چکیده سیمان به عنوان یک کالای استراتژیک که جایگزینی برای آن وجود ندارد نقش عمده ای در روند توسعه اقتصادی تمامی جوامع، به خصوص کشورهای در حال توسعه مانند ایران دارد. سرمایه گذاری های انجام شده در بخش های عمرانی، مسکن، حمل و نقل و غیره همگی نشان دهنده اهمیت و نقش سیمان در فرآیند پیش برد این بخش ها بوده است. افزایش بی رویه قیمت سیمان از یک سو باعث افزایش قیمت تمام شده طرح های عمرانی و از سوی دیگر در بعضی مواقع عدم توجیه اقتصادی را در بسیاری از آن ها به دنبال دارد. سیمان به دلیل نقش با اهمیتی که به عنوان یکی از عوامل تولید در جامعه دارد از جایگاه ویژه ای برخوردار است؛ به همین دلیل قیمت گذاری سیمان در کشور باید به صورتی باشد که از یک طرف باعث رکود در پروژه های عمرانی نگردیده و در عین حال سود آوری در شرکت های تولید سیمان را توجیه پذیر سازد؛ در این راستا برای درک بهتر از وضعیت آینده داشتن دور نمایی از قیمت سیمان لازم است و این امر با پیش بینی دقیق این محصول میسر می شود. در این پژوهش به منظور پیش بینی قیمت سیمان ابتدا ساختار بازار سیمان در ایران مورد بررسی قرار می گیرد، سپس با توجه به مفروضات بازار سیمان، به پیش بینی متغیر مورد نظر (قیمت سیمان) بر اساس شبکه های عصبی مصنوعی (ann) و هم چنین روش خود رگرسیون میانگین متحرک انباشته (arima) انجام می شود. برای این منظور از داده های آماری سری زمانی سال 1347 تا 1387 قیمت سیمان به عنوان مهم ترین عامل تأثیر گذار براین امر استفاده خواهد شد، و در نهایت، بر اساس معیارهای میانگین مربعات خطا و ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و درصد میانگین قدرمطلق خطا، اعتبار مقادیر پیش بینی شده ارزیابی می گردد. نتایج به دست آمده نشان می دهد که شبکه های عصبی مصنوعی پس انتشار خطا با نرون های ورودی معادل وقفه متغیرهای مورد نظر و دو نرون در لایه مخفی بهتر از سایر شبکه های عصبی و روش های سری زمانی در پیش بینی قیمت سیمان عمل می کند. واژگان کلیدی: سری های زمانی، فرآیند تصادفی پایا، شبکه های عصبی مصنوعی، پیش بینی.