عنوان پایان‌نامه
مقایسه تحلیل سری های زمانی با رویکردهای شبکه عصبی : مطالعه موردی پیش بینی تولید نفت ایران
- رشته تحصیلی
- اقتصاد انرژی و بازاریابی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1043;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 37089
- تاریخ دفاع
- ۲۶ اسفند ۱۳۸۶
- دانشجو
- علی کیانی
- استاد راهنما
- حسین عباسی نژاد
- چکیده
- یکی از اهداف اصلی تجزیه و تحلیل های اقتصادی، پیش بینی دقیق متغییرهای اقتصادی است. به همین دلیل در سال های اخیر مدل های پیش بینی گوناگونی توسعه یافته اند. در این زمینه روشهای مختلفی نیز در علم اقتصاد وجود دارد که از جمله آنها می توان به مدل های خود توضیح میانگین متحرک(ARMA) اشاره کرد. اینگونه روش های تجزیه و تحلیل سریهای زمانی به طور سنتی بر دو مفهوم مانایی و خطی بودن بنیان نهاده شده اند. ولی در مواردی که پویایی سیستم ویژگی غیر خطی بالایی را نشان دهد، عملکرد این مدل ها عمدتاً ضعیف می باشد. در سال های اخیر مدل های شبکه عصبی مصنوعی به دلیل دقت بالایی که در این گونه سیستم ها از خود نشان می دهند وارد علم اقتصاد شده و مورد استفاده قرار می گیرند. هدف از این تحقیق بدست آوردن بهترین مدل پیش بینی سری زمانی برای تولید نفت خام است. لذا در ابتدا ما بهترین مدل ARMA را بدست آوردیم، سپس شبکه های عصبی را وارد بحث کرده و در نهایت پیش بینی مدل های ARMA و شبکه های عصبی را با یکدیگر مقایسه کردیم. نتایج نشان داد که گرچه شبکه های عصبی در پیش بینی های ایستا و پویا عملکرد بهتری دارند ولی این برتری از نظر آماری معنادار نیست. واژکان کلیدی:پیش بینی/مدل های سری زمانی/شبکه عصبی/تولید نفت ایران
- Abstract
- One of the major functions of the economic analyses is prediction or forecasting. In the recent years different forecasting model has been developed such as Autoregressive Moving Average (ARMA) approach model as well as conventional econometric methods. ARMA method used to apply in the time series analyses and linear models. However, if the system is dynamic and nonlinear, the performance of conventional models is not so robust. Recently Artificial Neural Network (ANN) has demonstrated great potential for time series forecasting and becomes more attractive. Therefore in this thesis we propose a method of time series forecasting for Iran's crude oil production. For doing this first we analyze the ARMA model then we introduce Artificial Neural Network, and finally we compare the prediction by ANN to ARMA in term of MSE criterion. The results show that, though in the static and dynamic forecasting ANN are better than ARMA model, but this betterment are not statistically significant. Keywords: Prediction, time series model, neural network, Iranian crude oil.
