وقفه های زمانی بهینه در پیش بینی قیمت نفت توسط شبکه عصبی پویا اصلاح‌شده با الگوریتم ژنتیک

قیمت نفت، اهمیت و نوسانات آن در طول زمان در اخذ تصمیمات مهم اقتصادی در دنیا، سبب گسترش روش های مختلفی در پیش بینی قیمت نفت، ازجمله ابزارهای غیرخطی مانند شبکه عصبی شده است. در این مقاله برای در نظر گرفتن عامل زمان در پیش بینی توسط شبکه عصبی، با دریافت بازخورد از شبکه عصبی مصنوعی اصلاح شده با الگوریتم ژنتیک gadnn وقفه های بهینه ناشی از ورودی ها و خروجی های قیمت نفت توسط شبکه عصبی پویا محاسبه می گردد، سپس برای بررسی نتیجه استفاده از شبکه عصبی پویا اصلاح شده با الگوریتم ژنتیک با در نظر گرفتن وقفه های زمانی بهینه به پیش بینی قیمت نفت وست تگزاس اینترمدیت در بازه زمانی سال 2006 تا 2016 پرداخته می شود. بررسی، تحلیل و مقایسه پیش بینی قیمت نفت خام توسط مدل شبکه عصبی اصلاح شده با الگوریتم ژنتیک نشان می دهد که این مدل، با کاهش پیچیدگی های ناشی از طراحی شبکه عصبی و درنظر گرفتن تاخیرات زمانی بهینه، باعث افزایش دقت در پیش بینی قیمت نفت نسبت به سایر روش های موجود در این زمینه می گردد.

Optimal Time Delays in Forecasting Oil Prices Using Optimal Genetic Algorithm based Dynamic Neural Network

Oil price forecasting methods include nonlinear tools, such as Artificial Neural Network. In this study we consider the time factor in forecasting through neural networks in order to calculate the optimal delays in receiving feedback from Genetic Algorithm based Dynamic Neural Network (GADNN). We use WTI crude oil price data from 2006 to 2016 to assess forecasts produced through use of GADNN with optimal delays. We discover that genetic algorithm based dynamic neural network models that take into account the time factor, increases the accuracy of oil price forecasting compared to other existing methods through reducing the complexities of neural network design and taking into account optimized time delays.