دوره 5، شماره 2 - ( 1394 )                   جلد 5 شماره 2 صفحات 20-1 | برگشت به فهرست نسخه ها

‎ 20.1001.1.22286977.1394.5.2.4.7

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ighani Ardebili E, Riahi Kashani M M, Aghamohammadi A. Forecasting Price Using an Expert System Based on Neural Networks. ORMR 2015; 5 (2) :1-20
URL: http://ormr.modares.ac.ir/article-28-8596-fa.html
ایقانی اردبیلی الناز، ریاحی کاشانی محمد منصور، آقامحمدی احمد. پیش‌بینی قیمت زنجیره محصولات با استفاده از سیستم مبتنی بر شبکه‌های عصبی. پژوهش های مدیریت منابع سازمانی. 1394; 5 (2) :1-20

URL: http://ormr.modares.ac.ir/article-28-8596-fa.html

پیش‌بینی قیمت زنجیره محصولات با استفاده از سیستم مبتنی بر شبکه‌های عصبی
الناز ایقانی اردبیلی 1، محمد منصور ریاحی کاشانی2 ، احمد آقامحمدی3
1- دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
2- استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
3- مربی، گروه مدیریت، دانشگاه جامع علمی کاربردی بیمه ایران، تهران، ایران
چکیده:   (9486 مشاهده)
نبود پیش‌بینی ساختارمند درخصوص محصول پرکاربرد پلی‌اتیلن ترفتالات، شرکت صنایع پتروشیمی را بر آن داشته است که پیش‌بینی‌های قیمت را از شرکت‌های خارجی خریداری کند. جلوگیری از خروج ارز و تحمل عوامل سیاسی مانند تحریم‌ها در این حوزه نیازمند پیش‌بینی علمی قیمت‌ها در داخل است. محققان ناچار هستند به دلیل ماهیت زنجیره‌وار و نیز اطلاع نداشتن از میزان تأثیر عوامل متعدد مؤثر بر قیمت به منظور پیش‌بینی، مسائلی با پیچیدگی زیاد و معادلاتی با درجه بالا را حل کنند. انتخاب تعداد و نوع متغیرهای ورودی شبکه عصبی تأثیر بسزایی در کارآیی سیستم دارد، از این رو از روش تحلیل بنیادین با تکیه بر تئوری عرضه - تقاضا و نگرش کلان اقتصادی و روش آماری دلفی برای انتخاب عواملی با اثرگذاری بیشتر بر قیمت استفاده شده است. نخست با استفاده از متغیرهای کنترل شده، توپولوژی کلی شبکه عصبی طراحی شد. سپس با در نظر گرفتن متغیرهای مستقل، مانند تعداد لایه‌های پنهان و تعداد نرون‌ها و بررسی تأثیر آنها بر کارآیی عملکرد شبکه عصبی، شبکه بهینه انتخاب شد. از معیارهای میانگین مربعات خطا و ضریب تعیین به عنوان متغیرهای وابسته استفاده شده است. بعد از ایجاد رابط کاربری، ارتباط سیستم با شبکه عصبی بهینه برقرار شد. به منظور بررسی عملکرد سیستم، قیمت واقعی محصول مدنظر در سال مرجع با قیمت پیش‌بینی شده به‌وسیله سیستم پیشنهادی و قیمت خریداری شده از شرکت سی­ام­ای­آی مورد مقایسه قرارگرفت و نتایج، کارآیی قابل قبول سیستم پیشنهادی را با میانگین خطای کمتر از 3 درصد در پیش‌بینی قیمت زنجیره مد نظر اثبات کرد. این سیستم می‌تواند صنایع پتروشیمی را از خرید اطلاعات پیش‌بینی قیمت از شرکت‌های خارجی بی‌نیاز سازد.
واژه‌های کلیدی: محصولات پتروشیمی، مدل‌های پیش‌بینی قیمت، شبکه‌های عصبی
متن کامل [PDF 305 kb]   (6324 دریافت)    

دریافت: 1392/8/20 | پذیرش: 1393/12/13 | انتشار: 1394/5/1
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.