به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
فهرست مطالب نویسنده:

i. ranjbar

  • عباس روحانی

    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.

    کلید واژگان: شبکه عصبی، رگرسیون، هزینه تعمیر و نگهداری
    A. Rohani, I. Ranjbar, Y. Ajabshir, M.H. Abbaspour-Fard, M. Valizadeh

    The highest profit is the ultimate goal of any farming firm. The management of machine replacement (specifically tractor) is one of the most critical factors for achieving this goal. Therefore, accurate prediction of tractor repair and maintenance costs is a must. The objective of this research was to predict tractor repair and maintenance costs using neural network and regression methods and comparing their performance for these predictions. The study was conducted using empirical data on 60 two-wheel drive tractors from Astan Ghodse Razavi agro-industry. The results indicated that both neural network and regression models have high rather accurate prediction of repair cost but the performance of regression model in comparison with neural network model for prediction of oil and fuel costs was very low with much less accuracy.

سامانه نویسندگان
  • ایرج رنجبر
    ایرج رنجبر
    استادیار علوم سیاسی، گروه علوم سیاسی، دانشگاه آزاد اسلامی، کرمانشاه، ایران
اطلاعات نویسنده(گان) توسط ایشان ثبت و تکمیل شده‌است. برای مشاهده مشخصات و فهرست همه مطالب، صفحه رزومه ایشان را ببینید.
بدانید!
  • در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
  • همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
  • در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال