در ادامه برای آن دسته از شعبه‌های مؤسسات مالی و اعتباری که پیش‌بینی نشان‌دهنده تحقق (رشد) منابع است () است ۱۵۰% میزان پیش‌بینی تحقق ، هدف‌گذاری صورت می‌پذیرد و متعاقباً برای آن دسته از شعبه‌هایی که پیش‌بینی نشان کاهش منابع است( )معادل ۱۵۰ درصد قدر مطلق کاهش منابع ، هدف تعیین می‌گردد .

فصل چهارم - تجزیه وتحلیل داده‌ها
مقدمه
در این فصل طراحی الگوی شبکه عصبی-فازی و اجرای آن و روش تجزیه‌وتحلیل داده‌ها و اندازه‌گیری خطا پیش‌بینی و اندازه‌گیری انحراف در تعیین اهداف مطرح می‌گردد

شبکه عصبی فازی
وقتی سیستم با شبکه عصبی طراحی می‌شود نیاز به تعریف شدن دارد این مسئله فرایند محاسباتی بوده که علم مدیریت فازی قابلیت طراحی الگوهای نظیر مغز انسان با توانایی پردازش اطلاعات به‌طور هوشمند را دارد و ضمن ایجاد انعطاف پذیری ، در الگو کردن داده‌ها مؤثر است و پاسخ‌های کاملاً کاربردی ارائه می‌کند ، در طراحی‌های سیستم فازی نیاز به فهم متغیرهای فازی و توابع عضویت و فهم روابط ورودی به خروجی و تشخیص درست است .
در شبکه عصبی-فازی ابتدا بخش شبکه عصبی به‌صورت خودکار، قواعد منطق فازی و توابع عضویت را در طول دوره تناوب یادگیری ایجاد می‌کند(حتی پس از یادگیری ، شبکه عصبی به اصلاح توابع عضویت و قواعد منطق فازی ادامه می‌دهد به‌گونه‌ای که سیگنال‌های ورودی آن بیشتر و بیشتر یاد می‌گیرد .)
هدف‌گذاری بر اساس پیش‌بینی با بهره گرفتن از روش عصبی فازی در ۴ مرحله به شرح ذیل انجام خواهد گرفت .

اجرای
طراحی الگوی شبکه عصبی فازی
در بخش شبکه‌های عصبی از شبکه عصبی چندلایه پیش‌خور و الگوریتم یادگیری پس از انتشار خطاء استفاده می‌شود .

آماده‌سازی داده‌ها
بر روی‌داده‌ها پردازش اولیه صورت می‌گیرد تا موجب عملکرد بهتر شبکه عصبی شود (داده‌ها نرمال می‌شود: برای نرمال کردن از تابع سیگوئید با حد بالا ۱ و حد پایین ۱- استفاده می‌شود )
ازبین متغیرهایی که مربوط پیش‌بینی منابع آتی می‌باشند برحسب اهمیت (همان گونه که در فصل سوم به آن‌ها اشاره شده است) ۹ متغیر به‌عنوان متغیرهای ورودی شبکه و ۱ متغیر وابسته به‌عنوان متغیر خروجی در نظر گرفته‌شده است .

اجرای مدل
برای تمامی متغیرها یک شبکه عصبی فازی (مطابق با الگو و الگوریتم ذکرشده) طراحی می‌گرددو برای یک تکرار میزان خطا محاسبه می‌شود و این روند تا جایی ادامه می‌یابد که خطاء به صفر نزدیک شود و در این مرحله متغیرهای تأثیرگذار مشخص می‌شود . متغیرهای که موجب پیچیدگی و کاهش کارایی و افزایش خطاء می‌شوند ملحوظ نظر قرار می‌گیرند(کیوآی،ژانک ، ۲۰۰۱)(به عبارتی دیگر در این مرحله الگوی متغیر اصلی که بیشترین تأثیر را بر پیش‌بینی مانده منابع دارند مشخص می‌شود)

روش تجزیه‌وتحلیل اطلاعات
در این پژوهش هدف‌گذاری جذب منابع برای شعب هر دو موسسه مالی و اعتباری در یک دوره گذشته با رویکرد جاری (هدف‌گذاری بر اساس سنوات گذشته) باهدف‌گذاری بر اساس پیش‌بینی جذب منابع با رویکرد شبکه عصبی فازی مقایسه می‌شود و سپس در پایان انحراف های هریک از روش‌های هدف‌گذاری مقایسه می‌گردد و درصورتی‌که هدف‌گذاری بر اساس ۱۵۰% پیش‌بینی مبتنی بر رویکرد عصبی- فازی دقیق‌تر و دارای انحراف کمتری از واقعیت باشد استفاده ازاین‌روش برای تعیین اهداف در دوره‌های آتی پیشنهاد می‌گردد .

اندازه‌گیری میزان خطا در پیش‌بینی
نکته قابل توجه در خصوص دقت پیش‌بینی می‌باشد. در سال‌های اخیر مطالعات متعددی در زمینه چگونگی ارزیابی دقت پیش‌بینی صورت گرفته است. خصوصیات محیطی مانند افق پیش‌بینی، ایدولوژی پیش‌بینی و روش مورداستفاده ازجمله عوامل مؤثر در دقت پیش‌بینی می‌باشد(Armstrong and Collopy 1992).
برای اندازه‌گیری میزان خطای پیش‌بینی از اصلی ترین شاخص اندازه‌گیری خطا (MSE) به شرح فرمول ذیل استفاده‌شده است .

اندازه‌گیری میزان انحراف در تعیین اهداف جذب منابع
انحراف منابع محقق شده باهدف‌گذاری به روش جاری
برای اندازه‌گیری میزان انحراف منابع محقق باهدف‌گذاری به روش جاری() از تقسیم ، تفاضل منابع واقعی پایان دوره () و هدف‌گذاری به روش جاری() بر منابع واقعی پایان دوره () به شرح ذیل محاسبه شده است .

انحراف منابع محقق شده باهدف‌گذاری بر اساس ۱۵۰درصد پیش‌بینی
برای اندازه‌گیری میزان انحراف منابع محقق شده باهدف‌گذاری بر اساس ۱۵۰ درصد پیش‌بینی() از تقسیم ، تفاضل منابع واقعی پایان دوره () و هدف‌گذاری بر اساس ۱۵۰ درصد پیش‌بینی () بر منابع واقعی پایان دوره () به شرح ذیل محاسبه شده است .
در ادامه برای مقایسه هر دو روش از شاخص های MSE ، RMSE ، Mean ، St D و آزمون مقایسه t زوجی استفاده می شود .

فصل پنجم - نتایج وپیشنهادات
مقدمه
ما بر اساس روندکوتاه مدت( سه ماهه) ۱۰ متغیر(یکی مستقل و الباقی وابسته) مر تبط با تمامی شعبه دو موسسه مالی و اعتباری توسعه و عسکریه از سه موسسه مالی و اعتباری مجاز عملیات هایی مطروحه ذیل را انجام دادیم :
بعد محرمانه نمودن داده ها و طبقه بندی و ورود به سیستم متلب و نرمال سازی وطراحی شبکه عصبی و فازی نمودن شبکه عصبی و پیش بینی میزان متغیر ها آتی و خارج نمودن آن از حالت نرمال به حال عادی و قرار دادن آن در الگوی شناسایی شده (فرمول) وپیش بینی مانده منابع آتی و هدف گذاری بر اساس آن ، اقدامات تکمیلی دیگری از قبیل مقایسه منابع پیش بینی شده با منابع واقعی محقق شده و همچنین مقایسه هدف گذاری بر اساس روش جاری با میزان منابع محقق شده و هدف گذاری بر اساس ۱۵۰درصد منابع آتی پیش بینی شده با میزان منابع محقق شده انجام شد و متغیر های اساسی شناسایی و تحلیل صورت پذیرفت .

بررسی نتایج سیستم پیش‌بینی
مجموع خطای بین پیش بینی مانده منابع آتی و مانده منابع محقق شده واقعی در هر دو موسسه مالی و اعتباری بشرح جدول ذیل می باشد
جدول شماره ۵- ۱ : مجموع خطای پیش بینی مانده منابع آتی و مانده منابع محقق شده واقعی در هر دو موسسه مالی و اعتباری