عزیز اله بهارلو - دانشگاه فنی و حرفه ای، دانشکده فنی علامه حسن زاده آملی(ره)

امروزه استفاده از الگوریتم های داده کاوی و یادگیری ماشین در حوزه های مختلف مهندسی محبوبیت یافته است. دلیل این محبوبیت و گسترش استفاده از این الگوریتم ها، رشد اینترنت و به عبارتی دیگر اداوت جمع آوری داده ها و نیز وجود انباشتی از داده ها می باشد که به داده های بزرگ نیز معروف می باشد. با استفاده از داده کاوی می توان الگوهایی را از میان این داده های بزرگ کشف کرد و تصمیم سازان می توانند با تکیه بر این الگوها به تنظیم فعالیت های مورد نظر در حوزه خود بپردازند. یکی از حوزه هایی که امروزه بطورگسترده ای در آن از الگوریتم های داده کاوی و یادگیری ماشین استفاده می شود، حوزه اقتصادی می باشد. پیش بینی صحیح قیمت کالا ها یا خدمات، می تواند در ایجاد سود و جلوگیری از ضرر نقش قابل توجهی را ایفا نماید، بدین منظور، در سال های اخیر با توجه به دسترسی به داده های بزرگ در زمینه های اقتصادی، تکنیک های داده کاوی جهت انجام پیش بینی های اقتصادی مورد توجه قرار گرفته اند. در این راستا، در مقاله پیش رو، تکنیک مدیریت گروهی داده ها(GMDH) برای پیش بینی در بازار طلای ایران مورد استفاده قرار گرفته است. نتایج این تحقیق نشان می دهند که تکنیک داده وکاوی مدیریت گروهی داده ها در بخش های آموزش و آزمایش، مقدار شاخص رگرسیون به ترتیب برابر با ۰.۹۹۱ و ۰.۹۹۵ بدست آمده است که نسبت به تحقیقات پیشین نشان دهنده بهبود پیش بینی می باشند. علاوه براین، روش ارائه شده در این تحقیق، توانایی پیش بینی قیمت روزانه را دارد که یک بهبود نسبت به روش های قبلی می باشد که پیش بینی ها را بصورت سالانه و ماهانه انجام می دادند.

داده کاوی، یادگیری ماشین، شبکه GMDH، بهبود پیش بینی قیمت طلا