Using neural network to estimate weibull parameters

توزيع وايبل سه پارامتري يكي از توزيع هاي مهم در تحليل هاي آماري و قابليت اطمينان است. پيچيدگي تخمين پارامترهاي توزيع سه پارامتري وايبل يكي از مباحثي است كه محققين در استفاده از اين مدل با آن مواجه هستند بهمين دليل در بسياري از موارد بمنظور ساده سازي يكي از پارمترهاي مدل حذف مي شود و مدل دو پارامتري در نظر گرفته مي شود. در تخمين پارامترهاي وايبل سه پارامتري، استفاده از روشهاي متداول تخمين پارامترها مانند روش گشتاورها و روش حداكثر درستنمايي به راحتي امكانپذير نيست و در اين روشها در نهايت مجبور به حل سه معادله عير خطي پيچيده هستيم. در اين تحقيق با استفاده از توانايي هاي شبكه هاي عصبي مصنوعي، يك شبكه عصبي پرسپترون براي تخمين همزمان پارامترهاي توزيع وايبل سه پارامتري طراحي مي شود. شبكه طراحي شده قادر است براي هر نمونه اي بر اساس ميانگين، واريانس، ميانه، چولگي و تيزي سه پارامتر توزيع وايبل را تخمين بزند. ارزيابي شبكه طراحي شده براي مقادير مختلف پارامترها به روش مونت كارلو انجام مي شود.