پیش بینی تقاضای خودرو از طریق رگرسیون چند متغیره و arima

مقدار تقاضا، در بسیاری از روش های مهندسی صنایع و مدیریت صنعتی، نقطه شروع برنامه ریزی می باشد. لذا تمامی برنامه ریزی های بعدی برای بنگاه اقتصادی، وابسته به مقدار تقاضای پیش بینی شده است. بنابراین، استفاده از روش های دقیقی که بتواند روند تغییرات پیچیده و غیرخطی محصولات مختلف را پیش بینی کند؛ اهمیت زیادی دارد. در این تحقیق، به شبکه عصبی به پیش بینی پرداخته شده است. در این راستا با استفاده از نقشه های خود سازمان ده شبکه عصبی، انواع خودرو از دو شاخص قیمت و کیفیت، به دو خوشه معمولی و غالب تقسیم شده اند. سپس، برای هریک از خوشه ها، یک مدل مجزا با استفاده از شبکه های عصبی، آموزش دیده و کارایی آن مورد بررسی قرار گرفته است. ورودی های این شبکه، شامل اندیکاتورهای کلان اقتصادی برای در نظر گرفتن شرایط کلی مالی و اقتصادی مردم و مقادیر قبلی تقاضا، برای در نظر گرفتن الگوی تغییرات غیرخطی تقاضا می باشد. نتایج به دست آمده از شبکه عصبی، با دو روش رگرسیون چندمتغیره و سری زمانی در دو معیار mse سری زمانی (9674) بوده است. همچنین، مقدار mad مربوط به رگرسیون چندمتغیره 3754 که از مقدارسری زمانی 3875 کمتر بوده است. بنابراین، کارایی رگرسیون چندمتغیره از، سری زمانی arima بالاتر بوده و قابلیت رگرسیون چندمتغیره در پیش بینی مقدار تقاضا، اثبات شده است.