روشی ساده جهت بهبود پیش بینی کوتاه مدت بار با استفاده از شبکه های عصبی

نویسندگان : علی کاشفی کاویانی ، فاطمه جهانبانی اردکانی ، علی جهانبانی اردکانی ، سید حسین حسینیان

ﭼﮑﻴﺪﻩ :

ﭘﻴﺶ ﺑﻴﻨﻲ ﮐﻮﺗﺎﻩ ﻣﺪﺕ ﺑﺎﺭ ، ﻧﻘﺸﻲ ﮐﻠﻴﺪی ﺩﺭ ﺑﻬﺮﻩﺑﺮﺩﺍﺭی ﺍﻗﺘﺼﺎﺩی ﻭ ﺍﻳﻤﻦ١ ﺍﺯ ﺳﻴﺴﺘﻤﻬﺎی ﻗﺪﺭﺕ ﺑﺎﺯی میﮐﻨﺪ .[۱] ﭘﻴﺶﺑﻴﻨﻲ ﺩﻗﻴﻖ ﺑﺎﺭ، ﺑﺎ ﮐﺎﻫﺶ ﺩﺍﺩﻥ ﻫﺰﻳﻨﻪﻫﺎ ﻭ ﺑﻬﺒﻮﺩ ﺍﻳﻤﻨﻲ ﺑﻬﺮﻩﺑﺮﺩﺍﺭی، ﺑﻪ ﺷﺮﮐﺖ ﻫﺎی ﺑﺮﻕ٢ ﺍﻳﻦ ﺍﺟﺎﺯﻩ ﺭﺍ میﺩﻫﺪ ﮐﻪ ﺑﺎ ﻗﻴﻤﺖ ﺑﻬﻴﻨﻪ ﺑﻪ ﺗﻮﻟﻴﺪ ﻭ ﺧﺮﻳﺪ ﻭ ﻓﺮﻭﺵ ﺍﻧﺮﮊی ﺑﭙﺮﺩﺍﺯﻧﺪ. ﺟﻬﺖ ﺑﺮﺭسی ﻋﻮﺍﻣﻞ ﻣﺆﺛﺮ ﺑﺮ ﭘﻴﺶ ﺑﻴﻨﻲ ﮐﻮﺗﺎﻩ ﻣﺪﺕ ﺑﺎﺭ میﺗﻮﺍﻥ ﺍﺯ ﺷﺒﮑﻪ ﻫﺎی ﻋﺼﺒﻲ ﺍﺳﺘﻔﺎﺩﻩ ﮐﺮﺩ. ﻣﻬﻤﺘﺮﻳﻦ ﻗﺴﻤﺖ ﺟﻬﺖ ﺳﺎﺧﺘﻦ ﻳﮏ ﺷﺒﮑﻪ ﻋﺼﺒﻲ ﺑﺮﺍﯼ ﭘﻴﺶﺑﻴﻨﻲ ﺑﺎﺭ، ﺍﻧﺘﺨﺎﺏ ﻣﺘﻐﻴﺮﻫﺎی ﻭﺭﻭﺩی میﺑﺎﺷﺪ.

ﺩﺭ ﺍﻳﻦ ﻣﻘﺎﻟﻪ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺍﻟﮕﻮﺭﻳﺘﻢ ﻟﻮﻧﺒﺮﮒ-ﻣﺎﺭﮐﻮﺍﺭﺩﺕ ﮐﻪ ﺑﻪ ﻋﻨﻮﺍﻥ ﺳﺮﻳﻌﺘﺮﻳﻦ ﺭﻭﺵ ﺁﻣﻮﺯﺵ ﺷﺒﮑﻪﻫﺎی ﻋﺼﺒﻲ ﭼﻨﺪ ﻻﻳﻪ میﺑﺎﺷﺪ، ﺑﺮﻧﺎﻣﻪﺍی ﺩﺭ ﻓﻀﺎی ﺑﺮﻧﺎﻣﻪﻧﻮﻳﺴﻲ ﻧﺮﻡﺍﻓﺰﺍﺭ MATLAB 7.1 ﻧﻮﺷﺘﻪ ﺷﺪﻩ ﺍﺳﺖ ﮐﻪ ﺑﻪ ﺁﻣﻮﺯﺵ ﺷﺒﮑﻪﻫﺎی ﻋﺼﺒﻲ میﭘﺮﺩﺍﺯﺩ. ﺩﺭ ﺍﻧﺘﺨﺎﺏ ﻭﺭﻭﺩیﻫﺎ ﺍﺯ ﺩﻭ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ﺍﺳﺘﻔﺎﺩﻩ ﺷﺪﻩ ﺍﺳﺖ ﻭ ﺳﭙﺲ ﺑﻪ ﺑﺮﺭسی ﺗﺄﺛﻴﺮ ﺍﺿﺎﻓﻪ ﮐﺮﺩﻥ ﺍﻳﻦ ﻣﺘﻐﻴﺮﻫﺎ ﺑﻪ ﻭﺭﻭﺩیﻫﺎی ﺷﺒﮑﻪ، ﭘﺮﺩﺍﺧﺘﻪ ﺷﺪﻩ ﺍﺳﺖ. ﺍﻟﮕﻮﺭﻳﺘﻢ ﭘﻴﺸﻨﻬﺎﺩی ﺑﺮ ﺭﻭی ﻳﻚ ﻧﻤﻮﻧﻪ ﺑﺎﺭ یکی ﺍﺯ ﭘﺴﺖﻫﺎی ﺗﻬﺮﺍﻥ ﭘﻴﺎﺩﻩﺳﺎﺯی ﺷﺪﻩ ﺍﺳﺖ ﻛﻪ ﻧﺘﺎﻳﺞ ﻧﺸﺎﻥﺩﻫﻨﺪه ﺑﻬﺒﻮﺩ ﭘﻴﺶﺑﻴﻨﻲ ﺑﺎﺭ ﻭ ﻛﺎﺭﺍیی ﺭﻭﺵ ﭘﻴﺸﻨﻬﺎﺩ ﺷﺪﻩ میﺑﺎﺷﺪ. ﺍﺯ ﺟﻤﻠﻪ ﻣﺤﺎﺳﻦ ﺑﺎﺭﺯ ﺍﻳﻦ ﺭﻭﺵ ﻋﻼﻭﻩ ﺑﺮ ﺑﻬﺒﻮﺩ ﻛﻠﻲ ﭘﻴﺶﺑﻴﻨﻲ ﺑﺎﺭ، ﺑﻬﺒﻮﺩ ﭼﺸﻤﮕﻴﺮ ﭘﻴﺶﺑﻴﻨﻲ ﺑﺎﺭ ﺩﺭ ﺭﻭﺯﻫﺎی ﺗﻌﻄﻴﻞ ﻣﻴﺎﻥ ﻫﻔﺘﻪ میﺑﺎﺷﺪ.