شماره ركورد كنفرانس :
3870
عنوان مقاله :
آزمون نظريه آشوب و طراحي يك شبكه عصبي براي صنايع فراوردههاي نفتي
عنوان به زبان ديگر :
Chaos theory and design of a neural network for oil products industries
پديدآورندگان :
جزملكي مهرداد m.jozmaleki@ine.uut.ac.ir دانشجوي ارشد مهندسي صنايع دانشگاه صنعتي اروميه , دباغ رحيم r.dabbagh@ine.uut.ac.ir گروه مهندسي صنايع دانشگاه صنعتي اروميه , بهنيا سهراب sohrab_behnia@yahoo.com گروه فيزيك دانشگاه صنعتي اروميه
كليدواژه :
سيستمهاي غيرخطي , سريهاي زماني , قيمت صنايع فراورده نفتي , نظريه آشوب , شبكه عصبي مصنوعي
عنوان كنفرانس :
سومين كنفرانس بين المللي مجازي مهندسي صنايع و سيستم ها
چكيده فارسي :
قابليتهاي نظريه آشوب و شبكه عصبي، به كارگيري اين دو مدل را در بازاهاي مالي به خصوص بازار فراوردههاي نفتي مورد توجه خاص
قرار داده است. در اين مقاله، مقادير قيمت روزانه فراورده نفتي ايران در طي آذر 1386 تا خرداد 1396 مورد بررسي قرار گرفته است. در نظريه
آشوب ابتدا با استفاده از نمودارهاي لياپانف و سطح مقطع پوانكاره امكان وجود آشوب در سري زماني قيمت روزانه فراورده نفتي ايران بررسي
شده است. از تخمين زمان تأخير با استفاده از روش ميانگين اطلاعات متقابل ) AMI ( و همچنين بُعد محاط با بكارگيري از الگوريتم نزديكترين
همسايههاي كاذب، نمودار لياپانف ترسيم و همچنين با استفاده از اين پارامترها يك شبكه عصبي طراحي شده است. نمودارهاي لياپانف و سطح
مقطع پوانكاره دلالت بر وجود آشوب در سري زماني تحت بررسي دارد. بنابراين، از شبكه عصبي جهت مدلسازي قيمت روزانه فراورده نفتي
استفاده و بهترين الگو انتخاب گرديد. ضريب هميستگي 0.9994 حاكي از دقت خوب در مدلسازي قيمت اين صنايع دارد و ميتواند جهت
پيشبيني قيمت آتي اين صنايع مورد استفاده قرار گيرد.
چكيده لاتين :
The chaos theory and neural network have been put particular emphasis on using these two models in financial markets, especially in the oil products market. In this paper, the daily Iranian petroleum products prices were investigated during the period from December 2007 to June 2017. In chaos theory, first, by using Lyapanov diagram and Poincaré surface of section, the possibility of chaos in the time series of the daily Iranian oil products prices has been investigated. The Lyapanov diagram is drawn from the estimation of time delay by using the average of mutual information (AMI) method and the embedding dimension by using the false nearest neighbours (FNN) algorithm, and a neural network is designed using these parameters. The Lyapunov diagrams and the Poincaré surface of section indicate chaos in the investigated time series. Therefore, the neural network was used to model the daily price of oil products and the best model was chosen. The correlation coefficient of 0.9994 indicates good accuracy in price modeling of these industries and can be used to predict future prices of these industries.
