چکیده مقاله
امروزه یادگیری ماشین امیدی تازه را در دل محققان هوش مصنوعی بر ای ایجاد ماشین هایی متفکر به وجود آورده است و از آنجایی کهنفت خام هم یک عنصر استراتژی ک در بسیاری از صنایع و بازارها می باشد ، پیش بینی قیمت آن و شناسایی روند حرکت آن هموارهمورد توجه محافل تجاری و علمی می باشد تاکنون مدل ها ی متفاوت و گوناگونی ارائه شده و تلاش همه مدل ها برآن بوده است که پیشبینی با خطای کمتر را داشته باشند با کمک یادگیری ماشین می توان به دقتی بالاتر از روش های معمول پیش بینی از جمله روشهایآما ری و ریاضی رسید که این امر به نوبه خود می تواند در رسیدن به وضعیت بازار پایدار و جلوگیری از رکود اقتصادی شدید موثر و مهمباشد ، در این تحقیق از روش یادگیری ماشین های بردار پشتیبان به همراه الگوریتم حرکت تجمعی ذرات PSO برای حل مسئله پیشبینی کوتاه مدت قیمت نفت BRENT استفاده شده است، که دقت بالاتری نسبت به روش SVM و یا روشه ای ترکیبی قبلی که موردمطالعه قرار گرفته اند ، از خود نشان داده است با استفاده از PSO توانستیم باعث بهینه سا زی هوشمند داده ها و با استفاده از SVM باهسته RBF افزایش دقت پیش بینی را بالاتر ببریم ، که میزان دقت روش PSO SVM را با استفاده ازمعیارهای MSE ، RMSE، MAE ، NMSE مورد بررسی قرار داده شده است درمدل PSO SVM برای سنجش میزان دقت بالای پیش بینی کوتاه مدت قیمتنفت BRENT را با استفاده از معیارهای بیان شده بدست آمده است که نشان از دقت بسیار بالای آن دارد
کلیدواژهها
نویسندگان
مریم سلطان محمدی
دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد ملایر ،شهرملایر
رضا رافع
۲Centre for Business, Information Technology and Enterprise Waikato Institute of Technology Hamilton, New Zealand
شیوه ارجاع
�لطان محمدی، مریم و رافع، رضا،1400،طراحی مدلی برای پیش بینی کوتاه مدت قیمت نفت BRENT با استفاده از الگوریتم ترکیبی PSO-SVM،اولین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند،لارستان
ارائهشده در
مجموعه مقالات اولین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند25 آذر 1400 · لارستان