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
Authors
Abstract:
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، کار بسیار دشواری است. این به نوبه خود، میزان نویز، پیچیدگی و نااطمینانی پارامترها در ارتباط با برآورد قیمت نفت را تشدید می کند. با این وجود، موفقیت در تدوین مدلی قابل اتکاء برای توصیف پیچیدگی های پویای این کالا، محدود است. در این تحقیق، از شبکه عصبی مصنوعی، شبکه عصبی- فازی و مدل ترکیبی تبدیل موجک- شبکه عصبی و داده های روزانه سبد نفت خام اوپک، برای مدل سازی و پیش بینی کوتاه مدت قیمت نفت خام اوپک، استفاده شده است. نتایج این مدل ها بر اساس معیارهای اندازه گیری دقت پیش بینی، مورد مقایسه قرار گرفته است. نتایج تحقیق نشان می دهد که اولاً، نویززدایی داده ها می تواند عملکرد شبکه را بهتر کند و ثانیاً، شبکه عصبی- فازی نسبت به دیگر مدل های استفاده شده در این مقاله، از قدرت پیش بینی بهتری برخوردار است
similar resources
مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
full textمقایسه کاربرد شبکه عصبی مصنوعی (ANN) با سیستم استنتاج فازی (FIS) در پیش بینی جریان رودخانه زاینده رود
یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدلسازی سیستمهایی که دارای پیچیدگی زیاد یا عدمصراحت بوده و یا دادههای کافی از آنها موجود نیست، استفاده از تئوری مجموعههای فازی و شبکه عصبی مصنوعی میباشد. مزیت اصلی این تکنیکها نسبت به روشهای رایج این است که در مدت زمان نسبتاً کوتاهی قادر به بررسی تأثیر انواع پارامترهای در دسترس، بر فرآیند مورد بررسی میباشند بدون آنکه در هر مرتبه نیاز به یافتن...
full textمقایسه توانایی پیش بینی مدل های var ، arima و شبکه های 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 قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
full textپیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...
full textMy Resources
Journal title
volume 11 issue 43
pages 129- 154
publication date 2015-01
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023