ارایه الگوی تعیین موفقیت طرح‌های سرمایه‌گذاری کشاورزی: کاربرد شبکه عصبی چندلایه پرسپترون

هدف تحقیق حاضر شناسایی و ارزیابی الگویی برای پیش‌بینی موفقیت یا شکست طرح‌های پیشنهادی سرمایه‌گذاری کشاورزی در مناطق روستایی است، این موضوع در حیطه طبقه‌بندی است، و تعلق هر یک از طرح‌های پیشنهادی به گروه موفق یا شکست، براساس متغیرهای پیش‌بینی‌کننده تعیین می‌گردد. متغیرهای پیش‌بینی‌کننده، عبارت‌اند از مولفه‌های محیط سرمایه‌گذاری و ویژگی‌های پروژه. براساس نوشتارهای تخصصی در این زمینه، شبکه عصبی چندلایه پرسپترون با الگوریتم یادگیری پس انتشار خطا، تکنیک و الگوی نسبتاً مناسبی برای تبیین مسیله به شمار می‌آید. برای ارزیابی کارایی الگو از شاخص میانگین مربعات خطا، منحنی roc و شاخص صحت پیش‌بینی استفاده شده است. ارزیابی الگو مشخص می‌سازد که شبکه عصبی با 24 نرون در لایه پنهان می‌تواند حدود 5/77 درصد از نمونه‌ها را به‌درستی پیش‌بینی و طبقه‌بندی کند. براساس نتایج به‌دست آمده از داده‌های آزمون شبکه، الگوی ارایه‌شده توان بیشتری برای پیش‌بینی و طبقه‌بندی نمونه‌های ناموفق در مقایسه با نمونه‌های موفق دارد (2/79 درصد در برابر 75 درصد). همچنین در این تحقیق، به منظور ارزیابی قابلیت کاربرد شبکه، 31 نمونه ‌جدید به‌صورت آف‌لاین به شبکه ارایه شدند. نتیجه نشان می‌دهد که الگوی ارایه شده، به واقع و در عمل می‌تواند حدود 5/64 درصد از نمونه‌ها را به درستی طبقه‌بندی کند. با الگوی طراحی‌شده می‌توان احتمال شکست یا موفقیت هر یک از طرح‌ها و پروژه‌های جدید را براساس متغیرهای پیش‌بینی‌کننده تخمین زد؛ و بدین‌ترتیب می‌توان آن را به همراه دانش و تخصص تصمیم‌گیرها و متولی یا متولیان توسعه روستایی و کشاورزی و مدیران موسسات مالی و اعتباری، به عنوان ابزاری مناسب برای انتخاب پروژه‌ها و طرح‌های بهینه برای سرمایه‌گذاری و ارایه تسهیلات به آنها، به کار گرفت. مراحل مختلف آموزش، آزمون، اعتبارسنجی و کاربرد شبکه -و یا اصطلاحاً شبیه‌سازی شبکه- با استفاده از نرم‌افزار matlab انجام شده است.