پیش‌بینی قیمت نفت با دو روش ARIMA و شبکه‌های عصبی مصنوعی

Authors: not saved

Abstract:

توانایی کمنظیر شبکههای عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهشهای انجامشده در مورد توانایی پیشبینی مدلهای خود توضیح جمعی میانگین متحرک (ARIMA)[1]و شبکههای عصبی مصنوعی(ANN)[2] به مقایسه این دو روش برای پیشبینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداختهایم. افزون بر این، در این پژوهش پس از مدلسازی به وسیله شبکههای عصبی مصنوعی، به منظور تشخیص سهم مشارکت هر پارامتر ورودی در این مدل از تجزیه و تحلیل حساسیت استفاده کردهایم. با توجه به حجم وسیع به کارگیری اطلاعات روزانه قیمت جهانی نفت (بیش از 5500 روز اطلاعات) نتایج به دست آمده نشاندهنده برتری غیرقابل مقایسه مدل شبکههای عصبی مصنوعی نسبت به مدل ARIMA در پیشبینی قیمت روزانه نفت است. 1.Autoregressive Integrated Moving Average [2].Artifical Neural Networks

Upgrade to premium to download articles

Already have an account?login

similar resources

پیش بینی قیمت نفت با دو روش arima و شبکه های عصبی مصنوعی

full text

بررسی و پیشبینی مدول یانگ در نانولولههای کربنی تک لایه با بهکارگیری شبکههای عصبی مصنوعی

full text

پیش‌بینی قیمت تخم‌مرغ با استفاده از ARIMA، شبکه عصبی مصنوعی و هموارسازی هالت- وینترز

full text

پیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی

پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...

full text

مقایسه عملکرد مدلهای رگرسیونی ARIMA وشبکه عصبی باالگوریتم ژنتیک (GMDH) درپیش بینی قیمت نفت خام ایران

این پژوهش باهدف معرفی یک الگوی مناسب جهت پیش بینی قیمت نفت خام سنگین ایران صورت پذیرفته است. داده های مورداستفاده دراین پژوهش به صورت هفتگی وشامل بازه ی زمانی هفته سوم 4/2002 الی هفته چهارم 7/2011 که مشتمل بر485مشاهده بوده که جهت مجزاسازی پیش بینی های داخل نمونه ای وخارج ازنمونه استفاده شده است. همچنین الگوهای مورداستفاده دراین پژوهش عبارتنداز:یک مدل شبکه عصبی مصنوعی مبتنی برالگوریتم ژنتیک (GM...

full text

پیش‌بینی تقاضای تجهیزات پزشکی (سی تی اسکن) بر اساس شبکه‌های عصبی مصنوعی و روش ARIMA

بخش بهداشت و درمان و زیرساخت‌های مورد نیاز آن هم در بخش نرم‌افزاری و هم در بخش سخت‌افزاری همواره مورد توجه بوده است. در این میان اهمیت تجهیزات و اقلام پزشکی در سیستم سلامت کشور بر هیچ‌کس پوشیده نیست. سازمان‌ها و شرکت‌های فعال در این بخش باید بتوانند تصمیمات صحیح را با توجه به اطلاعات موجود در محیط پر‌نوسان کسب و کار امروز اخذ نمایند. بنابراین، تخمین مقدار تقاضا در دوره‌های آتی موضوعی حیاتی به...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

پژوهش های اقتصادی ایران

volume 9 issue 32

pages 161- 183

publication date 2007-10-23

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

سری‌های زمانی شبکه‌های عصبی مصنوعی(ANN) مدل ARIMA آنالیز حساسیت

Hosted on Doprax cloud platform doprax.com