Zeitschrift für Elektrotechnik und Elektronik

Neuro-Fuzzy-Ansatz zur technoökonomischen Prognose

Dolores De Groff, Mohammad Dabbas und Perambur Neelakanta

In diesem Artikel wird eine Fuzzy-Inferenzmaschine (FIE) vorgeschlagen, die Ex-ante-Prognosedetails zu einer abhängigen Variable y ermitteln soll, basierend auf einer Reihe von Ex-post-Informationen, die in technoökonomischen Kontexten zu y gesammelt wurden. Die daraus erstellte FIE entspricht einem künstlichen neuronalen Netzwerk (KNN), und das abgeleitete KNN-Ergebnis liefert die Prognose der zeitlichen Entwicklung von y(t) im Ex-ante-Zeitraum (t) gegenüber einer Reihe von verfügbaren Ex-post-Daten. Die verfügbaren Ex-post-Daten sind jedoch spärlich und für eine robuste Prognose unzureichend. Daher wird zunächst ihre Kardinalität verbessert und eine ausreichende Anzahl solcher Sätze wird als Pseudoreplikate durch statistisches Bootstrapping erhalten. Das Test-KNN verwendet diese Pseudoreplikate dann als Trainingseingaben für robuste Vorhersage-/Prognosepläne. Darüber hinaus werden die pseudoreplizierten Sätze als überlappend und daher unscharf betrachtet. Daher ist das verwendete Test-KNN für die Realisierung einer FIE relevant. Um die Wirksamkeit des vorgeschlagenen FIE zu testen und die beschriebene Prognosemethode zu validieren, werden reale technoökonomische Datensätze zu ADSL-Umsätzen und -Einrichtungen in einem Wire-Center eines Telekommunikationsunternehmens herangezogen.