ارائه روش ترکیبی طراحی آزمایشات تاگوچی- تاپسیس به منظور یافتن مناسب ترین ساختار شبکه ی عصبی مصنوعی مورد استفاده در پیش بینی تقاضای انرژی (مطالعه موردی: تقاضای بنزین در استان هرمزگان)

استفاده از شبکه های عصبی مصنوعی در پیش بینی کاربرد زیادی دارد. طراحی مناسب پارامترهای (ساختار) شبکه موجب می شود تا دقت و عملکرد شبکه های عصبی مصنوعی افزایش یابد. در اکثر مطالعات از روش سعی و خطا برای تنظیم پارامترهای شبکه های عصبی مصنوعی استفاده می شود. هم چنین، سایر روش هایی که برای تعیین بهترین ساختار شبکه عصبی وجود دارد، تنها بر اساس یک معیار ارزیابی عملکرد شبکه، ساختار مناسب را تعیین می کنند. در مطالعه حاضر، محققین روش جدیدی را برای طراحی ساختار شبکه ارایه می دهند. در این روش، با استفاده از ترکیب روش طراحی آزمایشات تاگوچی و روش تاپسیس، مناسب ترین ساختار شبکه های عصبی مصنوعی، با درنظر گرفتن سه معیار ارزیابی عملکرد شبکه به طور هم زمان، تعیین می شود. نتایج حاصل از پیش بینی تقاضای بنزین در استان هرمزگان با استفاده از روش مذکور، کارایی و اثربخشی این روش را نشان می هد. تجزیه و تحلیل واریانس پارامترهای شبکه های عصبی مصنوعی نشان می دهد که سهم مشارکت تعداد نرون در لایه پنهان اول در تعیین ساختار مناسب شبکه حدود 54% است و سهم مشارکت الگوریتم یادگیری نیز حدود 27% می باشد.