پیش بینی فروش سه مورد از قطعات وانت 1600 با استفاده از شبکه عصبی و رگرسیون

در تحقیق حاضر میزان فروش سه مورد از قطعات خودرو وانت 1600 با استفاده از شبکه عصبی و رگرسیون پیش بینی شده و در ادامه نتایج حاصل از این دو روش با هم مقایسه شده اند. قطعات مورد نظر عبارتند از لاستیک ترمز، روغن ترمز زرد، و صافی بنزین وانت 1600. برای انجام این تحقیق از پایگاه داده شرکت مزدا یدک استفاده شده است، که ارائه دهنده خدمات پس از فروش گروه صنعتی بهمن می باشد. رگرسیون و شبکه های عصبی هر دو از جمله روش های کمی پیش بینی به شمار می آیند، با این تفاوت که رگرسیون روشی خطی بوده و شبکه های عصبی در دسته روش های هوشمند طبقه بندی می شوند. در این تحقیق دو نوع شبکه عصبی مورد استفاده قرار گرفته است که شبکه های عصبی کلی و شبکه های عصبی ماهانه نامیده می شوند. شبکه های عصبی کلی را در هر ماه دلخواه می توان مورد استفاده قرار داد، اما شبکه های عصبی ماهانه هر یک برای ماه خاصی طراحی شده اند. در پایان مشاهده شد که شبکه های عصبی، خصوصأ شبکه های عصبی ماهانه، در پیش بینی قطعات مورد نظر به طور کلی خطای کمتری نسبت به روش رگرسیون دارند.