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.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.