پیش بینی مقدار تقاضای نفت خام در ایران با استفاده از شبکه های عصبی مصنوعی (ann) و مدل armax

Authors
abstract

هدف تحقیق مدل­سازی و پیش­بینی تقاضای نفت در ایران با استفاده از  روش، شبکه عصبی مصنوعی (ann)، می باشد. در مقاله تلاش شده تا یافته های تحقیق با استفاده از مدل مذکور با مدل ­armax مقایسه گردد تا میزان دقت پیش­بینی شبکه عصبی مورد ارزیابی علمی قرار گیرد. نتیجه مطالعه نشان می دهد که مدل شبکه عصبی مصنوعی از دقت بیشتری در پیش بینی تقاضای نفت خام ایران برخوردار است. همچنین در این مقاله متغیرهای تعیین کننده تقاضای نفت خام در کشورهای منتخب عضو اوپک مورد مقایسه قرار گرفت  تا مشخص گردد که آیا عوامل تعیین کننده تقاضای نفت خام ایران در سایرکشورها نیز مشابه است؟ برای این کار از ضریب همبستگی رتبه ای اسپیرمن استفاده شده است، نتایج حاصل نشان می دهد  مقدار این ضریب برای کشور­های منتخب نسبت به ایران نزدیک به یک است که بر آن دلالت می کند که، متغیرهای استفاده شده در این تحقیق در سایر کشورهای مشابه نتایج یکسانی  بدست داده است. در نتیجه  می توان آنها را برای پیش بینی مقدار تقاضای نفت خام  متغیرهای کلیدی در نظر گرفت.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی مقدار تقاضای نفت خام در ایران با استفاده از مدل های شبکه عصبی مصنوعی(ann) و مقایسه آن با مدل های arimax

هدف تحقیق مدل سازی و پیش بینی تقاضای نفت در ایران با استفاده از روش شبکه های عصبی مصنوعی(ann) می باشد. در این مقاله تلاش شده است تا یافته های تحقیق با استفاده از مدل مذکور با مدل arimax مقایسه گردد تا میزان دقت پیش بینی شبکه عصبی مورد ارزیابی علمی قرار گیرد. نتیجه مطالعه نشان می دهد که مدل شبکه عصبی مصنوعی از دقت بیشتری در پیش بینی تقاضای نفت خام ایران برخوردار است. همچنین در این مقاله متغیرهای...

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

مقایسه توانایی پیش بینی مدل های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج عصبی- فازی انطباقی(ANFIS) و تبدیل موجک-عصبی: قیمت سبد نفت خام اوپک

پیش بینی قیمت نفت خام از مهم ترین موضوعات فرا روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل درگیر بودن تعدادی از کشورهای در حال توسعه این سازمان با قیمت نفت، می تواند در برنامه ریزی های سازمان و کشورهای عضو آن، اهمیت ویژه ای داشته باشد. برآورد و پیش بینی روند قیمت نفت، به خاطر نبود داده های تاریخی مهم و محدودیت اطلاعات مرتبط با شاخص های موثر بر روند قیمت نفت، ...

full text

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...

full text

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...

full text

My Resources

Save resource for easier access later


Journal title:
اقتصاد انرژی ایران

جلد ۲، شماره تابستان۷، صفحات ۱۴۷-۱۷۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023