Journal de génie électrique et de technologie électronique

Approche neuro-floue des prévisions technico-économiques

Dolores De Groff, Mohammad Dabbas et Perambur Neelakanta

L'article propose un moteur d'inférence floue (FIE) destiné à déterminer les détails des prévisions ex ante sur une variable dépendante y, sur la base d'un ensemble d'informations ex post recueillies sur y dans des contextes technoéconomiques. Le FIE ainsi construit est conforme à un réseau neuronal artificiel (ANN), et le résultat ANN déduit donne la prévision de l'évolution temporelle de y(t) dans le cadre temporel ex ante (t) par rapport à un ensemble de données ex post disponibles. Les données ex post disponibles sont cependant rares et inadéquates pour une prévision robuste. Par conséquent, sa cardinalité est d'abord améliorée et un nombre suffisant de ces ensembles est obtenu sous forme de pseudo-répliques via l'amorçage statistique. Le ANN de test utilise ensuite ces pseudo-répliques comme entrées de formation pour des programmes de prédiction/prévision robustes. De plus, les ensembles pseudo-répliqués sont considérés comme se chevauchant et donc flous. Par conséquent, le ANN de test adopté est pertinent pour une réalisation de FIE. Un ensemble de données technico-économiques réelles sur les ventes et les installations ADSL dans un centre de câblage d'une société de télécommunications (telco) est utilisé pour tester l'efficacité de l'EIE proposée et valider la méthode de prévision décrite.