پیش بینی قیمت سنگ آهن با استفاده از الگوریتم ژنتیک

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 185

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICISE09_083

تاریخ نمایه سازی: 15 مهر 1402

چکیده مقاله:

سنگ آهن اصلیترین ماده خام برای تولید فولاد است. بازار سنگ آهن همواره تحت تاثیر شرایط مختلف و متغیر بوده است. در این صنعت تولیدکنندگان بزرگ و کوچک و صادرکنندگان زیادی فعال هستند. بنابراین تحلیل بازار در صنعت فولاد همواره مورد توجه بوده و فعالان این بخش نه تنها بر قیمت محصولات، بلکه بر قیمت مواد اولیه مانند قیمت سنگ آهن نیز نظارت دارند. بنابراین پیداکردن روشی که قیمت سنگ آهن را به درستی پیشبینی کند اهمیت بسیار زیادی دارد. در این مقاله با بررسی پارامترهای تاثیرگذار بر قیمت سنگ آهن مانند: قیمت طلا، قیمت نقره، قیمت مس، نرخ تورم آمریکا، نرخ حمل و نقل، قیمت ضایعات، قیمت آلومینیوم و قیمت نفت خام، ابتدا مهمترین پارامترها انتخاب و با استفاده از الگوریتم ژنتیک و قیمت های ۲۰ سال گذشته، قیمت سنگ آهن پیشبینی شده است. مدل الگوریتم ژنتیک بهینه با ۸ پارامتر و میزان جمعیت ۲۰۰، قیمت سنگ آهن را با دقت مناسب پیشبینی کرده است. در این مدل، خطای جذر میانگین مربعات (RMSE) برای داده ها ۱۹,۰۴ است. همچنین مقدار رگرسیون و همبستگی داده ها با r=۰,۹۳ نشاندهنده یک مدل خوب با دقت بالا است.

نویسندگان

الهام جان نثاری

دانشجوی کارشناسی ارشد استخراج معدن،دانشگاه کاشان،کاشان،ایران

عباس آقاجانی بزازی

استادیار گروه مهندسی معدن، دانشگاه کاشان، کاشان، ایران