اهمیت شبکه های عصبی فازی در پیش بینی دقیق تر سطوح مورد انتظار فعالیت و روند های عمده مالی و عملیاتی(نمونه مطالعه:شرکت پالایش گاز سرخون وقشم

شناسایی سطوح سر به سری تولیدات و فعالیتها و متعاقب آن تعیین سطوح مورد انتظار فعالیت امکان موثری را جهت پیش بینی فروش و برنامه ریزی سود بدست می دهد.تعیین نقطه بهینه تولید محصولات در بهبود وضعیت شرکت و برنامه ریزی های آتی مدیران جهت بیشینه سازی اهداف سازمان اهمیت بسیار زیادی خواهد داشت.با پیشرفت روز افزون علم، استفاده از روش های جدید و بکارگیری تکنولوژی های هوشمند در امر پیش بینی رونق بسیاری پیدا کرده است.در میان روش های پیش بینی، شبکه های عصبی مصنوعی و منطق فازی در بسیاری از زمینه های کاربردی،استفاده شده اند و هر کدام دارای محاسن و معایبی هستند.دراین مقاله کاربرد علم پیش بینی را در تعیین سطوح مورد انتظار فعالیت و روند های عمده مالی و عملیاتی شرکت پالایش گاز سرخون و قشم مورد پژوهش قرار می دهیم.پس از طراحی و پیاده سازی مدل شبکه های عصبی فازی ،با استفاده از چها معیار سنجش خطا،نتایج مدل با مدل شبکه های عصبی صرف مقایسه می گردد. نتایج نشان می دهد که مدل عصبی فازی پیش بینی های بسیار مناسب تری داشته ونسبت به شبکه عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی برخوردار بوده است.

کلیدواژه ها:

سطوح مورد انتظار فعالیت ، شبکه های عصبی فازی ، پیش بینی