پيش‌بيني تجارت جهاني محصولات پتروشيمي و تعيين جايگاه ايران: رويكرد شبكه

Prediction of Global Petrochemical Product Trade and Determining the Position of Iran: The Network Approach

صنعت پتروشيمي نقش مهمي در ايجاد ارزش افزوده در منابع نفت و گاز به ويژه براي ايران دارد. پيش‌بيني كشورهاي صادركننده يا وارد كننده پتروشيمي به همراه نوع محصول تبادلي، كمك بزرگي به ذي‌نفعان اين صنعت براي برنامه‌ريزي بهينه تجاري است.. هدف اين مطالعه، استفاده از روش‌هاي تحليل شبكه براي اولين بار در پيش‌بيني تجارت محصولات پتروشيمي در سطح جهاني است. داده‌هاي مورد بررسي از وبسايت سازمان ملل در رابطه با تبادلات تجاري به ازاي صادرات و واردات محصولات رايج صنعت پتروشيمي براي سال‌هاي 2019-2017 استخراج و پيش‌پردازش شدند. همچنين از روش‌هاي محاسباتي پيش‌بيني پيوند، براي پيش‌بيني ارتباطات سال‌هاي بعد هر كدام برمبناي سال قبل، استفاده شد. ارزيابي به دو شيوه محاسباتي و مقايسه پيش‌‌بيني‌ها با نتايج موجود انجام شد. بهترين روش پيش‌بيني با بيش از 90 درصد امتياز سطح زير منحني، الحاق ترجيحي به دست آمد كه بر اساس آن مقايسه با داده‌هاي واقعي نيز صورت گرفت. يافته‌هاي پژوهش، مستعدترين كشورها براي واردات را اسپانيا، اسلوني، استراليا، نروژ و آرژانتين شناسايي كرد و خوش‌آتيه‌ترين صادرات براي ايران را محصول استون به اسپانيا برآورد كرد. در نهايت روش‌هاي افزايش كارايي پيش‌بيني‌ها نيز بيان شد.

Petrochemical industry has important role in creating value added for gas and oil resources, especially for Iran. Predicting import and export countries plus the trade product type, is a great aid for the industry stakeholders for optimal trade planning. Besides, computational methods of social networks, has been used in several applications and different areas. The aim of this paper is using network analysis methods for the first time for global petrochemical product’s trade. Data extracted and pr­eprocessed from UN website of commercial trade, for popular petrochemical products from 2017 to 2019. Also, link prediction methods utilized for predicting next year trade relations, each year based on the previous one. Evaluation was done using two methods; computational approach, and validating the results with available data. The best performance method with more than 90% percent of AUC, was Preferential Attachment, and comparing the results with real data performed accordingly. Based on findings, the most promising countries for import was Spain, Slovenia, Australia, Norway and Argentina, and most feasible relation for Iran is exporting ACETONE to Spain. Finally, the methods to increase the performance of the predictions were proposed