فهرست نشریات علمی دسترسی آزاد ایران

وابستگی دنیای امروز به فناوری ، نیاز بشر را به محصولات تولیدشده از سنگ‌آهن بیشتر می‌کند و پیش‌بینی‌ها حاکی از آن است که تا سال 2035 میزان تقاضای فولاد 60 درصد افزایش یابد (محمدی ، سلطانی محمدی و بخشنده امنیه 1392). به همین دلیل پیش‌بینی قیمت فلزات ازجمله سنگ‌آهن با استفاده از روش‌های کمی و کیفی نظیر مطالعه فنی اقتصادی بازار ،مطابقت زیادی با واقعیت نداشته است .یکی از روش‌های متداول بررسی قیمت‌ها، روش سری‌های زمانی است. در این پژوهش، با مدل‌سازی و استفاده از تحلیل سری زمانی به کمک شبکه عصبی پویا، به پیش‌بینی قیمت سنگ‌آهن پرداخته‌شده است. در ادامه، با به‌کارگیری روش شبکه عصبی مصنوعی و با توجه به قیمت ماهانه سنگ‌آهن و عوامل مؤثر بر نوسانات آن، قیمت سنگ‌آهن برآورد شده و سپس نتایج به‌دست‌آمده، ازنظر قابلیت پیش‌بینی مورد ارزیابی قرار گرفت. مدل شبکه عصبی بهینه با 3 لایه و 10 نرون قیمت سنگ‌آهن را با دقت بسیار مناسب برآورد کرده است. در این مدل مقدار خطای آموزش در حدود 7/1% و برای اعتبار سنجی برابر 3/2% و خطای آزمون 5/1% است. همچنین مقدار رگرسیون و همبستگی داده‌ها در سطح اعتماد 95% و مقدار همبستگی بالا با R2=0.98 نشان‌گر یک مدل خوب و با دقت مناسب است.