مدل سازی و پیش بینی قیمت بنزین با استفاده از شبکه عصبی gmdh

در این پژوهش از شبکه عصبی gmdh  مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل سازی سیستم های غیرخطی پویای پیچیده، برای پیش بینی قیمت بنزین با دو روش قیاسی و قواعد تحلیل تکنیکی، استفاده کرده ایم. متغیرهای ورودی در روش قیاسی شامل تمام عوامل مؤثر(درون و برون سیستمی) بر قیمت بنزین و در روش تحلیل تکنیکی شامل میانگین های متحرک کوتاه و بلندمدت است. نتایج نشان­دهنده دقت بیش از 96درصد پیش بینی و پایداری روش قیاسی و بیش از99درصد تحلیل تکنیکی  است. اثر روز دوشنبه به عنوان یک معیار تحلیل تکنیکی در روش قیاسی، تأیید شده است. همچنین، در مقایسه معیارهای خطا، دقت پیش بینی های شبکه عصبی gmdh به طور معناداری از الگوی رگرسیونی بهتر است.[1] 1. نویسندگان از مشورت های آقایان دکتر نریمان زاده استاد دانشکده مکانیک دانشگاه گیلان و مهندس جمالی دانشجوی دکتری دانشگاه گیلان بهره برده که کمال تشکر خود را از ایشان اعلام می دارند.