این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های مدیریت منابع سازمانی، جلد ۵، شماره ۲، صفحات ۱-۲۰
عنوان فارسی پیش‌بینی قیمت زنجیره محصولات با استفاده از سیستم مبتنی بر شبکه‌های عصبی
چکیده فارسی مقاله نبود پیش‌بینی ساختارمند درخصوص محصول پرکاربرد پلی‌اتیلن ترفتالات، شرکت صنایع پتروشیمی را بر آن داشته است که پیش‌بینی‌های قیمت را از شرکت‌های خارجی خریداری کند. جلوگیری از خروج ارز و تحمل عوامل سیاسی مانند تحریم‌ها در این حوزه نیازمند پیش‌بینی علمی قیمت‌ها در داخل است. محققان ناچار هستند به دلیل ماهیت زنجیره‌وار و نیز اطلاع نداشتن از میزان تأثیر عوامل متعدد مؤثر بر قیمت به منظور پیش‌بینی، مسائلی با پیچیدگی زیاد و معادلاتی با درجه بالا را حل کنند. انتخاب تعداد و نوع متغیرهای ورودی شبکه عصبی تأثیر بسزایی در کارآیی سیستم دارد، از این رو از روش تحلیل بنیادین با تکیه بر تئوری عرضه - تقاضا و نگرش کلان اقتصادی و روش آماری دلفی برای انتخاب عواملی با اثرگذاری بیشتر بر قیمت استفاده شده است. نخست با استفاده از متغیرهای کنترل شده، توپولوژی کلی شبکه عصبی طراحی شد. سپس با در نظر گرفتن متغیرهای مستقل، مانند تعداد لایه‌های پنهان و تعداد نرون‌ها و بررسی تأثیر آنها بر کارآیی عملکرد شبکه عصبی، شبکه بهینه انتخاب شد. از معیارهای میانگین مربعات خطا و ضریب تعیین به عنوان متغیرهای وابسته استفاده شده است. بعد از ایجاد رابط کاربری، ارتباط سیستم با شبکه عصبی بهینه برقرار شد. به منظور بررسی عملکرد سیستم، قیمت واقعی محصول مدنظر در سال مرجع با قیمت پیش‌بینی شده به‌وسیله سیستم پیشنهادی و قیمت خریداری شده از شرکت سی­ام­ای­آی مورد مقایسه قرارگرفت و نتایج، کارآیی قابل قبول سیستم پیشنهادی را با میانگین خطای کمتر از 3 درصد در پیش‌بینی قیمت زنجیره مد نظر اثبات کرد. این سیستم می‌تواند صنایع پتروشیمی را از خرید اطلاعات پیش‌بینی قیمت از شرکت‌های خارجی بی‌نیاز سازد.
کلیدواژه‌های فارسی مقاله مدل‌های پیش‌بینی قیمت، شبکه‌های عصبی، محصولات پتروشیمی،
عنوان انگلیسی Forecasting Price Using an Expert System Based on Neural Networks
چکیده انگلیسی مقاله Lack of a structured anticipation about different aspects of high usage product of the national petrochemical company, has forced this company to buy published anticipated prices from foreign countries. Prevent the outflow of foreign exchange and tolerance of political factors, such as sanctions in this field, require a prediction of prices in Iran. Due to chain-like nature of petrochemical products and the absence of precise knowledge of effects of many factors on price, researchers are forced to solve problems with high complexity and high grade of equations. Selecting number and type of input variables of neural network has a significant impact on the performance of a system. Therefore fundamental analysis relying on theory of supply / demand and macroeconomic perspective alongside of Delphi statistical method were used to select the most influential factor. This factor is the price of petroleum products. At First, the overall topology of the neural network is designed using controlled variables, then, considering the independent variables, the optimal network has selected. After creating the user interface, communication of system with optimal neural network was established. To evaluate the actual price of considered product in reference year, it compared with the prices predicted by the proposed system and purchased prices predicted from CMAI; acquired results proved acceptable effectiveness of the proposed system with less than 3% error in predicting of considered chain. Using this system can result in petrochemical companies’ independency from buying forecasted prices from foreign companies and prevent exiting currency from country.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله الناز ایقانی اردبیلی | ighani ardebili
دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی تهران شمال (Islamic azad university of tehran north)

محمد منصور ریاحی کاشانی | mohammad mansour riahi kashani
استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی تهران شمال (Islamic azad university of tehran north)

احمد آقامحمدی |
مربی، گروه مدیریت، دانشگاه جامع علمی کاربردی بیمه ایران، تهران، ایران
سازمان اصلی تایید شده: دانشگاه جامع علمی کاربردی (University of applied science and technology)

نشانی اینترنتی http://ormr.modares.ac.ir/article_13310_47b8b22227dc7382f0b6b071604459d1.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1425/article-1425-345868.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات