طراحی بهینه ای چند هدفی شبکه های عصبی نوع gmdh برای پیش بینی عملکرد مخازن هیدروکربوری شرکت ملی نفت مرکزی ایران

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...

پیش بینی قیمت سکه طلا در بورس کالای ایران با رویکرد شبکه عصبی GMDH

اقتصاد هر کشور از بخش­های مختلفی تشکیل شده که روابط بین این بخش­ها، سمت  و سوی اقتصاد آن کشور را مشخص می­کند. در این بین بازار سرمایه در کنار بازار پول، به عنوان اجزائ تشکیل­دهنده  بازارهای  مالی بوده و در واقع شریان­های اصلی یک اقتصاد محسوب می­گردند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد می­باشد و چنانچه رابطه منطقی بین بازار مالی با سایر بخشهای اقتصادی وجود نداشته ب...

ترکیب شبکه های عصبی برای پیش بینی قیمت سهام

در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی (ANN) برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگوهای پایه (Base Predictor) مسئول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انج...

عملکرد شبکه عصبی GMDH در پیش بینی عوامل موثر بر جذب سرمایه گذاری مستقیم خارجی کشور ایران

سرمایه گذاری مستقیم خارجی (FDI) یکی از عوامل مهم رشد و توسعۀ اقتصادی کشورهای میزبان به شمار می رود و طی دهه های اخیر روند فزاینده ای نیز داشته است. شناخت عوامل مؤثر در جذب FDI در سیاستگذاری کشورهایی که نتوانسته اند از این عامل به خوبی استفاده کنند مفید است. تحلیل بیان شده در چارچوب الگوی «شبکۀ عصبی چند جمله ای» ارائه شده است تا پیش بینی مدل با حداقل خطا نمایش داده شود. همچنین در مدل برآوردشده، ...

افق های پیش روی توسعه ی شرکت ملی نفت ایران

طراحی مدل پیش بینی ورشکستگی شرکت ها به وسیله شبکه های عصبی فازی (مطالعه موردی:شرکت های بورس اوراق بهادار تهران)

در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای  شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسی...