پیش بینی قیمت نفت با بکارگیری یک شبکه عصبی مصنوعی تلفیقی

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,712

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRIMC04_041

تاریخ نمایه سازی: 14 آبان 1386

چکیده مقاله:

با توجه به مکانیزم پیچیده حاکم بر قیمت نفت خام، مدل های خطی کارآیی مناسبی در پیش بینی آن ندارند . محققین از شبکه عصبی به عنوان یک روش غیرخطی جدید برای پیش بینی بهره گرفته اند . یکی از مشکلات استفاده از شبکه عصبی، فرآیند طولانی و زمان بر » آزمون و خطا « برای تعیین معماری بهینه - اعم از تعداد ورودی ها، تعداد لایه های مخفی، تعداد نورون در هر لایه مخفی و تابع انتقال هر یک از لایه ها - می باشد . این مقاله، ابتدا تحقیقات مربوط به پیش بینی قیمت نفت خام را بررسی کرده، سپس ادبیات پیش بینی با استفاده از شبکه عصبی را مرور نموده و آنگاه به ارائه رویکرد تلفیقی شبکه عصبی و الگوریتم ژنتیک پرداخته است . در این رویکرد، ابتدا کروموزومی که ژن های آن نمایش دهنده پارامترهای معماری شبکه می باشند تعریف شده است . سپس یک جمعیت اولیه تصادفی از این کروموزوم ها ایجاد می گردد که با طی کردن روند تکاملی به سمت معماری بهینه حرکت می کند . قیمت های نفت خام West Texas Intermediate (WTI) در بازه زمانی 1988 تا 2004 برای آموزش و تعیین معماری شبکه و قیمت های سال 2005 و 2006 برای آزمایش آن بکار گرفته شده اند . نتایج نشان می دهند که بکارگیری رویکرد پیشنهادی باعث بهبود کیفیت پیش بینی ها شده است .

نویسندگان

محمدرضا امین ناصری

دانشیار مهندسی صنایع دانشگاه تربیت مدرس، دانشکده فنی و مهندسی، گروه

احسان احمدی قراچه

کارشناسی ارشد مهندسی صنایع دانشگاه تربیت مدرس، دانشکده فنی و مهندسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • امین‌ناصری، محمدرضا، اصفهانیان، مجید، ارائه یک مدل شبکه عصبی جهت ...
  • رویکردی هوشمند برای پی شبینی قیمت ماهانه نفت خام [مقاله کنفرانسی]
  • Morana, Claudio, A S emi -parametric approach to short-term oil ...
  • Kaboudan, M.A., ،، C ompumetric Forecasting of Crude Oil Prices?, ...
  • Yang, C.W., Hwang, M.J., Huang, B.N., An analysis of factors ...
  • Tang, Linghui, Hammoudeh, Showkat, An empirical exploration of the world ...
  • Mirmirani, Sam, Li, H.C., A comparison of V AR and ...
  • Bernabe, Araceli, Martina, Esteban, Al V arez -Ramirez . Jose, ...
  • Wang, Shouyang, Yu, Lean, Lai, K.K., A Novel Hybrid AI ...
  • Ye, Michael, Zyren, John, Shore, Joanne, A monthly crude oil ...
  • Ye, Michael, Zyren, John, Shore, Joanne, Forecasting short-run crude oil ...
  • Ghouri, Salman Saif, Assessment of the relationship between oil prices ...
  • Shambora, William E., Rossiter, Rosemary, Are there exploitable inefficiencies in ...
  • Website: http ://www .eia.doe.gov/ ...
  • Website: http ://www .opec.org/ ...
  • Wong, Bo K., Lai, Vincent S., Lam, Jolie, A bibliography ...
  • Demuth, Howard, Beale, Mark, MATLAB 7.0 / Neural Network Toolbox, ...
  • Niska, Harri, Hiltunen, Teri, Karppinen, Ari, Ruuskanen, Juhani, Kolehmainen, Mikko, ...
  • Yao, X., Evolving artificial neural networks, IEEE Transactions on Neural ...
  • Pohlheim, H., Tutorial for the genetic and evolutionary algorithm toolbox ...
  • نمایش کامل مراجع