1- دانشگاه سیستان و بلوچستان ، farzadfirouzi@gmail.com 2- دانشگاه سیستان و بلوچستان
چکیده: (4454 مشاهده)
قیمت نفت، اهمیت و نوسانات آن در طول زمان در اخذ تصمیمات مهم اقتصادی در دنیا، سبب گسترش روشهای مختلفی در پیشبینی قیمت نفت، ازجمله ابزارهای غیرخطی مانند شبکه عصبی شده است. در این مقاله برای در نظر گرفتن عامل زمان در پیشبینی توسط شبکه عصبی، با دریافت بازخورد از شبکه عصبی مصنوعی اصلاح شده با الگوریتم ژنتیک GADNN وقفههای بهینه ناشی از ورودیها و خروجیهای قیمت نفت توسط شبکه عصبی پویا محاسبه میگردد، سپس برای بررسی نتیجه استفاده از شبکه عصبی پویا اصلاحشده با الگوریتم ژنتیک با در نظر گرفتن وقفههای زمانی بهینه به پیشبینی قیمت نفت وست تگزاس اینترمدیت در بازه زمانی سال 2006 تا 2016 پرداخته میشود. بررسی، تحلیل ومقایسه پیشبینی قیمت نفت خام توسط مدل شبکه عصبی اصلاحشده با الگوریتم ژنتیک نشان میدهد که این مدل، با کاهش پیچیدگیهای ناشی از طراحی شبکه عصبی و درنظر گرفتن تأخیرات زمانی بهینه، باعث افزایش دقت در پیشبینی قیمت نفت نسبت به سایر روشهای