ارزیابی عوامل موثر بر قیمت سنگ آهن با استفاده از شبکه های عصبی مصنوعی

آهن یکی از پر کاربردترین فلزات در جهان محسوب میشود. قیمت جهانی سنگ آهن بر اساس میزان عرضه و تقاضای آنتعیین میشود. پارامترهای متعددی همچون قیمت فولاد، شاخص تولید ناخالص داخلی، قیمت نفت خام، قیمت آلومینیوم،قیمت طلا، نرخ بهره، نرخ تورم، ارزش دلار، ارزش سهام و میزان تولید آهن و فولاد بر قیمت جهانی سنگ آهن مؤثرهستند. با توجه به تعدد پارامترهای مؤثر و پیچیدگی روابط میان آنها، می توان از روش های مبتنی بر هوش مصنوعی نظیرشبکه های عصبی مصنوعی برای پیش بینی قیمت سنگ آهن استفاده نمود. در این مقاله، با استفاده از شبکه عصبیمصنوعی مدلی برای پیش بینی قیمت ماهیانه سنگ آهن ارائه شده است. با مقایسه انواع شبکه ها، شبکه بهینه با چهار لایهپیشخور و الگوریتم آموزش پس انتشار خطا شامل 5 نرون در لایه ورودی، 12 نرون در لایه پنهان اول، 15 نرون در لایهپنهان دوم و 1 نرون در لایه خروجی بدست آمد. همچنین خطای نسبی، خطای مطلق، VAR, RMSE و ضریب R2بدست آمده برای شبکه بهینه به ترتیب برابر 0/039، 0/033، 9/759، 97/759، 97/738 و 0/978 می باشد. در نهایت پس از انجام آنالیز حساسیت مشخص گردید که پارامترهای تولید ناخالص داخلی چین، قیمت طلا و قیمت نفت به ترتیب بیشترین تأثیرو پارامترهای نرخ بهره، نرخ تورم و ارزش دلار به ترتیب کمترین تاثیر را در بین پارامترهای ورودی بر قیمت سنگ آهن دارند.