ارائه يك مدل شبكه عصبي جهت پيش بيني كوتاه مدت قيمت نفت خام
چکيده:
ايران يكي از پنج كشور بزرگ مالك ذخاير غني نفتي در جهان است. عليرغم رشد صادرات محصولات غيرنفتي، هنوز هم بخش اعظم اقتصاد كلان كشور بر نفت متکي است و بيش از %98 انرژي اوليه كشور از نفت تأمين ميشود. بنابراين اهميت تحقيق در زمينه مباحث مرتبط با اقتصاد نفت و بويژه مدلي كه بتواند قيمت نفت را پيشبيني نمايد، بر هيچكس پوشيده نيست. امروزه علاقه فراواني به استفاده از سيستمهاي هوشمند در جهت بهبود كيفيت تصميمات مالي بوجود آمده است. بويژه شبكههاي عصبي که از طريق آموزش، توانايي يادگيري از تجارب گذشته و بهبود سطح كارايي خود را دارا هستند، در اين رابطه جايگاه ويژهاي دارند. لذا در اين تحقيق با استفاده از يادگيري «هدايت شده» يك مدل شبکه عصبي براي «پيشبيني ماهانه قيمت نفت خام»، توسعه داده شده است. در فرآيند توسعه اين مدل، تأثير انواع متغيرهاي فني و بنيادي، تعداد نرونهاي لايه ورودي، تعداد لايهها و نرونهاي پنهان، توابع تبديل لايهها، پيشپردازش مناسب دادهها، تقسيمات مختلف دادهها براي انتخاب مجموعههاي آموزش و آزمايش، انواع الگوريتمهاي يادگيري بهبوديافته و انواع شبکه با انجام آزمايشهاي فراوان بررسي شده است. در نهايت يك شبكه پيشخور سهلايه (n9-2-8-1) با ميانگين خطاي مطلق 74 سنت در مجموعه آموزش و 71 سنت در مجموعه آزمايش، بعنوان بهترين مدل انتخاب گرديده است.
کليدواژگان:
قيمت نفت خام، شبکه عصبي، پيشبيني، مدل سازي غيرخطي، پيشگويي کوتاه مدت
|