پیش بینی قیمت زنجیره محصولات پلی اتیلن ترفتالات با استفاده از سیستم مبتنی بر شبکه های عصبی نویسنده الناز ایقانی اردبیلی 1 ؛ محمد منصور ریاحی کاشانی2 ؛ احمد آقامحمدی سال انتشار: چکیده مقاله فقدان پیشبینی ساختارمند درخصوص محصول پرکاربرد پلیاتیلنترفتالات شرکت صنایع پتروشیمی را بر آن داشتهاست 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. به دلیل ماهیت زنجیرهوار و نیز عدم اطلاع از میزان تأثیر عوامل متعدد موثر بر قیمت، محققان ناچار هستند به منظور پیشبینی، مسائلی با پیچیدگی زیاد و معادلاتی با درجه بالا حل کنند. انتخاب تعداد و نوع متغیرهای ورودی شبکه عصبی، تأثیر بسزایی در کارایی سیستم دارد، ازاینرو از روش تحلیل بنیادین با تکیه بر تئوری عرضه-تقاضا و نگرش کلان اقتصادی، و روش آماری دلفی جهت انتخاب عواملی با اثرگذاری بیشتر بر قیمت استفاده شدهاست. ابتدا با استفاده از متغیرهای کنترل شده، توپولوژی کلی شبکه عصبی طراحی شدهاست. سپس با در نظر گرفتن متغیرهای مستقل، مانند تعداد لایههای پنهان و تعداد نرونها و بررسی تأثیر آنها بر کارایی عملکرد شبکه عصبی، شبکه بهینه انتخاب گردید. از معیارهای میانگین مربعات خطا و ضریب تعیین به عنوان متغیرهای وابسته استفاده شدهاست. بعد از ایجاد رابط کاربری، ارتباط سیستم با شبکه عصبی بهینه برقرارشد. به منظور بررسی عملکرد سیستم، قیمت واقعی محصول مدنظر، در سال مرجع با قیمت پیشبینی شده توسط سیستم پیشنهادی و قیمت خریداری شده از شرکت CMAI مورد مقایسه قرارگرفت و نتایج، کارایی قابل قبول سیستم پیشنهادی را با میانگین خطای کمتراز 3% در پیشبینی قیمت زنجیره مدنظر، اثبات نمود. این سیستم میتواند صنایع پتروشیمی را از خرید اطلاعات پیش-بینی قیمت از شرکتهای خارجی بینیاز سازد. فرم ثبت نظرات شما نام و نام خانوادگی: * شماره همراه: * آدرس ایمیل: * * نظر شما: * نظرات کاربران: