مقایسه عملکرد روش برنامه ریزی ژنتیک و الگوی سری زمانی arima در پیش بینی کوتاه مدت قیمت نفت خام ایران

thesis
abstract

اقتصاد جهانی به دلیل استفاده عظیم از نفت به عنوان مهم ترین منبع انرژی، تا حدود زیادی به این ماده تجدیدناپذیر وابسته می باشد. به علاوه، پیش بینی قیمت نفت، به علت تأثیر آن بر انتخاب دیگر منابع اساسی انرژی از قبیل گاز طبیعی، انرژی هسته ای، منابع تجدیدپذیر و ... همواره مورد توجه محققین و اقتصاددانان بوده است. تا کنون مطالعات بسیاری به منظور توسعه مدل های توضیح دهنده تغییرات قیمت نفت و ارائه پیش بینی های دقیق تر آن انجام شده است. این مدل ها را به طور کلی می توان در دو دسته مدل های کلاسیک و اکتشافی مدرن جای داد. در این تحقیق تلاش شده است تا کاربرد مدل حاصل از یکی از شاخه های روش برنامه ریزی ژنتیک به عنوان یکی از روش های اکتشافی به نام روش برنامه ریزی چندعبارتی (mep)، در زمینه پیش بینی کوتاه مدت قیمت نفت خام ایران بررسی و عملکرد آن در مقایسه با مدل کلاسیک خودتوضیح انباشته میانگین متحرک (arima) مورد ارزیابی قرار گیرد. داده های مورد استفاده در تحقیق، قیمت های هفتگی نفت خام سبک ایران در بازه زمانی ابتدای سال 2003 تا هفته انتهایی می سال 2010 بوده که 365 داده اول (مجموعه آموزش) برای برآورد مدل ها و بقیه داده ها (مجموعه آزمون) جهت آزمودن مدل ها به کار گرفته شده اند. مقایسه دقت پیش بینی مدل های مذکور در دو حالت ایستا و پویا، از طریق معیارهای خطا، نشان از عملکرد بهتر روش برنامه ریزی چندعبارتی دارد، اما مقایسه آماری پیش بینی مدل ها با استفاده از آزمون های آماری تنها در حالت پویا بیانگر تفاوت معنی دار بین دقت آن ها می باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

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

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

مقایسه مدلهای arima arfima ann در پیش بینی قیمت نفت خام ایران

باتوجه به جایگاه نفت در اقتصاد ایران به عنوان یک اقتصاد تک محصولی و وابستگی شدید تولید نا خالص ملی به درامدهای حاصل از فروش جهانی این کالا و تاثیر پذیری قیمت نفت از نوسانات اقتصادی و سیاسی در سطح بین الملل بررسی و پیش بینی قیمت نفت تاثیر شگرفی در اتخاذ تصمیمات مناسب و به موقع سیاست گذاران خواهد داشت در این پایان نامه به مقایسه مدلهای(arima arfima ann) در پیش بینی قیمت نفت خام ایران می پردازیم ...

15 صفحه اول

برنامه ریزی پرواز در افق زمانی کوتاه مدت

امروزه صنعت حمل و نقل هوایی، به عنوان یکی از مهمترین محورهای رشـد در کشـورهای توسـعه یافتـه و در حـال توسـعه، مطـرحمیباشد. بخش هوایی به دلیل رشد روز افزون و نیاز به توسعه زیر بنایی این صنعت، از اهمیت بسزایی برخوردار است. رقابت شدیدبین خطوط هوایی و بالا رفتن سطح توقع مسافران، منجر به طرح مسائل پیچیده زمانبندی و برنامـهریـزی شـده اسـت، بـه طوریکـهنیازمند مدلها و روشهای جدید برای...

full text

پیش بینی بار کوتاه مدت با استفاده از تجزیه سری زمانی بار وشبکه عصبی

چکیده پیش بینی بارکوتاه ‌مدت یک فرآیند پایه در بهره برداری سیستم‌های قدرت محسوب می‌شود. بسیاری از توابع بهره‌برداری نظیر آرایش تولید، پخش بار اقتصادی، ارزیابی ایمنی و هماهنگی آبی حرارتی به پیش‌ینی بار کوتاه‌مدت وابسته می‌باشند. در طی سه دهه اخیر روش های مختلفی برای پیش‌بینی بار کوتاه ‌مدت ارائه شده و نرم‌افزارهای صنعتی متعددی نیز بر پایه این روش ها تهیه شده‌اند. از جمله این روش ها می‌توان به ان...

full text

آزمون آشوب و پیش بینی قیمت های آتی نفت خام

این مقاله به امکان سنجی وجود آشوب در ساختار سیستم مولد قیمت نفت خام شاخصWTI طی دوره 4 آوریل 1983 تا 13 ژانویه 2003 می پردازد. به این منظور از تخمین نمای لیاپانوف و بعد همبستگی به عنوان آزمون های مستقیم آشوب و آزمون های BDS و شبکه عصبی جهت بررسی غیر خطی بودن ساختار سیستم استفاده شده است. نتایج تخمین نمای لیاپانوف و بعد همبستگی، وجود آشوب در سری زمانی را تایید کرده و تخمین آماره BDS و شبکه عصبی، ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023