سیدعبداله حیدریه - استادیار گروه مدیریت واحد سمنان دانشگاه آزاد اسلامی سمنان ایران
فرهاد جهانگیری - دانشجوی دکتری مدیریت بازرگانی گرایش بازاریابی واحد سمنان دانشگاه آزاد اسلامی سمنان ایران

امروزه قیمت محصولات پلی الفینی صنعت پتروشیمی نقش مهمی را در اقتصاد جهانی ایفا می کندو به عنوان یک عامل مهم واثرگذار بربرنامه های دولت ها وبخش های تجاری و بازرگانی اهمیت فراوانی دارد.دراین مطالعه از داده های تولید سالیانه الفین ها برای پیش بینی قیمت محصولات پلی الفینی براساس مولفه های پویای بازار استفاده شد. نتایج بکارگیری این الگوریتم نشان داد که با افزایش تعداد ورودی های مدل تخمین گر، دقت و ضریب تعیین مدل افزایش می یابد، اما، این افزایش از تعداد 7 پارامتر ورودی به بعد بسیار ناچیز است.از این رو، در هر سطح بانک اطلاعاتی، از 7 پارامتر ورودی انتخاب شده برای مدل سازی نرخ قیمت محصولات پلی الفینی با استفاده از تلفیق شبکه عصبی پرسپترون چند لایه و الگوریتم های بهینه سازی ژنتیک و مورچگان بهره برده شد. نتایج مدل سازی نرخ قیمت محصولات پلی الفینی نشان داد که دقت مدل حاصل از الگوریتم تفیقی شبکه عصبی پرسپترون چند لایه و ژنتیک نسبت به مدل دیگردرتمامی سال هابه صورت چشمگیری قابل قبول تر است.

انتخاب ویژگی، مدل سازی پیش بینی قیمت محصولات پلی الفینی، الگوریتم های بهینه سازی