ARMAX

هدف تحقیق مدل سازی و پیش بینی تقاضای نفت در ایران با استفاده از روش، شبکه عصبی مصنوعی (ANN)، می باشد. در مقاله تلاش شده تا یافته های تحقیق با استفاده از مدل مذکور با مدل ARMAX مقایسه گردد تا میزان دقت پیش بینی شبکه عصبی مورد ارزیابی علمی قرار گیرد. نتیجه مطالعه نشان می دهد که مدل شبکه عصبی مصنوعی از دقت بیشتری در پیش بینی تقاضای نفت خام ایران برخوردار است. همچنین در این مقاله متغیرهای تعیین کننده تقاضای نفت خام در کشورهای منتخب عضو اوپک مورد مقایسه قرار گرفت تا مشخص گردد که آیا عوامل تعیین کننده تقاضای نفت خام ایران در سایرکشورها نیز مشابه است؟ برای این کار از ضریب همبستگی رتبه ای اسپیرمن استفاده شده است، نتایج حاصل نشان می دهد مقدار این ضریب برای کشور های منتخب نسبت به ایران نزدیک به یک است که بر آن دلالت می کند که، متغیرهای استفاده شده در این تحقیق در سایر کشورهای مشابه نتایج یکسانی بدست داده است. در نتیجه می توان آنها را برای پیش بینی مقدار تقاضای نفت خام متغیرهای کلیدی در نظر گرفت.

با توجه به اهمیت ویژه ی نفت به عنوان یکی از منابع اصلی تأمین کننده ی انرژی در جهان و قیمت آن در بازارهای بین المللی، بر آن شدیم تا در این پژوهش به پیش بینی قیمت نفت خام با استفاده از متدولوژی جدیدی بپردازیم. روش حاضر ترکیبی از تبدیل موجک و مدل های، رگرسیون هارمونیک و مدل هُلت-وینترز است که به طور همزمان برای پیش بینی سری زمانی قیمت نفت خام به کار گرفته ش ده اند. داده های سری زمانی قیمت نفت خام، ابتدا با استفاده از تبدیل موجک به سه سری داده های دارای روند، داده های متأثر از عوامل فصلی و داده های با فرکانس بالا (تلاطمات) تجزیه می شوند. سپس هر سری با استفاده از مدل مربوط به آن پیش بینی شده و در مرح له ی نهایی، برای دس تیابی به پیش بینی ن هایی سری های زمانی پیش بینی شده با هم ترکیب می شوند. پیش بینی های بدست آمده با استفاده از مدل پیشنهادی با پیش بینی های حاصل از روش  مقایسه گردیده است. نتایج حاکی از آن است که مدل مورد استفاده در این تحقیق، پیش بینی صحیح تر و با خطای کمتری برای قیمت نفت خام ارائه می دهد.

متغیرهای اقلیمی مهم ترین عوامل تأثیرگذار بر تغییرات پوشش گیاهی محسوب می شوند. امروزه از تصاویر ماهواره ای به طور گسترده ای برای بررسی اثر نوسانات متغیرهای اقلیمی بر تغییرات پوشش گیاهی استفاده می گردد. هدف از پژوهش حاضر بررسی رابطه متغیر اقلیمی بارش، دما و رطوبت بر تغییرات شاخص های پوشش گیاهی باغات پرتقال حسن آباد داراب با استفاده از داده های ماهواره ای می باشد. بدین منظور داده های مشاهداتی، شامل داده های فنولوژی درخت پرتقال و داده های هواشناسی در بازه زمانی ده ساله (1385 تا 1395) مربوط به ایستگاه هواشناسی کشاورزی حسن آباد داراب جمع آوری شده است. تصاویر سنجنده مودیس برای سال 1385 تا 1395 با توجه به داده های زمینی و نقشه های 1:25000 سازمان نقشه برداری زمین مرجع شدند. این تصاویر برای محاسبه شاخص های پوشش گیاهی سنجش ازدوری شامل شاخص تفاضلی نرمال شده پوشش گیاهی (NDVI)، شاخص وضعیت پوشش گیاهی (EVI) استفاده گردید. نتایج نشان داد که متغیرهای حداکثر رطوبت، حداقل دما و بارش دارای تأثیر مثبت معنی دار بر متغیر NDVI هستند. به علاوه متغیرهای حداکثر دما، حداقل رطوبت دارای تأثیر منفی معنی دار بر متغیر وابسته NDVI و EVI هستند. به منظور تعیین اهمیت هریک از متغیرهای مستقل در پیش بینی متغیرهای وابسته از روش شبکه عصبی مصنوعی استفاده شد. یافته ها نشان داد که عناصر اقلیمی بارش، حداقل دما، حداکثر دما، حداقل رطوبت و حداکثر با مقادیر به ترتیب (39/0، 3/0، 13/0، 1/0 و 06/0 ) بیشترین تأثیر را بر EVI دارند. به علاوه تاثیر این متغیرها بر شاخص NDVI به ترتیب ضرایب آنها (2/0، 28/0، 22/0، 11/0 و 17/0) می باشد.درنهایت به منظور افزایش قدرت توضیح دهندگی مدل از روش رگرسیون ARMAX استفاده شد. نتایج نشان داد استفاده از این روش منجر به افزایش قدرت توضیح دهندگی مدل، کاهش خطای پیش بینی می گردد.