کاربرد الگوریتم ژنتیک در بهینه‌سازی معماری شبکه عصبی و پیش‌بینی قیمت نفت (GADDN)

نویسندگان

1 استادیار گروه مهندسی صنایع دانشگاه سیستان و بلوچستان

2 دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه سیستان و بلوچستان

doi
10.22084/aes.2016.1668
چکیده

پیش‌بینی صحیح قیمت نفت نقش مهمی را در هدایت سیاست‌های پولی کشورهای مختلف ایفا می‌کند. اهمیت این نقش به‌طور مشهود در کشورهای واردکننده و صادرکننده نفت به چشم می‌خورد. در این مقاله از الگوریتم ژنتیک برای بهینه‌سازی معماری و ساختار شبکه عصبی مصنوعی بهره برده‌ایم. در طی فرآیند بهینه‌سازی، وزن‌ها، بایاس و ساختار شبکه عصبی محاسبه می‌شوند تا بدین طریق از پیچیدگی­های ناشی استفاده از شبکه عصبی مصنوعی در پیش­بینی کاسته گردد. برای بررسی عملکرد مدل شبکه عصبی اصلاح‌شده با الگوریتم ژنتیک (GADNN) از آن برای پیش­بینی قیمت نفت اینترمدیت وست تگزاس (WTI) در سال 2012 تا انتهای 2015 استفاده می­شود. نتایج پژوهش نشان‌دهنده عملکرد بهتر و دقت بیشتر مدل پیشنهادی پژوهش حاضر در مقایسه با سایر مدل‌های شبکه عصبی مصنوعی در پیش­بینی قیمت نفت می­باشد.