سال انتشار: ۱۳۸۵

محل انتشار: چهارمین کنفرانس بین المللی مدیریت

تعداد صفحات: ۱۵

نویسنده(ها):

محمدرضا امین ناصری – دانشیار مهندسی صنایع دانشگاه تربیت مدرس، دانشکده فنی و مهندسی، گروه
احسان احمدی قراچه – کارشناسی ارشد مهندسی صنایع دانشگاه تربیت مدرس، دانشکده فنی و مهندسی

چکیده:

با توجه به مکانیزم پیچیده حاکم بر قیمت نفت خام، مدل های خطی کارآیی مناسبی در پیش بینی آن ندارند . محققین از شبکه عصبی به عنوان یک روش غیرخطی جدید برای پیش بینی بهره گرفته اند . یکی از مشکلات استفاده از شبکه عصبی، فرآیند طولانی و زمان بر » آزمون و خطا « برای تعیین معماری بهینه – اعم از تعداد ورودی ها، تعداد لایه های مخفی، تعداد نورون در هر لایه مخفی و تابع انتقال هر یک از لایه ها – می باشد . این مقاله، ابتدا تحقیقات مربوط به پیش بینی قیمت نفت خام را بررسی کرده، سپس ادبیات پیش بینی با استفاده از شبکه عصبی را مرور نموده و آنگاه به ارائه رویکرد تلفیقی شبکه عصبی و الگوریتم ژنتیک پرداخته است . در این رویکرد، ابتدا کروموزومی که ژن های آن نمایش دهنده پارامترهای معماری شبکه می باشند تعریف شده است . سپس یک جمعیت اولیه تصادفی از این کروموزوم ها ایجاد می گردد که با طی کردن روند تکاملی به سمت معماری بهینه حرکت می کند . قیمت های نفت خام West Texas Intermediate (WTI) در بازه زمانی ۱۹۸۸ تا ۲۰۰۴ برای آموزش و تعیین معماری شبکه و قیمت های سال ۲۰۰۵ و ۲۰۰۶ برای آزمایش آن بکار گرفته شده اند . نتایج نشان می دهند که بکارگیری رویکرد پیشنهادی باعث بهبود کیفیت پیش بینی ها شده است .