مطالب مرتبط با کلیدواژه

شبکه عصبی مصنوعی

۶۱.

بخش بندی مراجعین کتابخانه های عمومی بر مبنای نیازهایشان با استفاده از شبکه عصبی مصنوعی، تحلیل سلسله مراتبی و مدل کانو(مقاله علمی وزارت علوم)

نویسنده: زهیر حیاتی عظیمه مظفری افسانه مظفری روح الله منوچهری

منبع: تحقیقات اطلاع رسانی و کتابخانه های عمومی دوره ۲۰ پاییز ۱۳۹۳ شماره ۷۸

کلیدواژه‌ها: شبکه عصبی مصنوعی خوشه بندی مدل کانو تحلیل سلسله مراتبی مراجعه کننده کتابخانه عمومی

حوزه های تخصصی:

تعداد بازدید : ۱۴۰۵ تعداد دانلود : ۶۱۱

امروزه مراجعین به عامل بسیار مهم و حیاتی در هدایت کتابخانه های عمومی مبدل گشته اند. به همین دلیل کتابخانه های عمومی نیاز دارند مراجعین خود را بشناسند و برای کسب رضایت و تامین نیازهای آنها برنامه ریزی کنند. این پژوهش یک الگوی تلفیقی از روش های خوشه بندی به کمک شبکه عصبی، تحلیل سلسله مراتبی و مدل کانو ارائه می نماید تا به وسیله بخش بندی مراجعین کتابخانه های عمومی و به دست آوردن ارزش هر بخش، خدمات مناسب در جهت جلب رضایت آنها ارائه شود. جامعه آماری این پژوهش شامل تمام مراجعین کتابخانه های عمومی استان فارس می باشد و یک نمونه 180 تایی به روش تصادفی ساده از آن انتخاب شده است. ابزار پژوهش پرسشنامه محقق ساخته ای است که بر اساس مدل کانو و مدلی که شاخص های آن طبق نظر خبرگان و متخصصان کتابداری تعیین شده، طراحی گردیده است. بعد از جمع آوری داده ها از میان معماری های ممکن برای شبکه، معماری شبکه خودسازمان ده با بالاترین کیفیت برای بخش بندی یا خوشه بندی مراجعین برگزیده شد و پس از استفاده از نرم افزار MATLAB تعداد چهار خوشه برای مراجعین کتابخانه های عمومی استان فارس تعیین گردید. سپس با استفاده از روش تحلیل سلسله مراتبی خوشه ها اولویت بندی شده و در نهایت با استفاده از مدل کانو، نیازهای هر خوشه تعیین و خدمات مناسب هر خوشه پیشنهاد شد. با استفاده از نتایج پژوهش کتابخانه های عمومی می توانند با بخش بندی و شناسایی مراجعین و کسب رضایت آنها، در امر خدمت رسانی موفق تر باشند.

۶۲.

ارزیابی و پیش بینی تولید پایدار با استفاده از رویکرد ترکیبی فازی چند درجه ای و شبکه عصبی مصنوعی(مورد مطالعه: شرکت لبنی کاله)(مقاله علمی وزارت علوم)

نویسنده: محمد ولی پور خطیر عبدالحمید صفایی قادیکلایی زین العابدین اکبرزاده نرجس قاسم نیا عربی

منبع: پژوهش های مدیریت در ایران دوره ۲۰ بهار ۱۳۹۵ شماره ۱ (پیاپی ۹۱)

کلیدواژه‌ها: شبکه عصبی مصنوعی ارزیابی پایداری تولید پایدار رویکرد فازی چند درجه ای

حوزه های تخصصی:

تعداد بازدید : ۱۲۵۲ تعداد دانلود : ۸۸۵

امروزه پایداری بر جنبه های مختلف سازمانی از حیث اقتصادی، اجتماعی و زیست محیطی تأکید دارد، از اینرو اهمیت این موضوع برای نسل های فعلی و آتی بسیار حیاتی است. اکثر شرکت ها به این نتیجه رسیده اند که به منظور ارتقای اثربخش و کارا پایداری تولید نیازمند تعریف، اندازه گیری و کنترل شاخصه های تولید پایدار هستند. لذا اندازه گیری پایداری تولید به موضوعی با اهمیت در مباحث تولید و عملیات مبدل شده است. در همین راستا، تحقیق حاضر درصدداست تا با استفاده از رویکرد ترکیبی چند درجه ای فازی و شبکه عصبی مصنوعی علاوه بر ارزیابی وضعیت فعلی پایداری، وضعیت آینده تولید پایدار شرکت لبنی کاله را پیش بینی نماید. داده های اصلی تحقیق با نظرخواهی خبرگان دانشگاه و مدیران شرکت جمع آوری و تحلیل شد. نتایج تحقیق حاکی از آن است که وضعیت پایداری طی سال های 89 تا 94 به ترتیب به صورت کمی پایدار، نسبتاً پایدار، نسبتاً پایدار، کمی پایدار، نسبتاً پایدار ونسبتاً پایدار بوده در سال 1395 نسبتاً پایدار خواهد شد.

۶۳.

پیش بینی مصارف گاز خانگی و تجاری برای یک دوره پنج ساله شهر اصفهان با استفاده از شبکه های عصبی(مقاله علمی وزارت علوم)

نویسنده: الهام هنری مسعود یقینی محمدحسین ندیمی

منبع: مدیریت تولید و عملیات سال هفتم بهار و تابستان ۱۳۹۵ شماره ۱ (پیاپی ۱۲)

کلیدواژه‌ها: پیش بینی شبکه عصبی مصنوعی دینامیک مصارف گاز طبیعی بخش های خانگی و تجاری هرس کامل شبکه شعاع براساس تابع

حوزه های تخصصی:

حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات سیستم های صف

تعداد بازدید : ۸۵۰ تعداد دانلود : ۴۶۶

بخش های خانگی و تجاری بیشترین سهم مصارف گاز طبیعی در کشور را به خود اختصاص داده است. بنابراین، پیش بینی میزان مصارف این دو بخش برای شرکت ملی گاز ایران بسیار حائز اهمیت است. در این مقاله، برای مصارف خانگی و تجاری گاز طبیعی شهر اصفهان ساختار مناسبی از مدل شبکه عصبی انتخاب و طراحی شده است. برای یافتن یک ساختار مناسب شبکه عصبی، سه ساختار متفاوت با نام های دینامیک، هرس کامل و شبکه شعاع براساس تابع بررسی شده است. داده های واقعی مصارف گاز 10 سال (1381 تا 1390) برای پیش بینی مصارف (1391 تا 1395) استفاده شده است. به منظور پیش بینی مصارف خانگی و تجاری گاز طبیعی، متغیرهای مستقل جمعیت، دما، تعداد مشترکین و قیمت گاز انتخاب شده اند. ساختارهای شبکه عصبی با یکدیگر و با سایر روش های سنتی پیش بینی از جمله رگرسیون و سری های زمانی مقایسه گردید. نتایج حاکی از آن است که ساختار منتخب هرس کامل مدل شبکه عصبی برای این داده ها از سایر ساختارها و مدل های پیش بینی سنتی کارآمدتر و دقیق تر است و این مدل تا سال 1395 برای بخش خانگی افزایش مصرف و برای بخش تجاری کاهش در مصرف گاز طبیعی شهر اصفهان را پیش بینی کرده است. براساس بررسی های انجام شده، تاکنون پژوهشی برای پیش بینی مصارف گاز طبیعی خانگی و تجاری شهر اصفهان با مقایسه بین ساختار های مختلف طراحی مدل شبکه عصبی و انتخاب بهترین ساختار، صورت نگرفته است.

۶۴.

مدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده: روح الله تقی زاده مهرجردی علی فاضل یزدی رضا محبی

منبع: مدیریت دارایی و تامین مالی سال اول پاییز ۱۳۹۲ شماره ۲ (پیاپی ۲)

کلیدواژه‌ها: شبکه عصبی مصنوعی تحلیل پوششی داده ها الگوریتم ژنتیک شبکه عصبی فازی پیش بینی کارایی بانک ها

حوزه های تخصصی:

تعداد بازدید : ۹۷۶ تعداد دانلود : ۴۶۷

دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی بانک های دولتی و خصوصی کشور با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک می باشد. در این پژوهش ابتدا با استفاده از مدل تحلیل پوششی داده ها و با در نظر گرفتن جمع کل دارایی ها و تعداد کل شعب به عنوان ورودی های مدل و سود و زیان خالص و مانده تسهیلات اعطایی و مطالبات به عنوان متغیرهای خروجی مدل به بررسی کارایی بانک ها در بین سال های 1386 تا 1390 پرداخته شد. در مرحله بعد، از رویکرد رگرسیون چند متغیره، شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک جهت پیش بینی کارایی بانک ها استفاده شده است. نتایج ارزیابی نشان داد که مدل شبکه عصبی فازی نسبت به سایر مدل ها دارای بالاترین دقت در پیش بینی کارایی بانک ها می باشد. همچنین بر اساس نتایج تحلیل حساسیت ورودی ها به وسیله شبکه عصبی، ورودی سود و زیان خالص به عنوان ورودی که بیشترین تاثیر در کارایی بانک ها دارد، معرفی شده است

۶۵.

پیش بینی بازده فرصت های سرمایه گذاری در بازارهای مالی ایران با توجه به رفتار متقابل بازارها و تشکیل سبد بهینه سرمایه گذاری به وسیله هوش مصنوعی(مقاله علمی وزارت علوم)

نویسنده: فرزاد کریمی نصرالله سعادت فر مهدی سالمی نجف آبادی

منبع: مدیریت دارایی و تامین مالی سال دوم زمستان ۱۳۹۳ شماره ۴ (پیاپی ۷)

کلیدواژه‌ها: شبکه عصبی مصنوعی بازارهای مالی ریسک بازده برنامه نویسی ژنی الگوریتم ژنی

حوزه های تخصصی:

تعداد بازدید : ۱۱۶۰ تعداد دانلود : ۵۵۹

هدف این پژوهش افزایش بازده سرمایه گذاری با ارائه مدل هایی مبتنی بر هوش مصنوعی است. سرمایه گذاری در بازارهای مالی را می توان در بعدهای کوتاه مدت (روزانه) و میان مدت (ماهانه) بررسی کرد. در بعد کوتاه مدت داده های روزانه بازارهای بورس اوراق بهادار تهران، ارز و سکه بهار آزادی از ابتدای سال 1389 تا پایان شهریور ماه 1391 استخراج شده و به عنوان ورودی به شبکه های عصبی (ANN) و مدل برنامه نویسی ژنی (GP) وارد شدند تا با استفاده از آنها قیمت روز آتی این بازارها پیش بینی شود. همچنین در بعد میان مدت بازده و ریسک ماهانه 20 شرکت فعالتر بورس و ریسک ماهانه بازار ارز و سکه بهار آزادی و سپرده بانکی به وسیله الگوریتم ژنی مورد استفاده قرار گرفت تا سبدهای سرمایه گذاری بهینه به سرمایه گذاران ارائه کند. نتایج حاصل از اجرای مدل ها بیانگر کارایی هر دو روش شبکه های عصبی مصنوعی و برنامه نویسی ژنی در پیش بینی کوتاه مدت بازارهای مالی است، در حالیکه شبکه های عصبی مصنوعی کارایی بهتری از خود بروز می دهند. همچنین کارایی الگوریتم ژنی در بهبود بازده و ریسک سرمایه گذاری از طریق شناسایی سبدهای بهینه سرمایه گذاری نیز به اثبات رسید.

۶۶.

ارزیابی و پهنه بندی خطر زمین لغزش با استفاده از فرآیند تحلیل شبکه و شبکه عصبی مصنوعی (مطالعه موردی: حوضه آذرشهر چای)(مقاله علمی وزارت علوم)

نویسنده: معصومه رجبی خلیل ولی زاده کامران حسن عابدی قشلاقی

منبع: پژوهش های ژئومورفولوژی کمی سال پنجم تابستان ۱۳۹۵ شماره ۱ (پیاپی ۱۷)

کلیدواژه‌ها: شبکه عصبی مصنوعی زمین لغزش پهنه بندی فرآیند تحلیل شبکه حوضه آذرشهر چای

حوزه های تخصصی:

تعداد بازدید : ۱۰۵۱ تعداد دانلود : ۵۲۷

ارزیابی حساسیت زمین لغزش مهم ترین گام در تهیه نقشه خطر زمین لغزش است. هدف اصلی از این مطالعه، بررسی و مقایسه نتایج حاصل از دو مدل شبکه عصبی مصنوعی(ANN) و فرآیند تحلیل شبکه ای(ANP) در پهنه بندی خطر زمین لغزش در حوضه آذرشهر چای می باشد. برای انجام این تحقیق با بررسی منابع و نظر کارشناسان، فاکتورهای مؤثر در وقوع زمین لغزش (شیب ، جهت شیب ، طبقات ارتفاعی ، لیتولوژی ، کاربری زمین ، فاصله از رودخانه ، فاصله از گسل ، فاصله از جاده) در محیط Arc GISآماده شده و با لایه پراکنش زمین لغزش ها تطابق داده شد و اطلاعات مربوط به زمین لغزش ها در هر یک از لایه های اطلاعاتی به صورت کمی به دست آمد. سپس با استفاده از ابزار Arc GIS و تجزیه وتحلیل های صورت گرفته در هر دو مدل ، اهمیت هرکدام از لغزش های رخ داده بررسی و نقشه های پهنه بندی زمین لغزش تولید شد. ارزیابی نتایج به دست آمده از فرآیند تحلیل شبکه ای و شبکه عصبی مصنوعی با استفاده از ضریب آماری کاپا نشان می دهد که شبکه عصبی مصنوعی با ضریب 74/۰ نسبت به فرآیند تحلیل شبکه ای با ضریب 72/0 از دقت بیشتری در پیش بینی زمین لغزش در حوضه آذرشهر چای برخوردار است. همچنین بر اساس پهنه بندی صورت گرفته با استفاده از مدل فرآیند تحلیل شبکه ای نتایج به دست آمده نشان می دهد که 13/7، 44/28، 13/37، 14/23، 27/3 درصد از مساحت منطقه به ترتیب در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرارگرفته و در مدل شبکه عصبی مصنوعی به ترتیب 49/5، 61/32، 05/32، 22/23، 73/5 درصد از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرارگرفته است.

۶۷.

بررسی تجربی روند انتقال نرخ ارز و نوسانات آن بر قیمت صادرات پسته ایران(مقاله علمی وزارت علوم)

نویسنده: حسین محمدی سید حسین سقاییان امیرحسین توحیدی

منبع: پژوهش های اقتصادی ایران سال بیستم زمستان ۱۳۹۴ شماره ۶۵

کلیدواژه‌ها: ایران شبکه عصبی مصنوعی پسته قیمت صادرات انتقال نرخ ارز

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد بخشی،اقتصاد صنعتی،کشاورزی،انرژی،منابع طبیعی،محیط زیست اقتصاد کشاورزی کشاورزی در تجارت بین الملل

تعداد بازدید : ۱۲۹۶ تعداد دانلود : ۲۸۷

انتقال نرخ ارز یکی از مباحث مهم در اقتصاد بین الملل است و با تعیین درجه آن می توان از کارایی سیاست های ارزی، ساختار بازار، شرایط تقاضا و عملکرد صادرکنندگان اطلاعات بسیار مهمی را به دست آورد. هدف اصلی این مطالعه بررسی انتقال نرخ ارز بر قیمت صادرات یکی از محصولات غیرنفتی، یعنی پسته ایران طی دوره 2011-1961 است. در مطالعات گذشته فرض بر این بوده است که انتقال نرخ ارز برای سال های مختلف یکسان است که این امر مطابق با واقعیت نیست، زیرا عوامل متعددی می توانند بر درجه انتقال نرخ ارز تأثیرگذار باشند. در این مطالعه برای رفع این نقیصه، از روش تحلیل حساسیت در مدل شبکه عصبی مصنوعی استفاده شد. نتایج مطالعه نشان داد که انتقال نرخ ارز بر قیمت صادرات پسته ایران طی سال های مورد مطالعه دارای یک روند تناوبی و طی سال های اخیر بیش از 70 درصد بوده است. همچنین نتایج مطالعه موید آن است که یک رابطه مستقیم میان نوسان نرخ ارز و قیمت صادرات پسته ایران وجود دارد. بنابراین با کاهش نوسان نرخ ارز می توان پسته صادراتی را با قیمت کمتری به بازارهای جهانی عرضه کرد و با توجه به کشش پذیر بودن تقاضای جهانی، درآمدهای حاصل از صادرات این محصول را افزایش داد. با توجه به باکشش بودن تقاضای صادرات پسته ایران نسبت به تغییرات قیمت، کاهش هزینه تولیدکنندگان پسته ایران می تواند درآمدهای حاصل از صادرات این محصول را افزایش دهد.

۶۸.

ارزیابی تغییرات بیابان زایی در اصفهان با استفاده از فناوری سنجش از دور و شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده: امیرحسین حلبیان محمود سلطانیان

منبع: مخاطرات محیط طبیعی سال پنجم پاییز ۱۳۹۵ شماره ۹

کلیدواژه‌ها: اصفهان شبکه عصبی مصنوعی بیابان زایی شوری لندست شاخص NDVI

حوزه های تخصصی:

حوزه‌های تخصصی جغرافیا جغرافیای طبیعی ژئومورفولوژی

تعداد بازدید : ۹۶۷ تعداد دانلود : ۶۴۷

بیابان زایی، کاهش اکولوژیکی و بیولوژیکی زمین است که ممکن است به صورت طبیعی و یا غیر طبیعی اتفاق بیفتد. فرایند بیابان زایی عمدتاً، مناطق خشک و نیمه خشک را تحت تاثیر قرار داده و با شتابی فزاینده، کارایی سرزمینها را کاهش می دهد، بنابراین شناخت این پدیده دارای اهمیت اساسی است. در این پژوهش به منظور بررسی بیابان زایی منطقه از تصاویر ماهواره ای لندست 5 و 8 بعنوان مبنای مطالعات استفاده گردید. علاوه بر این از نقشه های توپوگرافی 1:250000 و 1:50000 و نقشه های زمین شناسی نیز بعنوان مکمل استفاده شد. پس از تکمیل پایگاه داده اطلاعاتی ابتدا به منظور بررسی بیابان زایی منطقه، شاخص های شوری خاک و شاخص پوشش گیاهی NDVI بر روی تصاویر ماهواره ای اعمال گردید. بر اساس روش شبکه عصبی مصنوعی MLP تغییرات کاربریها طی دوره 1986-2015 بررسی گردید 5 کاربری در منطقه مورد مطالعه بر اساس روش طبقه بندی نظارت شدهFuzzy ARTMAP شناسایی شد. بر اساس بررسی های صورت گرفته بر روی تصاویر ماهواره ای شهر اصفهان حدود 260 کیلومتر مربع رشد داشته است. در طی همین دوره 29 ساله بخش های شرقی و جنوب شرقی شهر اصفهان بیشترین میزان کاهش پوشش گیاهی را نشان می دهد که حدود 60 درصد نسبت به سال نخست مطالعه با کاهش مواجه شده است. بخش شمالی شهر اصفهان نیز از بخشهایی است که این میزان کاهش قابل توجه است. با کاهش پوشش گیاهی در این مناطق هجوم اراضی شور و بیابانی در سال 2015 به چشم می خورد که جایگزین مناطق با پوشش گیاهی شده است. این میزان افزایش در مناطق بیابانی و شور حدود 580 کیلومتر مربع است که بیانگر کاهش توان اکولوژیک و بیولوژیک منطقه است.

۶۹.

شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF(مقاله علمی وزارت علوم)

نویسنده: شهاب الدین شمس بهروز عطایی

منبع: راهبرد مدیریت مالی سال چهارم پاییز ۱۳۹۵ شماره ۱۴

کلیدواژه‌ها: شبکه عصبی مصنوعی قیمت سهام الگوریتم ژنتیک دستکاری قیمت سهام حفاظت از بازار

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی قیمت گذاری دارائی،حجم مبادله،نرخ های بهره اوراق قرضه

تعداد بازدید : ۷۷۶ تعداد دانلود : ۴۰۱

هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده های مربوط به 316 شرکت از نخستین روز کاری سال 1389 تا آخرین روز کاری سال 1392 بصورت روزانه شامل 966 روز وارد مدل الگوریتم ژنتیک شده و در نهایت اوزان مربوط به هر متغیر از این الگوریتم منتج شد. با استفاده از این اوزان، شبکه عصبی مصنوعی پرسپترون طراحی، آموزش و اجرا شد. سپس مدل SQDF طراحی و اجرا و کارایی آن اثبات شد. سرانجام نتایج حاصل از مدل ANN-GA با نتایج مدل SQDF با استفاده از آماره های اندازه گیری خطای MAPE، RMSE و R2 مقایسه شدند. نتایج نشان داد که مدل ANN-GA در شناسایی دستکاری قیمت سهام و طبقه بندی شرکت ها به دو گروه دستکاری شده و دستکاری نشده عملکرد بسیار بهتری از مدل SQDF داشته و خطای بسیار کمتری دارد.

۷۰.

بهبود کارایی پیش بینی بهره وری با رویکرد طراحی آزمایشات تاگوچی (مورد مطالعه : صنایع غذایی ایران)(مقاله علمی وزارت علوم)

نویسنده: سید محمود زنجیرچی مهدی حاتمی منش حمیدرضا کدخدازاده سید علی محمد بنی فاطمه

منبع: مدیریت بهره وری سال هشتم بهار ۱۳۹۴ شماره ۳۲

کلیدواژه‌ها: شبکه عصبی مصنوعی طراحی آزمایشات تاگوچی پیش بینی بهره وری کارگاه ها و کارخانه های مواد غذایی

حوزه های تخصصی:

تعداد بازدید : ۱۰۰۶ تعداد دانلود : ۹۹۹

پیش بینی بهره وری عاملی بسیار مهم در طراحی استراتژی های یک سازمان است. یکی از روش های پیش بینی بهره وری، استفاده از شبکه های عصبی مصنوعی است که به علت دارا بودن پارامترهای قابل تنظیم، به کارگیری آن نیاز به تجربه و مهارت زیادی دارد و اغلب از آزمایش و خطا برای دستیابی به سطوح مناسب این پارامترها استفاده می شود. این مقاله، الگویی 7 مرحله ای جهت انتخاب مقادیر مناسب پارامترهای قابل تنظیم شبکه عصبی ارائه می دهد تا با به کارگیری طراحی آزمایش های تاگوچی کارایی در پیش بینی بهره وری بهبودمی یابد. به کارگیری این روش در پیش بینی بهره وری صنایع غذایی ایرن، سطوح بهینه پارامترها را که منجر به مطلوب ترین پیش بینی در شبکه عصبی می شود، بدین شرح ارائه می دهد: تعداد لایه های پنهان: 2 لایه، تعداد نورون هر لایه پنهان: 7 نورون، نرخ یادگیری: 9/0 و تعداد ورودی های شبکه عصبی: شاخص های بهره وری با درجه همبستگی بیشتر از 85/0؛ که از بین عوامل فوق، عامل تعداد لایه های پنهان با سهم مشارکت 18/71% در نتیجه آزمایش ها، مهم ترین عامل طراحی شبکه عصبی در پیش بینی بهره وری صنایع غذایی ایران است. در نهایت، نتیجه کلی تحقیق نشان داد که به کارگیری این الگو علاوه بر کاهش زمان و هزینه های پیش بینی، امکان انتخاب استراتژی های رقابتی فراهم می شود. به علاوه این روش با تعیین سهم مشارکت هر یک از پارامتهای قابل تنظیم در نتایج آزمایش، تصمیم گیرندگان را در میزان دقت و توجهی که باید به هر یک از این پارامترها داشته باشند، یاری می رساند.

۷۱.

پیش بینی موفقیت توسعه محصول جدید با استفاده از ترکیب تحلیل عاملی و شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده: غلامرضا سلطانی فسقندیس علیرضا پویا مصطفی کاظمی زهرا ناجی عظیمی

منبع: مدیریت بهره وری سال دهم تابستان ۱۳۹۵ شماره ۳۷

کلیدواژه‌ها: تحلیل عاملی شبکه عصبی مصنوعی موفقیت توسعه محصول جدید

حوزه های تخصصی:

حوزه‌های تخصصی مدیریت مدیریت دانش و IT منطق فازی و هوش مصنوعی

تعداد بازدید : ۱۴۹۰ تعداد دانلود : ۲۷۳۰

موفقیت محصولات جدید به عنوان برترین عامل برای موفقیت شرکت ها و حتی بقای آنها محسوب می شود. با این حال بررسی های متعدد نشان می دهد که نرخ شکست توسعه محصول جدید به عنوان یک معضل اساسی در بسیاری از شرکت ها مطرح بوده است. شرکت های بسیاری سعی دارند تا قبل از توسعه محصول جدید، اقدام به پیش بینی موفقیت توسعه محصول جدید نمایند. بر همین اساس نیز هدف این تحقیق پیش بینی موفقیت توسعه محصول جدید با استفاده از ترکیب روش های تحلیل عاملی و شبکه عصبی مصنوعی در صنایع غذایی و آشامیدنی می باشد. این تحقیق براساس هدف کاربردی و براساس روش انجام کار توصیفی بوده است. جامعه آماری این تحقیق، شرکت های تولید کننده مواد غذایی و آشامیدنی استان آذربایجان شرقی در سال 1394 بوده است. به منظور جمع آوری داده ها در این تحقیق از دو پرسشنامه استفاده شده است که بعد از اطمینان از روایی و پایایی آن در بین جامعه آماری توزیع گردیده است. به منظور تجزیه و تحلیل داده ها در این تحقیق از روش های تحلیل عاملی و شبکه عصبی مصنوعی استفاده شده است. نتایج تجزیه و تحلیل داده ها نشان دهنده وجود شش سازه اصلی مفهوم سازی محصول جدید، گرایش به بازار، گرایش به طراحی، گرایش به عوامل فنی و تکنولوژی، استفاده از منابع و مدیریت توسعه محصول جدید به عنوان عوامل موثر در موفقیت توسعه محصول جدید بوده است. همچنین پیش بینی موفقیت توسعه محصول جدید با استفاده از شبکه عصبی مصنوعی نشان می دهد که شبکه طراحی شده در 81 درصد موارد قادر به پیش بینی صحیح موفقیت توسعه محصول جدید بوده است.

۷۲.

تعیین رفتار اطلاع یابی دانش پژوهان دانشگاه های علوم پزشکی خراسان رضوی با رویکرد شبکه عصبی(مقاله علمی وزارت علوم)

نویسنده: جمیله نعیمی صدیقه محمداسماعیل

منبع: پژوهشنامه کتابداری و اطلاع رسانی سال ششم پاییز و زمستان ۱۳۹۵ شماره ۲ (پیاپی ۱۲)

کلیدواژه‌ها: شبکه عصبی مصنوعی خوشه بندی داده کاوی خراسان رضوی رفتار اطلاع یابی دانش پژوهان دانشگاه

حوزه های تخصصی:

حوزه‌های تخصصی علم اطلاعات و دانش‌شناسی

تعداد بازدید : ۷۱۷ تعداد دانلود : ۳۴۹

هدف: هدف پژوهش حاضر تعیین رفتار اطلاع یابی دانش پژوهان دانشگاه های علوم پزشکی خراسان رضوی با استفاده از شبکه عصبی می باشد. روش: روش پژوهش حاضر از نوع کاربردی و به روش پیمایشی- توصیفی است که با استفاده از شبکه عصبی، انجام شده است. ابزار این پژوهش پرسشنامه ای متناسب با رفتار اطلاع یابی دانش پژوهان دانشگاه های علوم پزشکی استان خراسان رضوی است که بین نمونه ای از افراد جامعه (۲۹۸ نفر) توزیع شد. پس از جمع آوری داده ها، شبکه عصبی به منظور خوشه بندی داده ها انتخاب و با استفاده از نرم افزار MATLAB ۱۴، دانش پژوهان براساس مؤلفه های اصلی پژوهش (مهارت اطلاع یابی، راه های اطلاع یابی، موانع اطلاع یابی) خوشه بندی شدند. سپس با حذف هر یک از زیر مؤلفه های اصلی پژوهش، مؤثرترین و کم اثرترین گزینه در رفتار اطلاع یابی آنان تعیین شد. یافته ها: با انجام خوشه بندی با استفاده از شبکه عصبی خودسازمان ده، مهم ترین مؤلفه در مهارت اطلاع یابی آگاهی از نیاز اطلاعاتی خود و کم اثرترین مؤلفه مشاهده نشد. مؤثرترین راه دسترسی به اطلاعات استفاده از منابع الکترونیکی و کم اثرترین راه خرید منابع می باشد. مؤثرترین مانع کمبود وقت به دلیل فشار کاری و کم اثرترین مانع دور بودن کتابخانه ها و مراکز اطلاع رسانی می باشد.

۷۳.

خوشه بندی فروشگاه های آنلاین از نگاه تأمین کننده با کمک بهینه یابی تعداد خوشه ها در الگوریتم دو مرحله ای SOM(مقاله علمی وزارت علوم)

نویسنده: محمدعلی فایضی راد علیرضا پویا

منبع: مطالعات مدیریت صنعتی سال چهاردهم زمستان ۱۳۹۵ شماره ۴۳

کلیدواژه‌ها: شبکه عصبی مصنوعی تحلیل خوشه ای تصمیم گیری چندشاخصه فروشگاه آنلاین نگاشت خود سازمان ده SOM

حوزه های تخصصی:

تعداد بازدید : ۱۱۰۲ تعداد دانلود : ۶۸۴

با گسترش فناوری اطلاعات و ظهور بازارهای مجازی، برنامه ریزی و تحلیل این بازارها و اجزای آنها به اولویت سازمان های ذی نفع تبدیل شده است. یکی از مهم ترین بازارهای مجازی کنونی در کشور، بازار فروش آنلاین خدمات شارژ اپراتورهای مختلف تلفن همراه در قالب فروشگاه های اینترنتی است. با توجه به تعداد انبوه و در حال رشد این فروشگاه ها، دسته بندی آنها از دید تأمین کننده به منظور ارائه امتیازات و آینده نگری در همکاری ضروری است. در این پژوهش، با استفاده از داده های یکی از مهم ترین تأمین کنندگان این محصولات، قریب به سه هزار فروشگاه مجازی مورد تحلیل قرار گرفته و بر اساس شاخص های مورد نظر تأمین کننده خوشه بندی شده است. فرآیند خوشه بندی با استفاده از شبکه عصبی مصنوعی SOM و در قالب روش دو مرحله ای آن با الگوریتم k-means انجام شده است که تحلیل خوشه های حاصل از شبکه عصبی را تسهیل می کند. اگرچه به منظور تعیین بهترین تعداد خوشه ها، شاخص های اعتبارسنجی مختلفی گسترش پیدا کرده است اما در این پژوهش با ترکیب روش تصمیم گیری چندشاخصه در مدل و تجمیع شاخص های مختلف، به ارائه یک مدل بهینه یابی با رویکرد جبرانی نسبت به شاخص ها پرداخته شده است.

۷۴.

یک شبکه عصبی مصنوعی منظم بیزی برای پیش بینی بازار سهام

نویسنده: محمود لاری دشت بیاض شعبان محمدی

منبع: پژوهش حسابداری دوره ششم زمستان ۱۳۹۵ شماره ۳ (پیاپی ۲۳)

کلیدواژه‌ها: شبکه عصبی مصنوعی پیش بینی قیمت سهام شبکه منظم شده بیزی

حوزه های تخصصی:

تعداد بازدید : ۸۰۵ تعداد دانلود : ۴۷۶

در این مقاله شبکه مصنوعی عصبی تنظیم شده بیزی به عنوان یک روش جدید برای پیش بینی وضعیت مالی بازار پیشنهاد داده شده است. قیمت روزانه بازار و شاخص های فنی مالی به عنوان ورودی برای پیش بینی یک روز بعد قیمت سهام فردی بسته شده، استفاده شده است. پیش بینی حرکت قیمت سهام به طور کلی بعنوان یک کار چالش برانگیز و مهم برای تجزیه و تحلیل سری های زمانی مالی در نظرگرفته می شود. پیش بینی دقیق حرکات قیمت سهام می تواند نقش مهمی در کمک به سرمایه گذاران برای بهبود بازده سهام بازی کند. پیچیدگی در پیش بینی این روند در اختلال ذاتی و بی ثباتی در حرکت روزانه قیمت سهام نهفته است. شبکه های منظم بیزی یک ماهیت احتمالی به وزن های شبکه اختصاص داده، اجازه می دهد شبکه به طور خودکار و بهینه مدل های بیش از حد پیچیده را جریمه کند. روش پیشنهادی بطور بالقوه نیاز بیش از حد به برازش و آموزش را کاهش داده و کیفیت پیش بینی و تعمیم شبکه را ارتقا می دهد. آزمایش با سهام شرکت های ایران خودرو و سایپا به منظور تعیین اثربخشی مدل انجام شد. دلیل این انتخاب جذابیت صنعت خودرو برای فعالان بازار سرمایه است، زیرا نرخ بازدهی آن نسبت به شاخص کل بورس و شاخص کل صنعت بالاتر است.

۷۵.

ارایه الگویی برای تعیین نرخ سود در عقود مبادله ای با استفاده از شبکه های عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده: حمیده نقاده توحید فیروزان سرنقی

منبع: پژوهش های رشد و توسعه پایدار سال هفدهم بهار ۱۳۹۶ شماره ۱

کلیدواژه‌ها: شبکه عصبی مصنوعی سود بانکداری اسلامی عقود مبادله ای تابع هزینه سایه ای

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد کلان و اقتصاد پولی پول و نرخ بهره سیستم های پولی،استانداردها،رژیم ها،دولت و سیستم پولی،سیستم های پرداخت

تعداد بازدید : ۸۷۹ تعداد دانلود : ۵۲۴

در بانکداری اسلامی، دو دسته عقود مشارکتی و غیرمشارکتی (عقود مبادله ای) وجود دارد. عقود مبادله ای، عقودی با نرخ سود ثابت است که نرخ آنها معمولاً مبنای تخصیص منابع عقود مشارکتی است. در ایران نرخ سود عقود مبادله ای از سوی بانک مرکزی و به صورت دستوری تعیین می شود. در پژوهش حاضر با الهام از روش ارایه شده از سوی دادگر و فیروزان (1391) و به منظور مقایسه نتایج و ارتقای کارآیی برآوردها و نشان دادن قابلیت عملیاتی روش مذکور با استفاده از شبکه های عصبی مصنوعی پرسپترون چندلایه (MLP) و تابع پایه شعاعی (RBF) نرخ سود عقود مبادله ای محاسبه و برآورد شد. داده های مورد استفاده، اطلاعات حقیقی و واقعی عملکرد بخش تولید صنعتی یعنی بنگاه های با بیش از 10 نفر کارکن را شامل می شود. طبق نتایج به دست آمده، دو شبکه از دقت نسبتاً خوبی برای تخمین ضرایب تابع هزینه سایه ای برخوردارند و اکثر ضرایب، در صدم اعشار با هم تفاوت دارد. روش پیشنهادی علاوه بر سهولت انجام، در راستای روش اقتصادسنجی بوده ولی محدودیت های آن از جمله بررسی تعداد محدود صنایع به دلیل نمونه گیری را نداشته و تقریباً تمام 14 هزار داده کارگاه های صنعتی در سال 1386 را لحاظ نموده و میزان خطای محاسبات بسیار کمتر است. طبق نتایج حاصل، نرخ سود عقود مبادله ای برای سال مورد بررسی 15درصد به دست آمد که در مقایسه با نرخ سود 12 درصد برای سال مذکور، نشان دهنده 20 درصد انحراف در تعیین نرخ سود است که هزینه های غیرقابل انکاری بر اقتصاد کشور و تخصیص منابع محدود دارد.

۷۶.

شناسایی راهبردهای توسعه گردشگری روستایی منطقه درودزن: تلفیق مدل های برنامه ریزی راهبردی و شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده: مدینه خسروجردی مهدی نوری پور

منبع: برنامه ریزی و آمایش فضا دوره ۲۱ بهار ۱۳۹۶ شماره ۱ (پیاپی ۹۵)

کلیدواژه‌ها: شبکه عصبی مصنوعی گردشگری روستایی برنامه ریزی راهبردی تحلیل سوات درودزن

حوزه های تخصصی:

تعداد بازدید : ۷۹۱ تعداد دانلود : ۳۶۸

گردشگری روستایی به عنوان فرآیندی در توسعه روستایی قلمداد می شود که با ایجاد فعالیت های مکمل کشاورزی می توان د زمینه توسعه اقتصادی و زیست محیطی روستایی را در زمینه افزایش درآمد، اشتغال زایی و معیشت پایدار روستایی فراهم کند. این فرآیند می تواند بهب ود کیفیت زندگی و توزیع متعادل و مناسب خدمات و تسهیلات را در چارچوب توس عه منطق ه ای و محل ی ب ه هم راه داشته باشد. هدف پژوهش حاضر بررسی و تحلیل راهبردهای مطلوب توسعه گردشگری روستایی در منطقه درودزن شهرستان مرودشت است. روش تحقیق توصیفی– تحلیلی با ماهیت کاربردی– توسعه ای است. گردآوری داده ها به شیوه میدانی و به کمک پرسش نامه انجام شده است. با استفاده از مدل تحلیلی SWOT راهبردهای مناسب توسعه گردشگری روستایی ارائه شد. جهت اولویت بندی راهبردها از روش شبکه عصبی مصنوعی (ANN) استفاده شد. نتایج به دست آمده نشان می دهد که راهبردهای مطلوب برای توسعه گردشگری روستایی در منطقه درودزن براساس امتیازهای نرمال شده در مدل ANN، راهبردهای تهاجمی با امتیاز 2772/0 و پس از آن راهبردهای تدافعی با امتیاز 2589/0 است. براساس شبکه عصبی مصنوعی راهبرد «تلاش مسئولان رده بالای استانی در جهت ایجاد طرح و برنامه ای برای گسترش گردشگری روستایی و در راستای اشتغال زایی از طریق توسعه گردشگری» با امتیاز 0716/0 اولویت اول را در منطقه مورد مطالعه به دست آورد.

۷۷.

کاربرد مدل شبکه عصبی مصنوعی در پهنه بندی خطر زمین لغزش(مقاله علمی وزارت علوم)

نویسنده: محمدحسین رضایی مقدم محمدرضا نیکجو خلیل ولی زاده کامران ایمانعلی بلواسی مهدی بلواسی

منبع: جغرافیا و برنامه ریزی بهار ۱۳۹۶ شماره ۵۹

کلیدواژه‌ها: شبکه عصبی مصنوعی زمین لغزش سیستم های اطلاعات جغرافیایی حوضه آبریز دوآب الشتر

حوزه های تخصصی:

تعداد بازدید : ۹۶۵ تعداد دانلود : ۵۳۸

ین لغزش به عنوان یکی از مخاطرات طبیعی در مناطق کوهستانی محسوب می شود که هر ساله منجر به خسارات زیادی می شود. حوضه آبریز دوآب الشتر با داشتن چهره ای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوه زمین لغزش است. هدف از این تحقیق پهنه بندی خطر زمین لغزش با استفاده از مدل شبکه عصبی مصنوعی در حوضه دوآب الشتر می باشد. بدین منظور ابتدا پزمارامترهای مؤثر در وقوع زمین لغزش استخراج و سپس لایه های مربوطه تهیه شده است. درادامه نقشه پراکنش زمین لغزش های رخ داده شده حوضه تهیه شد. سپس با تلفیق نقشه عوامل مؤثر بر لغزش با نقشه پراک نش زمین لغزش ها، تأثیر هر ی ک از عوامل شیب، جهت شیب، سنگ شناسی، بارش، کاربری اراضی، فاصله از گسل و آبراهه در محیط نرم افزار ArcGIS سنجیده شد. در این پژوهش مدل شبکه عصبی مصنوعی با الگوریتم پس انتشار خطا و تابع فعال سازی سیگموئید به کار گرفته شد. ساختار نهایی شبکه دارای 7 نرون در لایه ورودی، 11 نرون در لایه پنهان و 1 نرون در لایه خروجی گردید. دقت شبکه در مرحله آزمایش 85/93 درصد محاسبه شد. پس از بهینه شدن ساختمان شبکه، کل اطلاعات منطقه در اختیار شبکه قرار گرفت. بر اساس پهنه بندی صورت گرفته با استفاده از مدل شبکه عصبی مصنوعی به ترتیب 37/44، 45/7، 93/8، 49/32، 76/6 درصد از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار گرفته است.

۷۸.

مقایسه روش های کمی وکیفی درپیش بینی قیمت گندم(مطالعه موردی در ایران)(مقاله علمی وزارت علوم)

نویسنده: رضا روشن احمد اکبری کاوه رستمی

منبع: تحقیقات اقتصاد کشاورزی جلد ۹ پاییز ۱۳۹۶ شماره ۳ (پیاپی ۳۵)

کلیدواژه‌ها: شبکه عصبی مصنوعی GARCH ARIMA پیش بینی قیمت ARCH مدل دلفی

حوزه های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد بخشی،اقتصاد صنعتی،کشاورزی،انرژی،منابع طبیعی،محیط زیست اقتصاد کشاورزی تحلیل عرضه و تقاضای کل،قیمت ها

تعداد بازدید : ۸۶۰ تعداد دانلود : ۵۳۸

پیش بینی رفتار متغیرهای اقتصادی یکی از الزامات برنامه ریزی برای آینده است. در بین محصولاتی که مبادرت به پیش بینی قیمت آن ها می شود، پیش بینی قیمت گندم به لحاظ استراتژیک بودن آن برای کشورمان دارای اهمیتی ویژه است. تاکنون مطالعاتی که در حوزه پیش بینی قیمت گندم انجام گرفته است، مطالعاتی بوده اند که با استفاده از الگوهای کمی انجام گرفته و از روش های کیفی استفاده نشده است. در این پژوهش از هر دو گروه روش های کمی و کیفی استفاده شد است. در این پژوهش از داده ها، در طی دوره 1393-1355 استفاده شده است. نتایج این مطالعه نشان دهنده آن است که معیار RMSE برای مدل های کمیEGARCH, ARMA و ANN به ترتیب برابر 68/37625، 91/39373 و 073/24258 می باشد و معیار MAPE برای مدل های یاد شده به ترتیب برابر 21/27866، 55/23034 و 89/18712 می باشد. از سوی دیگر، میانگین درصد تفاوت بین پیش بینی به روش ANN و روش دلفی 08/0 است. این مطالعه بیانگر این است که الگوی شبکه عصبی مصنوعی در مقایسه با روش های دیگر دارای خطای پیش بینی کم تری است و در پیش بینی قیمت آینده در مقایسه با روش کیفی (مدل دلفی) دارای تفاوتی اندک است که بیانگر اهمیت استفاده از روش های کیفی در کنار روش های کمی برای پیش بینی متغیرهای اقتصادی میباشد.

۷۹.

تحلیل و پیش بینی روزهای خشک با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه تهران)(مقاله علمی وزارت علوم)

نویسنده: حسین عساکره فریبا صیادی

منبع: جغرافیا و برنامه ریزی سال ۲۱ تابستان ۱۳۹۶ شماره ۶۰

کلیدواژه‌ها: تهران شبکه عصبی مصنوعی الگوریتم ژنتیک شبکه پیش خور پیش بینی روزهای خشک

حوزه های تخصصی:

تعداد بازدید : ۵۰۲ تعداد دانلود : ۲۵۳

شبکه های عصبی مصنوعی به عنوان یکی از تکنیک های غیرخطی در مطالعات اقلیمی و هیدرولوژی اهمیت فراوانی به خود اختصاص داده اند. تغییراقلیم و به دنبال آن گرمایش جهانی از پدیده های اقلیمی به شمار می رود. شمار روزهای خشک و تداوم آن خشکسالی را به دنبال دارد. در این پژوهش از داده های بارش روزانه طی سال های (1976-2008) و شبکه عصبی مصنوعی در نرم افزار MATLAB به منظور پیش بینی شمار روزهای خشک ایستگاه تهران استفاده شده است. شبکه به کار رفته از نوع Feed-forward با الگوریتم کاهش شیب و مارکوارت لونبرگ در مرحله آموزش و یادگیری می باشد. ساختارهای گوناگونی در لایه ورودی و پنهان در مرحله آموزش مورد آزمایش قرار گرفت. در نهایت شبکه با 4 ورودی و 5 نرون در لایه پنهان و 1 نرون در لایه خروجی به مطلوب ترین ساختار (1-5-4) جهت پیش بینی بهینه با بیش ترین همبستگی پاسخ داد. نتایج نشان داد که در ایستگاه مذکور، روزهای خشک پیش بینی شده توسط شبکه در مقایسه با طول دوره آماری مورد بررسی دارای روند افزایشی بوده است که با محاسبه احتمال وقوع روزهای خشک، طی سال های (2018-2009) با استفاده از زنجیره مارکوف، موارد فوق تأیید گردیده است. ضریب همبستگی مقادیر پیش بینی روزهای خشک بدون ترکیب با الگوریتم ژنتیک 86 درصد است. بعد از آموزش شبکه با ترکیب الگوریتم ژنتیک با لایه های مختلف این مقدار به 88درصد رسید که می توان گفت در صورت ترکیب شبکه با الگوریتم مذکور نتایج قابل قبول ارائه می دهد.

۸۰.

کاربرد شبکه عصبی مصنوعی در مدل سازی و پیش بینی تغییرات کاربری اراضی شهر سردرود (1410-1363)(مقاله علمی وزارت علوم)

نویسنده: حسن محمودزاده

منبع: جغرافیا و برنامه ریزی سال ۲۱ تابستان ۱۳۹۶ شماره ۶۰

کلیدواژه‌ها: شبکه عصبی مصنوعی تغییرات کاربری اراضی رشد پراکنده طبقه بندی شی گرا شهر سردرود

حوزه های تخصصی:

تعداد بازدید : ۱۱۱۳ تعداد دانلود : ۵۴۹

یک گام اساسی جهت مدیریت و برنامه ریزی توسعه شهری و هم چنین ارزیابی اثرات تجمعی آن بررسی و شبیه سازی توسعه فیزیکی شهر می باشد. هدف از این مطالعه، درک عوامل مؤثر در روند توسعه فیزیکی منطقه شهری سردرود با عنایت به مقوله توسعه فضایی پایدار شهری از بعد اکولوژیکی و حفظ شرایط زیست محیطی آن در دو دهه آتی می باشد. بدین منظور با استفاده از تصاویر ماهواره ای چندزمانه لندست 5 و تکنیک های پردازش تصاویر ماهواره ای شی گرا تغییرات کاربری اراضی در مقطع زمانی 1390-1363 با تأکید بر گسترش پراکنده شهر سردرود، مورد ارزیابی قرار گرفته است. بر اساس نتایج حاصله مقدار مساحت شهر سردرود از 24/111 هکتار در سال 1363 به 12/528 هکتار در سال 1390 رسیده است. 94/162 هکتار از توسعه ذکر شده بر روی اراضی باغی و زراعی صورت گرفته که لزوم مدیریت توسعه آتی مبتنی بر اصول توسعه پایدار را می طلبد. بدین منظور عوامل مؤثر بر توسعه فیزیکی شهر سردرود بر اساس پیشینه تحقیق در قالب 14 شاخص شناسایی و با استفاده از روش شبکه عصبی مبتنی بر مدل LTM نقشه احتمال توسعه شهری تهیه گردید. پس از پیش بینی الگوی آتی توسعه شهری در شهر سردرود با استفاده از راهبرد حفاظت از باغات و فضاهای سبز در فرایند توسعه شهری با بلوک بندی نقشه احتمال توسعه شهری، دادن فضای لازم برای توسعه، به طول 15 کیلومتر و پیشنهاد اعمال ممنوعیت توسعه در اطراف کمربند سبز پیشنهادی، حفظ ذخایر اکولوژیک شهر سردرود با کاهش تخریب اراضی باغی و جلوگیری از اتصال شهر به کلانشهر تبریز مورد تأکید قرار گرفته است.