه شدیداً متغیر است. در این تحقیق پس از کالیبراسیو...
متن کاملکاربرد تلفیقی شبکه عصبی و روش های محاسباتی جهت تخمین دقیق تر تبخیر-تعرق مرجع
در بسیاری از مسائل آبیاری و زهکشی، هیدرولوژی، محیط زیستی، فرسایش خاک و منابع آب تخمین دقیق تر تبخیر-تعرق اهمیت زیادی دارد. استفاده از شبکه عصبی مصنوعی یکی از روش های تخمین تبخیر-تعرق مرجع میباشد. تاکنون در بیشتر مقالات منتشر شده داده های اقلیمی به عنوان ورودی شبکه عصبی جهت تخمین تبخیر-تعرق مرجع مورد استفاده قرار گرفته است. در این تحقیق از تبخیر-تعرق محاسبه شده بوسیله روش های محاسباتی هارگریوز ...
متن کاملمقایسه قدرت پیش بینی روش شبکه عصبی مصنوعی با سایر روش های پیشبینی: مورد قیمت چغندرقند
این مطالعه با هدف پیشبینی قیمت اسمی و واقعی چغندرقند و مقایسه روش شبکه عصبی مصنوعی با سایر روشها صورت گرفت. پس از بررسی ایستایی سریها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون بررسی شد. براساس نتایج این آزمونها سری قیمت اسمی چغندرقند بهعنوان سری غیرتصادفی و قابل پیشبینی و سری قیمت واقعی بهعنوان سری تصادفی ارزیابی شد. دوره مطالعه نیز ...
متن کاملکاربردهای شبکه های عصبی در پیش بینی سری های زمانی
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...
متن کاملپیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی
یکی از مهمترین موارد مورد علاقه مدیران بانکی به عنوان متغیری تأثیرگذار بر صنعت بانکداری، اطلاع از وضعیت سپردههای بانکی است که فعالیت بانک تا حد زیادی بستگی به آن دارد. ازاینرو مدیران بانکها علاقهمند هستند بدانند که میزان کل سپردههای بانک در زمان معینی در آینده چقدر خواهد بود. پیشبینی میزان سپردهها، تغییر و نوسان این سپردهها میتواند در امر برنامهریزی و تصمیمگیری به بانکها کمک نماید....
متن کاملپیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی
Optimization of machining parameters is very important and the main goal in every machining process. Surface finishing prediction is a pre-requirement to establish a center for automatic machining operations. In this research, a neuro-fuzzy approach is used in order to model and predict the surface roughness in dry turning. This approach has both the learning capability of neural network and li...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان - دانشکده مدیریت و حسابداری
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023