پيش بيني قيمت نفت با بكارگيري يك شبكه عصبي مصنوعي تلفيقي
خلاصه مقاله:
با توجه به مكانيزم پيچيده حاكم بر قيمت نفت خام، مدل هاي خطي كارآيي مناسبي در پيش بيني آن ندارند . محققين از شبكه عصبي به عنوان يك روش غيرخطي جديد براي پيش بيني بهره گرفته اند . يكي از مشكلات استفاده از شبكه عصبي، فرآيند طولاني و زمان بر » آزمون و خطا « براي تعيين معماري بهينه - اعم از تعداد ورودي ها، تعداد لايه هاي مخفي، تعداد نورون در هر لايه مخفي و تابع انتقال هر يك از لايه ها - مي باشد . اين مقاله، ابتدا تحقيقات مربوط به پيش بيني قيمت نفت خام را بررسي كرده، سپس ادبيات پيش بيني با استفاده از شبكه عصبي را مرور نموده و آنگاه به ارائه رويكرد تلفيقي شبكه عصبي و الگوريتم ژنتيك پرداخته است . در اين رويكرد، ابتدا كروموزومي كه ژن هاي آن نمايش دهنده پارامترهاي معماري شبكه مي باشند تعريف شده است . سپس يك جمعيت اوليه تصادفي از اين كروموزوم ها ايجاد مي گردد كه با طي كردن روند تكاملي به سمت معماري بهينه حركت مي كند . قيمت هاي نفت خام West Texas Intermediate (WTI) در بازه زماني 1988 تا 2004 براي آموزش و تعيين معماري شبكه و قيمت هاي سال 2005 و 2006 براي آزمايش آن بكار گرفته شده اند . نتايج نشان مي دهند كه بكارگيري رويكرد پيشنهادي باعث بهبود كيفيت پيش بيني ها شده است .
كلمات كليدي:
پيش بيني، قيمت نفت، شبكه عصبي، الگوريتم ژنتيك
|