مدل طراحی بهینه معماری برای شبکه های عصبی مصنوعی و به کارگیری آن در پیش بینی مصرف ماهانه نفت گاز کل کشور

یکی از گامهای مهم در توسعه شبکه های عصبی مصنوعی طراحی معماری شبکه است که تاثیر زیادی بر عملکرد شبکه دارد. در طراحی معماری شبکه های عصبی مصنوعی، عواملی از قبیل تعداد لایه های پنهان، تعداد نرون ها در هر لایه، توابع تبدیل و الگوریتم آموزش باید تعیین شوند. محققان در طراحی معماری شبکه به طور عمده از طریق سعی و خطا عمل می کنند و یا اینکه اثر متقابل بین عوامل مختلف در طراحی معماری شبکه را در نظر نمی گیرند. در این تحقیق، یک مدل مبتنی بر تکنیک طراحی آزمایشها برای طراحی بهینه معماری شبکه عصبی با یادگیری تحت نظارت، با توجه به اثر متقابل بین عوامل ذکرشده، ارائه می شود.
در این تحقیق، از مدل پیشنهادی برای طراحی معماری شبکه عصبی به منظور پیش بینی مصرف نفت گاز کل کشور استفاده شده است. به منظور مقایسه عملکرد مدل پیشنهادی با استفاده از روش سعی و خطا به عنوان یکی از روش های مرسوم در طراحی معماری، یک مدل شبکه عصبی برای پیش بینی مصرف نفت گاز توسعه داده شده و طی آن برتری مدل پیشنهادی نشان داده شده است. همچنین برای مقایسه عملکرد شبکه عصبی با روش های آماری، دو مدل با استفاده از رگرسیون و ARIMA طراحی شده اند. نتایج به دست آمده در پیش بینی مصرف نفت گاز در این بخش نیز نشان می دهد که پیش بینی با شبکه عصبی طراحی شده جوابهای بهتری دارد