پیش بینی قیمت جهانی سنگ آهن با استفاده از شبکه های عصبی

وابستگی دنیای امروز به فناوری ، نیاز بشر را به محصولات تولید شده از سنگ آهن بیشتر میکند و پیش بینی ها حاکی از آن است که تا سال 2035 میزان تقاضای فولاد 60 درصد افزایش یابد (محمدی ، سلطانی محمدی و بخشنده امنیه 1392).به همین دلیل پیش بینی قیمت فلزات از جمله سنگ آهن با استفاده از روش های کمی و کیفی نظیر مطالعه فنی اقتصادی بازار ،مطابقت زیادی با واقعیت نداشته است . یکی از روش های متداول بررسی قیمت ها، روش سری های زمانی است. در این پژوهش، با مدل سازی و استفاده از تحلیل سری زمانی به کمک شبکه عصبی پویا، به پیش بینی قیمت سنگ آهن پرداخته شده است. در ادامه، با به کارگیری روش شبکه عصبی مصنوعی و با توجه به قیمت ماهانه سنگ آهن و عوامل موثر بر نوسانات آن، قیمت سنگ آهن برآورد شده و سپس نتایج به دست آمده، ازنظر قابلیت پیش بینی مورد ارزیابی قرار گرفت.مدل شبکه عصبی بهینه با 3 لایه و 10 نرون قیمت سنگ آهن را با دقت بسیار مناسب برآورد کرده است. در این مدل مقدار خطای آموزش در حدود 7/1% و برای اعتبار سنجی برابر 3/2% و خطای آزمون 5/1% است. همچنین مقدار رگرسیون و همبستگی داده ها در سطح اعتماد 95% و مقدار همبستگی بالا با R2=0.98 نشان گر یک مدل خوب و با دقت مناسب است.