ارائه یک مدل شبکه عصبی جهت پیش بینی کوتاه مدت قیمت نفت خام

ایران یکی از پنج کشور بزرگ مالک ذخایر غنی نفتی در جهان است. علیرغم رشد صادرات محصولات غیرنفتی، هنوز هم بخش اعظم اقتصاد کلان کشور بر نفت متکی است و بیش از %98 انرژی اولیه کشور از نفت تامین میشود. بنابراین اهمیت تحقیق در زمینه مباحث مرتبط با اقتصاد نفت و بویژه مدلی که بتواند قیمت نفت را پیش بینی نماید، بر هیچکس پوشیده نیست. امروزه علاقه فراوانی به استفاده از سیستمهای هوشمند در جهت بهبود کیفیت تصمیمات مالی بوجود آمده است. بویژه شبکه های عصبی که از طریق آموزش، توانایی یادگیری از تجارب گذشته و بهبود سطح کارایی خود را دارا هستند، در این رابطه جایگاه ویژهای دارند. لذا در این تحقیق با استفاده از یادگیری «هدایت شده» یک مدل شبکه عصبی برای «پیشبینی ماهانه قیمت نفت خام»، توسعه داده شده است. در فرآیند توسعه این مدل، تاثیر انواع متغیرهای فنی و بنیادی، تعداد نرونهای لایه ورودی، تعداد لایه ها و نرون های پنهان، توابع تبدیل لایه ها، پیشپردازش مناسب داده ها، تقسیمات مختلف داده ها برای انتخاب مجموعه های آموزش و آزمایش، انواع الگوریتم های یادگیری بهبودیافته و انواع شبکه با انجام آزمایشهای فراوان بررسی شده است. در نهایت یک شبکه پیشخور سه لایه (N9-2-8-1) با میانگین خطای مطلق 74 سنت در مجموعه آموزش و 71 سنت در مجموعه آزمایش، بعنوان بهترین مدل انتخاب گردیده است.