پژوهش‌های اقتصادی ایران

مدل‌سازی و پیش‌بینی قیمت بنزین با استفاده از شبکه عصبی GMDH

نویسندگان

حمید ابریشمی 1
علی معینی 2
محسن مهرآرا 3
مهدی احراری 4
فاطمه سلیمانی کیا 5

1 استاد دانشکده اقتصاد دانشگاه تهران

2 دانشیارگرایش آلگوریتم‌ها و محاسبات گروه علوم مهندسی پردیس دانشکده‌های فنی دانشگاه تهران

3 استادیار دانشکده اقتصاد دانشگاه تهران

4 پژوهشگر مؤسسه تحقیقات اقتصادی دانشگاه تهران

5 کارشناس ارشد اقتصاد انرژی دانشگاه تهران

چکیده
در این پژوهش از شبکه عصبی GMDH  مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل‌سازی سیستم‌های غیرخطی پویای پیچیده، برای پیش‌بینی قیمت بنزین با دو روش قیاسی و قواعد تحلیل تکنیکی، استفاده کرده‌ایم. متغیرهای ورودی در روش قیاسی شامل تمام عوامل مؤثر(درون و برون سیستمی) بر قیمت بنزین و در روش تحلیل تکنیکی شامل میانگین‌های متحرک کوتاه و بلندمدت است. نتایج نشان­دهنده دقت بیش از 96درصد پیش‌بینی و پایداری روش قیاسی و بیش از99درصد تحلیل تکنیکی  است. اثر روز دوشنبه به عنوان یک معیار تحلیل تکنیکی در روش قیاسی، تأیید شده است. همچنین، در مقایسه معیارهای خطا، دقت پیش‌بینی‌های شبکه عصبی GMDH به طور معناداری از الگوی رگرسیونی بهتر است.[1]



1. نویسندگان از مشورت‌های آقایان دکتر نریمان‌زاده استاد دانشکده مکانیک دانشگاه‌گیلان و مهندس جمالی دانشجوی دکتری دانشگاه گیلان بهره برده که کمال تشکر خود را از ایشان اعلام می‌دارند.

کلیدواژه‌ها

شبکه عصبیGMDH
قیمت بنزین
الگوریتم ژنتیک
قیمت نفت
پیش‌بینی
مدل‌سازی
میانگین متحرک
تحلیل تکنیکی
روش قیاسی

  • تاریخ دریافت 14 اردیبهشت 1395
  • تاریخ اولین انتشار 14 اردیبهشت 1395

صفحه اصلی

اعضای هیات تحریریه

راهنمای نویسندگان

ارسال مقاله

تماس با ما