طراحی مدلی برای پیش بینی کوتاه مدت قیمت نفت خام WTI با استفاده از الگوریتم ترکیبیPSO-SVM

پیش بینی قیمتهای نفت و تحلیل دلایل نوسان در این قیمتها و اصولا تحلیل بازار جهانی نفت معمولا کار دشواری است. چرا که عوامل متعدد و متنوعی بر بازار و قیمتهای جهانی نفت تاثیر می گذارند.تاکنون مدلهای متفاوت و گوناگونی ارائه شده و تلاش همه مدلها بر آن بوده است که پیش بینی با خطای کمتر را داشته باشند.در این مقاله از روش یادگیری ماشین های بردار پشتیبان به همراه الگوریتم حرکت تجمعی ذرات برای حل مسئله پیش بینی کوتاه مدت قیمت نفت خام WTI استفاده شده است،تا به دقت بالاتری نسبت به روشSVM تنها و یا روش های ترکیبی قبلی که مورد مطالعه می باشد،با استفاده از الگوریتم PSO توانستیم باعث بهینه سازی هوشمند داده هاو با استفاده از الگوریتم SVM با هسته RBF باعث شدیم دقت پیش بینی افزایش یابد ، که میزان دقت روش PSO-SVM را با استفاده از معیارهایی بررسی شد. درمدل طراحی شدهPSO- SVM برای سنجش میزان دقت بالای پیش بینی کوتاه مدت قیمت نفت خام WTIرا با استفاده از معیاره ای بیان شده بدست آوردیم،که خود نشان از دقت بسیار بالای آن دارد و برای نشان دادن کارایی بالا ی مدلPSO-SVM طراح ی شده با محاسبه نرخ برخورد برای قیمت نفت خام WTI آن را مورد بررسی قرار داده ایم.

Keywords:

الگوریتم ماشین بردار پشتیبان , الگوریتم PSO , قیمت نفت خام WTI , پیش بینی کوتاه مدت , نرخ برخورد.