ارزیابی عملکرد الگوهای شبکهی عصبی و خودرگرسیون میانگین متحرک در پیشبینی قیمت نفتخام ایران
این مطالعه با هدف معرفی الگوهای مطلوب پیشبینی برای قیمت نفتخام ایران انجام شده است داده های مورد استفاده بهصورت هفتگی و شامل دورهی 2010-1997 میباشد و پیشبینی ها برای 10، 20 و 30 درصد داده های یاد شده انجام گرفته است. الگوهای مورد استفاده برای پیشبینی، شامل 4 الگوی شبکهی عصبی و یک الگوی رگرسیونی (خودرگرسیون میانگین متحرک) بوده است. شبکه های منتخب شامل شبکهی پیشخور پس انتشار، شبکهی آبشاری پس انتشار، شبکهی المان پس انتشار و شبکهی رگرسیون تعمیم یافته می باشد. همچنین توابع آموزش مورد استفاده در پیشبینی شامل توابع لونبرگ- مارکوآت و شبهی نیوتنی است. یافته های به دست آمده نشان میدهد برای پیشبینی 10 درصد از داده های قیمت نفتخام، الگوهای شبکهی رگرسیون تعمیم یافته و شبکهی آبشاری پس انتشار با تابع آموزش شبهی نیوتنی، به ترتیب با خطایی کمتر از 1 و کمتر از 2 درصد دارای بهترین عملکرد هستند. برای پیشبینی 20 درصد داده های قیمت نفتخام ایران، شبکهی پیشخور پس انتشار و شبکهی المان پس انتشار با تابع آموزش لونبرگ- مارکوآت، دارای عملکرد بهتر میباشند. در مورد 30 درصد از داده ها نیز شبکهی پیشخور پس انتشار مطلوب تر ارزیابی شده است. همچنین نتایج نشان میدهد بهطور نسبی با افزایش درصد داده های مورد استفاده در پیشبینی، دقت پیشبینی ها بهویژه با افزایش از 10 درصد به 20 درصد رو به افول میرود. دقت پیشبینی خودرگرسیون میانگین متحرک نیز پایینتر از الگوهای شبکهی عصبی ارزیابی میشود.
- 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.