بهینه سازی شبکه عصبی ELM در مسئله پیش بینی
محل انتشار: فصلنامه مدیریت توسعه و تحول، دوره: 11، شماره: 37
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 317
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JDEM-1398-37_003
تاریخ نمایه سازی: 26 اردیبهشت 1400
چکیده مقاله:
برای محیط همیشه در حال تغییر این دوران و تغییر در شیوه تعاملات شرکتها با تامینکنندگان و مشتریان و پیچیدگی بازارها، کاهش دوره عمر محصولات و اهمیتیافتن زمان پاسخگویی به مشتریان، پیشبینی تقاضای محصول عامل حیاتی برای رقابتپذیری سازمانها میباشد. با پیشبینی دقیق الگوهای تقاضا، دولت و تولیدکنندگان میتوانند براساس میزان و جهت جریان آتی تولید، برنامه ریزیها را سازماندهی کنند و زیرساخت بهتری در رشد صنعت مهیا سازند. با هدف ارائه یک ابزار دقیق پیشبینی در صنعت فولاد، این مطالعه، به بهینه سازی شبکه عصبی ELM به کمک الگوریتم ژنتیک میپردازد. که در آن پارامترهای شبکه، از قبیل تعداد و توابع فعالسازی نورونها در لایه مخفی، وزنهای اتصالی بین ورودیها و نورونهای لایه مخفی، بایاس نورونهای لایه مخفی و (پارامتر تنظیمسازی)، به کمک الگوریتم ژنتیک تعیین میشود. برای پیشبینی تقاضا فولاد خام کشور، داده های مرتبط با تولید و مصرف فولاد خام و محصولات فولادی کشور، بصورت ماهیانه و در بازه زمانی دی ماه ۸۸ تا مرداد ماه ۹۲ (جمعا ۴۴ نمونه و ۲۲ مشخصه) جمع آوری گردید. دادههای دی ماه ۸۸تا بهمن۹۱ در آموزش شبکه و داده های مربوط به اسفند۹۱ تا مرداد ۹۲ در آزمون شبکه استفاده شد. برای نشان دادن کارایی مدل پیشبینی کننده،مقایسهی عملکرد از لحاظ دقت پیشبینی و سرعت یادگیری بین الگوریتم ELM بهینه شده باالگوریتم ELM و سایر شبکههای عصبی صورت گرفته است. معیارهای پیشبینی نشاندهندهی عملکرد خوب ELM بهینه شده نسبت به سایر شبکههای عصبی میباشد. براساس آزمونهای آماری و خطاهای RMSE و MAPE نتایج نشان میدهد که دقت ELM به مراتب بهتر از سایر روشهای شبکه عصبی است. بهعلاوه، مدل ELM دو بار سریعتر از شبکههای عصبی کلاسیک است. براساس یافتهها میتوان به یقین گفت که بین الگوریتمهای مورد بررسی، ELM ابزار دقیقتر و قویتری در مسئله تقاضای فولاداست.البته نوع بهینه یافته شبکه عصبی ELM دقت بهتری در مدلسازی تابع تقاضا داشته است ، ولی روش ELM از نظرزمانی بهینهتر بوده است.
کلیدواژه ها:
نویسندگان
جلال رضایی نور
دانشیار، گروه مهندسی صنایع، دانشگاه قم، قم، ایران(عهده دار مکاتبات)
منصوره یاری ایلی
دانشجوی دکتری، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه قم، قم، ایران
اسماعیل هداوندی
استادیار، گروه مهندسی صنایع و کامپیوتر، دانشگاه صنعتی بیرجند، بیرجند، ایران
محمدحسین روزیهانی
دانش آموخته دکتری، گروه مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران