پیش بینی هزینه های تعمیر و نگهداری تراکتور دو چرخ محرک با استفاده از شبکه عصبی مصنوعی و مقایسه آن با رگرسیون

هدف هر شرکت زراعی، رسیدن به بیشترین سود می‭باشد. یکی از عوامل موثر در دست یابی به این هدف، مدیریت جایگزینی ماشین‭های مختلف به ویژه تراکتور است. بنابراین باید بتوان هزینه های تعمیر و نگهداری تراکتور را با دقت بسیار بالای پیش‭بینی کرد. هدف از این تحقیق پیش‭بینی هزینه های تعمیر و نگهداری تراکتور با استفاده از شبکه عصبی مصنوعی و روش رگرسیون و مقایسه عملکرد این دو تکنیک می‭باشد. در این مطالعه از داده های واقعی 60 تراکتور دو چرخ محرک موجود در کشت و صنعت آستان قدس رضوی در این مطالعه استفاده شده است. تحلیل رگرسیونی مجموعه داده ها در فاز آموزش انجام، و مدل های پلی نومیان درجه دوم، درجه سوم و مدل های توان ارزیابی شدند، که پلی نومیان درجه سوم براساس معنی داری ضرایب رگرسیون و ضریب تبیین به عنوان شکل تابعی انتخاب گردید. همچنین شبکه عصبی توسط الگوریتم یادگیری پس از انتشار با ضریب ممنتوم و تعداد گره ها در لایه مخفی متاثر از دقت پیش بینی هزینه است. در این بررسی مدل بهینه شبکه عصبی با ده نرون در لایه مخفی پیدا شد. به ترتیب مقادیر بهینه برای آهنگ یادگیری و ضریب 7/0 و 8/0 می باشند. عملکرد مدل شبکه عصبی و مدل رگرسیونی توسط مجموعه داده ها در فاز تست ارزیابی شدند. مدل بهینه شبکه عصبی قادر به پیش بینی مقادیر هزینه های تراکتور در فاز تست به ترتیب با متوسط قدرمطق درصد خطا و ریشه متوسط مربعات خطای کمتر از 82/2 درصد و 52/0 در مقابل 5/9 درصد و 39/1 برای مدل رگرسیونی بود.