پیش بینی تقاضای متلاطم با استفاده از رگرسیون بردار پشتیبان و شبکه عصبی مصنوعی

پیش بینی تقاضا یکی از پرچالش ترین فعالیت های سازمان ها است و از مهمترین ارکان تصمیم گیری مدیران به شمار می رود که به دلیل ارتباط مستقیم آن با مقادیر فروش که منبع اصلی درآمد سازمان ها می باشد، پایه و اسا برنامه ریزی واحدهای مختلف سازمان را نیز تشکیل داده و در ثبات و توسعه هر سازمانی نقش بسزایی ایفا می کند. تقاضای متلاطم، به دلیل غیر نرمال بودن و مقادیر بسیار متغیر، به درستی توسط روش های سنتی که تقاضا را ایستا فرض می کنند، قابل پیش بینی نیست. از این رو در این تحقیق که از نوع کاربردی می باشد در جهت بهبود فرایند پیش بینی این نوع تقاضا، از چند روش مختلف شامل رگرسیون بردار پشتیبان، شبکه عصبی پس انتشار خطا و شبکه عصبی پیش رو استفاده شد و عملکرد آنها توسط معیارهای MSE و SSE مورد بررسی قرار گرفت. نتایج ارزیابی حاکی از دقت خوب پیش بینی با هر سه الگوریتم بود با این توضیح که شبکه عصبی پرسپترون پیش رو در مقایس با دیگر روش های مورد استفاده برتری جزئی داشته است.