درخت حوزه‌های تخصصی

اقتصاد انرژی

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱٬۷۲۱ تا ۱٬۷۴۰ مورد از کل ۳٬۱۰۶ مورد.
۱۷۲۵.

فرصت ها و تهدیدهای صنعت پتروشیمی ایران

کلید واژه ها: صنعت پتروشیمی ایران مدل های تحلیل محیطی فرصت ها تهدیدها

حوزه های تخصصی:
تعداد بازدید : ۳۲۵۱ تعداد دانلود : ۱۸۴۹
یکی از مهم ترین عوامل در تدوین استراتژی(راهبرد) ها، بررسی عوامل محیطی است که در تحولات ساختار آینده سازمان اثر بسزایی خواهد داشت. صنعت پتروشیمی، صنعتی با ارزش افزوده بالا محسوب می گردد و ایران با داشتن ذخایر عظیم نفت و گاز می تواند به قطب این صنعت تبدیل شود که شناخت محیط و جایگاه این صنعت می تواند کمک شایانی به این امر نماید. در این تحقیق، با بررسی مدل های عمده محیط شامل مدل های کلان نظیر PEST، PESTEL، PESTELI و مدل های خرد از جمله مدل پنج نیرو و الماس، مدلی بومی شده سه لایه ای، برای صنعت پتروشیمی ایران شامل مؤلفه های اصلی تاثیرگذار بر صنعت و سهم هر مؤلفه بیان شده است که به منظور کشف فرصت ها و تهدیدها و تغییرات محیطی حاصل، کمک نماید. در این تحقیق با استفاده از مدل سه لایه ای اقدام به جمع آوری داده ها شد. فرصت ها و تهدیدهای راهبردی از تحلیل داده ها، فرصت ها و تهدیدها و با نظر خبرگان، حاصل گردید. با استفاده از فرصت ها و تهدیدهای راهبردی ماتریس ارزیابی عوامل خارجی تشکیل شد که عدد 4/2 به دست آمد، نشان می دهد میزان تهدیدها در صنعت پتروشیمی ایران بیشتر از فرصت های آن است.
۱۷۳۲.

پیش بینی قیمت نفت با دو روش ARIMA و شبکه های عصبی مصنوعی(مقاله علمی وزارت علوم)

کلید واژه ها: سری های زمانی مدل ARIMA شبکه های عصبی مصنوعی(ANN آنالیز حساسیت.

حوزه های تخصصی:
تعداد بازدید : ۳۱۴۸ تعداد دانلود : ۱۵۷۴
توانایی کم نظیر شبکه های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش های انجام شده در مورد توانایی پیش بینی مدل های خود توضیح جمعی میانگین متحرک (ARIMA) و شبکه های عصبی مصنوعی(ANN) به مقایسه این دو روش برای پیش بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته ایم. افزون بر این، در این پژوهش پس از مدلسازی به وسیله شبکه های عصبی مصنوعی، به منظور تشخیص سهم مشارکت هر پارامتر ورودی در این مدل از تجزیه و تحلیل حساسیت استفاده کرده ایم. با توجه به حجم وسیع به کارگیری اطلاعات روزانه قیمت جهانی نفت (بیش از 5500 روز اطلاعات) نتایج به دست آمده نشان دهنده برتری غیرقابل مقایسه مدل شبکه های عصبی مصنوعی نسبت به مدل ARIMA در پیش بینی قیمت روزانه نفت است.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان