پیش بینی قیمت جهانی سنگ آهن با استفاده از شبکه های عصبی(مقاله علمی وزارت علوم)
منبع:
مهندسی سیستم و بهره وری سال ۲ پاییز ۱۴۰۱ شماره ۳ (پیاپی ۴)
113 - 126
حوزههای تخصصی:
وابستگی دنیای امروز به فناوری ، نیاز بشر را به محصولات تولیدشده از سنگ آهن بیشتر می کند و پیش بینی ها حاکی از آن است که تا سال 2035 میزان تقاضای فولاد 60 درصد افزایش یابد (محمدی ، سلطانی محمدی و بخشنده امنیه 1392). به همین دلیل پیش بینی قیمت فلزات ازجمله سنگ آهن با استفاده از روش های کمی و کیفی نظیر مطالعه فنی اقتصادی بازار ،مطابقت زیادی با واقعیت نداشته است .یکی از روش های متداول بررسی قیمت ها، روش سری های زمانی است. در این پژوهش، با مدل سازی و استفاده از تحلیل سری زمانی به کمک شبکه عصبی پویا، به پیش بینی قیمت سنگ آهن پرداخته شده است. در ادامه، با به کارگیری روش شبکه عصبی مصنوعی و با توجه به قیمت ماهانه سنگ آهن و عوامل مؤثر بر نوسانات آن، قیمت سنگ آهن برآورد شده و سپس نتایج به دست آمده، ازنظر قابلیت پیش بینی مورد ارزیابی قرار گرفت. مدل شبکه عصبی بهینه با 3 لایه و 10 نرون قیمت سنگ آهن را با دقت بسیار مناسب برآورد کرده است. در این مدل مقدار خطای آموزش در حدود 7/1% و برای اعتبار سنجی برابر 3/2% و خطای آزمون 5/1% است. همچنین مقدار رگرسیون و همبستگی داده ها در سطح اعتماد 95% و مقدار همبستگی بالا با R2=0.98 نشان گر یک مدل خوب و با دقت مناسب است.