مقالات مطالعات‌ اقتصاد انرژي‌

اين مطالعه با هدف معرفي الگوهاي مطلوب پيش بيني براي قيمت نفت خام ايران انجام شده است داده هاي مورد استفاده به صورت هفتگي و شامل دوره 2010-1997 مي باشد و پيش بيني ها براي 10، 20 و 30 درصد داده هاي ياد شده انجام گرفته است. الگوهاي مورد استفاده براي پيش بيني، شامل 4 الگوي شبکه عصبي و يک الگوي رگرسيوني (خودرگرسيون ميانگين متحرک) بوده است. شبکه هاي منتخب شامل شبکه پيشخور پس انتشار، شبکه آبشاري پس انتشار، شبکه المان پس انتشار و شبکه رگرسيون تعميم يافته مي باشد. هم چنين توابع آموزش مورد استفاده در پيش بيني شامل توابع لونبرگ- مارکوآت و شبه نيوتني است. يافته هاي به دست آمده نشان مي دهد براي پيش بيني 10 درصد از داده هاي قيمت نفت خام، الگوهاي شبکه رگرسيون تعميم يافته و شبکه آبشاري پس انتشار با تابع آموزش شبه نيوتني، به ترتيب با خطايي کم تر از 1 و کم تر از 2 درصد داراي بهترين عملکرد هستند. براي پيش بيني 20 درصد داده هاي قيمت نفت خام ايران، شبکه پيشخور پس انتشار و شبکه المان پس انتشار با تابع آموزش لونبرگ- مارکوآت، داراي عملکرد بهتر مي باشند. در مورد 30 درصد از داده ها نيز شبکه پيشخور پس انتشار مطلوب تر ارزيابي شده است. هم چنين نتايج نشان مي دهد به طور نسبي با افزايش درصد داده هاي مورد استفاده در پيش بيني، دقت پيش بيني ها به ويژه با افزايش از 10 درصد به 20 درصد رو به افول مي رود. دقت پيش بيني خودرگرسيون ميانگين متحرک نيز پايين تر از الگوهاي شبکه عصبي ارزيابي مي شود.

 نسخه قابل چاپ