2-10- شبکه های عصبی مصنوعی ( ANNs ) 22

2-10-1- مقدمه. 23

2-10-2- شبکه عصبی. 23

2-10-3- معرفیشبکه عصبی مصنوعی. 24

2-10-4- تاریخچه شبکه های عصبی مصنوعی. 24

2-10-5- چرا از شبکه های عصبی استفاده می کنیم؟ 25

2-10-7- ساختار شبکه های عصبی. 26

2-10-8- تقسیم بندی شبکه های عصبی. 27

2-10-9- کاربرد شبکه های عصبی. 28

2-10-10- معایب شبکه های عصبی. 28

2-10-11- مسائل مناسب برای یادگیری شبکه های عصبی. 28

2-11- یادگیری یک پرسپترون. 29

2-11-1- آموزش پرسپترون. 31

2-11-2- الگوریتم یادگیری پرسپترون. 31

2-12- مقایسه آموزش یکجا و افزایشی. 32

2-13- شبکه های چند لایه. 32

2-14- الگوریتم Back propagation. 33

2-15- شبکه های عصبی چند لایه پیش خور 37

2-16- انواع شبکه های عصبی : 38

2-16-1- شبکه عصبی پرسپترون. 39

2-16-2- شبکه همینگ.. 40

2-16-3- شبکه هاپفیلد. 41

2-16-4- شبکه عصبی خود سازمانده مدل کوهنن. 42

2-16-5- شبکه عصبی تأ خیر زمانی. 42

2-17- مدل ترکیبی شبکه های عصبی مصنوعی و تحلیل پوششی داده ها (NEURO/DEA ) 43

2-17-1- مقدمه. 44

2-17-2- الگوریتم تحلیل کارایی. 46

2-17-3- نرمال سازی داده ها 46

2-18- مفاهیم کارایی ، بهره وری و اثربخشی. 49

2-19-ی بر مطالعات انجام شده 50

فصل سوم. 62

روش تحقیق.. 62

3-1- مقدمه. 63

3-2- روش تحقیق. 63

3-3- جامعه آماری.. 64

3-4- شیوه گردآوری اطلاعات.. 64

3-5- مراحل انجام تحقیق. 64

3-6- شیوه نرمال سازی.. 65

3-7- ارزیابی و تحلیل کارایی فنی پالایشگاه های گاز کشور با رویکرد تحلیل پوششی داده ها (DEA ) 65

3-7-1- مدل سازی ریاضی. 66

3-7-2- مدل مضربی CCR ورودی محور 66

3-7-3- روش اندرسون – پیترسون بر ای رتبه بندی واحدهای کارا 67

3-8- دلایل استفاده از مدل مضربی CCR ورودی محور در مقایسه با مدل BCC. 67

3-9- روش تحقیق مورد استفاده در تحلیل کارایی با مدل های ترکیبی Neuro/DEA. 68

3-9-1- مدل مورد استفاده در تحقیق. 69

3-9-2- روش به کار گرفته شده در مدل های ترکیبی Neuro/DEA1 و Neuro/DEA2 جهت ارزیابی واحد ها 70

فصل چهارم. 71

نتایج و تفسیر آن ها 71

4-1- مقدمه. 72

4-2- نرمالیز کردن داده ها 73

4-3- الگوریتم پس انتشار 77

4-4- شبکه پیش سو 78

4-5- جمع آوری داده ها : Neuro – DEA. 78

4-6- نرمال سازی داده ها Neuro /DEA. 79

4-7- داده های آموزش.. 80

4-8- داده های تست.. 80

4-9- عملیات آموزش.. 82

4-10- نمایش نمودارها 84

فصل پنجم. 87

نتیجه گیری و پیشنهادات.. 87

5-1- محدودیت های انجام تحقیق. 88

5-2- نتیجه گیری.. 88

5-3- تحقیقات آتی. 89

منابع و مراجع. 90

منابع فارسی. 91

منابع انگلیسی. 93

فهرست اشکال

شکل 1-1- مقایسه رگرسیون و DEA …………………………………………………………………………………………..9

شکل 2-1- پرسپترون تک لایه ……………………………………………………………………………………………………29

شکل 2-2- پرسپترون ………………………………………………………………………………………………………………..30

شکل 2-3- توابعی که پرسپترون قادر به یادگیری آن ها می باشد …………………………………………………..30

شکل 2-4- مقایسه آموزش افزایشی و یکجا …………………………………………………………………………………..32

شکل 2-5- منحنی یادگیری …………………………………………………………………………………………………………35

شکل 2-6- نمودار خطا …………………………………………………………………………………………………………………36

شکل 2-7- شرط پایان الگوریتم BP …………………………………………………………………………………………….36

شکل 2-8- پرسپترون تک لایه ……………………………………………………………………………………………………39

شکل 2-9- پرسپترون تک لایه …………………………………………………………………………………………………..39

شکل 2-10- شبکه همینگ ………………………………………………………………………………………………………..40

شکل 2-11- شبکه هاپفیلد …………………………………………………………………………………………………………41

شکل 2-12- شبکه کوهنن……………………………………………………………………………………………………………42

شکل 2-13- ساختار نرون در شبکه TDNN ………………………………………………………………………………….43

شکل 2-14- الگوریتم تحلیل کارایی ……………………………………………………………………………………………..48

شکل 2-15- شبکه پرسپترون سه لایه ………………………………………………………………………………………….70

شکل 3-1- ورودی و خروجی های پالایشگاه ها ……………………………………………………………………………….78

شکل 4-1- تابع سیگموئیدی …………………………………………………………………………………………………………84

شکل 4-2- مقایسه خروجی های شبیه سازی شده …………………………………………………………………………..85

شکل 4-3- مقایسه خروجی ها با داده های تست ……………………………………………………………………………..86

شکل 4-4- مقایسه کارایی مدل DEA و ANN ………………………………………………………………………………..86

فهرست جدول

جدول 2-1- مدل جمعی ……………………………………………………………………………………………………….20

جدول 3-1- معرفی پالایشگاه ها ……………………………………………………………………………………………..65

جدول 3-2- مشخصه های متغیرهای تصمیم ……………………………………………………………………………..66

جدول 3-3- مشخصه های متغیرهای تصمیم …………………………………………………………………………….66

جدول 3-4- مشخصه های متغیرهای تصمیم …………………………………………………………………………….66

جدول 4-1- اطلاعات ورودی و خروجی سال 93 ……………………………………………………………………….72

جدول 4-2- اطلاعات ورودی و خروجی سال 92………………………………………………………………………..73

جدول 4-3- داده های نرمال شده سال 93 ………………………………………………………………………………..74

جدول 4-4- داده های نرمال شده سال 92 ………………………………………………………………………………..74

جدول 4-5- کارایی واحدها در سال 92 و 93 …………………………………………………………………………….75

جدول 4-6- کارایی AP در سال 92…………………………………………………………………………………………….75

جدول 4-7- کارایی AP در سال 93…………………………………………………………………………………………….75

جدول4-8- ورودی ANN در سال 92…………………………………………………………………………………………..79

جدول4-9- ورودی ANN در سال 93…………………………………………………………………………………………..79

جدول 4-10- نرمال سازی داده ها ………………………………………………………………………………………………79

جدول 4-11- داده های نرمال شده ………………………………………………………………………………………………80

جدول 4-12- اندیس های مربوط به آموزش ………………………………………………………………………………….81

جدول 4-13- اندیس های مربوط به تست …………………………………………………………………………………….81

جدول 4-14-داده های ورودیو خروجی آموزش ………………………………………………………………………….81

جدول 4-15- داده های ورودی و خروجی تست ……………………………………………………………………………..82

جدول 4-16- ارزیابی شبکه آموزش دیده ……………………………………………………………………………………..82

جدول 4-17- صحت فرایند آموزش ………………………………………………………………………………………83

جدول 4-18- خروجی شبیه سازی شده و واقعی برای تست …………………………………………………….83

جدول 4-19- میانگین مربعات خطا ……………………………………………………………………………………..83

جدول 4-20- میانگین مقایسه کارایی خروجی ANN و DEA سال 92 …………………………………….85

جدول 4-21- میانگین مقایسه کارایی خروجی ANN و DEA سال 93 …………………………………….85

چکیده :

کارایی و رتبه بندی زیرمجموعه های یک صنعت کاری ضروری است ، و لازم است حداقل سالی یکبار عملکرد آنها را برپایه اصول علمی مورد ارزیابی قرار داد.

صنعت نفت و گاز به عنوان یکی از اساسی ترین صنایع ایران از حساس ترین و مهمترین منابع درآمد دولت به شمار میرود .بدیهی است وجود کارایی در این صنعت عایدات دولت را چندین برابر مینماید و این مهم جز با ارزیابی دقیق و صحیح واحدها ی تحت پوشش میسر نمیشود .