در این مقاله تلاش شده است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی بهمنظور پیشبینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز بهمنظور تجزیه سری زمانی قیمت استفاده شده، سپس ضرایب تقریبات و جزئیات مؤثر بهعنوان ورودی شبکه عصبی بهمنظور پیشبینی قیمت گاز طبیعی هنری هاب بهعنوان مرجعی برای قیمت گاز طبیعی در آمریکا بهکار رفته است. مقایسه عملکرد نسبی مدل ترکیبی با مدل شبکه عصبی حاکی از آن است که مدل ترکیبی تبدیل موجک و شبکه عصبی عملکرد پیشبینی را در مقایسه با مدل شبکه عصبی بهبود بخشیده است. آزمون دیبولد ـ ماریانو نیز این نتیجه را تأیید کرده است.
In this article, we introduce a model for forecasting the daily gas prices by the use of wavelet transform and neural networks. In this hybrid model, the discrete Daubechies wavelet transform is applied to decompose the gas prices series into approximation series and details series (DS). The new series are used as inputs to the ANN model to forecast Henry Hub natural gas prices. The relative performance of the hybrid model and neural network model shows that WANN model provides more accurate naturel gas price forecast compared to the individual ANN model. Diebold-Mariano test confirms this result.