پیش بینی قیمت های نقدی گازطبیعی به کمک مدل های غیرخطی ناپارامتریک

پیش بینی دقیق قیمت های نقدی گاز طبیعی از اهمیت زیادی برخوردار است زیرا می تواند در تصمیم گیری های نظارتی هر دو جانب عرضه و تقاضای گاز طبیعی مفید واقع شود. لذا در این مطالعه، آزمون گاما جهت قیمت های گاز، به عنوان یک ابزار غیرخطی و ناپارامتریک استفاده شد تا بتوان بهترین ترکیب ورودی ها را قبل از کالیبراسیون و آزمون مدل انتخاب نمود. آزمون گاما دارای مدل های غیرخطی متعددی مانند رگرسیون خطی موضعی (llr)، رگرسیون خطی موضعی پویا (dllr) و شبکه های عصبی مصنوعی (ann) می باشند. بدین منظور از قیمت های نقدی روزانه، هفتگی و ماهانه ی گاز هنری هاب از 7/11997 تا 20/3/ 2012 استفاده شد. مقایسه ی نتایج نشان داد که مدل dllr از ضریب همبستگی بالاتر و میانگین مربعات خطای پایین تر از llr برخوردار بوده و پیش بینی های بهتری را بدست می دهد. مدل ann نشان می دهد که هرچه دوره ی پیش بینی کوتاه تر باشد نتایج دقیق تری را داراست. بنابراین، مدل پیش بینی قیمت های نقدی روزانه با روش ann می تواند به عنوان یک مدل مناسب درنظر گرفته شود. بعلاوه، مدل های ann در مقایسه با مدل های llr و dllr دارای عملکرد بالاتری است و دقت بالاتری را جهت پیش بینی روند قیمت های گاز در مقیاس های زمانی متفاوت بدست می دهد اما این دسته از مدل ها از توانایی لازم جهت پیش بینی شوک های قیمتی بازار برخوردار نمی باشند