استفاده از رهیافت شبکه عصبی gmdh در پیش بینی تقاضای گازوئیل در بازار ایران

انرژی، نهاده ای استراتژیک در فرآیند تولید است که تغییرات قیمت آن بر اقتصاد تمام تاثیرگذار می باشد. گازوئیل مهم ترین منبع سوخت حمل و نقل کشور است که طی سال های اخیر یکی از اقلام عمده وارداتی ایران نیز می باشد. متاسفانه به دلیل بحران بنزین مسئله گازوئیل چندان مورد توجه نیست و تا حدود زیادی مورد غفلت واقع شده است. هدف تحقیق مدل سازی و پیش بینی تقاضای گازوئیل در بازار ایران با استفاده از روش شبکه عصبی gmdh می باشد. برای این منظور، داده های ماهانه تقاضای گازوئیل در بازار ایران به عنوان متغیر خروجی مدل و داده های ماهانه تولید ناخالص داخلی، جمعیت، تورم، قیمت واقعی گازوئیل، قیمت نفت برنت در بورس ice، قمیت نفت wti، قیمت نفت opec، نرخ ارز، نرخ سود بانکی، هزینه پالایش گازوئیل در پالایشگاه و تعداد پالایشگاه های نفت به عنوان متغیرهای ورودی الگوریتم gmdh استفاده شد. هم چنین در این مقاله تلاش شده تا یافته های تحقیق با استفاده از مدل مذکور با مدل armia مقایسه گردد تامیزان دقت پیش بینی شبکه عصبی gmdh مورد ارزیابی علمی قرار گیرد. نتیجه مطالعه نشان می دهد که مدل شبکه عصبی gmdh از دقت بیش تری در پیش بینی برخوردار است. لذا پیشنهاد می شود شرکت پالایش و پخش فرآورده های نفتی ایران از این مدل جهت پیش بینی تقاضای گازوئیل برای سال های آتی استفاده نماید.