ارسلان دژکام - دانشگاه دریانوردی و علوم دریایی چابهار
خدیجه دینارزهی - دانشگاه بین المللی چابهار

شبکه های عصبی قابلیت بالایی در یادگری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته، و توابع با مقادیر برداری دارند. به دلیل مصونیت شبکه های عصبی در برابر خطاهای داده آموزشی از این شبکه ها می توان برای تحلیل سری های زمانی پیچیده مانند داده های متغیرهای اقتصادی بهره برد. در این پژوهش سعی بر آن شده است تا با اعمال سری زمانی داده های نرخ ارز رسمی بانک مرکزی جمهوری اسلامی ایران در فاصله زمانی 1379/03/03 الی 1390/12/12 بر لایه ورودی شبکه عصبی پرسپترون پندلایه به بررسی پویایی موجود در این سری زمانی پرداخته شود. نتایج حاصل از آزمون شبکه عصبی نشان می دهد که مقادیر آتی نرخ ارز مطالعه شده در بازه زمانی کوتاه مدت بر اساس آموزش شبکه عصبی با استفاده از مقادیر پیشین قابل پیش بینی است.

شبکه های عصبی، پرسپترون چندلایه، نرخ ارز، رفتار آشوبی، پیش بینی، سری زمانی