نویسندگان

• محمدرحیم رمضانیان ¹
• اسماعیل رمضانپور ²
• سید حامد پوربخش ³

¹ استادیار گروه مدیریت، دانشگاه گیلان، گیلان، ایران

² استادیار گروه اقتصاد، دانشگاه گیلان، گیلان، ایران

³ کارشناس ارشد گروه مدیریت، دانشگاه گیلان

چکیده

دنیای امروز دنیای تغییر است و دانستن این که در آینده چه موقعیتی در انتظار ما است، تقاضای محصولات ما چه قدر است و یا آن ها را به چه قیمتی می توانیم به فروش برسانیم، عامل مهمی در حفظ حیات و بقای سازمان ها است. برای دسترسی به آینده باید بتوانیم پیش بینی کنیم. با پیشرفت روزافزون علم، استفاده از روش های جدید و به کارگیری تکنولوژی های هوشمند رونق بسیاری پیدا کرده است.
در این تحقیق کاربرد علم پیش بینی در مدیریت مورد پژوهش قرار گرفته و سعی شده است که روش ها و الگوریتم های جدید مانند شبکه های عصبی و منطق فازی تشریح شده و کاربرد ترکیب این دو روش در پیش بینی بررسی شود. از همین رو نخست با استفاده از چندین روش مختلف مانند میانگین متحرک ساده، میانگین متحرک موزون، نمو هموار ساده، نمو هموار دوبل، روند خطی، روند تابع ترکیبی و روند نمایی پیش بینی مورد نظر انجام شد، سپس نتایج این روش ها هم با نتایج حاصل از روش شبکه های عصبی فازی با استفاده از شش معیار اندازه گیری خطای پیش بینی مقایسه گردید و این نتیجه به دست آمده که در همه معیارها، روش شبکه های عصبی فازی نسبت به سایر روش ها برتری دارد و میزان تطابق داده ها (ضریب2R) مربوط به شبکه های عصبی- فازی90 درصد است. داده های استفاده شده در این تحقیق مربوط به سال های 1970- 2005 میلادی کشورهای صادر کننده نفت (اوپک) بوده است.

کلیدواژه‌ها

• کلید واژه ها: پیش بینی
• شبکه های عصبی
• شبکه های عصبی- فازی

عنوان مقاله [English]

New Approaches in Forecasting Using Neuro-Fuzzy Networks (Case Study: The Crude Oil Price)

نویسندگان [English]

• - - ¹
• - - ²
• - - ³

چکیده [English]

New Approaches in Forecasting Using
Neuro-Fuzzy Networks
(Case Study: The Crude Oil Price)

Mohammad Rahim Ramezanian1, Esmael Ramezanpour2,
Sayeed Hamed Pourbakhsh3

1- Assistant Professor. of Management, Guilan University, Guilan, Iran
2- Assistant Professor of Economy, Guilan University, Guilan, Iran
3- B.sc of Industrial Management, Guilan University, Guilan, Iran

Received: 17 /4/2010 Accept: 18/4/2011

Our world is a rapidly changing world. So it is very important for the survival of organizations to know what lies ahead in the future, how much demand is there for their products and for what price? We cannot afford big changes unless we are able to predict the future. The application of predictability science in management has been studied in this research. With the increasing progress of science, the use of new methods and application of new intelligent technologies have also increased. In this research, new methods and algorithms such as neural networks and fuzzy logic have been explained and the application of their combination in predictability has been studied. Various methods such as Moving Average Method, Weighted Moving Average, Exponential Smoothing, Double Exponential Smoothing, Linear Trend, Combined Functional Trend, and Exponential Process were used to make predictions. The results obtained from these methods were compared with the those obtained from the neru-fuzzy networks method using 6 error measurement criteria. It was found that the neru-fuzzy networks method yielded better results, and the correspondence of data (R2 coefficient) for the Neru-fuzzy networks was about 90 percent. The data used in this research were related to the Organization of the Petroleum Exporting Countries (OPEC) for the years 1970-2000.

کلیدواژه‌ها [English]

• Neural Network
• Neru-fuzzy network
• Predicate
• Crude oil price