استخراج شاخص های مناسب تصمیم گیری و استفاده از شبکه های عصبی جهت پیش بینی هزینه/ سود در بیمه بدنه خودرو(موردکاوی: بیمه مرکزی جمهوری اسلامی ایران)

پایان نامه حاضر به بررسی سیستم اطلاعاتی موجود در بیمه بدنه خودرو در ایران می پردازد. با استفاده از روشهای انتخاب ویژگی از بین فیلدهای موجود در سیستمهای اطلاعاتی بیمه، ویژگیهای بهینه که شامل بیشترین اطلاعات سودمند هستند را انتخاب می نمائیم. سپس با استفاده از این فیلدهای منتخب و شبکه های عصبی مصنوعی به پیش بینی سوددهی می پردازیم. بنابراین با توجه به هر بیمه نامه و پارامترهای موجود می توان تخمین زد که آیا این بیمه نامه منجر به سوددهی شرکت بیمه می شود یا خیر. در انجام این پایان نامه شبکه عصبی چند لایه با الگوریتم پس انتشارخطا (bpnn) به عنوان ابزاری برای پیش بینی هزینه/ سود برای شرکتهای بیمه پیشنهاد شده است. با استفاده از روشهای انتخاب ویژگی تعداد مطلوب و موثر ورودیها برای پیش بینی سود یا زیان انتخاب شدند. نهایتاً کابر با توجه به نتایج شبیه سازی با اطمینان 65% به خروجی شبکه اطمینان خواهد کرد. پیش بینی انجام شده روی داده های موجود برای بیمه بدنه خودرو نشان دهنده کارآمد بودن روش پیشنهادی است.