مدلسازی قدرت ملی کشورهای هدف با استفاده از شبکه عصبی مصنوعیی

مدل سازی قدرت ملی با استفاده از معادلات صریح ریاضی بسیار دشوار است. شبکه های عصبی مصنوعی می توانند مسائل پیچیده چند بعدی را حل کنند. در این تحقیق کاربردی، جامعه آماری اساتید دانشگاهها با تخصص های نظامی، اجتماعی، اقتصادی، و جغرافیای سیاسی بودند. روش نمونه گیری از جامعه آماری به صورت تصادفی و حجم جامعه نمونه برابر با ۱۳۳ نفر بوده است. گردآوری اطلاعات به دو روش میدانی و کتابخانه ای صورت گرفته است. پایایی پرسشنامه ۸۹% محاسبه شد. اطلاعات به دست آمده توسط یک شبکه عصبی پرسپترون چند لایه با نه پارامتر ورودی شامل ابعاد قدرت ملی، و یک پارامتر پاسخ، یعنی قدرت ملی کشورهای هدف مدل سازی شد. ۸۰۰۰ ساختار شبکه عصبی با تغییر متغیرهای تابع فعالسازی ، تابع آموزش و تعداد نورونهای عصبی در لایه پنهان ایجاد شد. نتایج نشان داد که بهترین خصوصیات شبکه عصبی، تابع فعال سازی tansig، تابع آموزش LM، و ۱۶ نرون در لایه پنهان بود. مقادیر کارایی شبکه ۰.۰۰۰۷۱ MAPE=، ۰.۰۰۰۰۶NRMSE= ، ۱.۰۰۰۰۰ R۲= در مرحله آموزش ، ۰.۰۰۵۷۹ MAPE=، ۰.۰۰۱۳۷ NRMSE=، ۰.۹۹۹۹۹ R۲= در مرحله تست و ۰.۰۰۳۰۰ MAPE=، ۰.۰۰۱۲۴ NRMSE=، ۰.۹۹۹۹۷ R۲= در مرحله اعتبارسنجی بودند. اهمیت نسبی ابعاد قدرت ملی ۱۵٪ نظامی ، ۱۳٪ علمی ، ۱۳٪ سرزمینی ، ۱۲٪ فرامرزی ، ۱۱٪ اجتماعی ، ۱۰٪ اقتصادی ، ۱۰٪ فضایی ، ۸٪ سیاسی و ۸٪ فرهنگی بود. بر اساس نتایج ، مدل شبکه عصبی بهینه می تواند قدرت ملی کشورهای هدف را با دقت بسیار بالا پیش بینی کند.

کلیدواژه ها:

قدرت ، قدرت ملی ، مدل ، مدل سازی ، شبکه عصبی مصنوعی