fa مقایسه توانایی پیش بینی مدل های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج عصبی- فازی انطباقی(ANFIS) و تبدیل موجک-عصبی: قیمت سبد نفت خام اوپک نفت و بازارهاي نفتي Oil-Market رساله(پايان نامه)كارشناسي ارشد Thesis(M.A.) <p>پیش بینی قیمت نفت خام از مهم ترین موضوعات فرا روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل درگیر بودن تعدادی از کشورهای در حال توسعه این سازمان با قیمت نفت، می تواند در برنامه ریزی های سازمان و کشورهای عضو آن، اهمیت ویژه ای داشته باشد. برآورد و پیش بینی روند قیمت نفت، به خاطر نبود داده های تاریخی مهم و محدودیت اطلاعات مرتبط با شاخص های موثر بر روند قیمت نفت، کار بسیار دشواری است. این به نوبه خود، میزان نویز، پیچیدگی و نااطمینانی پارامترها در ارتباط با برآورد قیمت نفت را تشدید می کند. با این وجود، موفقیت در تدوین مدلی قابل اتکاء برای توصیف پیچیدگی های پویای این کالا، محدود است. در این تحقیق، از شبکه عصبی مصنوعی، شبکه عصبی- فازی و مدل ترکیبی تبدیل موجک- شبکه عصبی و داده های روزانه سبد نفت خام اوپک، برای مدل سازی و پیش بینی کوتاه مدت قیمت نفت خام اوپک، استفاده شده است. نتایج این مدل ها بر اساس معیارهای اندازه گیری دقت پیش بینی، مورد مقایسه قرار گرفته است. نتایج تحقیق نشان می دهد که اولاً، نویززدایی داده ها می تواند عملکرد شبکه را بهتر کند و ثانیاً، شبکه عصبی- فازی نسبت به دیگر مدل های استفاده شده در این مقاله، از قدرت پیش بینی بهتری برخوردار است</p> <p>Forecasting crude oil price is among the most important issues facing energy economists. Forecasting Suitable of oil price and OPEC crude oil price too, due to involvement many of developing countries in the organization with oil price, can be planning by the organization and its member states, has special significance. Estimation and forecasting of oil price trend is a cumbersome task due to lack of significance historical data and limitations on information regarding of economic indicators affecting the oil price trend. This, in turn, intensifies the amounts of parametric noise, complexity and uncertainty associated with estimation of oil price trend. Nevertheless, the success in formulating a reliable model to describe the complex dynamics of this commodity is limited. In this study, artificial neural network, Neuro-Fuzzy network and wavelet transform-neuro hybrid model and daily OPEC basket oil price, for modeling and prediction of short-term OPEC crude oil price is used. The results of these models based on criteria of measuring forecast accuracy, are compared. Results of the study shows that, firstly, de-noise data can improve network performance and secondly, Neuro-Fuzzy network than other models used in this paper has better predictive power.</p> پیش بینی کوتاه مدت, سبد نفت خام اوپک, شبکه عصبی مصنوعی, شبکه عصبی- فازی, تبدیل موجک Short-term forecast, OPEC crude oil basket, artificial neural network, Neuro-Fuzzy network, wavelets transform. 129 154 http://iiesj.ir/browse.php?a_code=A-10-230-1&slc_lang=fa&sid=1 Ali Emami Meibodi علی امامی میبدی Ali_meibodi@yahoo.com 10031947532846001801 10031947532846001801 Yes Allameh Tabataba'i University دانشگاه علامه طباطبایی Sabah Bagheri صباح باقری sabahbagheri67@yahoo.com 10031947532846001802 10031947532846001802 No Power and Water University Technology دانشگاه صنعت آب و برق