محسن شفیعی نیک آبادی؛ کامبیز شاهرودی؛ اکرم اویسی عمران؛ محمدرضا خسروی
چکیده
انتخاب متغیرهای ورودی و خروجی در تعیین نمرات کارایی تحلیل پوششی دادهها از اهمیت فراوانی برخوردار است. در این پژوهش با استفاده از شبکه عصبی مصنوعی به تعیین ورودیها و خروجیهای شرکتهای برق منطقهای پرداخته شده است. کاربرد شبکه عصبی در انتخاب ورودیها و خروجیهای شرکتهای برق منطقهای امری است که در ادبیات موضوع سابقه نداشته ...
بیشتر
انتخاب متغیرهای ورودی و خروجی در تعیین نمرات کارایی تحلیل پوششی دادهها از اهمیت فراوانی برخوردار است. در این پژوهش با استفاده از شبکه عصبی مصنوعی به تعیین ورودیها و خروجیهای شرکتهای برق منطقهای پرداخته شده است. کاربرد شبکه عصبی در انتخاب ورودیها و خروجیهای شرکتهای برق منطقهای امری است که در ادبیات موضوع سابقه نداشته و مزیت اصلی روش پیشنهادی محسوب میشود. بهمنظور آموزش شبکه عصبی دو لایه MLP، از روش آموزش پس از انتشار خطای ارتجاعی استفاده گردید؛ پس از آموزش شبکه عصبی، عملکرد شبکه عصبی با استفاده از الگوهای تست، مورد بررسی قرار گرفت. مقدار RMSE مریوط به 15 الگوی تست برابر 0269/0 بهدست آمد که نشاندهنده دقت بالای شبکه آموزش داده شده است. تحلیل حساسیت پارامترهای مورد بررسی که همان ورودیها و خروجیهای تحلیل پوششی دادهها هستند، با افزایش ده درصدی پارامترها نسبت به حالت قبل از افزایش انجام شده و میانگین خطای نسبی خروجی برای پارامترهای شبکه عصبی محاسبه شده است. بر اساس میزان میانگین خطای نسبی خروجی، ورودیها و خروجیهای تحقیق مشخص گردید. مقایسه نمرات کارایی شرکتهای برق منطقهای قبل و بعد از کاهش تعداد متغیرها، تعداد شرکتهای کارا در طی شش دوره زمانی فوق از 4/62 درصد به 4/26 درصد کاهش یافته است.
