ارائه روش تركيبي طراحي آزمايشات تاگوچي- تاپسيس به منظور يافتن مناسب‌ترين ساختار شبكه‌ي عصبي مصنوعي مورد استفاده در پيش‌بيني تقاضاي انرژي (مطالعه موردي: تقاضاي بنزين در استان هرمزگان)

استفاده از شبكه هاي عصبي مصنوعي در پيش بيني كاربرد زيادي دارد. طراحي مناسب پارامترهاي (ساختار) شبكه موجب مي شود تا دقت و عملكرد شبكه هاي عصبي مصنوعي افزايش يابد. در اكثر مطالعات از روش سعي و خطا براي تنظيم پارامترهاي شبكه هاي عصبي مصنوعي استفاده مي شود. هم چنين، ساير روش هايي كه براي تعيين بهترين ساختار شبكه عصبي وجود دارد، تنها بر اساس يك معيار ارزيابي عملكرد شبكه، ساختار مناسب را تعيين مي كنند. در مطالعه حاضر، محققين روش جديدي را براي طراحي ساختار شبكه ارائه مي دهند. در اين روش، با استفاده از تركيب روش طراحي آزمايشات تاگوچي و روش تاپسيس، مناسب ترين ساختار شبكه هاي عصبي مصنوعي، با درنظر گرفتن سه معيار ارزيابي عملكرد شبكه به طور هم زمان، تعيين مي شود. نتايج حاصل از پيش بيني تقاضاي بنزين در استان هرمزگان با استفاده از روش مذكور، كارايي و اثربخشي اين روش را نشان مي هد. تجزيه و تحليل واريانس پارامترهاي شبكه هاي عصبي مصنوعي نشان مي دهد كه سهم مشاركت تعداد نرون در لايه پنهان اول در تعيين ساختار مناسب شبكه حدود 54% است و سهم مشاركت الگوريتم يادگيري نيز حدود 27% مي باشد.