تخمین ارزش خالص فعلی پروژه‌های صنعتی- معدنی با استفاده از شبکه عصبی رگرسیون عمومی

در بررسی اقتصادی پروژه های صنعتی و معدنی و تخمین ارزش خااص فعلی سرمایه گذاری، بسیاری از پارامترها مربوط به آینده و غیر قطعی می باشند بنابراین بررسی این پروژه ها و تخمین رفتار پارامترهای غیر قطعی بر مبنای پیش بینی استوار هستند. در این حالت به منظور حصول نتایج واقعبینانه تر، عموماً از تکنیک های بررسی تحت شرایط ریسک در پیش بینی دقیق تر پارامترهای آینده استفاده می شود. در این خصوص روش های مختلفی وجود دارد که یکی از آن ها استفاده از مدل های شبیه سازی می باشد. در این مدل ها رفتار فاکتورهای متغیر به طور قطعی شناخته شده نیست و این عدم قطعیت نه به صورت یک عدد ثابت، بلکه به صورت یک متغیر تصادفی در نظر گرفته شده و رفتار این متغیر یا متغیرهای تصادفی از طریق برآورد یک تابع توزیع احتمالی و شبیه سازی آن تحلیل می شود. مقاله حاضر با هدف بررسی فنی و اقتصادی واحد صنعتی معدنی طلای کوه زر تربت حیدریه در حالت ریسک برای یک دوره 7ساله، به تشریح کاربرد روش شبیه سازی در تحلیل سیستم های اقتصادی معدنی پرداخته و همچنین از روش هوش مصنوعی رگرسیون عمومی برای تخمین ارزش خاص فعلی سرمایه­گذاری واحد فوق استفاده نموده است. بنابراین پس از انجام محاسبات و تشکیل جدول جریان نقدینگی، از اطلاعات به دست آمده از سال­های گذشته و حال، به عنوان مبنایی برای تخمین رفتار آینده پارامترهای تاثیر گذار و دارای عدم قطعیت استفاده شده و میزان تغییرات سال های آتی برای هر یک از این متغیرها به صورت یک تابع توزیع احتمالی پیش بینی گردیده است. سپس با جاگذاری توابع توزیع متغیرهای غیرقطعی در سلول های جدول جریان نقدینگی، نمونه برداری تصادفی صورت گرفت و در نهایت با استفاده از تکنیک شبیه سازی، رفتار آینده سیستم و دامنه تغییرات ارزش خالص فعلی تحت شرایط ریسک مورد پیش بینی و تحلیل قرار گرفت. سپس با استفاده نتایج حاصل از شبیه سازی، یک شبکه عصبی رگرسیون عمومی برای پیش بینی و تخمین ارزش خالص فعلی در شرایط وجود متغیرهای غیر قطعی، مانند تولید سالیانه و هزینه تولید، طراحی و اجرا گردید و نتایج نشان داد که شبکه طراحی شده با قابلییت اطمینان خوبی می تواند ارزش خالص فعلی را پیش بینی نماید.

Estimation of Net Present Value (NPV) in industrial and mine projects using General Regression Neural Network

In economic studies of industrial and mine projects and estimation of their net present value (NPV) there are many factors as uncertain variables related to the future. Therefore, such studies should be carried out based on forecasting. To obtain reliable results in these situations, risk analyses methods under uncertainty are used. One of these uncertainty methods is to employ models to be simulated. In these models, some factors as random variables will be studied for the future. Future prediction of each random variable is assessed considering a probability distribution function. The aim of this research work is economic evaluation of Koohzar gold mine in TorbateHeydariyeh, Iran for a seven years period using simulation and its application in risk and decision management, and estimating its NPV by applying General Regression Neural Network artificial intelligence method. For this purpose, first, probability distributions of the variables were obtained using information from the variables in previous years. Next, distribution functions of uncertain variables are replaced in appropriate cells of discounted cash flow (DCF) table. Then, random sampling was taken from the probability distributions of uncertain variables as an input of cash flow analysis. In the next stage, based on the simulation technique, probability distribution for NPV variations was obtained as the output in the form of graphs and a function. Considering the output, all of the NPV variations can be forecasted. Then, a general regression neural network was designed using simulated results for NPV prediction using input variables. The results show high reliable capability of general regression neural network in prediction of NPV.