بهبود عملکرد پیش بینی قیمت با بکارگیری الگوریتم ژنتیک درشبکه عصبی

امروزه دقت پیش بینی یکی ازمهمترین عوامل موثردرانتخاب روشهای پیش بینی است درحالت کلی انتخاب موثرترین روش به منظور پیش بینی کاربسیاردشواری است و این امرسبب شده تا بسیاری ازمحققان به منظور دستیابی به نتایج دقیق تر و کامل تر روشهای خطی و غیرخطی را با یکدیگر ادغام نمایند مدلهای خود رگرسیون میانگین متحرک انباشته و شبکه های عصبی مصنوعی ازجمله دقیقترین مدلهای خطی وغیرخطی درپیش بینی ها می باشد شبکه های عصبی مصنوعی برای تخمین و تقریب کارایی بسیاربالایی ازخود نشان داده اند ولی یکی ازمشکلات استفاده ازشبکه های عصبی فرایند طولانی و زمان بر برای تعیین معماری بهینه اعم ازتعداد ورودیها تعداد لایه های مخفی تعدادنرون درهرلایه مخفی و تابع انتقال هریک ازلایه ها می باشد به همین دلیل ما دراین مقاله انواع روشهای پیش بینی قیمت را مورد تحلیل و بررسی قرار دادیم و درنهایت به این نتیجه رسیدیم که استفاده ازالگوریتم ژنتیک درشبکه های عصبی بهترین روش برای پیش بینی قیمت می باشد.

کلیدواژه ها:

پیش بینی قیمت ، مدل خودرگرسیون میانگین انباشته ARIMA و شبکه های عصبی مصنوعی ann و الگوریتم ژنتیک GA