پایان‌نامه

پیش بینی قیمت فلزات گران بها با استفاده از مدل شبکه عصبی

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

فلزات گران بها از اولین و مهم ترین عناصر شناخته شده بوسیله انسان می باشد. علت این امر علاوه بر کاربردهای بسیار زیاد این مواد در بخش های مختلف زندگی انسان، به عنوان یک منبع بزرگ برای سرمایه گذاری می باشد. سرمایه گذاران در پی روش هایی هستند که بتوانند قیمت های آینده فلز مورد نظر را پیش بینی نموده تا با تنظیم زمان خرید و فروش بیشترین سود را کسب نمایند. روش های گوناگونی برای پیش بینی قیمت تا به حال ارائه شده است که می توان به سه بخش: 1) روش های سری زمانی کلاسیک، 2) روش های هوش مصنوعی و 3) روش های ترکیبی تقسیم بندی نمود. در این تحقیق سعی شده یک مدل پیش بینی به منظور مدل سازی قیمت چهار فلز گران بها طلا، نقره، پلاتین و پالادیوم برای دوره زمانی آوریل 1990 تا دسامبر 2009 با استفاده از داده های ماهیانه ارائه شود. بدین منظور از هر یک از بخش های بیان شده یک مدل به عنوان نماینده برای پیش بینی قیمت مورد استفاده قرار گرفت. در نهایت نیز مدل های بدست آمده با یکدیگر مقایسه شده تا مدل بهینه انتخاب گردد، در اینجا از دو ابزار ضریب تعیین (r2) و جذر مربع میانگین خطاها (rmse) به عنوان ابزار مقایسه استفاده شده است. نتایج این تحقیق نشان از این داشت که مدل نروفازی برای هر چهار فلز نتایج بهتری را نسبت به شبکه های عصبی و روش آریما ارائه می نمایند به طوری که r2 و rmse مربوط به داده های تست به ترتیب برابر با 904/0 و 155/0 برای طلا، 926/0 و 26/0 برای نقره، 922/0 و 192/0 برای پلاتین و در نهایت 899/0 و 171/0 برای پالادیوم می باشد. بعد از روش نروفازی، شبکه های عصبی در رتبه دوم دقت پیش بینی قرار گرفتند.

اساتید راهنما و مشاور

محمد حسین بصیری، علی رجب زاده

پایان‌نامه‌های مشابه

  • پیش بینی قیمت فلزات گران بها با استفاده از مدل شبکه عصبی

    پایان‌نامه۲۰۱۰وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنیعبدالرضا یزدانی چمزینی

    فلزات گران بها از اولین و مهم ترین عناصر شناخته شده بوسیله انسان می باشد. علت این امر علاوه بر کاربردهای بسیار زیاد این مواد در بخش های مختلف زندگی انسان، به عنوان یک منبع بزرگ برای سرمایه گذاری می باشد. سرمایه گذاران در پی روش هایی هستند که بتوانند قیمت های آینده فلز مورد نظر را

  • پیش بینی قیمت گوشت مرغ با استفاده از شبکه عصبی و الگوریتم ژنتیک

    پایان‌نامه۲۰۰۹وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده کشاورزیفهیمه غریب

    در کشور ما صنعت مرغداری جهت رسیدن به یک ثبات نسبی و دستیابی به یک تولید انبوه راه درازی در پیش دارد و نیازمند یک برنامه ریزی مدون علمی است که با رسیدن به مطلوبیت کیفی و کمی بتواند جایی را برای ماندگاری خود باز کند. این امر محقق نمی گردد مگر با توجه به ثبات نسبی قیمت ها و پیش بینی

  • پیش بینی قیمت اختیار معاملات با استفاده از شبکه فازی عصبی

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده مدیریت و حسابداریمریم قندهاری

    استفاده از اختیارهای معامله در بهبود مدیریت ریسک و انتخاب سبد سرمایه گذاری تأثیر به سزایی دارد. بازار اختیار معامله دارای سیستمی کاملاً غیرخطی و آشوب گونه است؛ این غیر خطی بودن بسیار پیچیده تر از رفتار غیر خطی در سهام بوده، که از شرایط سیاسی، اقتصادی و روانشناسی تأثیر می پذیرد. ا

  • مدلسازی و پیش بینی قیمت گاز طبیعی با استفاده از شبکه های عصبی مصنوعی

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه علوم و فنون دریایی خرمشهر - دانشکده اقتصاد و مدیریت دریاسعید عباسی

    ویژگی های متعدد و منحصر به فرد گاز طبیعی نسبت به دیگر فرآورده های نفتی باعث ایجاد جایگاه ویژه و قابل توجهی در سبد انرژی مصرف کنندگان جهان شده و کسب درآمدهای ارزی برای کشور از طریق صدور این کالای استراتژیک، بر جذابیت آن می افزاید. هدف این تحقیق ارائه مدلی جهت پیش بینی قیمت گازطبیع

  • پیش بینی قیمت سهام: کاربرد الگوی اقتصادسنجی و شبکه عصبی

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده اقتصاد و علوم اداریامید امانداد

    پیش بینی همواره به صورت یک ضرورت در کسب و کار و زندگی اجتماعی در بسیاری از علوم مطرح بوده است. یکی از حوزه هایی که امروزه پیش بینی در آن از اهمیت خاصی برخوردار است، مسایل مالی و اقتصادی بخصوص بازارهای سرمایه است. هدف اصلی در این بازارها پیش بینی روند آینده قیمت ها به منظور اتخاذ

  • پیش بینی چرخه عمر محصول با استفاده از شبکه عصبی فازی در شرکت پگاه فارس

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مدیریت و اقتصاداعظم توکلی

    یکی از مهمترین وظایف علم در زمینه های مختلف یافتن رابطه بین پدیده های مختلف به منظور پیش بینی آینده است. سازمان های تولیدی و خدماتی نیاز به پیش بینی آینده دارند. آن ها باید آینده را برای بقا پیش بینی کنند. پیش بینی چرخه عمر محصول سازمان یکی از مهمترین موارد پیش بینی در یک سازمان

اسناد مشابه

  • شبیه سازی و پیش بینی جریان رودخانه ها با استفاده از شبکه عصبی و مدل فوریه

    مقالهتحقیقات منابع آب ایرانناصر رستم افشار، استادیار /دانشگاه صنعت آب و برق (شهید عباس پور) هدایت فهمی، شرکت مدیریت منابع آب ایران علیرضا پیره، کارشناس /گروه پژوهشی جاماب

    مقاله حاضر به بررسی نحوه عملکرد شبکه های عصبی mlp در ارتباط با خروجی مدل فوریه، fsam، می پردازد. مدل fsam که مدل شبیه ساز بارش است، تحلیل مدل های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای arima را در درون خود دارد، ارائه می دهد. کاربرد همزما

  • پیش بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی

    مقالهمجله علوم پزشکی رازیفرزانه برفه ئی، مسعود صالحی، ایرج نجفی

    زمینه و هدف: بیماری دیابت با گسترش روزافزون و بار سنگینی که در نتیجه کنترل و درمان عوارض به مردم و کشور تحمیل می کند به یکی از چالش های مسئولین درمانی و دولتی تبدیل شده است. از این رو پیشگیری از بروز و پیشرفت آن در اولویت قرار می گیرد که این امر تنها با شناسایی عوامل مؤثر و کنترل

  • پیش بینی حجم کوفتگی سیب با استفاده از شبکه عصبی تابع پایه شعاعی RBF ( و مقایسه آن با مدل رگرسیونی)

    مقاله۲۰۱۲فرآوری و نگهداری مواد غذاییسعید ظریف نشاط، عباس روحانی، میر محمد اتفاق، محمد حسین سعیدی راد

    صدمه کوفتگی ناشی از ضربه جزو انواع اصلی صدمات مکانیکی پس از برداشت میوه میباشد. مدلهای پیشبینی حجم کوفتگی برای کاربردی کردن شبیهسازی المان گسسته که صدمه کوفتگی را در هنگام حمل و نقل شبیهسازی میکند ضروری است. مدلهای پیشبینی کوفتگی اطالعات مفیدی در مورد اثر فاکتورهای میوه )مانند رس

  • پیش بینی روند قیمتی سهام با استفاده از شبکه عصبی LSTM و تحلیل تکنیکال

    مقاله۲۰۲۶بورس اوراق بهادارنرگس نوروزی، محمدحسین اسمعیلی حوری

    بازارهای مالی نقش مهمی در تخصیص سرمایه و رشد اقتصادی ایفا می کنند؛ از این رو پیش بینی دقیق روند قیمت سهام از اهمیت ویژه ای برخوردار است. این پژوهش رویکردی نوآورانه برای پیش بینی روند قیمت سهام در بازار بورس اوراق بهادار تهران ارائه می دهد که ترکیبی از روش های امواج الیوت، تحلیل ا

  • پیش بینی رسانایی گرمایی نانوسیال گرافن با مدل شبکه عصبی مصنوعی چند لایه پرسپترون

    هدف از این مطالعه مدلسازی و پیش بینی رسانایی گرمایی نانو سیال گرافن به کمک شبکه عصبی مصنوعی چند لایه پرسپترون است. پارامترهای دمای نانوسیال، کسرحجمی و رسانایی گرمایی نانو ذره به عنوان ورودی شبکه در نظر گرفته شده است. بااطلاعات مربوط به اندازه گیری‌های تجربی محققین قبلی در مورد رس

  • ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روش های تحلیلی و پیش بینی همزمان آن ها با استفاده از شبکه عصبی

    مقالهمدلسازی در مهندسیمحمد حسین ولایتی، mohammad hossein velayati دانشگاه سمنان نیما امجدی، nima amjady the small signal rotor angle stability which is called the small signal stability is an important issue in planning and operation of power systems. this type of stability is analyzed in four categories which include local, inter-area, control and torsional oscillations. identification and segregation of these oscillations behavior can be used for applying control actions such as excitation system and power system stabilizer parameters tuning in order to control the oscillations damping. determining the frequency of the system's critical modes and participation factors of the generators in these modes are one of the conventional methods for analyzing these oscillations which are calculated using analytical methods such as modal analysis. in this paper, capability of the generators' participation factor for determining the inter-area and local oscillations are studied at first by means of analytical methods. conventional methods (e.g., modal analysis and time–domain simulations) are challenging and time consuming tasks. thus, the generators' participation factor and power system oscillations type in the critical mode are predicted using a hybrid method containing a feature selection and probabilistic neural network (pnn) part. the advantage of the proposed method is the accuracy, fast calculations, simultaneous prediction of oscillations type and their participation in the dominant state variable of the generators in the critical modes. سید احمد حسینی، seyyed ahmad hosseini the small signal rotor angle stability which is called the small signal stability is an important issue in planning and operation of power systems. this type of stability is analyzed in four categories which include local, inter-area, control and torsional oscillations. identification and segregation of these oscillations behavior can be used for applying control actions such as excitation system and power system stabilizer parameters tuning in order to control the oscillations damping. determining the frequency of the system's critical modes and participation factors of the generators in these modes are one of the conventional methods for analyzing these oscillations which are calculated using analytical methods such as modal analysis. in this paper, capability of the generators' participation factor for determining the inter-area and local oscillations are studied at first by means of analytical methods. conventional methods (e.g., modal analysis and time–domain simulations) are challenging and time consuming tasks. thus, the generators' participation factor and power system oscillations type in the critical mode are predicted using a hybrid method containing a feature selection and probabilistic neural network (pnn) part. the advantage of the proposed method is the accuracy, fast calculations, simultaneous prediction of oscillations type and their participation in the dominant state variable of the generators in the critical modes.

    پایداری زاویه ای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد می شود، یکی از مهمترین عوامل در برنامه ریزی و بهره برداری سیستم های قدرت است. این نوع از پایداری ها، در چهار حالت نوسانی شامل نوسانات درون ناحیه ای، بین ناحیه‎ای، کنترلی و پیچشی مورد بررسی قرار می گیر