ابراهیم مشرقی، رضا تهرانی، عزت‌اله اصغری‌زاده، عزت‌اله عباسیان،
جلد ۱۵، شماره ۶۲ - ( پاييز ۱۳۹۸ )
چکیده
پیشبینی سری‌های اقتصادی با نوسانات زیاد و عدم قطعیت بالا – همچون قیمت گاز طبیعی - همواره یکی از چالش‌های اساسی در مدلهای اقتصادسنجی به شمار میرود؛ زیرا نمیتوان از مدلهای ساختار خطی سنتی برای پیشبینی سری‌های زمانی پیچیده و غیرخطی استفاده نمود. در خصوص پیشبینی قیمت گاز طبیعی، یافته‌ها از برتری شبکه عصبی در مقایسه با مدلهای رگرسیونی حکایت دارد. با این وجود، چالش اصلی این روش (امکان هم‌پوشانی و نیز عدم خروج داده‌های پِرت از سیستم) فضای تحقیقاتی در این حوزه را کماکان باز نگه داشته است. در این پژوهش از تکنیک درون‌یابی کریجینگ به‌منظور پیشبینی قیمت گاز طبیعی استفاده شده است. برای این منظور، پس از شناسایی پارامترهای مؤثر؛ نمونه‌گیری و نرمال‌سازی آنها؛ توابع پیشبینی کریجینگ را ایجاد و با تکنیک بهینه‌سازی نلدر - مید آنها را بهبود بخشیدیم. نتایج تحقیق نشان میدهد که متامدل کریجینگ پیشبینی دقیقتری نسبت به مدل پیشبینی شبکه عصبی مصنوعی ارائه میدهد. همچنین یافته‌های تحقیق حاکی از این است که الگوریتم بهینه‌سازی نلدر - مید تا حدی موجب بهتر شدن نتایج پیشبینی گشته است؛ هرچند مقدار این بهبود چندان قابل ملاحظه نمی‌باشد.
