راکتورهای دو فازی در ساده ترین حالت به صورت یک استوانه ی عمودی است، که در داخل آن پر از مایع بوده و فاز گاز از قسمت زیرین توسط یک توزیع کننده وارد راکتور می شود. این راکتورها به دلیل ساختار ساده و بالا بودن میزان انتقال جرم و حرارت به طور گسترده در صنایع شیمیایی، پتروشیمی، متالوژی و بیولوژیکی مورد استفاده قرار می گیرند. در این جا از راکتورهای دو فازی با گردش جریان داخلی برای انجام آزمایش ها استفاده شده است. از محلول سولفیت سدیم برای فاز مایع و از هوا برای فاز گاز استفاده شده است. برای بررسی اثرات هندسی ناودانی بر میزان انتقال جرم از دو ناودانی با قطر 4 و 5 سانتی متر استفاده شده است. برای بررسی انتقال جرم، در اینجا ضریب انتقال جرم حجمی اکسیژن محاسبه شده است. پارامتر ماندگی گاز نیز به دلیل تأثیر بر میزان انتقال جرم بررسی شده است. نتایج آزمایش ها نشان دهنده این است که با افزایش قطر ناودانی انتقال جرم و ماندگی گاز افزایش می یابد. آزمایش ها با تغییر نوع توزیع کننده گاز نیز انجام شده است که نتایج نشان دهنده این است که با افزایش تعداد سوراخ های توزیع کننده انتقال جرم و ماندگی گاز افزایش می یابد. برای بررسی بیشتر، راکتور با دینامیک سیالاتی محاسباتی شبیه سازی شده است. تولید هندسه مدل با نرم افزار gambit 2.3.16 و مدل سازی با نرم افزار fluent 6.3.26 انجام شده است. نتایج شبیه سازی با نتایج آزمایشگاهی تطابق خوبی دارد و حداکثر 10 درصد خطا دارد.

یکی از مهم ترین قسمتهای فرآیند تصفیه آب، واحد انعقاد و لخته سازی می باشد. عموما دوز بهینه منعقدکننده با استفاده ازجارتست در آزمایشگاه وتجربه خود اپراتور تعیین می شود. با این حال، جارتست وقت گیر و هزینه بر است و با تغییر شرایط آب خام در زمان واقعی تطابق کمتری دارد. برای غلبه براین محدودیت ها می توان از محاسبات نرم استفاده کرد.. دراین تحقیق، ازسیستم چندهدفی تکاملی استنتاج عصبی-فازی تطبیقی(anfis) برای مدل سازی وپیش بینی دوز بهینه منعقدکننده مصرفی در تصفیه خانه رشت بااستفاده ازمجموعه داده های ورودی -خروجی، استفاده شده است. در این روش از الگوریتم های ژنتیک چندهدفی (muga) برای بهینه سازی ساختار anfis استفاده می شود. به منظور مدل سازی، داده های تجربی به دو بخش آموزشی وآزمایشی تقسیم شدند. از 70درصد داده ها به عنوان داده های آموزش و30 درصد آنها به عنوان داده های آزمایشی استفاده شد. نتایج حاصل از مدل سازی با داده های تجربی مقایسه شدند. بعد از اجرای ساختار anfis، مدل بدست آمده تطابق بسیار خوبی با نتایج تجربی نشان داد.

خشک کردن یکی از راه های مدرن نگهداری از محصولها می باشد.اهمیت این موضوع از یک سو و اهمیت صرفه جویی در مصرف سوخت از سوی دیگر طراحی سیستمی جهت خشک کردن مواد غذایی با انرژی خورشیدی را اقتصادی و مهم جلوه می دهد . بشر در دوران زندگی خویش همواره از انرژی خورشید بهره برده است. به طور کلی مزایای استفاده از انرژی خورشید را می توان قابلیت تجدید پذیری ، تمیز و رایگان بودن آن نام برد. در این تحقیق، مدل ریاضی جهت پیش بینی رفتار ماده طی فرآیند خشک شدن در خشک کن خورشیدی با تابش مستقیم مورد بررسی قرار گرفته است .سپس مدل ریاضی براساس معادلات بقای جرم و انرژی یک بعدی و شرایط مرزی مختلف جهت پیش بینی تغییرات دما و توزیع رطوبت درون ماده ارائه شده اند. معادلات مربوطه ، به روش عددی تفاضلات محدود ضمنی و به کمک یک برنامه کامپیوتری در نرم افزار matlab حل شده اند. اعتبار مدل با مقایسه میزان رطوبت متوسط اندازه گیری شده حاصل از انجام آزمایشات نسبت به رطوبت متوسط پیش بینی شده توسط مدل مورد ارزیابی قرار گرفته است.

یکی از مراحل مهم و ضروری در فرایند تصفیه آب،فرآیند انعقاد و لخته سازی می باشد. تعیین مقدار بهینه مصرفی منعقد کننده بسیار تعیین کننده می باشد و مصرف نامناسب آن باعث کاهش کیفیت آب مصرف شده می شود و همچنین بر روی بازده اقتصادی مانند هزینه مواد مصرفی تاثیرگذار می باشد . دوز مصرفی نا مناسب باعث کاهش بازده در مراحل ته نشینی و فیلتراسیون می شود . بصورت متداول آزمایش جار و تجربه شخصی اپراتور برای تعیین میزان دوز مصرفی مورد استفاده قرار می گیرد . اما آزمایش جار هزینه بر و زمان بر می باشد و همچنین در مقابل تغییرات ناگهانی در آب خام ورودی انعطاف پذیری کمی دارد . وقتی که یک تغییر غیر معمول مانند باران سنگین یا طوفان اتفاق بیفتد باعث بالا رفتن ناگهانی کدورت آب می شود و این کدورت می تواند باعث کاهش کیفیت آب شرب شود و به همین دلیل تعیین میزان بهینه دوز مصرفی در زمان کم بسیار سخت می شود . .محققان اخیرا از مدلسازی مانند شبکه های عصبی استفاده می کنند تا بر این محدودیت ها غلبه کنند . در این مقاله شبکه های عصبی نوع روش دسته بندی گروهی دادههای عددی ) gmdh (برای تعیین مقدار بهینه دوز مصرفی منعقدکننده در تصفیه خانه رشت مورد مطالعه قرار گرفته است . داده های مورد استفاده جهت مدلسازی از تصفیه خانه رشت جمع آوری شده است .به منظور مدلسازی داده های آزمایشگاهی یه دو دسته ) 62 % برای تمرین و 42 % برای آزمایش( تقسیم شدند تا عملکرد مدل مورد ارزیابی قرار گیرد . مقادیر بدست آمده توسط مدل مطابقت بسیار خوبی با نتایج آزمایشگاهی داشت .

چکیده به منظور گازرسانی به موقع و کافی به مشترکین و مصرف کنندگان، پیش بینی میزان مصرف گاز طبیعی امری ضروری برای توزیع کنندگان گاز می باشد. پیش بینی میزان مصرف گاز یک پیش نیاز مهم برای سیستم گاز رسانی کارآمد و پایه ای اساسی برای تصمیم گیری های مهم می باشد. در این تحقیق از شبکه های عصبی نوعann، gmdh و ساختار عصبی-فازی anfis برای پیش بینی میزان مصرف گاز طبیعی استفاده شده است. به منظور مدلسازی، داده های تجربی به دو دسته (70% برای آموزش و 30% برای آزمایش) تقسیم شده اند تا عملکرد سیستم مورد ارزیابی قرار گیرد. مشخصه های هواشناسی استفاده شده به عنوان ورودی، دمای موثر روزانه، میزان بارندگی و رطوبت هوا می باشد و تعداد واحدهای مصرف کننده گاز ورودی دیگر می باشد. مقادیر به دست آمده توسط مدل ها مطابقت بسیار خوبی با داده های تجربی داشته است. همچنین ساختار عصبی-فازی anfis نتایج بهتر و سریع تری را ارائه داده است. کلمات کلیدی: گاز طبیعی، پیش بینی میزان مصرف، شبکه های عصبی نوع gmdh، ساختار عصبی-فازی anfis .

جهت داشتن عملیات حفاری کارآمد و مقرون به صرفه، مهندسین و ناظران حفاری باید محاسبات لازم جهت پیش بینی شرایط عملیات را پیش از انجام حفاری انجام دهند. محاسبات مربوط به حفاری با هوا پیچیده هستند و نیازمند تولید و استفاده از برنامه های محاسباتی رایانه ای می باشند. در حال حاضر برنامه های پیچیده تجاری برای این امر وجود دارد. در این تحقیق از شبکه های عصبی نوع ann، gmdh و ساختار عصبی-فازی anfis برای پیش بینی و بهینه سازی سرعت حفاری با هوا و کف فشرده چاه های نفت و گاز طبیعی استفاده شده است. به منظور مدلسازی، داده های تجربی به دو دسته (79% برای آموزش و 21% برای آزمایش) تقسیم شده اند تا عملکرد سیستم مورد ارزیابی قرار گیرد. مشخصه های هواشناسی استفاده شده به عنوان ورودی، دمای موثر روزانه، میزان بارندگی و رطوبت هوا می باشد و تعداد واحدهای مصرف کننده گاز ورودی دیگر می باشد. مقادیر به دست آمده توسط مدل ها مطابقت بسیار خوبی با داده های تجربی داشته است. همچنین شبکه عصبی نوع gmdh نتایج بهتری را ارائه داده است.

سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و پیش بینی در این بازار همواره با چالش، تردید و خطا مواجه بوده است و روش های مورد استفاده دارای نقاط ضعفی هستند که کاربرد آنها را با محدودیت مواجه می سازد. سیستم های هوشمند یکی از فناوری های نوین این عصر است که با استفاده از آنها می توان سعی در طراحی مدل هایی برای پیش بینی در بازارهای سرمایه (برای مثال پیش بینی قیمت سهام) نمود. هدف از این پایان نامه، امکان پذیر بودن پیش بینی نوسانات قیمت سهام با استفاده از الگوریتم دسته بندی داده های عددی (gmdh) است. به منظور مدلسازی ، داده های تجربی به دو دسته (75% برای آموزش و 25% برای آزمایش) تقسیم شدند تا عملکرد مدل مورد ارزیابی قرار گیرد. پس از اجــرای برنــامه و پیش بینــی قیمــت سهــام نتایـج پیش بینی 99/0 r2 =، 41/93 rmse=، 91/74 mad= و 05/0 mape= برای پیش بینی در بازار بورس اوراق بهادار را نشان می دهد. بنابراین به طور کلی شبکه عصبی نوع gmdh توانایی قابل ملاحظه ای در پیش بینی قیمت سهام با دقت بالا را دارد.

مدیریت سرمایه در گردش یکی از بخش هائی است که در ساختار مدیریتی یک سازمان نقش حیاتی ایفا می کند و به عنوان نیروی اصلی در حرکت رو به جلوی سازمان ها، در کسب منافع بزرگ اقتصادی از اهمیت زیادی برخوردار است. پژوهش حاضر به دنبال بررسی رابطه بین مدیریت سرمایه در گردش و عملکرد شرکت و همچنین بررسی رابطه بین مدیریت سرمایه در گردش با وجود محدودیت های مالی و عملکرد شرکت است. برای این منظور داده های پانلی ?? شرکت پذیرفته شده در بورس اوراق بهادار تهران در یک دوره پنج ساله (????-????) بررسی شد. با استفاده از آزمون چاو و هاسمن مدل مناسب با اثرات ثابت تعیین شده و از روش حداقل مربعات تعمیم یافته برای آزمون فرضیه ها استفاده شد. نتایج یافته ها نشان می دهد که رابطه منفی معنی داری بین مدیریت سرمایه در گردش که برای سنجش آن از دوره چرخه تبدیل وجه نقد و عملکرد شرکت که از طریق معیار کیوتوبین اندازه گیری شده وجود دارد. همچنین در این پژوهش پنج معیار محدودیت مالی، نسبت سود تقسیمی، نسبت جریان نقد عملیاتی، نسبت پوشش بهره، هزینه تأمین مالی خارجی و معیار zآلتمن در نظر گرفته شده که نتایج یافته ها نشان می دهد که بین دوره چرخه تبدیل وجه نقد با وجود معیارهای محدودیت های مالی (نسبت سود تقسیمی، نسبت پوشش بهره، هزینه تأمین مالی خارجی ومعیار zآلتمن) و عملکرد شرکت رابطه معکوس معنادار وجود دارد و بین دوره چرخه تبدیل وجه نقد با وجود معیار محدودیت مالی (نسبت جریان نقد عملیاتی) و عملکرد شرکت رابطه معناداری وجود ندارد. یافته های پژوهش بیان می کنند که مدیران می توانند از طریق کنترل صحیح چرخه تبدیل وجه نقد در یک سطح مطلوب باعث بهبود عملکرد شرکت شوند.

سرمایه فکری، موضوع جدیدی است که به لحاظ نظری در چند ساله اخیر در سطح جهانی مطرح شده و از آنجایی که منبعی پر ارزش برای کشور ها و سازمان ها به شمار می رود، میزان رشد و توسعه آن به سرعت تبدیل به شاخصی در توسعه یافتگی کشور ها شده است. از سوی دیگر، این منبع نامشهود به عنوان یکی از ارزشمند ترین منابع و سرمایه ای کلیدی در رشد شرکت ها مطرح شده است. با توجه به اهمیت موضوع دانش در دهه اخیر و با توجه به تغییر در دنیای اقتصاد و حرکت به سمت اقتصاد دانش محور، شناسایی، سنجش و مدیریت سرمایه فکری به امری بسیار مهم و حیاتی برای شرکت ها تبدیل شده، که این افزایش اهمیت سرمایه فکری در سودآوری پایدار و مستمر، نیازمند بررسی دقیق تر نقش این سرمایه با ارزش در سودآوری شرکت ها می باشد، که موضوع پژوهش حاضر است. هدف این پژوهش بررسی ارتباط بین کارایی سرمایه فکری و سودآوری می باشد. با مطالعه ادبیات تحقیق یک فرضیه اصلی و پنج فرضیه فرعی تدوین شد و بر اساس مدل رگرسیون خطی، ارتباط بین کارایی سرمایه فکری و اجزاء آن شامل کارایی سرمایه به کار گرفته شده، کارایی سرمایه انسانی، کارایی سرمایه مشتری، کارایی سرمایه نوآوری و کارایی سرمایه فرایند با سودآوری بررسی گردید. به منظور سنجش سرمایه فکری از روش ضریب ارزش افزوده فکری تدوین شده توسط نظری و هرمنز، استفاده شده است. نمونه آماری تحقیق شامل 21 شرکت پذیرفته شده در صنعت مواد و محصولات دارویی بورس اوراق بهادار تهران، برای یک دوره 5 ساله از سال 1387 تا سال 1391 می باشد. نتایج پژوهش نشان داد که ارتباط مثبت و معنا داری بین کارایی سرمایه فکری و سودآوری وجود دارد، در حالی که از بین اجزاء کارایی سرمایه فکری، تنها کارایی سرمایه انسانی دارای رابطه مثبت و معنا داری با سود آوری می باشد و سایر اجزاء آن از جمله کارایی سرمایه به کار گرفته شده و کارایی سرمایه فرایند دارای رابطه منفی و معنا دار با سودآوری بوده و کارایی سرمایه نوآوری و نیز کارایی سرمایه مشتری فاقد رابطه معنا داری با سودآوری است. این نتایج حاکی از این است که وزن معیار کارایی سرمایه انسانی در شاخص کل کارایی سرمایه فکری بیشترین تاثیر را دارد.

آب کافی و با کیفیت مطلوب برای ادامه حیات بشر ضروری است. تصفیه خانه ها، آب شرب را با کیفیت بالا در کوتاه ترین زمان ممکن با حداقل هزینه فراهم می کنند. انعقاد و لخته سازی از جمله فرآیندهای ضروری تصفیه آب به منظور حذف کدورت از آب شرب می باشند. وقتی که یک تغییر غیر معمول مانند باران سنگین یا طوفان اتفاق بیفتد باعث بالا رفتن ناگهانی کدورت آب می-شود و این کدورت می تواند باعث کاهش کیفیت آب شرب شود و به همین دلیل تعیین میزان بهینه مقدار مصرفی مواد شیمیایی در زمان کم بسیار سخت می شود. تعیینمقداربهینهمصرفی مواد شیمیاییبسیارتعیینکنندهاست ومصرفنامناسبآنباعثکاهشکیفیتآبمصرفشدهمی شودوهمچنینبررویبازدهاقتصادیمانندهزینهموادمصرفیتأثیرگذارمی باشد. مقدار مصرف نامناسب این مواد باعث کاهش بازده در مراحل ته نشینی، فیلتراسیون و گندزدایی می شود. بصورت متداول آزمایش جار در آزمایشگاه و تجربه شخصی اپراتور در واحد بهره برداری برای تعیین مقدار مصرف مواد، مورد استفاده قرار می گیرد. دراینپژوهششبکه هایعصبینوعروشدستهبندیگروهیداده هایعددی (gmdh) برایمدل سازی و پیش بینی کیفیت آب در واحد آزمایشگاه و بهره برداری، با استفاده از مجموعه داده های ورودی- خروجی موردمطالعهقرارگرفتهاست. برای ارزیابی مدل پیشنهادی، تصفیه خانه بزرگ آب گیلان به صورت موردی بررسی و داده های مورد نیاز به دست آمده است. به منظور مدل سازی، داده ها به دو دسته (70% برایآموزشو30% برایآزمایش) تقسیم شده اندکه بعد از اجرای شبکه gmdh، نتایج حاصل از مدل سازی با داده های تجربی مقایسه گردید که مدل بدست آمده تطابق بسیار خوبی با نتایج تجربی نشان داد.

این پژوهش رضایتمندی مشتریان اینترنت بیسیم (wimax) شرکت مبین نت را بر اساس مدل ahp-dematel مورد مطالعه قرار می دهد. هدف از انجام این پژوهش شناسایی شاخص های تأثیرگذار بر رضایتمندی مشتریان وایمکس و اولویت بندی هر یک از آن ها با استفاده از ahp و سنجش شدت تأثیرگذاری و تأثیرپذیری آن ها با استفاده از dematel می باشد. این پژوهش دارای روش توصیفی- تحلیلی و بر اساس هدف از نوع کاربردی و نظری است. ابزار اصلی مورد استفاده جهت گردآوری داده ها در این پژوهش پرسشنامه است. پرسشنامه اول پس از شناسایی عوامل موثر بر رضایتمندی مشتریان وایمکس، با کمک نرم افزار excel حل شد. پرسشنامه دوم که شامل دو قسمت است: برای حل قسمت ahp از نرم افزار expert choice و برای حل قسمت dematel نیز از نرم افزار excel بهره برده شد. یافته های حاصل از ahp نشان داد که کیفیت طرح های اشتراکی به عنوان مهمترین شاخص و کیفیت پهنای باند به عنوان مهم ترین زیرشاخص توسط مشتریان انتخاب شناخته شد. نتایج حاصل از تکنیک dematel نشان داد که زیرشاخص کیفیت پهنای باند از بیشترین تأثیرگذاری و زیرشاخص آگاهی نیز از بیشترین میزان تأثیرپذیری از دید کارشناسان و خبرگان برخوردار می باشد. بنابراین شرکت مبین نت می تواند با تدوین برنامه ای دقیق جهت بهبود شاخص کیفیت طرح های اشتراکی و زیرشاخص کیفیت پهنای باند موجبات افزایش رضایتمندی مشتریان خود را فراهم آورد.

مدیریت کارآمد روابط مشتری، یک چالش مهم در رقابت کسب و کار شده است. سازمانها نیاز به اطلاعاتی درباره اینکه مشتریانشان چه کسانی هستند، انتظارات و نیازهای آنها چیست و چگونه باید نیازهای آنها را برطرف کرد، دارند. اجرای موثر ecrm می تواند سبب افزایش رضایت مشتری، وفاداری و جذب آنها و در نتیجه فروش بیشتر و تکرار خرید شود. مطالعات نشان داده اند استقرار سیستم ecrm منجر به بهبود عملکرد بازاریابی می گردد. در این پژوهش به بررسی تاثیر مدیریت ارتباط با مشتری الکترونیک ( ecrm ) بربهبود عملکرد بازاریابی در صنعت بانکداری پرداخته می شود.

در مخازن نفتی به منظور افزایش تولید و ضریب بازیافت مبحث تزریق سیال یکی از مهم¬ترین مباحث در مهندسی نفت می باشد. در مطالعه سه بعدی و عددی مخازن نفتی توسعه نیافته به علت وجود عدم قطعیت فراوان نمی¬توان به جواب نهایی اعتماد کرد. به همین علت، در آغاز شبیه¬سازی، شناخت و رتبه¬بندی تأثیرگذارترین پارامترهای عدم قطعیت در واقع همان آنالیز عدم قطعیت را باید انجام داد و سپس تأثیر این پارامترها برروی نتایج شبیه¬ساز را تعیین کرد. با استفاده از روش قدیمی تعداد بسیار زیادی شبیه سازی متناسب با مقادیر مختلف پارامترهای عدم قطعیت باید صورت گیرد که بسیار زمان¬¬بر و پرهزینه است و علاوه بر آن، در این روش تأثیر پارامترهای عدم قطعیت برهم نادیده گرفته می¬شود. در دهه¬های اخیر تلاش¬های زیادی برای یافتن روش-های محاسباتی سریع¬تر صورت گرفته است. یکی از موفق¬ترین روش¬های پیشنهادی استفاده از مدل پروکسی است. این روش به دلیل سادگی درک و صرفه¬جویی قابل توجه در زمان اجرا به¬عنوان یک روش سریع و قابل اعتماد با کارایی قابل قبول برای آنالیز عدم قطعیت و پیش¬بینی عملکرد مخزن تحت سناریوهای مختلف تولید مورد توجه قرار گرفت. استفاده گسترده از مدل¬های پروکسی منجر به معرفی روش¬های مختلفی برای ساخت و شناسایی زمینه¬های گسترده¬ای برای استفاده از این مدل¬ها گردید، که هم¬چنان مطالعه و پژوهش در مورد این مدل¬ها ادامه دارد. در این مطالعه شبکه عصبی نوع روش دسته بندی گروهی داده¬های عددی (gmdh) به عنوان یک مدل پروکسی و نظریه طراحی تجربی برای بدست آوردن پر اطلاع-ترین مجموعه داده¬ها برای آموزرش شبکه عصبی به¬کار برده شده است. نظریه طراحی تجربی اجرای شبیه¬سازها را به¬طور موثر در بازه تغییرات پارامترهای عدم قطعیت توزیع می¬کند، بنابراین تعداد اجراهای مورد نیاز برای مطالعه سیستم حداقل خواهد گردید. در ابتدا آنالیز حساسیت انجام می¬شود و بر طبق آن پارامترها با تاثیر گذاری بالاتر مشخص می¬گردد. در ادامه با شناختن پارامترهای تأثیرگذار مدل پروکسی طراحی می¬شود. شبکه عصبی یک ابزار قوی بوده که می¬تواند به¬عنوان یک مدل پروکسی استفاده شود. پس از ساخت مدل پروکسی می¬توان آن را جایگزین شبیه¬ساز سه بعدی نمود و از آن برای آنالیز حساسیت و آنالیز ریسک استفاده کرد. مدل پروکسی ساخته شده در این مطالعه برای آنالیز ریسک و پیش¬بینی عملکرد مخزن نفتی که تحت تزریق غیرامتزاجی گاز است، استفاه شده است.

اولین و مهمترین عاملی که در اتخاذ سرمایه گذاری در بورس فراروی سرمایه گذار قرار دارد، عامل قیمت سهام است، که به تبع آن مقوله ارزیابی و پیش بینی قیمت آینده نیز مطرح می شود که تأثیر آن بر سودآوری غیرقابل انکار است. در واقع پیش بینی قیمت سهام در بازارهای مالی یکی از متغیرهای مهم در زمینه تصمیمات سرمایه گذاری، قیمت گذاری اوراق بهادار و مدیریت ریسک است. بازار سهام، پویا، غیرخطی، پیچیده و آشوبناک است و اغلب تحت تأثیر عوامل متعددی همچون مسائل اقتصادی، سیاسی و وضعیت مالی شرکت ها است، لذا بکارگیری مدلی که بتواند همه این عوامل را پوشش داده یا با وجود داده های نادقیق یا حداقلی به جواب بهینه ای دست یابد، ضروری به نظر می رسد. می دانیم شبکه های عصبی مصنوعی، مدل های محاسباتی از شبکه عصبی بیولوژیکی به شمار می روند که بدون نیاز به هرگونه مدل ریاضی و با بهره گیری از الگوریتم های یادگیری، توانایی پردازش موازی داده ها را دارند. از آن سو الگوریتم کنترل فازی، روش موثری در استفاده از حالت تقریبی و غیردقیق دنیای واقعی به شمار می رود، اما دارای توانایی یادگیری نیست. در این تحقیق ما از شبکه های ترکیبی چند هدفی عصبی- فازی(anfis ) که ترکیب این دو روش است جهت پیش بینی قیمت سهام در صنعت سیمان برای ده شرکت نمونه در بازه زمانی سال های 1388 تا 1393 استفاده کردیم. و سه سناریو را پیاده سازی نمودیم: در سناریوی اول از مدل سازی ساده anfis در جعبه ابزار متلب استفاده کردیم که نتیجه آن نسبتا قابل قبول بود. در سناریوی دوم از شبکه عصبی مصنوعی برای مدل سازی بهره جستیم که نتیجه آن در ضریب تعیین 0.0058 r^2= منعکس شده که نتیجه قابل قبولی نبود. لذا در سناریوی سوم از شبکه های ترکیبی چند هدفی عصبی- فازی( anfis) استفاده کردیم که نتیجه آن r^2=0.79 حاصل شد که نتیجه مطلوب تری است. همچنین در این تحقیق از چهار نسبت مالی یعنی سود ناخالص به فروش، بازده دارایی ها، بازدهی سرمایه و گردش موجودی کالا به عنوان متغیرهای مستقل بهره گرفته شد. نتیجه این پژوهش نشان می دهد به کمک شبکه ترکیبی چند هدفی عصبی فازی تطبیق پذیر بهتر می توانیم قیمت سهام را پیش بینی کنیم.