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

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 .

پیش بینی، قیمت نفت، شبکه عصبی، الگوریتم ژنتیک