مدلسازی و پیش بینی قیمت گاز طبیعی با استفاده از شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علوم و فنون دریایی خرمشهر - دانشکده اقتصاد و مدیریت دریا
- نویسنده سعید عباسی
- استاد راهنما جعفر قاسمی ورنامخواستی
- سال انتشار 1393
چکیده
ویژگی های متعدد و منحصر به فرد گاز طبیعی نسبت به دیگر فرآورده های نفتی باعث ایجاد جایگاه ویژه و قابل توجهی در سبد انرژی مصرف کنندگان جهان شده و کسب درآمدهای ارزی برای کشور از طریق صدور این کالای استراتژیک، بر جذابیت آن می افزاید. هدف این تحقیق ارائه مدلی جهت پیش بینی قیمت گازطبیعی با استفاده از شبکه های عصبی و منطق فازی با دقت بالا و قابل قبول می باشد. برای مدل سازی با روش های شبکه های عصبی در این تحقیق، شبکه های mlp با یک و دو لایه پنهان و شبکه عصبی rbf مورد استفاده قرار گرفت. علاوه بر آن مدل شبکه عصبی- فازی نیز مورد استفاده قرار گرفت که هر کدام به ترتیب با 92/0، 95/0، 96/0 و 97/0 دقت قادر به پیش بینی قیمت گاز بوده اند. متغیرهای تاثیرگذار در این تحقیق، قیمت نفت خام، قیمت نفت حرارتی، دمای هوا، تولید و مصرف گاز طبیعی و قیمت آتی نفت و گاز طبیعی انتخاب شده اند. با توجه به شاخص های سنجش مدل بهترین نتیجه توسط مدل شبکه عصبی- فازی با دقت 97% حاصل گردید. همچنین، عوامل تاثیرگذار بر قیمت گاز طبیعی بازار آمریکا مورد بررسی قرار گرفت و نتایج نشان داد قیمت آتی گاز طبیعی، قیمت نفت حرارتی و دمای هوا بیشترین تاثیرگذاری بر روی قیمت گاز را داشته اند.
منابع مشابه
پیش بینی درصد متان موجود در گاز مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی
Backgrounds and Objectives:A number of different technologies have recently been studied todetermine the best use of biogas, however, to choose optimize technologies of using biogas for energy recovery it is necessary to monitor and predict the methane percentage of biogas. In this study, a method is proposed for predicting the methane fraction in landfill gas originating from Labscalelandfill ...
متن کاملمدلسازی و پیش بینی صادرات آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه های عصبی مصنوعی
هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیار...
متن کاملپیش بینی قیمت جوجه یکروزه گوشتی در ایران با استفاده از شبکه عصبی مصنوعی و مدل های سری زمانی
متن کامل
پیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی
پیشبینی تغییر قیمت سهام به عنوان یک فعالیت چالشانگیز در پیشبینی سریهای زمانی مالی در نظر گرفته میشود. یک پیشبینی صحیح از تغییر قیمت سهام میتواند سود زیادی را برای سرمایهگذاران به بار آورد. با توجه به پیچیدگی دادههای بازار بورس، توسعه مدلهای کارآمد برای پیشبینی بسیار دشوار است. در این پژوهش، مدلی برای پیشبینی قیمت سهام شرکتهای بورس اوراق بهادار تهران با بکارگیری دادههای درونزا...
متن کاملمدل 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه علوم و فنون دریایی خرمشهر - دانشکده اقتصاد و مدیریت دریا
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023