ارزیابی عملکرد پالایشگاه های کشور با مدل ترکیبی تحلیل پوششی داده ها و شبکه های عصبی مصنوعی

فصل اول کلیات تحقیق

۱-۱- مقدمه

۱-۲- تعریف مسأله

۱-۳- اهداف اساسی از انجام تحقیق

۱-۴- ضرورت انجام تحقیق

۱-۵- فرضیات تحقیق

۱-۶- جامعه آماری

۱-۷- قلمرو تحقیق

۱-۸- مراحل انجام تحقیق :

فصل دوم مرور ادبیات و بررسی پیشینه ی تحقیق

۲-۱- مقدمه

۲-۲- تعاریف کارایی

۲-۳- روش های اندازه گیری کارایی فنی

۲-۳-۱- روش های پارامتری

۲-۳-۲- روش های نا پارامتری

۲-۴- مقایسۀ رگرسیون وتحلیل پوششی داده ها

۲-۵- مفاهیم کارایی

۲-۶- استفاده ازنسبت دراندازه گیری کارایی

۲-۷- انواع مدل های پایه ای (کلاسیک) تحلیل پوششی داده ها :

۲-۷-۱- مدل CCR :

۲-۷-۲- مدل BCC

۲-۷-۳- مدل جمعی ( SBM= Slack Based Model )

۲-۸- رتبه بندی واحد های کارا

۲-۹- روش اندرسون – پیترسون

۲-۱۰- شبکه های عصبی مصنوعی ( ANNs )

۲-۱۰-۱- مقدمه

۲-۱۰-۲- شبکه عصبی

۲-۱۰-۳- معرفی شبکه عصبی مصنوعی

۲-۱۰-۴- تاریخچه شبکه‌های عصبی مصنوعی

۲-۱۰-۵- چرا از شبکه‌های عصبی استفاده می‌کنیم؟

۲-۱۰-۷- ساختار شبکه‌های عصبی

۲-۱۰-۸- تقسیم بندی شبکه‌های عصبی

۲-۱۰-۹- کاربرد شبکه‌های عصبی

۲-۱۰-۱۰- معایب شبکه‌های عصبی

۲-۱۰-۱۱- مسائل مناسب برای یادگیری شبکه های عصبی

۲-۱۱- یادگیری یک پرسپترون

۲-۱۱-۱- آموزش پرسپترون

۲-۱۱-۲- الگوریتم یادگیری پرسپترون

۲-۱۲- مقایسه آموزش یکجا و افزایشی

۲-۱۳- شبکه های چند لایه

۲-۱۴- الگوریتم   Back propagation

۲-۱۵- شبکه های عصبی چند لایه پیش خور

۲-۱۶- انواع شبکه های عصبی :

۲-۱۶-۱-  شبکه عصبی پرسپترون

۲-۱۶-۲- شبکه همینگ

۲-۱۶-۳- شبکه هاپفیلد

۲-۱۶-۴- شبکه عصبی خود سازمانده مدل کوهنن

۲-۱۶-۵- شبکه عصبی تأ خیر زمانی

۲-۱۷- مدل ترکیبی شبکه های عصبی مصنوعی و تحلیل پوششی داده ها (NEURO/DEA )

۲-۱۷-۱- مقدمه

۲-۱۷-۲- الگوریتم تحلیل کارایی

۲-۱۷-۳- نرمال سازی داده ها

۲-۱۸- مفاهیم کارایی ، بهره وری و اثربخشی

۲-۱۹- مروری بر مطالعات انجام شده

فصل سوم روش تحقیق

۳-۱- مقدمه

۳-۲- روش تحقیق

۳-۳- جامعه آماری

۳-۴- شیوه گردآوری اطلاعات

۳-۵- مراحل انجام تحقیق

۳-۶- شیوه نرمال سازی

۳-۷- ارزیابی و تحلیل کارایی فنی پالایشگاه های گاز کشور با رویکرد تحلیل پوششی داده ها (DEA )

۳-۷-۱- مدل سازی ریاضی

۳-۷-۲- مدل مضربی CCR ورودی محور

۳-۷-۳- روش اندرسون – پیترسون بر ای رتبه بندی واحدهای کارا

۳-۸- دلایل استفاده از مدل مضربی CCR ورودی محور در مقایسه با مدل BCC

۳-۹- روش تحقیق مورد استفاده در تحلیل کارایی با مدل های ترکیبی Neuro/DEA

۳-۹-۱- مدل مورد استفاده در تحقیق

۳-۹-۲- روش به کار گرفته شده در مدل های ترکیبی Neuro/DEA1 و Neuro/DEA2 جهت ارزیابی واحد ها

فصل چهارم نتایج و تفسیر آن ها

۴-۱- مقدمه

۴-۲- نرمالیز کردن داده ها

۴-۳- الگوریتم پس انتشار

۴-۴- شبکه پیش سو

۴-۵- جمع آوری داده ها : Neuro – DEA

۴-۶- نرمال سازی داده ها Neuro /DEA

۴-۷- داده های آموزش

۴-۸- داده های تست

۴-۹- عملیات آموزش

۴-۱۰- نمایش نمودارها

فصل پنجم نتیجه گیری و پیشنهادات

۵-۱- محدودیت های انجام تحقیق

۵-۲- نتیجه گیری

۵-۳- تحقیقات آتی