پديد آورنده :
تربت اصفهاني، شيدا
عنوان :
بكارگيري ابزارهاي هوش محاسباتي به منظور پيش بيني مصرف فولاد خام كشور
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
سيستم هاي اقتصادي- اجتماعي
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده صنايع و سيستم ها
صفحه شمار :
پنج، 156ص.: مصور، جدول، نمودار
يادداشت :
ص.ع. به فارسي و انگليسي
استاد راهنما :
مهدي خاشعي
استاد مشاور :
مهدي بيجاري
توصيفگر ها :
انتخاب متغير , محاسبات نرم , پيش بيني سري هاي زماني
استاد داور :
رضا حجازي، غلامعلي رئيسي اردلي
تاريخ ورود اطلاعات :
1395/09/01
دانشكده :
مهندسي صنايع و سيستم ها
چكيده فارسي :
1 چكيده صننعت فوالد در زمرۀ صننايع اسنتراتژيك قرار داشته و نقش مهمي را در زمينۀ تداوم رشد اقتصادي كشورها ايفا مينمايد لذا آگاهي از شنرايط حال و آيندۀ اين صنعت و شناسايي عوامل تأثيرگذار بر آن بهمنظور تجزيه و تحليلهاي اقتصادي شايستۀ توجهي عميق بوده و از اهميت ويژهاي برخوردار اسننت از مهمترين اهداف تجزيه و تحليلهاي اقتصننادي ميتوان به شننناخت فاكتورهاي مؤثر و ارائۀ پيشبينيهاي دقيق از آنها اشنناره نمود يكي از چالشهاي اسنناسنني فراروي مديران ارائۀ رهيافتهاي منطقي در راسننتاي ايجاد هماهنگي ميان عرضننه و تقاضننا و كنترل پارامترهاي مترتب به آنها ميباشنند بر همين اسنناس در اين پاياننامه سنننعي گرديده تا با بكارگيري روشهاي علمي و در عين حال كاربردي مدلي مسنننتدل و تا حد امكان داراي قابليت اطمينان باال بهمنظور مديريت مصنرف فوالد خام كشنور ارائه گردد ام ا ادبيات موضوع نشان ميدهد كه حصول نتايج دقيق در حوزۀ پيشبيني مصننرف بهويژه در افقهاي بلندمدت نسننبتا دشننوار اسننت محققان عامل اصننلي اين موضننوع را سننط باالي پيچيندگي و همچنين ابهنام موجود در بازارهاي مالي ميدانند لذا در اين پاياننامه بهمنظور مدلسنننازي همزمان پيچيدگيها و عدمقطعيتهاي موجود در دادهها تركيبي از مدلهاي هوشننمند و محاسننبات نرم بهعنوان روشهايي كارآ بكار گرفته شننده ن ن ن اسنت بدين ترتيب در ابتدا ليسنت متغيرهاي مؤثر اوليه بر اسناس ادبيات موضوع و نظرات خبرگان مشخص گرديده سپس با بررسي ميزان توضي دهندگي و همبستگيهاي خطي و غيرخطي بين متغيرها ليست متغيرهاي نهايي مشخص گرديدهاند در انتها نيز چهار مدل كالسننيك سننخت كالسننيك نرم هوشننمند سننخت و هوشننمند نرم بهمنظور پيشبيني مصننرف فوالد در دو افق كوتاهمدت و بلندمدت طراحي و نتايج حاصل از اين مدلها با يكديگر مقايسه گرديدهاند نتايج حاصله حاكي از آن هستند كه مدل هوشنمند سنخت طراحي شنده نسبت به مدل كالسيك سخت در افقهاي كوتاهمدت و بلندمدت بر اساس معيار مجذور ميانگين مربعات خطا بهترتيب 86 22 و 14 14 درصند بهبود در نتايج ايجاد نموده اسنت همچنين در پيشبينيهاي بازهاي مدل هوشنمند نرم نسنبت به مدل كالسنيك نرم و بازۀ اطمينان 59 درصندي مترتب به مدل كالسنيك سخت در افق كوتاهمدت به ترتيب به ميزان 11 34 و 27 29 و در افق بلندمدت بهترتيب 86 43 و 35 19 درصد منجر به بهبود نتايج شده است نتايج حاصل از اين بررسيها بيانگر كارآيي و برتري مدلهاي هوشمند نرم نسبت به مدلهاي هوشمند سخت و نيز برتري مدلهاي كالسيك نرم در مقابل مدلهاي كالسيك سخت ميباشند كلمات كليدي مصررف فوالد خام انتخاب متغير ابزارهاي هوش محاسرباتي محاسبات نرم پيشبيني سريهاي زماني
چكيده انگليسي :
422ABSTRACTThe steel industry is among the strategic industries and it plays an important role in thepersistent economic growth of countries Therefore awareness of current and futureconditions of this industry and identification of factors affecting them is important toeconomic analysis The most important purposes of economic analysis are cited asidentification of effective factors and accurate predictions One of the main challenges facedby managers is to provide logical approaches in order to create balance between supply anddemand and control their associated parameters Accordingly the main aim of this thesis isto use scientific methods to manage consumption crude steel in the country However theliterature shows that yield accurate results in the prediction of consumption especially inlong term horizon is relatively difficult Researchers believe that main reason of this matter is high level of complexity and uncertainty in financial markets So in this thesis in order tosimultaneously model the complexities and uncertainties in the data a hybrid of intelligentand soft computing models have been used as an effective way In this way the list ofvariables is recognized based on the literature and expert opinions Then the linear andnonlinear relationships and also correlations between variables are evaluated and finalexplanatory variables specified Finally four models including hard classic soft classic hard intelligent and soft intelligent are designed to predict steel consumption in both shortand long term horizons and their results are compared with each other Empirical resultsindicate that using the hard intelligent model makes improvement 22 68 and 41 41 incomparison with hard classic model in short and long term horizons respectively in RootMean Squared Error RMSE In addition the soft intelligent model makes improvement43 01 and 92 72 in comparison with soft classic model and hard classic modelrespectively in short term horizon and 34 68 and 91 53 in long term horizon Results ofthe study indicate superiority of the soft intelligent models over hard intelligent models andsuperiority of hard intelligent models over hard classic models Keywords Crude steel consumption Feature selection Computational intelligent tools Softcomputing Time series forecasting
استاد راهنما :
مهدي خاشعي
استاد مشاور :
مهدي بيجاري
استاد داور :
رضا حجازي، غلامعلي رئيسي اردلي
