|
|
|
|
ارزیابی متغیرهای موثر در قیمت سنگ آهن تا سال 2023 با استفاده از هوش مصنوعی
|
|
|
|
|
|
|
|
نویسنده
|
مهردانش امیرحسین ,ملائی مصطفی
|
|
منبع
|
دوازدهمين كنفرانس ملي مهندسي معدن ايران - 1402 - دوره : 12 - دوازدهمین کنفرانس ملی مهندسی معدن ایران - کد همایش: 02231-73817 - صفحه:0 -0
|
|
چکیده
|
سنگ آهن یکی از فراوان‌ترین و کاربردی‌ترین مواد معدنی در جهان است. قیمت جهانی سنگ آهن در فاصله سالهای 2009 تا 2023 نوسانات زیادی را تجربه کرده است. متغیرهای زیادی شامل قیمت نفت، قیمت طلا، نرخ بهره، نرخ تورم و قیمت آلومینیوم بر قیمت جهانی سنگ آهن تاثیرگذار هستند. با توجه به عوامل متعدد موثر و پیچیدگی ارتباط آنها، استفاده از روش‌های هوشمند، می‌تواند رویکرد مناسبی جهت پیش بینی قیمت سنگ آهن باشد. در این پژوهش کارآیی روش‌های رگرسیون خطی چند متغیره، درخت تصمیم، شبکه عصبی مصنوعی و رماشین‌های بردار پشتیبان در پیش‌بینی قیمت جهانی سنگ آهن مورد ارزیابی قرار گرفته است. بدین منظور قیمت ماهانه سنگ آهن و متغیرهای موثر از سال 1993 تا 2019 به عنوان داده‌های آموزش و سالهای 2020 تا 2022 به عنوان داه‌های آزمون جهت اعتبارسنجی در نظر گرفته شدند. نتایج حاکی از این بود که مدل شبکه عصبی مصنوعی بهترین عملکرد را در پیش‌بینی قیمت سنگ آهن دارد.
|
|
کلیدواژه
|
ارزیابی قیمت،سنگ آهن،هوش مصنوعی،شیکه عصبی،بردار پشتیبان
|
|
آدرس
|
, iran, , iran
|
|
پست الکترونیکی
|
mostafamollaee@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
evaluation of effective variables on iron ore price until 2023 using artificial intelligence
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|