مدل سازی ارزش خالص فعلی در پروژه های معدنی با استفاده از الگوریتم های هوشمند و رگرسیون چند متغیره آماری
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 85
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_ESRJ-15-3_001
Index date: 24 September 2024
مدل سازی ارزش خالص فعلی در پروژه های معدنی با استفاده از الگوریتم های هوشمند و رگرسیون چند متغیره آماری abstract
مقدمه شاخص ارزش خالص فعلی یکی از مهمترین پارامترهای اقتصادی برای ارزیابی پروژههای سرمایهگذاری معدنی است. با توجه به وجود عدم قطعیت در پارامترهای تاثیرگذار بر ارزش خالص فعلی در اکثر پروژههای معدنی، تخمین دقیق آن فرآیندی مشکل بوده و نیازمند استفاده از روشهای مناسب است. در تحقیق حاضر، از سه مدل سیستم فازی، شبکه عصبی و رگرسیون چند متغیره آماری برای تعیین ارزش خالص فعلی در پروژه سرمایهگذاری معدن طلای زرشوران تکاب استفاده شده است. علاوه بر قیمت فلز، تاثیر هزینهها و نرخ تنزیل هم در تعیین ارزش خالص فعلی بهعنوان شاخصی برای ارزیابی پروژه معدن طلای زرشوران تکاب با استفاده از مدلهای فوقالذکر در نظر گرفته شده است. یکی از مزایای تحقیق حاضر نسبت به تحقیقات مشابه قبلی، استفاده از دو الگوریتم هوشمند سیستم فازی و شبکه عصبی برای مدلسازی ارزش خالص فعلی با دقت بیشتر است. الگوریتمهای فوق، روشهایی کارا در حل مسائل دارای ابهام و عدم قطعیت از جمله پروژههای سرمایهگذاری معدنی بوده و باعث کاهش ریسکهای سرمایهگذاری میشوند. با در نظر گرفتن چالشهای مدیریتی موجود در تصمیمگیری بر سر توجیه اقتصادی پروژههای مختلف و وجود محدودیتهای زمان و منابع، استفاده از این مدلها به روشن نمودن آینده اقتصادی یک پروژه سرمایهگذاری معدنی و تصمیمگیری نهایی کمک شایانی میکند. مواد و روشها در این تحقیق از سه مدل سیستم فازی، شبکه عصبی و رگرسیون چند متغیره آماری برای تعیین ارزش خالص فعلی و ارزیابی پارامترهای تاثیرگذار بر آن در پروژه سرمایهگذاری معدن طلای زرشوران تکاب استفاده و نتایج حاصله با همدیگر، با دادههای واقعی و با مطالعات مشابه قبلی مقایسه شده است. قیمت طلا (عنصر اصلی)، قیمت نقره (عنصر همراه) و نرخ تنزیل بهعنوان پارامترهای ورودی جهت ارزیابی ارزش خالص فعلی در نظر گرفته شده است. استفاده از منطق فازی در مدلسازی ارزش خالص فعلی که همواره با عدم قطعیت همراه است، میتواند به نتایج واقعیتری منجر شود. همچنین، استفاده از شبکه عصبی با توجه به قابلیت بالای آن در مواجهه با دادههای مبهم و دارای نویز که به نوعی در ارزیابی پروژههای معدنی دخیل هستند، میتواند مثمرثر واقع شود. نتایج و بحث با استفاده از روش سعی و خطا، توابع عضویت مثلثی و ذوزنقهای، موتور استنتاج ممدانی و تابع غیرفازیساز مرکز ثقل بهعنوان پارامتراهای بهینه در مدل فازی پیشنهادی انتخاب شد. همچنین، شبکه عصبی با تابع آموزش پسانتشار خطا از نوع لونبرگ-مارک کواردت، تابع انتقال لگاریتم سیگموئید با ساختار ۳-۵-۱۰-۱ و متوسط جذر مربعات خطای ۰۰۳۲/۰ بهعنوان شبکه بهینه انتخاب گردید. به علاوه، یک رابطه آماری چند متغیره خطی برای پیشبینی ارزش خالص فعی ارائه شد. براساس شاخصهای ارزیابی عملکرد ضریب تصمیمگیری، خطای مطلق و خطای نسبی، نتایج حاصل از مدلهای پیشنهادی با همدیگر و همچنین با دادههای واقعی و مطالعات مشابه قبلی مقایسه گردید. مقایسه فوق نشان داد که عملکرد دو مدل فازی و عصبی در پیشبینی ارزش خالص فعلی قابل قبول بوده و در مقایسه با مدل آماری تطابق بسیار بهتری با دادههای واقعی دارند. با این حال، عملکرد سیستم فازی تا حدودی بهتر از شبکه عصبی پیشنهادی در این تحقیق و مطالعات قبلی بوده و نتایج حاصل از آن تطابق نسبتا بهتری با دادههای واقعی دارد. در نهایت، آنالیز حساسیت نتایج حاصل از مدل فازی با استفاده از روش میدان کسینوسی انجام شد (با توجه به دقت بیشتر آن). نتایج حاصله نشان داد که قیمت طلا دارای بیشترین تاثیر و نرخ تنزیل دارای کمترین تاثیر بر ارزش خالص فعلی است. نتیجه گیری در این تحقیق، کاربرد موفقیت آمیز دو مدل هوشمند مبتنی بر منطق فازی و شبکه عصبی در پیش بینی ارزش خالص فعلی در پروژه سرمایهگذاری معدنی طلای زرشوران ارائه گردید. همچنین، یک معادله رگرسیون چند متغیره خطی با عملکرد نسبتا قابل قبول برای تخمین ارزش خالص فعلی پیشنهاد شد. ارزیابی نتایج حاصل از مدلهای پیشنهادی نشان داد که عملکرد مدل فازی در تخمین ارزش خالص فعلی پروژههای معدنی تا حدودی بهتر از مدل شبکه عصبی پیشنهادی در این تحقیق و مطالعات قبلی بوده و عملکرد هر دو مدل بهتر از مدل آماری است. براساس نتایج آنالیز حساسیت مدل فازی (دقیقترین مدل پیشنهادی)، اثبات گردید که قیمت طلا و نرخ تنزیل به ترتیب بیشترین و کمترین تاثیر را بر ارزش خالص فعلی دارند. با توجه به نتایج فوق، میتوان نتیجه گرفت که از تکنیکهای هوشمند پیشنهادی در این تحقیق (بهویژه مدل فازی) میتوان با قابلیت اطمینان خوبی در ارزیابی پروژههای سرمایهگذاری معدنی بهمنظور پوشش عدم قطعیت و کاهش ریسک سرمایه گذاری استفاده نمود.
مدل سازی ارزش خالص فعلی در پروژه های معدنی با استفاده از الگوریتم های هوشمند و رگرسیون چند متغیره آماری Keywords:
مدل سازی ارزش خالص فعلی در پروژه های معدنی با استفاده از الگوریتم های هوشمند و رگرسیون چند متغیره آماری authors
محمد رضائی
گروه مهندسی معدن، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
