بهینه سازی شبکه عصبی ELM در مسئله پیش بینی
- سال انتشار: 1398
- محل انتشار: فصلنامه مدیریت توسعه و تحول، دوره: 11، شماره: 37
- کد COI اختصاصی: JR_JDEM-1398-37_003
- زبان مقاله: فارسی
- تعداد مشاهده: 366
نویسندگان
دانشیار، گروه مهندسی صنایع، دانشگاه قم، قم، ایران(عهده دار مکاتبات)
دانشجوی دکتری، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه قم، قم، ایران
استادیار، گروه مهندسی صنایع و کامپیوتر، دانشگاه صنعتی بیرجند، بیرجند، ایران
دانش آموخته دکتری، گروه مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران
چکیده
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
شبکه های عصبی مصنوعی, الگوریتم ژنتیک, پیش بینی, تقاضای فولاد خاماطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.