ارتقاء دقت پیش بینی شبکه های عصبی مصنوعی توسط ارائه یک الگوریتم وزن دهی اولیه برپایه الگوریتم ژنتیک(مورد کاربرد: پیش بینی داده های مصرف گاز طبیعی در ایران)

با توجه به اینکه پیش بینی درست مصرف گاز، کمک زیادی به تصمیم گیران در سطوح بالای سیاسی و اقتصادی کشور می کند، تلاش برای افزایش دقت پیش بینی همچنان یک موضوع قابل پژوهش و ضروری است. این مقاله از یک شبکه عصبی مصنوعی که توسط الگوریتم ژنتیک مقداردهی اولیه شده برای پیش بینی مصرف گاز ایران تا 12 ماه آینده به کمک داده سالهای 1384 تا 1391، استفاده می کند. رویکرد پیشنهادی از ورودی های کل مصرف گاز، مصرف گاز دربخش خانگی و تجاری و دما، برای پیش بینی استفاده می کند. مشارکت اصلی این تحقیق آماده سازی اولیه وزن های شبکه های عصبی به کمک الگوریتم ژنتیک می باشد که دلیل آن محدب نبودن تابع و فضای جستجوی شبکه عصبی می باشد و برای حصول نتیجه مناسب، بهتر است که وزن های آماده سازی شده تا حد ممکن نزدیک به بهینه سراسری یا حداقل به یک کمینه محلی مناسب باشد. به منظور مقایسه کارایی الگوریتم پیشنهادی، این رویکرد با سیستم استنتاج فازی عصبی تطبیقی، شبکه عصبی مصنوعی و ترکیب شبکه عصبی با الگوریتم ژنتیک متداول با استفاده از معیارهایmape، rmseو mseمقایسه می شود. نتایج حاصله حاکی از قدرت همگرایی بالا و دقت بالای پیش بینی رویکرد پیشنهادی در مقایسه با سایر الگوریتمها دارد. از آنجاییکه روش پیشنهادی به خوبی می تواند از عهده پیچیدگی، غیرخطی بودن و عدم قطعیت موجود در داده ها (به دلیل خطای اندازه گیری و پاسخ های غیرقابل پیش بینی) برآید، این رویکرد می تواند به عنوان ابزار مناسبی برای پیش بینی مصرف گاز در اختیار تصمیم گیران قرار بگیرد.