Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
عنوان
Paper

پیش بینی قیمت جهانی مس با استفاده از روش رگرسیون هیبریدی الگوریتم ژنتیک ( GA ) و برنامه ریزی مجذوری متوالی (SQP)

تعداد صفحات: 7 | تعداد نمایش خلاصه: 87 | نظرات: 0
سال انتشار: 1398
کد COI Paper: CSCG03_245
زبان Paper: Persian
(فایل این Paper در 7 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این Paper

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این Paper را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک Paper) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این Paper، ابتدا تعداد صفحات Paper را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل Paper

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان Paper پیش بینی قیمت جهانی مس با استفاده از روش رگرسیون هیبریدی الگوریتم ژنتیک ( GA ) و برنامه ریزی مجذوری متوالی (SQP)

بیژن مدی - استادیار گروه مهندسی شیمی، دانشگاه صنعتی همدان
حسین کریمی جاوید - دانشجوی کارشناسی ارشد گروه مهندسی معدن، دانشگاه صنعتی همدان
بهشاد جدیری شکری - استادیار گروه مهندسی معدن، دانشگاه صنعتی همدان؛
حسام دهقانی - استادیار گروه مهندسی معدن، دانشگاه صنعتی همدان

چکیده Paper:

فلز مس نقش مهمی در اقتصاد جهانی دارد. میزان مصرف این فلز ارتباط مستقیمی با فعالیت های اقتصادی و صنعتی دارد و به عنوان یکی از شاخص های اصلی رشد اقتصادی محسوب می شود. بدلیل نقش پررنگ فلز مسدر بورس فلزات، آگاهی از قیمت آینده این فلز برای سرمایه گذاران، تولیدکنندگان و مصرف کنندگان از اهمیت شایان توجهی برخوردار است. از این رو در این مقاله، ابتدا با استفاده از روش های آماری برازش سطح و منحنی، یک مدل آماری رگرسیون خطی چند متغیره برای پیش بینی قیمت مس با در نظر گرفتن قیمت های جهانی طلا، نقره، نیکل، آلومینیوم، نفت برنت و نفت اوپک، ارائه شده است. سپس با استفاده از روش ترکیبی (هیبریدی) الگوریتم ژنتیک ( GA ) و برنامه ریزی مجذوری متوالی ( SQP )، ضرایب مدل آماری بهینه شدند. نتایج نشان دهنده برتری روش مذکور نسبت به روش های رگرسیونی متداول است.

کلیدواژه ها:

قيمت مس، روش هاي آماري، الگوريتم ژنتيك، برنامه ريزي مجذوري متوالي

کد Paper/لینک ثابت به این Paper

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1006184/

کد COI Paper: CSCG03_245

نحوه استناد به Paper:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
undefined، undefined و undefined، undefined و undefined، undefined و undefined، undefined،1398،پیش بینی قیمت جهانی مس با استفاده از روش رگرسیون هیبریدی الگوریتم ژنتیک ( GA ) و برنامه ریزی مجذوری متوالی (SQP)،سومین کنفرانس بین المللی محاسبات نرم،Rudsar،،،https://civilica.com/doc/1006184

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، مدی، بیژن؛ حسین کریمی جاوید و بهشاد جدیری شکری و حسام دهقانی)
برای بار دوم به بعد: (1398، مدی؛ کریمی جاوید و جدیری شکری و دهقانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report Paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export Citation info of this Paper to research management softwares

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: state university
تعداد مقالات: 476
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

New Suggested Papers

New RelatedPapers

Share this paper

WHAT IS COI?

COI is a national code dedicated to all Iranian Conference and Journal Papers. the COI of each paper can be verified online.

Support