مطالعه تطبیقی روش های خطی ARIMA و غیر خطی شبکه های عصبی فازی در پیش بینی تقاضای اشتراک گاز شهری

اطلاع از میزان تقاضای موجود در هر دوره یکی از مباحثی است که شرکت ملی گاز ایران در راه پاسخگویی ماند عدم آگاهی از تعداد پیمانکاران مورد نیاز و همچنین فقدان برنامه کنترل موجودی مناسب برای انواع کشورهای مورد نیاز و دیگر عوامل مرتبط می شود . در چند دهه اخیر ، اقتصاددانان و علمای مدیریت برای براورد تقاضا اغلب از روش های اقتصاد سنجی استفاده کرده اند . امروزه در بین روش های پیشبینی ، شبکه های عصبی مصنوعی و مدلهای فازی در بسیاری از زمینه های کاربردی استفاده شده اند که هر کدام از آنها دارای محاسن و معایبی هستند . بنابراین ، ترکیب موفقیت آمیز این دو روش ، مدل سازی شبکه های عصبی مصنوعی و فازی ، با اتکای به ترکیب قدرت یادگیری شبکه های عصبی و عملکرد منطقی سیستم های فازی تبدیل به ابزار بسیار قدرتمندی شده که هم اکنون کاربردهای گوناگونی دارند . در این تحقیق ، تقاضای اشتراک گاز شهری خانگی شهر تهران با استفاده از روش خطی arima‌ و روش غیر خطی شبکه های عصبی فازی بررسی شده و از لحاظ شش معیار ارزیابی عملکرد با یکدیگر مقایسه شده اند . نتایج تحقیق بیانگر این حقیقت است که برای پیش بینی تقاضای اشتراک گاز شهری ، شبکه های عصبی فازی در تمامی شش معیار ارزیابی عملکرد بر روش arima‌ برتری داشته ، بنابراین مناسب تر است .