استفاده از رهیافت شبکه عصبیGMDH در پیشبینی تقاضای گازوییل دربازار ایران

انرژی، نهاده ای استراتژیک در فرآیند تولید است که تغییرات قیمت آن بر اقتصاد تمام تاثیرگذار می باشد. گازوییل مهم ترین منبع سوخت حمل ونقل کشور است که طی سال های اخیر یکی از اقلام عمده وارداتی ایران نیز می باشد. متاسفانه به دلیل بحران بنزین مسیله گازوییل چندان موردتوجه نیست و تا حدود زیادی مورد غفلت واقع شده است. هدف تحقیق مدل سازی و پیش بینی تقاضای گازوییل در بازار ایران با استفاده از روش شبکه عصبی GMDH می باشد. برای این منظور، داده های ماهانه تقاضای گازوییل در بازار ایران به عنوان متغیر خروجی مدل و داده های ماهانه تولید ناخالص داخلی، جمعیت، تورم، قیمت واقعی گازوییل، قیمت نفت برنت در بورس ICE، قیمت نفت WTI، قیمت نفت OPEC، نرخ ارز، نرخ سود بانکی، هزینه پالایش گازوییل در پالایشگاه و تعداد پالایشگاه های نفت به عنوان متغیرهای ورودی الگوریتم GMDH استفاده شد. همچنین در این مقاله تلاش شده تا یافته های تحقیق با استفاده از مدل مذکور با مدل ARIMA مقایسه گردد تا میزان دقت پیش بینی شبکه عصبی GMDH مورد ارزیابی علمی قرار گیرد. نتیجه مطالعه نشان می دهد که مدل شبکه عصبی GMDH از دقت بیشتری در پیش بینی برخوردار است. لذا پیشنهاد می شود شرکت پالایش و پخش فرآورده های نفتی ایران از این مدل جهت پیش بینی تقاضای گازوییل برای سال های آتی استفاده نماید.

کلیدواژه ها:

پیش بینی تقاضا ، گازوییل ، شبکه عصبی GMDH