چکیده:
در این مقاله تلاش شده است تا با استفاده از تبدیل موجک و شبکهء عصبی مدلی ارائه شود که پیشبینی دقیقتر و با خطای کمتری از قیمت نفت خام داشته باشد.در این مدل ترکیبی،از خاصیت هموارسازی تبدیل موجک برای کاهش سطح نویز دادهها استفاده شده و سپس به وسیله شبکهء عصبی مصنوعی و با دادههای هموارسازی شده،قیمت نفت پیشبینی شده است.نتایج حاصل از مقایسهء RMSE مدلهای رقیب با مدل ترکیبی مورد اشاره،دلالت بر آن دارد که کاهش نویز و هموارسازی دادهها،عملکرد پیشبینی قیمت نفت را بهبود میدهد.
خلاصه ماشینی:
"com تاریخ دریافت:18/3/88 تاریخ پذیرش:18/5/88چکیده (IBدر این مقاله تلاش شده است تا با استفاده از تبدیل موجک و شبکهء عصبی مدلی ارائه شود که پیشبینی دقیقتر و با خطای کمتری از قیمت نفت خام داشته باشد.
در این مدل ترکیبی،از خاصیت هموارسازی تبدیل موجک برای کاهش سطح نویز دادهها استفاده شده و سپس به وسیله شبکهء عصبی مصنوعی و با دادههای هموارسازی شده،قیمت نفت پیشبینی شده است.
5-نتایج بر اساس این فرضیه که آیا کاهش نویز و هموارسازی دادهها میتواند پیشبینی ما را از قیمت نفت بهبود بخشد،در این تحقیق از مدل ترکیبی موجک و شبکهء عصبی استفاده شده است.
در حالتی که نفت خام نیویورک مورد پیشبینی بوده، RMSE شبکهء عصبی به تنهایی معادل 78/3 و روش ترکیبی تبدیل موجک و شبکه برابر 33/3 است،که نشان میدهد خطای پیشبینی با کم کردن نویز از دادهها،13%کاهش یافته است.
جدول 2-نتایج RMSE برای الگوها و دادههای مختلف (به تصویر صفحه مراجعه شود) همچنین با توجه به جدول(2)،میتوان مشاهده کرد که معیار RMSE برای پیشبینی قیمت نفت خلیج مکزیک از 1/4 به 7/3 در شبکهء عصبی تنها،نسبت به روش ترکیبی کاهش داشته و نشان میدهد استفاده از تبدیل موجک و هموارسازی دادهها منجر به کاهش 11 درصدی خطای پیشبینی میشود.
در این مقاله با استفاده از روش ترکیبی تبدیل موجک و شبکهء عصبی تلاش شده است تا الگویی ارائه گردد که پیشبینی مناسبتری از قیمت نفت خام داشته باشد.
به طور کلی میتوان بیان نمود که وجود نویز در دادهها امکان این را دارد که منجر به پیشبینی ناصحیح از قیمت نفت خام گردد و تبدیل موجک میتواند به عنوان یک ابزار مناسب برای کاهش این ناخالصی در دادهها استفاده گردد."