ارائه یک مدل شبکه عصبی جهت پیش بینی کوتاه مدت قیمت نفت خام

ایران یکی از پنج کشور بزرگ مالک ذخایر غنی نفتی در جهان است. علیرغم رشد صادرات محصولات غیرنفتی، هنوز هم بخش اعظم اقتصاد کلان کشور بر نفت متکی است و بیش از 98٪ انرژی اولیه کشور از نفت تأمین می شود. بنابراین اهمیت تحقیق در زمینه مباحث مرتبط با اقتصاد نفت و به ویژه مدلی که بتواند قیمت نفت را پیش بینی نماید، بر هیچ کس پوشیده نیست. امروزه علاقه فراوانی به استفاده از سیستم های هوشمند در جهت بهبود کیفیت تصمیمات مالی به وجود آمده است. به ویژه شبکه های عصبی که از طریق آموزش، توانایی یادگیری از تجارب گذشته و بهبود سطح کارایی خود را دارا هستند، در این رابطه جایگاه ویژه ای دارند. لذا در این تحقیق با استفاده از یادگیری «هدایت شده»یک مدل شبکه عصبی برای «پیش بینی ماهانه قیمت نفت خام»، توسعه داده شده است. در فرآیند توسعه این مدل، تأثیر انواع متغیرهای فنی و بنیادی، تعداد نرون های لایه ورودی، تعداد لایه ها و نرون های پنهان، توابع تبدیل لایه ها، پیش پردازش مناسب داده ها، تقسیمات مختلف داده ها برای انتخاب مجموعه های آموزش و آزمایش، انواع الگوریتم های یادگیری بهبودیافته و انواع شبکه با انجام آزمایش های فراوان بررسی شده است. در نهایت یک شبکه پیشخور سه لایه (N9-2-8-1) با میانگین خطای مطلق 74 سنت در مجموعه آموزش و 71 سنت در مجموعه آزمایش، به عنوان بهتنرین مدل انتخاب گردیده است.

کلیدواژه ها:

قیمت نفت خام ، شبکه عصبی ، پیش بینی ، مدل سازی غیرخطی ، پیشگویی کوتاه مدت