>
Fa   |   Ar   |   En
   طراحی مدلی برای پیش بینی کوتاه مدت قیمت نفت Brent با استفاده از الگوریتم ترکیبی Pso-Svm  
   
نویسنده سلطان محمدی مریم ,رافع رضا
منبع تحول ديجيتال و سيستم هاي هوشمند - 1400 - دوره : 1 - تحول دیجیتال و سیستم های هوشمند - کد همایش: 00210-75069 - صفحه:186 -196
چکیده    امروزه یادگیری ماشین امیدی تازه را در دل محققان هوش مصنوعی برای ایجاد ماشین هایی متفکر به وجود آورده است و از آنجایی که نفت خام هم یک عنصر استراتژیک در بسیاری از صنایع و بازارها می باشد ، پیش بینی قیمت آن و شناسایی روند حرکت آن همواره مورد توجه محافل تجاری و علمی می باشد.تاکنون مدل های متفاوت و گوناگونی ارائه شده و تلاش همه مدل ها برآن بوده است که پیش بینی با خطای کمتر را داشته باشند. با کمک یادگیری ماشین می توان به دقتی بالاتر از روشهای معمول پیش بینی از جمله روشهای آماری و ریاضی رسید که این امر به نوبه خود می تواند در رسیدن به وضعیت بازار پایدار و جلوگیری از رکود اقتصادی شدید موثر و مهم باشد ، در این تحقیق از روش یادگیری ماشین های بردار پشتیبان به همراه الگوریتم حرکت تجمعی ذرات (pso ) برای حل مسئله پیش بینی کوتاه مدت قیمت نفت brent استفاده شده است، که دقت بالاتری نسبت به روش svm و یا روشهای ترکیبی قبلی که مورد مطالعه قرار گرفته اند ، از خود نشان داده است . با استفاده از pso توانستیم باعث بهینه سازی هوشمند داده ها و با استفاده از svm با هسته rbf افزایش دقت پیش بینی را بالاتر ببریم ، که میزان دقت روش pso-svm را با استفاده ازمعیارهایmse ، rmse ،mae ، nmse مورد بررسی قرار داده شده است . درمدل pso-svm برای سنجش میزان دقت بالای پیش بینی کوتاه مدت قیمت نفت brent را با استفاده از معیارهای بیان شده بدست آمده است که نشان از دقت بسیار بالای آن دارد.
کلیدواژه الگوریتم ماشین بردارپشتیبان ,الگوریتمPso ,قیمت نفت خام ,قیمت نفت Brent ,پیش بینی کوتاه مدت .
آدرس دانشگاه آزاد اسلامی, مهندسی کامپیوتر, ایران
 
   Designing a model for short-term forecasting of BRENT oil prices using a hybrid algorithm PSO-SVM  
   
Authors
Abstract    Nowadays, machine learning has created new hope in the hearts of artificial intelligence researchers to create thoughtful machines, and since crude oil is also a strategic element in many industries and markets, predicting its price and identifying its movement is always the case. The attention of commercial and scientific circles. So far, different models have been presented and all models have tried to have predictions with less error.With the help of machine learning, it is possible to achieve higher accuracy than usual forecasting methods, including statistical and mathematical methods, which in turn can be effective and important in achieving a stable market situation and preventing a severe economic recession. The backup vector machine learning method with particle aggregation (PSO) algorithm has been used to solve the short-term BRENT oil price forecast problem, which is more accurate than the SVM method or the previous combined methods studied. Shown.Using PSO, we were able to optimize data optimization and use SVM with RBF kernel to increase the prediction accuracy. The accuracy of PSO-SVM method has been evaluated using MSE, RMSE, MAE, NMSE criteria. . In the PSO-SVM model, for measuring the high accuracy of the short-term forecast of BRENT oil prices, using the stated criteria, which shows its very high accuracy.
Keywords الگوریتم ماشین بردارپشتیبان ,الگوریتمPSO ,قیمت نفت خام ,قیمت نفت BRENT ,پیش بینی کوتاه مدت .
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved