مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,449
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

825
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

کاربرد مدل های شبکه عصبی و ARIMA در پیش بینی قیمت گازوییل

صفحات

 صفحه شروع 201 | صفحه پایان 221

چکیده

 این مطالعه با هدف معرفی الگوهای مطلوب پیش بینی برای قیمت گازوییل در بازار انرژی سنگاپور به عنوان بازار موثر بر قیمت گازوییل در خاورمیانه انجام شد. داده های مورد استفاده به صورت هفتگی و شامل دوره (2010-1987) می باشد. پیش بینی ها برای 10, 20 و 30 درصد داده ها صورت گرفت. الگوهای مورد استفاده برای پیش بینی شامل چهار الگوی شبکه عصبی و یک الگوی رگرسیونی (خودرگرسیون میانگین متحرک) بود. شبکه های منتخب شامل شبکه پیشخور پس انتشار, شبکه آبشاری پس انتشار, شبکه المان پس انتشار و شبکه رگرسیون تعمیم یافته می باشد. همچنین, توابع آموزش مورد استفاده در پیش بینی شامل توابع لونبرگ- مارکوآت و شبه نیوتنی است. یافته ها در مورد تمام گروه از داده ها, کمترین خطای پیش بینی مربوط به شبکه ای است که از تابع آموزش لونبرگ- مارکوآت استفاده می کند. همچنین, مشخص شد برای پیش بینی 20 و 30 درصد داده ها شبکه المان پس انتشار و برای پیش بینی 10 درصد داده ها شبکه پیشخور پس انتشار دارای کمترین خطای پیش بینی هستند. همچنین, نتایج نشان دادند شبکه رگرسیون تعمیم یافته و الگوی رگرسیونی خودرگرسیون میانگین متحرک در مقایسه با سه شبکه دیگر از دقت قابل رقابتی برخوردار نیستند. البته یافته های آماره دیبلد- ماریانو نشان دادند که میان شبکه های دارای کمترین خطای پیش بینی از لحاظ آماری تفاوت معناداری در دقت پیش بینی وجود ندارد. برای قیمت گازوییل به طور نسبی استفاده از 80 درصد از داده ها برای آموزش و 20 درصد برای پیش بینی در مقایسه با سایر ترکیب از داده ها خطای پیش بینی کمتر نشان داد. بر اساس نتایج به دست آمده می توان با استفاده از شبکه های پیشنهادی به پیش بینی هایی با خطای حدود 2 درصد دست یافت.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    محمدی، حمید، و فرج زاده، زکریا. (1390). کاربرد مدل های شبکه عصبی و ARIMA در پیش بینی قیمت گازوییل. پژوهش ها و سیاست های اقتصادی، 19(59)، 201-221. SID. https://sid.ir/paper/89508/fa

    Vancouver: کپی

    محمدی حمید، فرج زاده زکریا. کاربرد مدل های شبکه عصبی و ARIMA در پیش بینی قیمت گازوییل. پژوهش ها و سیاست های اقتصادی[Internet]. 1390؛19(59):201-221. Available from: https://sid.ir/paper/89508/fa

    IEEE: کپی

    حمید محمدی، و زکریا فرج زاده، “کاربرد مدل های شبکه عصبی و ARIMA در پیش بینی قیمت گازوییل،” پژوهش ها و سیاست های اقتصادی، vol. 19، no. 59، pp. 201–221، 1390، [Online]. Available: https://sid.ir/paper/89508/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button