۱-۲۰-۱۵-۶

۱۲

۰٫۳۷۷

۰٫۱۴۲

۱-۲۰-۲۰-۶

۲۲

۰٫۶۰۵

۰٫۳۶۶

۱-۲۰-۲۵-۶

۲۳

بهترین شبکه برای پیش‌بینی فروش خارجی کاتد طبق جدول (۴-۳)، ساختار شماره ۳ میباشد که یک شبکه سه لایه با ۴ نرون در لایه پنهان میباشد.
۴-۵ مدل‌سازی با استفاده از رگرسیون خطی چند متغیره
در مدلسازی با استفاده از روش رگرسیون خطی چند متغیره، متغیر وابسته با استفاده از متغیرهای مستقل برآورد میگردد. برای به دست آوردن رابطه بین متغیر وابسته و متغیرهای مستقل، نرمافزار Minitab استفاده شد.
۴-۵-۱ پیش‌بینی فروش داخلی کاتد
بدین منظور برای پیشبینی فروش داخلی کاتد، میزان فروش داخلی کاتد به عنوان متغیر وابسته (Y) و متغیرهای ماه فروش، نرخ بیکاری،GDP، قیمت فروش، صادرات و تولید که به ترتیب با X1، X2،X3، X4،X5 و Xمشخص شده به عنوان متغیر مستقل در نظر گرفته ‌شده‌اند. رابطه رگرسیون خطی چند متغیره برای فروش داخلی کاتد به صورت زیر میباشد:
Y=-0.429 + 0.178X1-0.139X2+0.726X3-0.597X4-0.161X5+0.058X(۴-۱)
MSE=0.1
۴-۵-۲ پیشبینی فروش خارجی کاتد
میزان فروش خارجی کاتد به عنوان متغیر وابسته(Y) و متغیرهای ماه فروش، نرخ بیکاری،GDP، قیمت فروش، صادرات و تولید که به ترتیب با X، X2، X3، X4، X5و X6مشخص شده به عنوان متغیر مستقل در نظر گرفته ‌شده‌اند. معادله (۴-۲) رابطه بین میزان فروش خارجی کاتد و متغیرهای مستقل را نشان میدهد:
Y=-0.313+ 0.0234 X1+ 0.169 X2– 0.280 X3+ 0.610 X4-0.304 X5+ 0.195 X6 (۴-۲)
MSE=0.35
۴-۵-۳ پیش‌بینی فروش داخلی مفتول
میزان فروش داخلی مفتول به عنوان متغیر وابسته (Y) و متغیرهای ماه فروش، صادرات کشور، نرخ بیکاری،GDP و قیمت فروش که به ترتیب با X، X2، X3، X4و X5مشخص شده به عنوان متغیر مستقل در نظر گرفته ‌شده‌اند که رابطه آنها به صورت زیر است:
Y=0.176 + 0.214X1+0.677X2-0.192X3+ 0.226X4-1.16X(۴-۳)
MSE= 0.15
۴-۶ مقایسه نتایج شبکه عصبی و رگرسیون
در این قسمت به مقایسه نتایج شبکه عصبی و رگرسیون پرداخته میشود. در جداول ذیل، شبکه عصبی و رگرسیون چند متغیره با استفاده از معیارهای MSE و RMSE با یکدیگر مقایسه شدهاند.
جدول (۴-۴). مقایسه نتایج شبکه عصبی و رگرسیون خطی برای فروش داخلی کاتد

برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.

مدل