مقایسه توانایی پیش بینی مدل های var ، arima و شبکه های عصبی (ann) :تقاضای جهانی نفت اوپک
Authors
abstract
مارهای کشور، حاکی از رشد مصرف بنزین در بخش حمل و نقل کشور بوده و در سالهای اخیر بنزین مصرفی بطور قابل ملاحظهای بیش از ظرفیت پالایش داخلی شده است و لذا هزینه واردات بنزین سهم نسبتاً مهمی از بودجه دولت را به خود اختصاص میدهد. افزایش جمعیت شهری، اقبال عمومی استفاده از خودروهای شخصی و عرضه بنزین به قیمت یارانهای از عوامل تعیینکننده این پدیده هستند. علاوه بر تحمیل هزینههای فزاینده به اقتصاد کشور، با ایجاد آلودگی بیش از حد هوا در مناطق شهری لطمات جبرانناپذیری نیز بر سلامت شهروندان وارد میکنند. در این پژوهش سعی بر آن است که با استفاده
similar resources
مقایسه توانایی پیشبینی مدلهای VAR ، ARIMA و شبکههای عصبی (ANN) :تقاضای جهانی نفت اوپک
مارهای کشور، حاکی از رشد مصرف بنزین در بخش حمل و نقل کشور بوده و در سالهای اخیر بنزین مصرفی بطور قابل ملاحظهای بیش از ظرفیت پالایش داخلی شده است و لذا هزینه واردات بنزین سهم نسبتاً مهمی از بودجه دولت را به خود اختصاص میدهد. افزایش جمعیت شهری، اقبال عمومی استفاده از خودروهای شخصی و عرضه بنزین به قیمت یارانهای از عوامل تعیینکننده این پدیده هستند. علاوه بر تحمیل هزینههای فزاینده به اقتصاد کشو...
full textمقایسه 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 textمطالعه تطبیقی روش های خطی ARIMA و غیر خطی شبکه های عصبی فازی در پیش بینی تقاضای اشتراک گاز شهری
اطلاع از میزان تقاضای موجود در هر دوره یکی از مباحثی است که شرکت ملی گاز در راه پاسخگویی به مراجعان به آن نیاز دارد.عدم اطلاع از میزان تقاضای اشتراک سبب ایجاد مشکلاتی مانند عدم آگاهی از تعداد پیمانکاران مورد نیاز و همچنین فقدان برنامه کنترل موجودی مناسب برای انواع کنتورهای موردنیاز و دیگر عوامل مرتبط می شود. در چند دهه گذشته،اقتصاددانان و علمای مدیریت برای براورد تقاضا غالباً از روش های اقتصادس...
full textپیش بینی مقدار تقاضای نفت خام در ایران با استفاده از شبکه های عصبی مصنوعی (ann) و مدل armax
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 ک...
full textترکیب شبکه های عصبی و الگوریتم های تکاملی در پیش بینی تقاضای انرژی
پیشبینی روند تقاضای انرژی جهت اتخاذ سیاستهای مقتضی و مناسب اهمیت فراوانی دارد. به دلیل روند پرنوسان و غیر خطی تقاضای انرژی و متغیرهای موثر بر آن قابلیت روشهای هوشمند و غیر خطی به خصوص شبکههای عصبی و الگوریتمهای تکاملی به منظور پیشبینی تقاضای انرژی در مطالعات مختلف به اثبات رسیده است. با وجود نقاط قوت فراوان، این تکنیکها با مسائل مهمی همچون تحمیل فرم تبعی خاص- در الگوریتمهای تکاملی- یا ن...
full textپیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی
یکی از مهمترین موارد مورد علاقه مدیران بانکی به عنوان متغیری تأثیرگذار بر صنعت بانکداری، اطلاع از وضعیت سپردههای بانکی است که فعالیت بانک تا حد زیادی بستگی به آن دارد. ازاینرو مدیران بانکها علاقهمند هستند بدانند که میزان کل سپردههای بانک در زمان معینی در آینده چقدر خواهد بود. پیشبینی میزان سپردهها، تغییر و نوسان این سپردهها میتواند در امر برنامهریزی و تصمیمگیری به بانکها کمک نماید....
full textMy Resources
Save resource for easier access later
Journal title:
اقتصاد انرژی ایرانجلد ۱، شماره ۴، صفحات ۱۴۵-۱۶۸
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023