شهرام فتاحی - استادیار دانشگاه رازی
مینو نظیفی - کارشناس ارشد توسعه اقتصادی و برنامه ریزی – دانشگاه رازی
سحر عباسپور - کارشناس ارشد توسعه اقتصادی و برنامه ریزی – دانشگاه رازی

در ایران علی رغم رشد صادرات محصولات غیر نفتی ، هنوز نفت حرف اول را در اقتصاد کلان ایران میزند.بنابر این اهمیت تحقیقات مرتبط با نفت و گاز به خصوص پیش بینی درآمد نفتی به عنوان مهمترین بخش درآمد در ایران ، قابل انکار نمیباشد. در این مطالعه ما از تکنیک شبکه عصبی برای مدلسازی درآمد نفتی در ایران استفاده شده است و متغیرهای (صادرات نفت خام ایران، تولید نفت خام ایران ، قیمت جهانی نفت، نرخ ارز رسمی و رشد اقتصادی ایران) به عنوان متغیر های تاثیر گذار یا لایه ورودی بر روی درآمد نفتی می باشند . در بخش دوم این مطالعه به بررسی اهمیت هر یک از متغیرهای مذکور در مدلسازی درآمد نفتی در ایران خواهیم پرداخت. هر مدل شبکه عصبی شامل یک لایه ورودی ، یک لایه خروجی و یک یا چند لایه پنهان می باشد . نتایج نشان میدهد که هر یک از عوامل مذکور بر درآمد نفتی متفاوت است ، به طوریکه نرخ ارز در پیش بینی درآمد نفتی بیشترین سهم (0.309) را به خود اختصاص داده است . همچنین ، نتایج حاکی از آن بودند که شبکه عصبی از عملکرد بالایی در پیش بینی درآمد نفتی برخوردار است.

پرسپترون چند لایه ای (MPL)، پی ش بینی، درآمد نفتی ایران ، شبکه عصبی، شبکه غیرخطی