نبود پیش‌بینی ساختارمند درخصوص محصول پرکاربرد پلی‌اتیلن ترفتالات، شرکت صنایع پتروشیمی را بر آن داشته است که پیش‌بینی‌های قیمت را از شرکت‌های خارجی خریداری کند. جلوگیری از خروج ارز و تحمل عوامل سیاسی مانند تحریم‌ها در این حوزه نیازمند پیش‌بینی علمی قیمت‌ها در داخل است. محققان ناچار هستند به دلیل ماهیت زنجیره‌وار و نیز اطلاع نداشتن از میزان تأثیر عوامل متعدد مؤثر بر قیمت به منظور پیش‌بینی، مسائلی با پیچیدگی زیاد و معادلاتی با درجه بالا را حل کنند. انتخاب تعداد و نوع متغیرهای ورودی شبکه عصبی تأثیر بسزایی در کارآیی سیستم دارد، از این رو از روش تحلیل بنیادین با تکیه بر تئوری عرضه - تقاضا و نگرش کلان اقتصادی و روش آماری دلفی برای انتخاب عواملی با اثرگذاری بیشتر بر قیمت استفاده شده است. نخست با استفاده از متغیرهای کنترل شده، توپولوژی کلی شبکه عصبی طراحی شد. سپس با در نظر گرفتن متغیرهای مستقل، مانند تعداد لایه‌های پنهان و تعداد نرون‌ها و بررسی تأثیر آنها بر کارآیی عملکرد شبکه عصبی، شبکه بهینه انتخاب شد. از معیارهای میانگین مربعات خطا و ضریب تعیین به عنوان متغیرهای وابسته استفاده شده است. بعد از ایجاد رابط کاربری، ارتباط سیستم با شبکه عصبی بهینه برقرار شد. به منظور بررسی عملکرد سیستم، قیمت واقعی محصول مدنظر در سال مرجع با قیمت پیش‌بینی شده به‌وسیله سیستم پیشنهادی و قیمت خریداری شده از شرکت سی­ام­ای­آی مورد مقایسه قرارگرفت و نتایج، کارآیی قابل قبول سیستم پیشنهادی را با میانگین خطای کمتر از 3 درصد در پیش‌بینی قیمت زنجیره مد نظر اثبات کرد. این سیستم می‌تواند صنایع پتروشیمی را از خرید اطلاعات پیش‌بینی قیمت از شرکت‌های خارجی بی‌نیاز سازد.

واژه‌های کلیدی: محصولات پتروشیمی، مدل‌های پیش‌بینی قیمت، شبکه‌های عصبی

متن کامل [PDF 305 kb]   (5833 دریافت)