مطالعه تطبیقی روش های ARIMA و شبکه های عصبی مصنوعی در پیش بینی نیاز داخلی برق کشور

علی محمد احمدی؛ مهدی ذوالفقاری؛ آیدین غفار نژاد مهربانی

دوره 13، شماره 41 ، بهمن 1388، ، صفحه 107-121

چکیده
    آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق، برای اعمال سیاست گذاری های لازم، امری ضروری است. از این رو پیش بینی تقاضای آن برای بخش های مختلف اقتصادی حائز اهمیت است. امروزه از بین روش های پیش بینی، شبکه های عصبی مصنوعی، در زمینه تجزیه و تحلیل و مدل سازی روابط غیرخطی یکی از ابزار قدرتمند به حساب می آید که ...  بیشتر

پیش‌بینی قیمت نفت با دو روش ARIMA و شبکه‌های عصبی مصنوعی

ایمان فرجام نیا؛ محسن ناصری؛ سید محمدمهدی احمدی

دوره 9، شماره 32 ، مهر 1386، ، صفحه 161-183

چکیده
  توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (ARIMA)[1]و شبکه­های عصبی مصنوعی(ANN)[2] به مقایسه این دو روش برای ...  بیشتر

آزمون آشوب و پیش بینی قیمت های آتی نفت خام

سعید مشیری؛ فائزه فروتن

دوره 6، شماره 21 ، بهمن 1383، ، صفحه 67-90

چکیده
  این مقاله به امکان سنجی وجود آشوب در ساختار سیستم مولد قیمت نفت خام شاخصWTI طی دوره 4 آوریل 1983 تا 13 ژانویه 2003 می پردازد. به این منظور از تخمین نمای لیاپانوف و بعد همبستگی به عنوان آزمون های مستقیم آشوب و آزمون های BDS و شبکه عصبی جهت بررسی غیر خطی بودن ساختار سیستم استفاده شده است. نتایج تخمین نمای لیاپانوف و بعد همبستگی، وجود آشوب در سری ...  بیشتر