معرفي شبكه پس انتشار فازي جهت پيش بيني فروش كاغذ روزنامه

Fuzzy Delphi and Back- Propagation model for sale forecasting in Wood and Paper industry Case: Mazandaran Wood & Paper

امروزه روش هاي كمي، به يكي از مهم ترين ابزارهاي پيش بيني براي اخذ تصميمات و سرمايه گذاري هاي كلان در بازار ها تبديل شده اند. دقت پيش بيني، يكي از مهم ترين فاكتورهاي انتخاب روش پيش بيني است؛ شبكه هاي عصبي مصنوعي، برنامه هاي كامپيوتري منعطفي هستند كه در سطح گسترده اي براي پيش بيني با درجه بالايي از دقت به كار برده مي شوند. در اين مقاله با استفاده از تركيب منطق فازي و شبكه عصبي پس از انتشار مدلي براي پيش بيني فروش كاغذ روزنامه ارائه شده است. براي ارزيابي مدل پيشنهادي، از داده واقعي شركت چوب و كاغذ مازندران استفاده شد. پس از جمع آوري اطلاعات لازم، به كمك نرم افزار MATLAB نسبت به تجزيه و تحليل داده ها اقدام و مدل پيشنهادي براي پيش بيني فروش كاغذ روزنامه ارائه گرديد. همچنين براي ارزيابي مدل پيشنهادي، نتايج پيش بيني با روش شبكه هاي عصبي فازي و روشهاي رگرسيون و سري زماني ARIMA مورد مقايسه قرار گرفت كه نشان دهنده برتري شبكه عصبي فازي بر دو روش ديگر است.

Nowadays quantitative methods have become very important tools for forecasting purposes in markets as for improved decisions and investment. Forecasting accuracy is one of the most important factors involved in selecting method; Artificial Neural Network (ANNs) arc flexible computing frameworks that can be applied to a wide range of forecasting with a high degree of accuracy, in this research, Fuzzy logic and Artificial Neural Network are integrated in to the Fuzzy Back- Propagation Network (FBPN) for sales forecasting in Wood and Paper industry. The proposed system is evaluated through the real world data provided by a Wood an d Paper company and experimental results indicate that the Fuzzy Back- Propagation approach outperforms are better other two different forecasting models (Linear Regression and ARIMA time series model) in MAPE measures.