پیش بینی تقاضای قطعات یدکی خودرو با در نظر گرفتن عوامل بیرونی: یک مدل ترکیبی شبکه عصبی و الگوهای سری های زمانی (مطالعه موردی: شرکت آریان خودرو خاورمیانه)

در این مقاله، با استفاده از سه الگوی مدل اتورگرسیون میانگین انباشته متحرک-سیستم استنتاج فازی عصبی تطبیقی، مقدار تقاضا شرکت آریان خودرو خاورمیانه پیش بینی شده است. در الگوی اول، مدل اتورگرسیون میانگین انباشته متحرک بر روی تقاضا قطعات خودرو به عنوان خروجی پیاده سازی و باقیمانده های غیرخطی آن توسط سه ساختار مختلف سیستم استنتاج فازی عصبی تطبیقی شامل توابع عضویت مثلثی، ذوزنقه ای و گوسی پیش بینی شده است. در الگوی دوم، پیش بینی مدل اتورگرسیون میانگین انباشته متحرک علاوه بر سه ویژگی ورودی به عنوان متغیرهای ورودی برای پیش بینی سیستم استنتاج فازی عصبی تطبیقی در نظر گرفته شده است. در الگوی سوم، به دلیل ناکافی بودن داده ها، الگوی دوم با مدل متنوع سازی داده آدابوست (AdaBoost ) اعمال شده و یک روش ترکیبی جدید ارائه شده است. نتایج نشان می دهد که مدل ترکیبی برای پیش بینی تقاضا در صنعت قطعات یدکی خودرو مناسب تر است. نتایج حاکی از آن است که الگوی سوم که از مدل آدابوست استفاده می کند، عملکرد بهتری نسبت به سایرین دارد و معیار مجذور میانگین مربعات خطای مدل را از ۹۶/۲۴ الگوی ترکیبی دوم به ۹۶/۱۸ کاهش می دهد.

Keywords:

پیش بینی تقاضا , روش استنتاج فازی , مدل اتورگرسیو میانگین انباشته متحرک