کاربرد مقایسه ای الگوریتم شبکه بازگشتی و شبکه حافظه طولانی کوتاه مدت در پیش بینی روندهای بلندمدت و میان مدت و کوتاه مدت قیمت نفت

عدم قطعیت ها بخش جدایی ناپذیراقتصاد هستند و تاثیرات اثبات شده ای بر ارکان گوناگون اقتصادی دارند. یکی از این عدم قطعیت ها نوسانات قیمت است که از میان آنها قیمت انرژی خصوصا نفت از اهمیت ویژه ای برخوردار است. نوسانات زیاد قیمت نفت خام بعنوان منبع اصلی انرژی و ماده اولیه مهم صنعت شیمیایی جهانی، اهمیت تخمین دقیق و پیش بینی روند قیمت آنرا دو چندان می کند. پژوهش حاضر پژوهشی کاربردی است که هدف از انجام آن افزایش توان پیش بینی قیمت نفت خام با استفاده از الگوی های غیر خطی در هوش مصنوعی است. برای دستیابی به این هدف دو شبکه عصبی بازگشتی و شبکه عصبی حافظه طولانی کوتاه مدت طراحی شده است. سپس توانمندی ایندو نسبت به یکدیگر و نسبت به مدل معیار، مقایسه شده و دقت پیش بینی آنها با استفاده از روش خطای مربعات میانگین اشتباهات، ارزیابی شده است. نمونه مورد مطالعه داده های نفت خام برنت دریای شمال از تاریخ ۰۱/۰۸/۲۰۰۷ لغایت ۳۱/ ۰۵/۲۰۲۴ به صورت روزانه و ماهانه و سالانه است. نتایج پژوهش نشان میدهد که معماری شبکه در این مدل ها نسبت به مدل های پیشین، در استخراج اطلاعات از داده ها توانمند تر بوده و زمان دستیابی به قیمت های آینده بهبود بخشیده شده است. همچنین از میان دو الگوی غیر خطی، الگوی حافظه طولانی کوتاه مدت در فرکانس های مختلف پیش بینی دقیق تری داشته و خطای کمتری از قیمت نفت را نتیجه می دهد.

کلیدواژه ها:

نفت خام ، هوش مصنوعی ، یادگیری ماشین ، انرژی ، پیش بینی قیمت