کاربرد الگوریتم ژنتیک در بهینه سازی معماری شبکه عصبی و پیش بینی قیمت نفت (GADDN) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
پیش بینی صحیح قیمت نفت نقش مهمی را در هدایت سیاست های پولی کشورهای مختلف ایفا می کند. اهمیت این نقش به طور مشهود در کشورهای واردکننده و صادرکننده نفت به چشم می خورد. در این مقاله از الگوریتم ژنتیک برای بهینه سازی معماری و ساختار شبکه عصبی مصنوعی بهره برده ایم. در طی فرآیند بهینه سازی، وزن ها، بایاس و ساختار شبکه عصبی محاسبه می شوند تا بدین طریق از پیچیدگی های ناشی استفاده از شبکه عصبی مصنوعی در پیش بینی کاسته گردد. برای بررسی عملکرد مدل شبکه عصبی اصلاح شده با الگوریتم ژنتیک (GADNN) از آن برای پیش بینی قیمت نفت اینترمدیت وست تگزاس (WTI) در سال 2012 تا انتهای 2015 استفاده می شود. نتایج پژوهش نشان دهنده عملکرد بهتر و دقت بیشتر مدل پیشنهادی پژوهش حاضر در مقایسه با سایر مدل های شبکه عصبی مصنوعی در پیش بینی قیمت نفت می باشد.Application of Genetic Algorithm to Optimization Neural Network Architecture in Predicting Oil Prices (GADDN)
The correct forecasting of oil prices plays an important role in conducting the monetary policy of different nations. Its importance is obvious in the countries exporting and importing oil. This paper uses the genetic algorithm to optimize the neural network model and structure. During the optimization process, the weights, biases and structure of the neural network are calculated. The aim of this work is reducing the complexities of using artificial neural network in forecasting. The performance of the proposed method (GADNN) is investigated by applying it WTI oil price time series prediction problems from 2012 to the end of 2015. The results show better performance and accuracy when we compare it with other neural networks model in prediction oil price.
تبلیغات
