| تعداد نشریات | 60 |
| تعداد شمارهها | 2,187 |
| تعداد مقالات | 17,728 |
| تعداد مشاهده مقاله | 54,556,293 |
| تعداد دریافت فایل اصل مقاله | 28,561,388 |
پیشبینی قیمت گاز طبیعی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی (مطالعه موردی: بازار آمریکا) | ||
| پژوهشهای اقتصادی ایران | ||
| مقاله 1، دوره 22، شماره 71، تیر 1396، صفحه 1-26 اصل مقاله (490.84 K) | ||
| شناسه دیجیتال (DOI): 10.22054/ijer.2017.8277 | ||
| نویسندگان | ||
| تیمور محمدی1؛ عاطفه تکلیف2؛ ساحل زمانی* 3 | ||
| 1دانشیار، گروه اقتصاد نظری، دانشگاه علامه طباطبائی | ||
| 2استادیار، گروه اقتصاد انرژی، دانشگاه علامه طباطبائی | ||
| 3کارشناس ارشد علوم اقتصادی دانشگاه علامه طباطبائی | ||
| چکیده | ||
| در این مقاله تلاش شده است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی بهمنظور پیشبینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز بهمنظور تجزیه سری زمانی قیمت استفاده شده، سپس ضرایب تقریبات و جزئیات مؤثر بهعنوان ورودی شبکه عصبی بهمنظور پیشبینی قیمت گاز طبیعی هنری هاب بهعنوان مرجعی برای قیمت گاز طبیعی در آمریکا بهکار رفته است. مقایسه عملکرد نسبی مدل ترکیبی با مدل شبکه عصبی حاکی از آن است که مدل ترکیبی تبدیل موجک و شبکه عصبی عملکرد پیشبینی را در مقایسه با مدل شبکه عصبی بهبود بخشیده است. آزمون دیبولد ـ ماریانو نیز این نتیجه را تأیید کرده است. | ||
| کلیدواژهها | ||
| تبدیل موجک؛ پیشبینی قیمت گاز طبیعی؛ شبکه عصبی مصنوعی | ||
| مراجع | ||
|
ابریشمی، حمید؛ بهرادمهر، نفیسه و طاهره سیفی (1392). «پیشبینی قیمت نفت خام با استفاده از تبدیل موجک، مدلﻫﺎی ﻏﯿﺮﺧﻄﯽ و مدلهای خطی»، فصلنامه مطالعات اقتصادی کاربردی ایران، سال دوم، شماره 7، صفحات 62-41. بهرادمهر، نفیسه (1388). «پیشبینی قیمت نفت خام با استفاده از هموارسازی موجک و شبکه عصبی مصنوعی»، فصلنامه مطالعات اقتصاد انرژی، شماره 18، صفحات 98-81. منهاج، محمدباقر (1381). مبانی شبکه های عصبی (هوش محاسباتی)، چاپ دوم، انتشارات دانشگاه صنعتی امیرکبیر. Alexandridis, A. Livanis, E., (2008). "Forecasting Crude Oil Prices using Wavelet Neural Networks", 5th Student Conference of Management Science and Technology (ΦΣΔΕΤ). Athnes, Greece (2008). Amin-Naseri, M.R. Gharacheh, E.A. (2007). "A Hybrid Artificial Intelligence Approach to Monthly Forecasting Oil Price Time Series". Proceedings of EANN. He. K, Yu. L, and Lai. K. K.,(2012). "Crude Oil Price Analysis and Forecasting Using Wavelet Decomposed Ensemble Model," Energy, Vol. 46, No. 1, PP. 564–574. Jammazi, R. Aloui, C. (2012), "Crude Oil Price Forecasting: Experimental Evidence from Wavelet Decomposition and Neural Network Modeling", Energy Economics, Vol. 34, No. 3, PP. 828–841. Maier, H.R. Dandy, G.C. (2000), "Neural Networks for the Prediction and Forecasting of Water Resources Variables: A Review of Modelling Issues and Applications", Environmental Modelling and Software, Vol.15, No. 1, PP. 101–124. Nguyen, H.T. Nabney,I.T.,"Combining the Wavelet Transform and Forecasting Models to Predict Gas Forward Prices", 2008, Seventh International Conference on Machine Learning and Applications. Shabri, A. Samsudin, R, (2014), "Daily Crude Oil Price Forecasting Using Hybridizing Wavelet and Artificial Neural Network Model", Hindawi Publishing Corporation Mathematical Problems Engineering, Volume 2014, Article ID 201402, 10 pages. U.S. Energy Information Administration (http://www.eia.gov). Wang. S, Yu. L and Lai. K.K. (2004). "A Novel Hybrid AI System Framework for Crude Oil Price Forecasting". Lecture Note in Computer Science. Vol. 3327, PP. 203-242. World Energy Outlook 2012, International Energy Agency (IEA). (http://www. iea.org ) Yousefi, S. Weinreich, I and Reinarz, D. (2005), "Wavelet-Based Prediction of Oil Prices", Chaos, Solitons and Fractals, vol. 25, no. 2, pp.265–275. | ||
|
آمار تعداد مشاهده مقاله: 1,630 تعداد دریافت فایل اصل مقاله: 905 |
||