یافتن مناسب ترین ساختار شبکه عصبی مصنوعی با استفاده از روش طراحی آزمایشات تاگوچی
دریافت مدرک
FullText
اندازه فایل:
606.3کیلوبایتنوع فايل (MIME):
PDFنوع مدرک
Textمقاله پژوهشی
زبان مدرک
فارسیچکیده
تأخیر در تأمین نفت‌گاز، پیامدهای سیاسی، اجتماعی و اقتصادی وسیعی را به‌دنبال دارد؛ بنابراین پیشبینی دقیق تقاضای نفت‌گاز بسیار مهم است. استفاده از شبکه‌های عصبی مصنوعی در پیشبینی کاربرد زیادی دارد. طراحی مناسب پارامترهای (ساختار) شبکه موجب می‌شود دقت و عملکرد شبکه‌های عصبی مصنوعی افزایش یابد. در بیشتر مطالعات از روش سعی و خطا برای تنظیم پارامترهای شبکه‌های عصبی مصنوعی استفاده می‌شود که برای رسیدن به مناسب‌ترین ساختار شبکه‌های عصبی مصنوعی راه‌حل مطمئنی نیست. در مطالعه حاضر، با استفاده از روش طراحی آزمایشات تاگوچی، مناسب‌ترین ساختار شبکه‌های عصبی مصنوعی به منظور پیشبینی تقاضای نفت‌گاز در استان هرمزگان مشخص می‌شود. تجزیه و تحلیل واریانس پارامترهای شبکه‌های عصبی مصنوعی نشان می‌دهد که سهم مشارکت تعداد نرون در لایه پنهان اول در تغییر میانگین مربع خطای شبکه حدود 41% و سهم مشارکت الگوریتم یادگیری نیز حدود 27% است. همچنین نتایج نشان می‌دهد که شبکه‌های عصبی مصنوعی که با استفاده از روش طراحی آزمایشات تاگوچی طراحی شده‌اند، نسبت به سایر شبکه‌ها عملکرد بهتری دارند.
کلید واژگان
پیشبینینفت گاز
شبکه های عصبی مصنوعی
روش طراحی آزمایشات تاگوچی
شماره نشریه
1تاریخ نشر
2014-05-221393-03-01
ناشر
دانشگاه شهید بهشتیسازمان پدید آورنده
استادیار، دانشگاه یزد.دانش آموخته کارشناسی ارشد.
شاپا
2251-98742645-4165
