در ده ه های اخیر رقابتی شدن بازار برق، مقوله قیمت را به یک عنصر اساسی در تصمیم گیری های بازیگران در چهارچوب صنعت برق تبدیل نموده است و به تبع آن بخش خصوصی به عنوان سرمایه گذار اصلی در این حوزه نیازمند پیش بینی قیمت های آینده به منظور اتخاذ استراتژی مناسب و سازگار با روند کلی نظام بازار در راستای حفظ سهم خود از بازار و حفظ حاشیه سود می باشد. در چهارچوب تحلیل های اقتصادی، این هدف با ابزار مد ل های اقتصاد سنجی محقق خواهد شد که اعتبار مدل یاد شده ناظر به کمینه سازی خطای پیش بینی در تطابق الگوی پیش بینی شده با واقعیت جاری است. پژوهش حاضر به بررسی مقایسه ای قدرت پیش بینی مدل های مبتنی بر شبکه های عصبی مصنوعی، الگوریتم ژنتیک و مدل آریما در افق کوتاه مدت با استفاده از داده های ساعتی قیمت برق پرداخته است. نتایج پژوهش، حاکی از آن است که در افق کوتاه مدت، شبکه های عصبی مصنوعی، خطای کمتری نسبت به دو الگوی دیگر در پیش بینی داشته و الگوریتم ژنتیک در جایگاه دوم قرار دارد. همچنین، الگوهای سری زمانی دارای بیشترین خطا در پیش بینی قیمت برق، با توجه به پیش بینی های درون نمونه ای را دارا می باشد. مجموع مربعات خطا در الگوی شبکه عصبی مصنوعی در داده های آموزش، اعتبار سنجی و آزمون، به ترتیب برابر 43/1473، 63/1762 و 32/1498، در الگوریتم ژنتیک در داده های آموزش و اعتبارسنجی به ترتیب برابر 20/11318 و 98/7085 و در الگوی سری زمانی برابر 37/34644 می باشد.
