استفاده از تکنیک درون یابی کریجینگ به منظور پیش بینی قیمت گاز طبیعی و بهینه سازی آن با الگوریتم نلدر- مید

پیش بینی سری های اقتصادی با نوسانات زیاد و عدم قطعیت بالا - همچون قیمت گاز طبیعی - همواره یکی از چالش های اساسی در مدل‏های اقتصادسنجی به شمار می‏رود؛ زیرا نمی‏توان از مدل‏های ساختار خطی سنتی برای پیش بینی سری های زمانی پیچیده و غیرخطی استفاده نمود. در خصوص پیش بینی قیمت گاز طبیعی، یافته ها از برتری شبکه عصبی در مقایسه با مدل‏های رگرسیونی حکایت دارد. با این وجود، چالش اصلی این روش  (امکان هم پوشانی و نیز عدم خروج داده های پرت از سیستم) فضای تحقیقاتی در این حوزه را کماکان باز نگه داشته است. در این پژوهش از تکنیک درون یابی کریجینگ به‏منظور پیش بینی قیمت گاز طبیعی استفاده شده است. برای این منظور، پس از شناسایی پارامترهای موثر؛ نمونه گیری و نرمال سازی آنها؛ توابع پیش بینی کریجینگ را ایجاد و با تکنیک بهینه سازی نلدر - مید آنها را بهبود بخشیدیم. نتایج تحقیق نشان می‏دهد که متامدل کریجینگ پیش بینی دقیق‏تری نسبت به مدل پیش بینی شبکه عصبی مصنوعی ارائه می‏دهد. همچنین یافته های تحقیق حاکی از این است که الگوریتم بهینه سازی نلدر - مید تا حدی موجب بهتر شدن نتایج پیش بینی گشته است؛ هرچند مقدار این بهبود چندان قابل ملاحظه نمی باشد.