پاسخ به:دانلود مقالات اقتصادی 6

اطلاع از ميزان تقاضاي موجود در هر دوره يکي از مباحثي است که شرکت ملي گاز در راه پاسخگويي به مراجعان به آن نياز دارد. عدم اطلاع از ميزان تقاضاي اشتراک سبب ايجاد مشکلاتي مانند عدم آگاهي از تعداد پيمانکاران مورد نياز و همچنين فقدان برنامه کنترل موجودي مناسب براي انواع کنتورهاي مورد نياز و ديگر عوامل مرتبط مي شود.
در چند دهه گذشته، اقتصاددانان و علماي مديريت براي برآورد تقاضا اغلب از روش هاي اقتصادسنجي استفاده کرده اند. امروزه از بين روش هاي پيش بيني، شبکه هاي عصبي مصنوعي و مدل هاي فازي در بسياري از زمينه هاي کاربردي استفاده شده اند که هر کدام از آنها داراي محاسن و معايبي هستند. بنابراين، ترکيب موفقيت آميز اين دو روش، مدل سازي شبکه هاي عصبي مصنوعي و فازي، با اتکا به ترکيب قدرت يادگيري شبکه هاي عصبي و عملکرد منطقي سيستم هاي فازي تبديل به ابزار بسيار قدرتمندي شده که هم اکنون کاربردهاي گوناگوني دارند.
در اين تحقيق، تقاضاي اشتراک گاز شهري خانگي شهر تهران با استفاده از روش خطي ARIMA و روش غيرخطي شبکه هاي عصبي فازي بررسي شده و از لحاظ شش معيار ارزيابي عملکرد با يکديگر مقايسه شده اند. نتايج تحقيق بيان گر اين حقيقت است که براي پيش بيني تقاضاي اشتراک گاز شهري، شبکه هاي عصبي فازي در تمامي شش معيار ارزيابي عملکرد، بر روش ARIMA برتري داشته، بنابراين مناسب تر است.

 نسخه قابل چاپ