پیش بینی قیمت زنجیره محصولات با استفاده از سیستم مبتنی بر شبکه های عصبی
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 99
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ORMR-5-2_001
تاریخ نمایه سازی: 8 آذر 1402
Abstract:
نبود پیش بینی ساختارمند درخصوص محصول پرکاربرد پلی اتیلن ترفتالات، شرکت صنایع پتروشیمی را بر آن داشته است که پیش بینی های قیمت را از شرکت های خارجی خریداری کند. جلوگیری از خروج ارز و تحمل عوامل سیاسی مانند تحریم ها در این حوزه نیازمند پیش بینی علمی قیمت ها در داخل است. محققان ناچار هستند به دلیل ماهیت زنجیره وار و نیز اطلاع نداشتن از میزان تاثیر عوامل متعدد موثر بر قیمت به منظور پیش بینی، مسائلی با پیچیدگی زیاد و معادلاتی با درجه بالا را حل کنند. انتخاب تعداد و نوع متغیرهای ورودی شبکه عصبی تاثیر 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 لایه های پنهان و تعداد نرون ها و بررسی تاثیر 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 پیش بینی شده به وسیله 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 ۳ درصد در پیش بینی قیمت زنجیره مد نظر اثبات کرد. این سیستم می تواند صنایع پتروشیمی را از خرید اطلاعات پیش بینی قیمت از شرکت های خارجی بی نیاز سازد.
Keywords:
Price Forecasting Model , Neural Network , Petrochemical Products , محصولات پتروشیمی , مدل های پیش بینی قیمت , شبکه های عصبی
Authors
الناز ایقانی اردبیلی
دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
محمد منصور ریاحی کاشانی
استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
احمد آقامحمدی
مربی، گروه مدیریت، دانشگاه جامع علمی کاربردی بیمه ایران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :